留存分析

留存分析是一种分析用户参与情况或活跃程度的分析模型，可以统计在选定的时间范围内，进行了初始行为的用户中随后进行后续行为的人数及比例。留存分析模型可以帮助深入了解用户的留存和流失状况，发现影响产品可持续增长的关键因素，指导市场决策、产品改进、提升用户价值等。

左侧为条件筛选区域，添加初始事件和回访事件建立模型，添加筛选条件进行查询。右侧为查询结果展示区域。图表展示区域可切换的用户留存、流失情况；

右上角可切换不同的图表，默认展示数据表格，鼠标悬浮可查看在指定日期内留存的用户数和占比：第N日留存：切换查看留存用户数和留存率

每日留存：切换查看留存用户数和留存率

初始事件是在待分析的两个事件中先触发的事件，一般用来从所有用户中先选定部分群体； 回访事件通常选择希望用户重复触发的事件；初始事件和回访事件均可以对属性设置筛选条件，可选元事件及虚拟事件；

不同的分析场景中可以设置不同的事件来分析：

初始事件和回访事件设置为不同的事件，初始事件一般选择触发一次的事件，如“注册”、“登录”；回访事件可选择重复触发的事件，如“发起聊天”；可用于对比分析用户对产品或某些功能行为参与情况，从而评估产品迭代或运营策略调整的得失。
初始事件和回访事件设置为相同的事件，用于对比不同的功能，重复发生的情况，发现用户对不同功能的使用粘性；

可在查询结果数据表中同时展示其他指标值，可选择与初始事件和回访事件相同或不同的事件。

同时展示回访用户参与的事件，即触发了初始事件、回访事件后的留存用户同时做了某件事。同时展示功能支持总次数、用户数、人均次数以及 [数值类型的事件属性+计算方法]的方式。

数值类型事件属性的预置计算方法包括：总和、人均值、阶段累计总和、阶段累计人均值；

以计算LTV为例，可选择同时展示回访用户参与事件为支付成功事件，选择指标聚合方式为[订单金额]的[阶段累计人均值]。

同时展示数据可选择自定义指标公式：

回访用户指标、初始日期指标以及两个指标的计算：

以计算ROI为例，可选择回访用户指标为[支付成功]事件的[订单金额/阶段累计总和]，选择初始日期指标为[市场投入]事件的[金额/总和]；指标公式为回访用户指标除以初始日期指标，所得到的数据为每日的ROI；

在查询结果中查看：

所支持的筛选条件包括：

事件属性：可选择事件的预置属性、自定义属性、虚拟属性。
用户分群：通过选择用户的行为规则条件创建分群后，可在全局筛选或单个事件条件筛选中直接选择。
用户属性：在全局筛选可选用户属性。若我们添加的符合用户属性是“城市”为“厦门市”，则只有属性中“城市”为“厦门市”的用户，才满足这个筛选条件，并且出现在筛选后的留存分析结果中；
用户标签：通过用户特定属性条件创建标签后，可在全局筛选或单个事件条件筛选中直接选择。

支持进行筛选的属性数据类型包括：文本类型、数值类型、布尔类型、时间类型；

文本类型的属性可选逻辑关系为：

数值类型的属性可选逻辑关系为：

布尔类型的属性可选逻辑关系为：为真、为假。

时间类型的属性可选逻辑关系为：

查询结果支持分组查看，可以查看更加详细的分析结果。

分组支持的数据类型数据查询结果支持文本类型、数值类型、时间类型、布尔类型的事件属性进行分组查看。数值类型的事件属性支持三种区间展示： 默认区间：将所查询的数据按规则统一进行区间划分。 离散区间：将查询结果里的离散数据按一定顺序一一进行列举。 自定义区间：将查询结果里的数据按自定义设置区间的值进行划分，左闭右开。

时间类型的事件属性支持按分钟、按小时、按天、按周、按月的时间粒度进行展示。