在笔者过往的互联网从业经历中，曾遇到一个特别棘手的问题：每天都有2-3万的注册用户，可是为什么每天的活跃用户总数却不见增长呢？
出于常识的解释是，用户规模不变，那一定是用户来了又走了，新增多少就流失多少。于是很自然的从流失着手，做了诸如流失人群画像、流失原因分析、甚至流失行为预测等调研。而在所有研究方向中，有两组数据在运营人员中得到广泛的关注，形式如下：
昨日活跃的75万用户中，都是哪天注册的新增用户？有多少是上周注册的？有多少是一年前注册的？
去年今日新增的2.5万用户中，还有多少在今天活跃？
通过前一个问题得出广泛引用的结论：每天的活跃用户都是由之前每一天的新增用户的存量用户数加和。并且里当前日期越近，占的比重越高。
而通过后一个问题则发现同一批新增的用户，随着日期增长，每日仍活跃的数量呈现快速衰减的走势（节假日或特殊活动时会出现反弹）。
这两个问题都指向一个关键词：用户留存，而不是用户流失。
留存分析即研究一个或一批用户，在首次使用产品之后，之后每天的活跃情况。活跃天数越多，说明用户质量很好、粘性高、生命周期长；反之说明用户质量低、粘性低和生命周期短。
通过留存分析的数据，得出的计算简便并且非常有效结论：
新用户普遍在前几天流失
数据显示新用户在第二日就流失30~50%，一周后仅剩10%也是非常普遍的，并且很多用户根本没有使用到产品的核心功能就流失了，十分可惜。
基于这个结论，近些年来，运营活动和产品设计方向上越来越针对新用户的前一周做关怀或新手任务，强化用户去体验到产品的基本功能。例如信用卡首刷礼，互联网理财产品赠送新户加息券。
各渠道导入的新用户留存差异巨大，渠道策略有待提升
将所有渠道的留存比例排序后，可以非常容易发现某些渠道带来用户规模较大，却留存却很低，主要原因分就是渠道质量较低或者渠道作弊。停止向这些低效的渠道投入费用，将节省很多营销费用。留存分析就成为优化渠道策略的必要工具。
根据留存率计算用户生命周期
计算每个用户的生命周期时，通常采用用户最后一日的活跃日期减去首次访问日期，除以当日新增用户就得到所有用户平均生命周期。这个结果恰巧是每日的留存率之和。
同业对比
通常来讲，每个产品的新用户留存水平千差万别，但是在一个行业内留存水平往往存在趋同的现象，而不同行业的基准值也相差悬殊。例如游戏、视频等行业的留存就会高于证券、电商等行业。那么与同业的产品对比后，就会发现自身是否健康。
基于以上几点，留存分析在过去几年中逐步成为各家产品分析用户质量的必要模型；在易观推出的方舟产品中，已完整集成了分析模型。
