作为ARPG游戏来说，新服有55%的次日留存的确不错了。但是我不得不说：40-20-10这个留存率标准采用的是另外的统计口径。

很多朋友都会把不同统计口径的留存率弄混。作为一个数据产品人，罗曼罗想来科普下常遇到的四种留存率的统计方法以及分析方式。
留存的四种计算口径
留存的计算有两个维度，基于设备或账号，基于活跃或新增。

对这个计算方式做排列组合，有四种留存的定义：基于设备的活跃留存、基于账号的活跃留存、基于设备的新增留存、基于账号的新增留存。我们使用一个统计系统来分析留存率，一定要先搞清楚是哪种口径的留存率。

• 活跃设备第N日留存：某日的活跃设备，在N天后启动了APP
• 新增设备第N日留存：某日的新增设备，在N天后启动了APP
• 活跃账号第N日留存：某日的活跃账号，在N天后登陆了APP
• 新增账号第N日留存：某日的新增账号，在N天后登陆了APP

笔者找到了一个公开的APP数据，大家可以直观感受一下不同留存率的区别。

如果你对比以上所有的留存率，可能会有一些数据上的疑问。
Q：账号留存和设备留存怎么对不上？
可能存在两种情况：
第一，一台设备登陆有多个账号，尤其是APP正在推广基于账号的优惠活动时，比如首单优惠活动可能导致刷单、账号之间互送金币活动可能导致注册小号等。
第二，一个账号登陆了多台设备。比如我们在pad上购物，用手机来支付完成交易。
一般来说，账号留存和设备留存会存在一定的误差，但是不会差距太大。如果差距较大，就需要思考是否是运营活动或者是产品设计加大了这个误差了。
Q：活跃留存为什么比新增留存高？
活跃用户包括新用户和老用户。老用户经历了跟APP相遇相知相磨合的阶段，忠诚度比新用户高是正常的。我们同时可以看到，活跃留存的下降的速度比新增留存慢。理论上，如果活跃用户全部是老用户，可能你会发现活跃留存曲线是一条接近水平线的曲线。
APP的类型不同，老用户占活跃用户的比例的多少，都会使活跃留存和新增留存的差值不同。

回到最开始的问题。40-20-10标准属于基于设备的新增留存。业内大部分的统计分析系统都提供这种留存率的统计，譬如友盟统计，如图。

开服新用户的留存率是基于账号的。另外，这个留存是针对新开服务器的新用户，可能其中有很多用户是从其他服务器迁移过来的。这部分用户对于新服来说是新用户，但是对于整个游戏来说是系统的老用户。所以不难理解，为什么这个留存率比新增留存高那么多。

文章首发冯孙颖个人自媒体产品喵，如能采用还请注明作者信息，非常感谢。
关于作者：冯孙颖，笔名罗曼罗，友盟统计平台高级产品经理，推荐关注她的个人微信公号产品喵（pm-miao）。

iOS和Android智能机和平板作为科技史上更新最快的产品，比电子、电视、微波、PC、手机、互联网速度更新快多了。即使是Web访问第二的Facebook也在上个月宣布它们是移动优先的公司，替换的原生应用吸引了10亿用户中的6亿通过移动应用访问Facebook。

了解你自己的应用：

每个应用类别有自己独特的用户参与度和存留率，了解这些奥妙有利于一个公司的应用普及、存留率和货币化政策。下面我们用一张典型的图来分析：

在这里我们在X轴上以90天为一个“留存率”周期，y轴上以每周会使用的用户数为计量单位，上图中一共有4个象限，分别代表四种不同类型的应用：

象限I（高使用频率-高忠诚度）：用户用的最多、最忠诚的交流类，比如语音交流、新闻类应用，同时也是广告回报率最高的，有时直接订阅也能盈利，而且用户呆的时间越久价值越高。

象限II （高使用频率-低忠诚度）：这类应用使用时间比较集中，但比较有限。流媒体、社交、社交游戏应用是这类应用的典型代表。以约会应用来说，其对用户的参与度要求很高，时间也会受到限制。比如某个用户某段时间正在寻找另一半，他就会经常上线，一旦找到了，可能会很长时间不上线。所以这类应用为了吸引客户，要获得市场中大量、持续的用户参与，所而越热闹越好。

象限III（低使用率-低忠诚度）：这类应用是用户不经常用且稳定性低的这种，比如个性化设置与娱乐应用，用户偶尔会拿来换个屏幕主题、换个操作系统主界面，一旦设置完了以后，用户可能不会用第二次，接下来应用的价值就会直线下降，所以这类应用最好采用保费定价模式，免费或增值模式是不可取的。

象限IV（低使用率-高忠诚度）：是不常用但提供超高价值的那类，通常与＂衣食住行＂相关，比如商业人士会频繁用到航空、旅馆、汽车租赁应用，即使中间的空隙时间不用，但下次商业旅行来临时，它的价值就迅速飙升（推荐航空、酒店广告）。

象限I和IV里的应用适合订阅或插入广告的形式，因为这些应用用户存留率高，用户基础比较好；

象限II 和 III适合收取一次性的下载费用；象限II 和 IV更适合应用内购买；

象限II里面的使用高集中性意味着你应该在使用高峰期推荐更多的内容（功能），比如Adroit社交游戏制造商就是推动应用内购买的大师，而且是用户玩得最高兴的时候；

象限IV里的用户会不断返回，所以可以找些新方式来增长价值，比如推荐功能或内容收费。

下面是更详细的30、60、90天的留存率统计表。

对比Flurry 2009年的报告，90天的存留率从25%上升到了35%，每周经常使用人数时间从6.7下降到3.7，不过这跟应用开发者越来越多有关，而且应用类别也从09年的19个到30个。

最后，在超过10亿智能手机和平板中，不管你的应用属于哪个类别，了解应用然后提高用户参与度是新世界的必杀技。

via blog.flurry