可量化的「粘性」，帮你正确理解「留存」
留存，被认为是衡量产品健康度的一大高级指标，除了“留存”，我们最常谈起的就是“粘性”。但如何将它量化，让大家对产品的粘性衡量从感性变成理性一直没有很好的分析模型，经过我们的数据分析师和程序猿GG的不懈努力，诸葛io已上线粘性分析模型，你是否真的深刻理解并能应用于业务场景呢？本文或许可以给你一些启发。
深刻理解留存
对大多数产品而言，我们会用留存来整体评估产品的健康度，你也可以理解为，留存是在“某一天有多少人使用”的维度下进行的计算，它统计了来自同一群人，放在时间的跨度下，计算每一天回访用户占这群人的百分比。以新增留存为例，某一天或一段时间新增的用户，第2天还有多少人使用，隔2天还有多少人使用，隔了7天还有多少人使用，通常我们会以此来判断产品留存用户的能力，以及用户的价值。
人人都在看留存，但可能不知如何下手，这里可能是你开始看留存图的样子：在某一天注册了一批用户，然后有多少在后续一个月的每一天中回访了：
30日留存
这是7日的留存：
7日留存
然后，这是只看1日后的留存（次日留存）
次日留存
你会发现这个例子中的次日留存把问题反映的最明显：有超50%用户在初次使用你的应用后，第二天就不再回来了。在你担心30天或90天留存这些东西之前，需要先弄清楚怎么能让用户在第二天回来，即，提高次日留存才是当务之急。
用户会非常快的流失，实际上平均下来，移动应用的次日留存一般在30%，一些非常优秀的应用这个值能达到70%（仅供参考）。所以问题的关键就在你如何在用户安装之后立刻留住用户，如果你能在一开始粘住他们，你基本就能保留他们一段时间。
粘性：以用户视角，科学评估产品留存能力
从精细化运营的角度来看，你可能有过这样的疑问，在某一段时间活跃的用户为用户群中：
隔7天来的用户有多少？
有多少用户是中间6天一天都没来？
有多少用户是连续访问了7天？
第30天来的用户中，有多少中间29天没有访问过？
有多少用户是有连续访问的？
有多少用户又是每周都来2-3天的？
他们分别占比多少？
如果要整体评估产品健康度，我们认为，你可能还需要知道：“一个人使用了几天”，也即很多产品一直无法衡量的维度：粘性。因为由粘性你可以知道：一款产品，用户一个月使用几天，使用大于1天的有多少，使用大于7天的有多少，你也可以再扩展到周的维度，一周使用大于2天的有多少，一周使用大于5天的有多少？以此来综合评估产品的健康度。
产品整体粘性就是整个产品中，选择「任意事件」，默认将展示近4周来，用户平均每周使用产品的天数分布情况。
任意行为的粘性分析
如上图所示，我们可以看到近四周所有使用产品的人中，使用了2天及以上的占比多少，使用了3天及以上的占比多少，以此类推。
当然，你更可以评估某一功能的粘性，比如我们选择「开始签到」来分析新上线的社区功能的粘性：
「开始签到」模块的粘性分析
说明：在计算各个天数的人数占比情况时，我们会以在所选时间段内触发过该事件的人为基数（第一天为100%）。比如，近四周的活跃人数是200，触发过「开始签到」的人是100，其中一周内触发过「开始签到」2天以上的是20人，那么在粘性分析中，「开始签到」2天以上的人数占比是 ：20 / 100 = 20%。我们不会以活跃人数为基数，若要看在整个活跃用户中使用过某个功能的人数占比，可通过「事件」中的「活跃比」功能实现。
客户案例：快速找到提高用户粘性的策略
以诸葛io一企业客户——向上金服为例，作为一家运营4年的互联网金融服务平台，除了“坚持稳健、合规发展与科技创新相结合”的发展理念外，向上金服还始终坚持“以用户为中心”，力求从需求与风险平衡等多维度为用户提供个性金融服务。
同所有互金产品运营思路一样，一方面，需要不断强化用户对产品的信任感；另一方面，通过完善积分体系/搭建商城等手段，不断开拓更多用户与产品交互的场景，从而提高用户留存和粘性。
为此，向上金服团队开发了“每日签到”功能，并且通过诸葛io的粘性分析评估该功能的粘性，根据数据波动，指导运营团队及时调整运营策略；此外，为了提高关键行为——“绑定银行卡”的用户留存率，团队也会借助诸葛io的自定义留存模块整体评估业务的健康状态，不断摸索、猜想、验证影响留存的关键行为。