留存数据图表可以帮助您解答以下问题：

1. 您的应用如何留住每个周期的客户？
2. 哪些产品更具吸引力、留存率更高？
3. 哪些用户群体更忠诚？
4. 哪个留存水平可以作为增长的基准？
5. 当然，如何通过将资金投入已获取的用户群来节省成本，而非一味拓展新用户？

通过设置筛选条件和分组，您可以深入了解用户行为。

留存数据来源于我们通过 SDK 和应用商店通知收集的信息，无需您进行任何额外配置。

我们如何计算留存率？

通过观察留存数据图表，你可以了解用户数量与其所处步骤之间的关系：试用（如果勾选了”显示试用”复选框）、第 1 次付款、第 2 次付款，以此类推。下面说明在为留存数据图表选择日期范围时，系统会统计哪些用户。

例如，你在日历中选择了最近 3 个月，且未勾选”显示试用”复选框。这意味着我们只统计在最近 3 个月内完成第 1 次订阅的用户。如果勾选了”显示试用”复选框，且日历中选择了最近 3 个月，则统计所有在这 3 个月内开始试用的用户。对于这些订阅者，第 N 步的绝对留存值为完成第 N 次付款的用户数；第 N 步的相对留存值则为第 N 次付款的绝对数量与所选时间范围内订阅（或试用）总数的比值。

退款处理

退款不会从留存率中剔除。已退款的用户仍计入留存曲线，这可能导致同一同期群的留存率看起来高于活跃订阅或收入。

如需了解各数据图表对退款的完整处理方式对比，请参阅各指标如何处理退款。

留存机会

让我们来看看如何充分利用 Adapty 的留存功能。

除了对数据本身的热情，更重要的是在落地分析结果后看到真实的业务价值。所以不妨先想清楚目的是什么。深入了解数据图表功能之前，有必要搞清楚这些数据能带来什么影响。

让我们一起从”为什么”和”怎么做”两个维度来看。

1 - 与目标受众互动。 首先，留存率关乎目标受众、他们的偏好，以及你的产品在整个使用周期内是否符合他们的预期。如果你想衡量业务中最核心的那条”生钱”关系，留存率正是你需要的工具。 这种衡量方式很有价值，因为向现有用户销售通常比开发陌生用户成本更低。成本低有两个原因：销售所需的努力更少，客单价也更高。因此，当留存率下滑时，投资于订阅用户的忠诚度往往是明智之举。

2 - 与产品协作。 第二个”为什么”在于：留存数据图表能够反映产品的实际消费生命周期，并支持长期趋势预测。如果你希望有所改进，就调整负责交付产品的工作，改变其生命周期，然后重新预测，以便更接近业务目标。这类更新可以融入战略愿景，与预测流程协同推进。是的，这个过程永无止境——因为在一个不断变化的环境中，我们都在拼命奔跑，只为保持原地。

3 - 把握市场。 比主要竞争对手跑得更快固然不错，但有时跳出常规竞争反而能带来更大的收益。当你分析不同国家和应用商店中用户的行为时，一些本地特性往往能带来绝佳的洞察，为业务开辟新的机会。文化与市场背景可以从留存率的角度加以分析，进而用于市场细分和后续发展。例如，你可能会在某些地区发现蓝海市场，并在那里实现更快速的增长。

当然，留存数据的用途远不止这些基础解读，但如果你想快速获取实际价值，这不失为一个好的起点。

曲线、表格视图、筛选器与 CSV 导出

现在我们对留存目的和基本解读方式有了共同认识，接下来介绍让这一切变得便捷的工具。

Adapty 留存功能的核心是数据图表。它展示了留存率如何随用户生命周期各阶段的推进而变化。

各阶段显示在横轴上：Trial（试用）、Paid（第 1 次订阅）、P2（第 2 次订阅）、P3、P4，依此类推。

请注意，只有勾选了”Show trials”复选框时，横轴才会从 Trial 阶段开始。

该复选框对数据计算的影响如下：勾选”Show trials”后，横轴从 Trial 阶段起始，此时仅展示包含试用的路径，不显示从安装直接产生的交易，Paid 阶段也仅包含由试用转化而来的交易。若未勾选”Show trials”，横轴从 Paid 阶段起始，则第一个阶段包含所有首次交易，既包括来自试用的，也包括从安装直接产生的。

当您将鼠标悬停在数据图表上时，会弹出一个包含数据摘要的浮层。如果您将鼠标悬停在下方表格的某一列上，同样会看到一个摘要浮层，并在数据图表上高亮显示相关数据。 表格中的分组和筛选条件与数据图表保持一致。

自由组合筛选条件与分组方式，进行深度分析，从数据中获取真实洞察。 可变维度：

1. 产品类型
2. 时长
3. 时间范围
4. 国家
5. 流量归因
6. 商店

使用 #Absolute 和 %Relative 控件切换所需的数据视图。

最后，在控制面板右侧有一个按钮，可将漏斗数据导出为 CSV 格式。你可以在 Excel 或 Google Sheets 中打开该文件，也可以将其导入自己的分析系统，在你熟悉的环境中继续进行分析和预测。