留存率数据图表可以帮助您回答以下问题：

1. 您的应用如何从一个周期留住客户？
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，如何通过投资已获取的用户群来节省资金，而不是一味开拓新用户？

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？

观察留存数据图表，您可以看到用户数量如何随步骤变化：试用期（若勾选”显示试用”复选框）、第 1 次付款、第 2 次付款，依此类推。下面说明在为留存数据图表选择日期范围时，系统如何统计用户。

例如，您在日历中选择了最近 3 个月，且未勾选”显示试用”复选框。这意味着我们仅统计在最近 3 个月内完成首次订阅的用户。若勾选了”显示试用”复选框，并选择最近 3 个月，则统计所有在该时段内开始试用的用户。对于这些订阅用户，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）总量的比值。

留存机会

我们来看看如何充分利用 Adapty 的留存功能。

与其单纯沉浸于数字本身，不如先思考目标——毕竟我们更希望看到分析结果带来真实的业务价值。在深入了解数据图表功能之前，先搞清楚这些数据能产生什么影响会更有意义。

所以让我们一起聚焦两个问题：为什么 和 怎么做。

1 - 与目标受众建立联系。

首先，留存率关乎目标受众、他们的偏好，以及你的产品在其使用周期内是否达到了他们的预期。如果你想衡量那段为业务持续创造收益的核心关系，留存率正是最好的工具。

这种衡量方式之所以有价值，是因为向现有用户销售通常比向陌生人销售更省钱。成本低的原因有两个：销售所需的付出更少，平均客单价也更高。因此，当留存率下滑时，投入资源来提升订阅用户的忠诚度或许是个明智之举。

2 - 与产品共事。

第二个”为什么”是：留存数据图表能直观呈现产品的实际消费生命周期，并支持你做长期预测。如果你想优化，就调整负责交付产品的环节以延长其生命周期，然后重新预测，让结果更贴近你的业务目标。这类迭代可以融入战略规划，与预测流程协同推进。而且，这个过程永远不会结束——因为我们都在不停奔跑，只为在一个不断变化的环境中原地站稳。

3 - 与市场协同运作。 比主要竞争对手移动得更快固然不错，但有时跳出常规竞争或许能带来更大的收益。当你分析不同国家和应用商店中用户的行为时，一些地域特性可能会带来出色的洞察，并为业务开辟新机会。文化与市场背景可以从留存的角度加以分析，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，并在那里实现更快速的增长。

留存数据的用途当然不止于此，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

既然我们已经在留存目的和基本解读方式上达成共识，接下来看看让这一切变得简单易用的工具。

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：试用（Trial）、付费（Paid，即第 1 次订阅）、P2（第 2 次订阅）、P3、P4，以此类推。

请注意，只有在勾选”显示试用（Show trials）“复选框时，横轴才会从试用（Trial）阶段开始。

该复选框对数据计算的影响如下：勾选”显示试用”后，横轴从试用阶段开始，此时仅显示包含试用的场景——不展示直接从安装产生的交易，且付费（Paid）阶段仅包含从试用转化而来的交易。若未勾选”显示试用”，横轴从付费（Paid）阶段开始，此时第一个步骤包含所有首次交易，既包括从试用转化的，也包括直接从安装产生的。

将鼠标悬停在数据图表上时，会弹出一个数据摘要窗口。将鼠标悬停在下方表格的某一列时，也会弹出摘要窗口，并在数据图表上显示相关数据。 表格中包含与数据图表相同的分组和筛选条件。

随意组合筛选器和分组，进行深度分析，从数据中挖掘真实洞察。 可变维度：

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

使用 #绝对值 和 %相对值 控件查看所需数据。

最后，在控制面板右侧有一个按钮，可将漏斗数据导出为 CSV 文件。你可以在 Excel 或 Google Sheets 中打开，也可以导入到自己的分析系统中，在你偏好的环境里继续进行分析和预测。