关于留存率的文章，现在很多，以下要说的内容实际上算是对于留存率使用的一个小归纳。这篇文章所要阐述的内容其实早在去年就已经形成了，一直没有足够的时间组织起来，因为我觉得虽然简单，不过影响的范畴和可扩展的领域很多。值得去思考和借鉴。? ?? ?? ? 留存率存在三个原则? ?? ?? ? 留存率原则之一? ?? ?? ? 不同用户群之间的留存率趋势是一致的? ?? ?? ? 针对这点，其实可扩展的内容很多，比如不同渠道之间的用户留存趋势是一致的，不过不同渠道之间的留存率水平是不一致的，这一点在前一篇文章中已经有涉及过，这里不详细讲述。不同用户群，渠道的留存差异可以作为衡量玩家使用粘度的一个量化。? ?? ?? ? 而说到这点，我再多说一下，往往我们的游戏会有推广时期和自然增长时期，我们可以对比推广时期和自然增长两个时间的用户群的留存率表现，这点其实作用很大，如果我们只是使用一个次日、三日、7日，其实很多时候会规避问题，因此，也建议在做留存率分析，多多进行不同时期的留存率对比，而这点可行的基础就是留存曲线整体上的趋势是一致的。


? ?? ?? ? 留存率原则之二? ?? ?? ? 不同产品之间的留存率趋势是一致的。? ?? ?? ? 这一点对于开发者而言，也是具有很大意义的，因为每个公司不止研发一款产品，在系列产品中，用户的留存表现可以帮助开发者理解自己的产品质量，此外我们可以把同一款产品的两次更新当做是两款产品来看待，这样也帮助我们比较前后版本的粘性和质量情况。? ?? ?? ? 再者，留存曲线本身就存在流失期、蒸馏期、稳定期，通过横向，纵向的对比，帮助开发者尽快找到玩家的生命周期长度。同时，这条曲线其实对于渠道而言，也存在很大的意义，因为同一个位置，什么游戏的质量更好一些，我们就可以通过对比多款产品的留存曲线表现，来进行决定，当然这只是渠道在量化最佳位置收益最大化的一个数据分析点，不止于此。


? ?? ?? ? 留存率原则之三? ?? ?? ? 不同日期之间的留存率趋势是一致的? ?? ?? ? 这点我想是大家最不陌生的，也是我们常用的，如果我们只是每日孤立看待留存率，效果并不是很明显。


? ?? ?? ? 对于不同日期的留存率衡量不是只限于两日，也可以是自定义时间点，自定义用户属性（比如时间段内，启动至少3次，这部分在后续文章会说），总的来说，就是要说明，不同时期的用户留存的变化情况，这有利于我们把握不同时间点的推广和投放情况。
。。。以下略