GR · MM · 182
留存算法选择心智模型
Retention Type Selection Mental Model · retention-type-selection-mental-model--how-to-measure-cohort-retention
所属簇 留存与流失
解决什么问题
在计算留存率时,面对 X-day(有界)留存和 Unbounded(无界/滚动)留存两种算法,不知该如何根据业务特点选择最合适的模型。
核心内容
根据用户的自然使用频次和业务模式选择留存算法:
- 选择 X-day retention 的场景:
- 用户高频使用产品(如每天记录饮食、听播客)。
- KPI 绑定了特定时间范围(如30天试用、28天活跃、7天复订)。
- SaaS 业务(通常受限于订阅或试用期长度)。
- 短期分析(如新用户引导漏斗或营销活动效果)。
- 选择 Unbounded retention 的场景:
- 用户不按规律日/周/月回访,使用模式较随机。
- B2C、消费者交易或社交业务。
- 测量长期用户行为,并据此将用户分为6个月、9个月、1年等长期群组。
- 希望留存率能与流失率直接互算验证。
适用边界
两种方法在数学上都正确,但对同一批用户会得出完全不同的留存数据。选定一种后需在团队内保持一致。
关键引述 · 原话
"My general favorite method is unbounded retention because... unbounded retention is the inverse of churn, so it gives me another way to validate and test my data."
关联卡片
是「cohort-retention-measurement-playbook」的子决策模型。
出处:Olga Berezovsky · 02-newsletters/how-to-measure-cohort-retention.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2