一個日常情境：從咖啡香到深夜聚餐試想這樣的日常：
一早泡好咖啡、滑開手機，便看見 IG 通知——好友 Tina 假日打卡一間剛開幕的網美餐酒館，還拍下 bartender 炫技調酒的片段，超級吸睛。你看完立刻按讚並私訊，Tina 也秒回，兩人分享著餐點有多美味。下班後，你又跑去義式料理店大快朵頤，順手在 IG 上傳異國風美照，朋友馬上再度留言互動…
這樣的情節天天都在上演——不管是發限時動態、FB 看貼文，或抖音上傳短影音，都成了我們日常不可或缺的一部分。就像「上癮」般，我們狂刷社群與內容平台，而產生的龐大流量與互動，卻多被少數網路巨頭瓜分；小公司只能在殘餘的注意力中努力分食，求生存。
流量困境：拉新太貴、曝光太少、競品太多
可以預見，過去隨便做行銷就能海撈流量的日子已一去不復返。現在企業面臨的挑戰：
- 營銷成本越來越高
- 眼球曝光越來越難搶
- 同質性產品越來越多
一旦用戶認可「好棒棒👍」，才能往下走：參與（Engagement）→ 黏著（Stickiness）→ 留存（Retention）→ 成長（Growth），形成正向的成長閉環。
互動 → 黏著 → 留存 → 成長：一連串的化學反應
「Engagement Drives Stickiness Drives Retention Drives Growth」一文指出，這四大指標彼此之間會相互推動：當其中一個上升，往往能帶動其他維度向好。想像三位 Facebook 用戶——Alice、Bob 和 Sarah——就能看出這種現象。
- Alice 幾乎每個小時都打開 FB，不斷按讚、留言、發佈貼文，是個高互動用戶。
- Bob 屬於中度用戶，主要瀏覽貼文、偶爾點讚，極少主動回應。
- Sarah 次數更少，朋友互動也不多，是低度用戶。
從互動次數來看，Alice > Bob > Sarah 的差距很明顯，也代表 Alice 與平台的黏著度（Stickiness）最高。假如你觀察他們一週的使用頻率：
- Alice：7/7 天上線
- Bob：5/7 天上線
- Sarah：1/7 天上線
Alice 的留存（Retention）自然高人一等；Bob 和 Sarah 因為使用率低、互動少，長期下來就可能流失。同樣地，如果只看「週活躍用戶（WAU）」，這三人都算活躍，但把維度切換到「日活 DAU」就能看出他們的明顯差異。
當 DAU 開始走下坡時，往往意味著 WAU 很快也會下滑，接著連 MAU 都會受影響。
初期或許有不少人湧入嘗鮮，但真能留下來的，還是那些願意持續互動、黏著度高的用戶。這些人一旦留下，就成了產品成長的最強動能。
A great company focuses on sustainable growth — through engagement, stickiness and retention.
留存（Retention）才是所有成長的基礎
知道了互動、黏著和留存之間的關聯，再來要強調一個重點：「留存才是一切成長的根基」。
如果你的產品僅在乎用戶數量的表面增長，一開始數字或許很好看，但如果留存率長期偏低，流失越來越大，最終可能擺脫不了「流量困境」——在競爭激烈的市場中逐漸淡出。
新用戶初次使用時若感受良好，就會發展出更深度黏著；感受不佳就立刻分手，成為你「看得到卻留不住」的用戶。（Amplitude將這整段過程稱為「留存階段的用戶流」，把新用戶、現有用戶、回流用戶的流動狀況可視覺化分析，如下圖。）關於每個身份用戶的行為定義，建議可參考我另一篇文章：你的產品Product-Market Fit了嗎？用數據檢視產品的健康狀況_上）。
正如 HubSpot 增長副總裁 Brian Balfour 所言：
留存是所有增長的基礎，沒有留存，其它優化都是白搭。
事實上，多數數位產品都出現這種狀況：70% 的新用戶在一週內就跑光光。一張「Retention Curve」往往顯示：三十天後，剩下 10% 或更少的人還願意回來使用。能保有 13% 已算非常不錯。
Retention Curve_來源：Why You Need to Care About User Retention
留存率啥時候該開始關注？
有人誤以為：「我們產品剛進入市場導入期，應該先拼品牌知名度，新訪客才最重要，留存暫時不用管。」
但事實上，只要產品一開始就有用戶接觸，留存率就值得追蹤，並且越早越好。比方說，如果某產品在第 20 天後的留存率已經幾乎歸零，就明顯顯示「產品/市場適配性」（PMF）沒有達到。這種情況往往不是簡單修修功能或加強 UI 就能解決，甚至可能需要重新調整核心定位。
延伸閱讀：你的產品Product-Market Fit了嗎？用數據檢視產品的健康狀況
另外，如果企業錯過了早期監測留存的時機，等到用戶大量流失後才發現問題，往往已經浪費了寶貴的行銷預算與開發資源。畢竟，每增加一位新用戶都需要成本，如果他們在短時間內離開，等於把錢丟進大海，對後續的發展影響更大。
可見留存率的觀察越早啟動越好，我們對留存率的解讀方式可能會隨著產品生命週期而改變；導入期要特別檢驗 PMF，中後期則須監控用戶體驗與功能優化。但最核心的不變原則是：只有持續提升留存率，才能在瞬息萬變的市場環境中穩定成長並獲得利潤。
3 種常見留存計算法
重新回到留存率的定義，留存率是指隨著時間的推移，在我們的產品中仍保持活躍用戶的比率。The Retention Lifecycle Framework將留存率的計算方式分為三種：
小叮嚀：用戶在我們的產品中首次啟動的那一天被指定為“第 0 天”。這可能是用戶第一次下載我們APP的那一天、他們註冊的那一天，或者他們在您的產品中執行任何事件的那一天——播放他們的第一首歌、添加他們的第一個朋友等。
第N日留存率（N-Day Retention）
- 定義：在啟用後第 N 天「當天」仍活躍的用戶。
- 適用：遊戲或社交類產品，因為用戶通常有固定的重複回訪頻率，比如玩家每天上線簽到、參加活動，或社群成員定時
以第 7 天留存為例，需要觀察用戶是否在啟用第 7 天這一天有使用行為。若用戶在第 8 天才回來，則不計入第 7 天留存。這種方法可以快速評估特定時間點的使用情況，但對於使用頻率不規律的產品，數據可能忽上忽下，需搭配其他指標來輔助判斷。
無界留存率（Unbounded Retention）
- 定義：啟用後第 N 天「以及 N 天以後」有使用，都算作留存。
- 適用：產品使用情境較隨機、頻率不定。像是旅遊、理財或健康管理類應用，不一定會每天打開。
若第一天（Day 0）有 100 位新用戶，而無界留存顯示在第 1 天或之後任何時間有 30 人活躍，則 Unbounded Retention = 30%。這代表只要在第 0 天註冊的用戶，在往後的任何時間點使用，都能計入留存。在評估長期效益時，這種算法較能容忍用戶的使用頻率波動，但也可能出現數據被長期離線後突然回來的用戶拉高的情況，需要進一步觀察實際行為分布。
X-Y日留存率（Bracket Retention）
- 定義：在第 X 天到第 Y 天區間內，只要有使用，就算留存。
- 適用：需要自訂更有彈性的時間段，尤其適合任務型或週期性較長的產品，像是線上教育課程、月度會員訂閱、半年考證班等。
舉個例子，如果你想知道「第 7 天到第 14 天」期間用戶是否持續使用，便可把這 8 天區間視作一個時間段：只要在這段期間內有活躍，就能列為留存用戶。相較於日留存或周留存，區間留存能更直觀地觀察用戶在較長時間內的使用模式，也可發現哪些時點有顯著回訪或流失，進一步調整產品策略或行銷推動計畫。
關鍵事件：別把「打開 App」誤當留存
當我們在衡量留存率時，還得確認什麼樣的使用行為算是真正的「活躍」？如果你賣音樂串流服務，僅打開 App 卻沒播放音樂，可以視作留存嗎？大概率不行，因為它沒有為用戶帶來核心價值。
因此，我們常會鎖定某個「關鍵事件（Event）」來代表用戶實際享受到產品價值。例如 Spotify 就是「播放一首歌」，電商是「完成一筆下單」，房仲平台是「送出預約看屋表單」等等。這些行為才是評估留存的關鍵。
定義產品使用間隔
另外，產品的使用頻率也很重要：有些是「日常型」，例如新聞、社群、遊戲；有些則是「特定任務型」，像電商、旅遊、房仲。使用者和產品之間的互動節奏，往往決定了你該如何監測留存。如果用戶可能隔好幾天或甚至幾週才會想起你的平台，就要調整留存觀察週期，以免做出誤判。
比方說，你以「日」為單位進行監測，結果數據可能出現大起大落，根本無法反映真實使用情況。這時候改用週或月的指標就更合理，因為能更貼近實際的使用模式，並從整體趨勢看出用戶是否持續回來、還是只在特定時段出現。
除此之外，若你的產品有季節性使用需求（例如線上課程通常在開學前後或寒暑假較夯），你可能還需要擴大觀察範圍到整季或半年，才不會誤判用戶在淡季時的暫時離線。
來源：Your Critical Event & Product Usage Interval
在「Your Critical Event & Product Usage Interval」裡提到一個簡單的方法：可以先鎖定一段觀察期（如 60 天），並把「至少執行過兩次關鍵事件」的用戶找出來，接著分析他們第二次回訪的時間分佈，看看大部分人多久後會再行動。
如果你發現 80% 的人通常在 10 天內就再次使用，那麼 10 天就可能是你的「產品使用間隔」；若他們平均要超過 30 天才回來，代表這個產品並非經常性使用，需要搭配更長的留存觀察周期。透過這種方式，就能更加精準地掌握用戶什麼時候最有可能回訪，進而做出對應的功能優化或行銷推播。
文章裡作者還另外提供了兩份檢核圖表，可幫助我們挖掘出產品的關鍵事件以及使用間隔，這邊一併給大家參考。 只是這方面的實作，大多仍需要資料科學家的協助，將資料格式整理出所要分析的樣貌。假如一般公司並沒有數據團隊的建置，另一解法就是藉由與外部分析工具合作進行資料處理與分析（如Amplitude），有錢好辦事呀!!!
來源：Your Critical Event & Product Usage Interval
來源：Your Critical Event & Product Usage Interval
保留生命週期框架：新、現有、回流三類用戶
Amplitude 提出的「The Retention Lifecycle Framework」則進一步將活躍用戶分成：
- New Users（第一次接觸產品）
- Current Users（持續使用）
- Resurrected Users（曾經流失，後來又回歸）
在整個留存曲線上，這三種用戶佔有不同的角色，最好分開觀察與優化。新用戶需要完善的 Onboarding，現有用戶需要更多驅動黏著的設計，而回流用戶則可能仰賴行銷活動、推播通知或誘因刺激他們再次回來。
來源：The Retention Lifecycle Framework
保留生命週期：三大用戶階段
第一階段：New Users留存
新用戶與產品的「初次接觸」最能影響後續黏著與忠誠度。要讓新人留下好印象，必須持續優化 Onboarding（入門）體驗和 Value Discovery（價值探索），讓人能在最短時間內感受到產品核心價值，也就是常說的 Aha Moment。
👉搭配閱讀：存量思維之二：建立高效 Onboarding，激發使用者啟動動能
第二階段：Current Users留存
當新用戶已順利體驗到產品核心價值，就進入「習慣養成」階段。透過產品提供的種種驅動機制，讓使用者不斷回訪並加深黏著度。如此一來，不但可以穩定互動數據，也能為之後的進階功能或付費轉換做好鋪路。
👉搭配閱讀：存量思維之三：晉升高黏著度粉絲，讓用戶離不開你的產品
第三階段：Resurrected Users留存
別忘了那群曾經使用過你產品、但後來因各種原因而休眠的用戶。他們很可能只是暫時沒需求，或被競品搶走。此時，產品與行銷團隊就要聯手，用適度的行銷活動或通知，把他們「喚醒」。一旦這些「沉睡」用戶重新體驗到核心價值，往往能再次活躍起來。
👉搭配閱讀：存量思維之四：用戶「再復活」之戰，引爆留存成長
多層次留存觀察
除了以Retention Curve來探討各分級使用者的保留生命週期外，另一個方式則可透過Frameworks for Product Success提供了「Funnel of user cohorts」概念，幫助你掌握在 1 日、7 日、28 日、甚至 364 日等不同時間點的留存情況：
來源：Frameworks for Product Success
針對大多數的產品，第一天或第一週，通常為使用者能否成為留存用戶的關鍵點，所以監測｛D1/D0｝與｛D7/D1｝的變化就相當重要，第一步就會看這兩個數值。舉個例子，假設產品各Cohorts使用者的｛D7/D1｝維持著穩定的數值，但是｛D1/D0｝的留存率似乎正在下降，這時公司就該把注意力集中在如何提高D1留存率上（D0 是一個群組中的啟動人數，D1 是該群組中一天之後仍活躍的人數）。
進一步來看，若觀察到的是｛D364/D84｝接近1（代表著第 84 天-第 364 天之間，訪問該產品的人數幾乎不變），則我們就可以推測大多數的淨流失發生在第 84 天之前，在此情況底下，我們就應該專注於在最初的 0、1、7 和 28 天可以做什麼，以便為新用戶創造最佳體驗。
小結：觀察留存曲線，選好策略，長期成長不再是夢
無論你的產品處在哪個階段，留存都是繞不開的話題：
- 盡早設定並監控留存率，不要等到流失慘重才發現；
- 界定核心關鍵事件，別把「打開 App」當留存；
- 調整使用週期，讓指標更貼近實際場景；
- 分不同用戶階段（新、現有、回流），各自制定留存策略。
想提升留存率，主要做法不外乎兩招：
- 放大核心價值：讓用戶隨時都能輕易看見、感受到產品最棒的功能和好處；
- Retention hooks：用自動或人為推播，把用戶不斷帶回產品，企圖把留存曲線後端也推高（也就是業界常說的「微笑曲線」）。
來源：產品數據分析 - 打造網路產品的決策引擎
接下來的文章，會更深入探討 New Users、Current Users、Resurrected Users 各階段的留存策略，敬請期待。如果對這些概念有疑問或想進一步交流，歡迎在下方留言。讓我們一起打造持久、有黏性的用戶生態，讓產品走得更遠、更穩！
參考資料：
- Engagement Drives Stickiness Drives Retention Drives Growth
- Why You Need to Care About User Retention
- Your Critical Event & Product Usage Interval
- The Retention Lifecycle Framework
- 產品數據分析 - 打造網路產品的決策引擎
- Frameworks for Product Success
