App留存分析：456数据如何按用户批次比较

一、为什么要按批次比较

如果只看今天的D7留存率，你看到的是所有注册7天以上的用户的混合数据。这个数字里既有1月份注册的老用户，也有上周刚注册的新用户——它们的留存行为完全不同。根据Amplitude官方文档《Cohort Analysis Best Practices》，队列分析的核心价值就是把不同时间获取的用户分开追踪。

二、留存矩阵怎么读

2.1 横向看：衰减曲线

沿着同一行从左往右看，你能看到这批用户随时间的留存衰减。第1天到第7天通常是掉得最快的阶段，第14天之后趋于平缓。

2.2 纵向看：批次差异

沿着同一列从上往下看，你能看到不同批次在第7天的留存差异。如果1月22日批次的D7留存是35%，而之前几批都是30%左右，说明最近这批用户质量变好了。

三、怎么判断产品改版效果

正确做法是：对比改版前注册的用户和改版后注册的用户在同一第N天的留存。比如D7留存从28%提升到35%，说明改版后新用户的7日留存改善了。错误做法是直接看今天的D7留存率——这个数字混合了所有批次。

四、工具落地

我自己在App项目中用456数据的队列分析功能，按注册日期自动生成留存矩阵。它支持App SDK接入，网站和App数据统一在一个后台看。