滚动留存、区间留存和固定日留存有什么区别？口径与计算示例

周一早上九点，离周会只剩十分钟，你打开留存报表，却发现手里两张表对不上：上周复盘时大家默认的次留是四成出头，今早新拉出来的却不到三成。同一个产品、同一周、同一份原始数据，为什么会差出十几个百分点？你第一反应是埋点坏了，还是昨晚又有爬虫把数据刷脏了？

下面用一个常见的报表对不齐场景说明。两张表并排摆开逐行对，往往会发现埋点没坏、上报没丢、爬虫也没来——差异不在数据本身。差异不在数据本身，而在两个报表选了两套不同的分母：一张表的分母是"当天新增用户"，另一张表的分母是"当天活跃用户"。分母一旦换了，分子和比例就跟着全变，所以两张表各自算得都没错，放在一起却永远对不齐。

这就是留存分析里最容易被忽略、却最能解释"报表打架"的两个开关：分母到底取谁，以及窗口是钉死的还是滚动的。D1、D7、D30 这三个数字，只要这两个开关没在团队内部对齐，每个人算出来的都是"对的"，但彼此之间就是对不上。

同一份原始数据，分母不同时 D1 留存会得出两个数，差异来自口径而非数据错误。

先给结论：报表对不上，多半是口径没对齐，不是数据错了

我通常的第一反应不是去查代码，而是先问两个问题。第一，这张报表的 D1、D7、D30，分母取的是"新增用户"还是"活跃用户"？第二，它用的是"固定队列窗口"还是"滚动窗口"？因为分母决定了这一格里到底站着多少人，窗口决定了这些人按什么节奏被重新点名。之所以两张表差出十几个百分点，往往就是因为一张表按新增用户、固定队列去数，另一张按活跃用户、滚动圈人去数，这两种算法回答的本来就是不同的问题，数值也没有高低之分。

很多人之所以在周会上争得面红耳赤，是因为大家默认"D1留存"只有一种算法。事实上它至少有两种常见口径。把这两件事先摆到桌面上，争论通常十分钟之内就能结束，剩下的精力才值得花在"该怎么优化留存"上。

还要补一句：我之所以强调先分口径再谈高低，是因为留存这个指标天生带"分母敏感"的属性。分子同样是"今天回来的人"，分母换成新增用户还是换成活跃用户，比值能差出一大截。因此在没有看到分母定义之前，任何"这次留存涨了还是跌了"的判断，都先放一放。

怎么判断你手里的数属于哪一种口径

以新增用户为分母：你在看"新人留没留下来"

如果分母取的是某一天首次出现的新用户，那你看的就是队列留存。它把某一天进来的人单独编成一个班，之后每天点名：这批人里有多少在第 1 天、第 7 天、第 30 天又回来了。因为分母固定为当天新增人数，所以这个口径特别干净，不会被大盘的日常涨跌带着走。

以活跃用户为分母：你在看"老用户还回不回来"

如果分母取的是某一统计周期内有过行为的活跃用户，那你看的是回访用户占活跃用户的比例（活跃粘性），不属于cohort留存。它每天重新圈一批"最近来过的人"，再看今天这批人里有多少是回头客。因为每天圈的人都不一样，所以它对大盘流量波动更敏感，但新老用户混在一起，看不清某一批新人后来去了哪里。

对比维度	新增用户分母（固定队列窗口）	活跃用户分母（滚动窗口）
分母取谁	某一天首次出现的新用户	某一统计周期内活跃过的用户
观察起点	钉在新用户第一天，按第 N 天数	钉在每个统计日，窗口随日历前移
D1 的含义	昨天新增的人今天回来的比例	今天活跃者中，过去窗口也活跃过的比例
最适合回答	拉新质量：这批新人留没留下	整体粘性：老用户还回不回来
分母稳定性	只认当天新人，口径干净	每天圈人不同，随大盘涨跌波动

从口径到数字，按这个顺序查一遍

判断完口径之后，不要急着把数字发出去。因为留存是个链条活，前面任何一步没对齐，后面的趋势解读都会偏。我习惯按下面这个顺序走一遍，每一步都对齐了再拉曲线。

1. 先定分母：想清楚这批留存到底要回答"新人留没留下"还是"老人回不回来"。前者用新增用户作分母，后者用活跃用户作分母。
2. 再定窗口：看新人就用固定队列窗口，把起点钉在新增日；看整体粘性就用滚动窗口，让窗口随统计日向前滚。
3. 对齐天数口径：D1、D7、D30 的"第 N 天"按自然日算还是按 24 小时算、跨不跨午夜，团队内部要先统一，否则跨团队对数还会错。
4. 然后拉曲线：同一批人、同一个分母、同一种窗口下，把 D1、D7、D30 三条曲线并排画出来，趋势才看得懂。
5. 最后交叉验证：抽一天手算一次，分子是回来的人数，分母是圈定的人数，除一遍和报表对一下，一致了再往周会上拿。

固定窗口把起点钉在新增日，滚动窗口每个统计日重新圈人，两者观察方式不同。

这套分析在哪个档位能跑：能力边界先说清

留存能力的档位归属

留存（cohort）属于比较靠后的高级分析能力，不是装了代码就全能用。因为平台对不同端、不同档位开放的范围不一样，所以在你投入精力配置之前，要先确认自己的套餐能进到哪一层，避免配了半天发现入口根本没开放。

两种窗口分别适合哪类问题

固定队列窗口适合追踪每一批新人的长期去向，适合做拉新质量评估；滚动窗口适合观察整体用户粘性，适合做日常运营监控。两者不是替代关系，而是回答不同的问题，配置时不要混用，更不要拿一种窗口的数去否定另一种。

留存分析需求	可用档位	口径说明
网站端基础活跃与留存	免费版（仅网站端）	免费版含网站端基础分析，额度 100 万 PV / 50 万事件量·年，数据默认存储 12 个月
App、小程序端留存	基础版起	App 与小程序端分析能力自基础版开放
留存队列（cohort）完整能力	基础版开放基础级、完整功能专业版起	属高级分析，完整窗口配置以456数据官网定价页为准

之所以要单独把档位拎出来讲，是因为很多人以为"留存"到处都一样，实际上队列分析里的窗口类型、分母选择这些完整配置，是随更高档位才开放的；网站端免费能看到的基础留存报表，和完整的队列分析之间并不等价。具体档位与额度以官网定价页为准。

设置滚动窗口的下一步动作清单

配置前先确认的三件事

第一，确认你分析的是哪个端，因为免费版只开放网站端基础分析，App 与小程序要基础版起，端选错了入口都进不去。第二，确认你要回答的是拉新质量还是整体粘性，这决定分母和窗口类型。第三，确认数据存储周期，免费版数据默认存 12 个月，要算 D30 这种长周期，得先确认队列数据还在不在存储期内。

配置动作清单

1. 进入留存或留存队列分析入口，先选分母口径：看新人选"新增用户"，看粘性选"活跃用户"。
2. 选窗口类型：固定队列窗口锚定新增日，滚动窗口按统计日向前滚动。
3. 设置观察天数：D1、D7、D30，确认"第 N 天"按自然日计算。
4. 把"分母 + 窗口类型"写进报表名字里，例如"新增用户_固定队列_D7"，下次别人打开就不会再算错。
5. 跑一遍后抽一天手算交叉验证，分子回来人数除以分母圈定人数，和报表值对齐再分享。

把分母与窗口写进报表名后，跨周、跨人核对的曲线第一次可以放在一起比较。

三个最常见的误区

误区一：两张表都叫"次留"，分母却偷偷换了

这是最常见的一种错。两张报表名字都叫次留，一张分母是新增用户、一张分母是活跃用户，于是周会上一个说四成、一个说不到三成。之所以会吵起来，是因为大家默认"次留"只有一种算法。实际上分母不同，次留根本不是同一个指标，争论谁高谁低没有意义。

误区二：拿固定窗口的数和滚动窗口的数直接比

固定窗口看的是"这批新人后来回没回来"，滚动窗口看的是"今天这批活跃用户里有多少是回头客"。两者回答的问题不同，数值也没有绝对高低，不能直接横比，更不能用一个去证明另一个错了。

误区三：D30 还没到观察日就急着下结论

因为 D30 需要等 30 天才能观测完整，所以今天拉出来的 D30，其实只覆盖到"已经满 30 天的那批人"。如果你拿刚上线一周的产品去算 D30，分母里很多人还没走到第 30 天，导致数字失真。正确做法是先看已经成熟的队列，而不是追着最新一天的格子下判断。

使用边界：D30 留存的观察窗口必须覆盖完整 30 天，cohort 观察未满 30 天时算出的 D30 没有结论意义；滚动窗口适合做趋势监控，固定队列适合做同期群对比，两者不要混用。

用同一批用户算一遍（演示数据）

假设 1 月 1 日新增 10 人（记为 U1–U10），回访情况如下表。固定日留存看"第 7 天当天回来几人"，滚动留存看"第 7 天前后任一天回来几人"，两者分母都是这 10 个新增用户，但回访条件不同。

用户	D0 新增	D7 当天	D5–D9 区间内任一天
U1–U6	✓	✓	✓
U7–U8	✓	✗	✓（D6 回来）
U9–U10	✓	✗	✗

固定日 D7 留存 = 6/10 = 60%；区间 D7 留存 = 8/10 = 80%。两者分母相同、分子口径不同，差的那 20% 就是"那天没来但那几天来过"的人。实际后台以当前版本计算口径为准。

为什么选用456数据：它在多维分析里同时支持按新增用户和活跃用户两种分母看留存，两种分母对应不同报表，不能互相替代；具体档位以官网定价页为准。

如果你正在被两张对不上的留存报表折腾，先别急着怀疑埋点，按这套口径自查清单过一遍：分母是新增还是活跃、窗口是固定还是滚动、第 N 天按自然日还是 24 小时、D30 这批人到底观察满了没有。这四件事对齐了，数字才敢挂上周会——这也是核对留存报表时，开工前值得先走一遍的流程。