Chapter 6: Retention（留存）
本章指标速查
展开 / 收起指标速查表
| 缩写 | 全称 | 一句话解释 |
|---|---|---|
| Retention Rate | Retention Rate | 某批用户经过N个周期后仍活跃/购买的比例 |
| Repeat Purchase Rate | Repeat Purchase Rate | 产生2次及以上购买的用户占总购买用户的比例 |
| LTV | Lifetime Value | 客户在整个生命周期内贡献的总价值 |
| CRM | Customer Relationship Management | 客户关系管理 |
| ROI | Return on Investment | 投资回报率，衡量投入产出效率 |
| CAC | Customer Acquisition Cost | 获得一个新付费客户的平均成本 |
获客像往水池里注水，留存决定了池底有没有漏洞。如果你的水池底部千疮百孔，无论水龙头开得多大，水位永远涨不上去。
留存是增长的"复利"引擎。一个留存率提升 5% 的业务，长期来看可能比获客效率翻倍的业务增长更快——因为每一个留下来的用户，都会在未来产生多次购买、多次传播、多次贡献收入。
本章将帮助你理解：电商语境下的留存到底在衡量什么，如何正确度量它，以及如何通过运营手段系统性地改善它。
6.1 电商留存 vs SaaS 留存：本质差异
很多团队直接照搬 SaaS 的留存框架来衡量电商业务，这是一个常见的认知陷阱。两种商业模式下，"留存"的含义截然不同。
| 维度 | SaaS 留存 | 电商留存 |
|---|---|---|
| 用户行为频率 | 日活/周活，高频使用 | 低频购买，间隔可达数周甚至数月 |
| 收入模式 | 订阅制，按月/年收费 | 单次交易制，每次购买独立决策 |
| "流失"定义 | 明确——取消订阅 | 模糊——多久没买算流失？ |
| 留存窗口 | 通常按月 | 需要按品类特征自定义（快消品 30 天，家电 365 天） |
| 核心留存指标 | Logo Retention / Net Revenue Retention | 复购率 / 购买留存率 |
| 提升杠杆 | 产品粘性、功能使用深度 | 品类宽度、会员权益、触达召回 |
关键洞察： SaaS 用户"不取消"就是留存；电商用户"不购买"不一定是流失——他可能只是还没到购买周期。这意味着电商的留存分析必须考虑购买间隔的自然节奏。
电商留存的三个难点
- 无明确流失信号：用户不会通知你"我不再买了"，你需要通过数据推断
- 品类频率差异大：同一平台上，生鲜用户每周下单，家具用户可能两年才复购一次
- 渠道噪音干扰：用户可能从你的平台流向竞品，也可能只是暂时没有需求
6.2 留存的三个层次
留存不是一个单一指标，而是一个指标家族。根据衡量对象不同，我们将其分为三个层次：
6.2.1 用户留存（User Retention）
定义： 在特定时间窗口内，用户是否回到平台产生任何行为（登录、浏览、加购等）。
公式：
用户留存率 = 在第 N 天/周/月回访的用户数 ÷ 初始用户数 × 100%适用场景： 衡量平台整体吸引力和用户活跃度。
局限性： 用户回来逛了一圈但没买，对电商来说商业价值有限。
6.2.2 购买留存（Purchase Retention）
定义： 在特定时间窗口内，用户是否产生了实际购买行为。
公式：
购买留存率 = 在第 N 天/周/月产生购买的用户数 ÷ 初始用户数 × 100%适用场景： 这是电商最核心的留存指标。它直接反映用户是否在用"钱包投票"。
举例： 某母婴电商 1 月份新增 10,000 名首购用户，其中 2,200 人在 2 月份再次购买，购买留存率 = 22%。
6.2.3 收入留存（Revenue Retention）
定义： 特定用户群在后续时间窗口贡献的收入占初始收入的比例。
公式：
收入留存率 = 某 Cohort 在第 N 月的收入 ÷ 该 Cohort 在第 1 月的收入 × 100%适用场景： 衡量用户价值是否在增长。即使购买人数下降，如果客单价提升，收入留存可能超过 100%（即 Net Revenue Retention > 100%）。
图：留存三层模型
三者关系总结
| 层次 | 衡量什么 | 电商优先级 | 典型数值范围 |
|---|---|---|---|
| 用户留存 | 人还在不在 | ★★★ | D7: 20-40%, D30: 10-20% |
| 购买留存 | 人买不买 | ★★★★★ | M2: 15-30%, M6: 8-15% |
| 收入留存 | 钱多不多 | ★★★★ | M6: 60-120% |
💡 实战建议： 日常运营看购买留存，战略规划看收入留存，产品迭代看用户留存。三者结合才能看到完整画面。
6.3 核心指标详解
6.3.1 Retention Rate（留存率）
定义： 某一批用户（Cohort）在经过 N 个时间周期后，仍然活跃/购买的比例。
计算方式：
Retention Rate (Day N) = 在 Day N 仍活跃的用户数 ÷ Cohort 初始用户数 × 100%电商场景示例：
假设某跨境电商平台 2024 年 3 月首购用户为 50,000 人：
| 月份 | 活跃用户数 | 购买留存率 |
|---|---|---|
| M0（3月，首购月） | 50,000 | 100% |
| M1（4月） | 12,500 | 25% |
| M2（5月） | 8,000 | 16% |
| M3（6月） | 6,500 | 13% |
| M6（9月） | 5,000 | 10% |
| M12（次年3月） | 3,500 | 7% |
解读要点：
- M1 跌幅是正常的"首购后冷却"，但如果跌幅超过 80%，说明首购体验有严重问题
- M3-M6 的曲线斜率才是关键——如果趋于平坦，说明留下来的是"忠诚用户核心盘"
- 留存曲线最终会趋于一条水平线，这条线的高度决定了你的长期增长天花板
行业基准参考：
| 品类 | M1 购买留存 | M6 购买留存 | M12 购买留存 |
|---|---|---|---|
| 快消/美妆 | 25-35% | 12-18% | 8-12% |
| 服装鞋包 | 20-28% | 10-15% | 6-10% |
| 3C 数码 | 12-18% | 6-10% | 4-7% |
| 家居家电 | 8-12% | 4-6% | 2-4% |
6.3.2 Repeat Purchase Rate（复购率）
定义： 在给定时间窗口内，产生 2 次及以上购买的用户占总购买用户的比例。
公式：
复购率 = 购买 ≥ 2 次的用户数 ÷ 总购买用户数 × 100%与留存率的区别：
| 维度 | Retention Rate | Repeat Purchase Rate |
|---|---|---|
| 时间锚点 | 以首次行为为起点，按周期追踪 | 在固定窗口内统计 |
| 视角 | Cohort 视角（纵向追踪） | 截面视角（横向统计） |
| 典型用法 | 分析用户生命周期衰减 | 衡量当期业务健康度 |
| 举例 | "1月Cohort在3月的留存率" | "Q1所有买家的复购率" |
电商场景示例：
某生鲜电商 Q2 数据：
- 总购买用户：200,000 人
- 购买 ≥ 2 次的用户：76,000 人
- 复购率 = 76,000 ÷ 200,000 = 38%
进一步拆解：
- 购买 2 次：40,000 人（20%）
- 购买 3-5 次：24,000 人（12%）
- 购买 6 次以上：12,000 人（6%）
为什么复购率重要？
- 获客成本摊薄：一个用户复购 3 次，等效于获客成本降为 1/3
- LTV 放大器：复购用户的终身价值是单次用户的 3-10 倍
- 增长飞轮验证：复购率持续上升，说明产品和服务正在形成正循环
6.4 Cohort 分析：留存的显微镜
Cohort 分析是理解留存最有力的工具。它将用户按"首次行为发生时间"分组，然后追踪每组用户在后续时间的表现。
为什么需要 Cohort 分析？
想象一个场景：你的整体月度复购率从 30% 涨到 32%。这是好消息吗？
不一定。可能的原因有：
- ✅ 产品体验改善，老用户更愿意回来
- ❌ 新用户质量更好（但老用户在加速流失）
- ❌ 促销拉回了一批"薅羊毛"用户（下月会再次消失）
Cohort 分析能帮你区分这些情况，看到汇总数字背后的真相。
Cohort 表格示例
某服装电商购买留存 Cohort 表：
| Cohort | M0 | M1 | M2 | M3 | M4 | M5 | M6 |
|---|---|---|---|---|---|---|---|
| 2024-01 | 100% | 22% | 15% | 12% | 11% | 10% | 10% |
| 2024-02 | 100% | 24% | 17% | 14% | 12% | 11% | — |
| 2024-03 | 100% | 26% | 19% | 15% | 13% | — | — |
| 2024-04 | 100% | 28% | 20% | 16% | — | — | — |
| 2024-05 | 100% | 30% | 21% | — | — | — | — |
| 2024-06 | 100% | 31% | — | — | — | — | — |
如何解读 Cohort 表
横向阅读（同一 Cohort 的衰减）：
- 2024-01 Cohort 从 22% → 10%，6 个月内流失了一半回头客
- 衰减速度在 M3 之后显著放缓，说明 3 个月是忠诚用户的"结晶期"
纵向阅读（不同 Cohort 同期对比）：
- M1 留存从 22% 持续提升到 31%，说明新用户的首月复购体验在持续改善
- 这可能归功于新用户引导优化、首购后 CRM 触达策略升级等
对角线阅读（同一自然月的不同 Cohort）：
- 可以发现全站性事件（如大促、平台故障）对所有 Cohort 的同步影响
Cohort 分析的实操建议
- 选择正确的 Cohort 粒度：快消品按周，耐用品按月，奢侈品按季度
- 区分自然 Cohort 和行为 Cohort：除了按注册时间分组，还可以按"首次购买品类""首单金额""获客渠道"分组
- 关注 Cohort 间的趋势变化：单个 Cohort 的数字不够，要看 Cohort 之间是否在持续改善
- 设定留存基线：根据品类特征确定"健康留存"的标准线，低于标准线触发预警
6.5 复购周期与用户生命周期管理
理解复购周期
复购周期是指用户两次购买之间的平均间隔时间。这是电商留存分析中最被低估的指标之一。
为什么重要？ 因为它决定了：
- 你应该在什么时候触达用户（太早是骚扰，太晚已流失）
- 你的"流失"定义应该设为多少天
- 你的 Cohort 分析应该用什么时间粒度
计算方法：
平均复购周期 = Σ(每个用户的购买间隔) ÷ 总购买间隔次数不同品类的典型复购周期：
| 品类 | 平均复购周期 | 建议触达窗口 | 流失预警线 |
|---|---|---|---|
| 生鲜食品 | 5-7 天 | 第 5 天 | 14 天 |
| 美妆护肤 | 30-45 天 | 第 25 天 | 60 天 |
| 服装鞋包 | 45-60 天 | 第 40 天 | 90 天 |
| 3C 数码 | 90-180 天 | 第 75 天 | 270 天 |
| 家居家电 | 180-365 天 | 第 150 天 | 540 天 |
基于复购周期的用户分层
根据用户距离上次购买的时间，可以将用户分为以下状态：
活跃期 → 沉默期 → 睡眠期 → 流失期| 用户状态 | 定义（以美妆品类为例） | 运营策略 |
|---|---|---|
| 活跃用户 | 上次购买 < 30 天 | 交叉推荐、提升客单价 |
| 沉默用户 | 30-60 天未购 | 轻触达提醒、新品通知 |
| 睡眠用户 | 60-120 天未购 | 优惠券召回、限时折扣 |
| 流失用户 | >120 天未购 | 高力度激励或放弃 |
6.6 召回策略与 CRM 运营
用户召回的核心逻辑
召回不是"群发优惠券"，而是在正确的时间、用正确的方式、给正确的人传递正确的信息。
图：用户生命周期阶段与运营策略
召回触达矩阵
| 触达渠道 | 成本 | 打开率 | 转化率 | 适用场景 |
|---|---|---|---|---|
| App Push | 低 | 3-8% | 1-3% | 日常提醒、促销通知 |
| 短信 | 中 | 15-25% | 2-5% | 高价值召回、订单提醒 |
| 邮件 | 低 | 10-20% | 1-4% | 内容营销、会员权益 |
| 企业微信/私域 | 中 | 30-50% | 5-15% | 高价值客户、个性化服务 |
| 外呼 | 高 | 60-80% | 8-20% | VIP 客户、高客单复购 |
召回策略设计框架
第一步：识别召回时机
基于复购周期模型，在用户进入"沉默期"时启动召回：
触发条件 = 用户上次购买天数 > 该品类平均复购周期 × 0.8第二步：分层制定策略
- 高价值 + 近期沉默：个性化推荐 + 专属权益
- 高价值 + 长期沉默：高力度优惠 + 人工触达
- 低价值 + 近期沉默：自动化推送 + 通用优惠
- 低价值 + 长期沉默：低成本渠道尝试一次，无响应则放弃
第三步：衡量召回效果
召回率 = 被召回成功的用户数 ÷ 被触达的流失/沉默用户数 × 100%
召回 ROI = 被召回用户贡献的增量收入 ÷ 召回活动总成本实战案例：某美妆电商的分层召回
背景： 某美妆电商有 50 万沉默用户（60-120 天未购），需要设计召回方案。
执行方案：
| 用户分层 | 人数 | 策略 | 渠道 | 优惠力度 |
|---|---|---|---|---|
| 高 LTV + 60-90 天 | 3 万 | 新品试用装 + 满减券 | 企微 + Push | 满 200 减 50 |
| 高 LTV + 90-120 天 | 2 万 | 限时专属折扣 | 短信 + Push | 全场 7 折 |
| 中 LTV + 60-90 天 | 15 万 | 品类优惠券 | Push | 满 100 减 15 |
| 中 LTV + 90-120 天 | 10 万 | 签到积分 + 抽奖 | Push | 积分翻倍 |
| 低 LTV + 全部 | 20 万 | 通用活动推送 | Push（一次） | 无额外投入 |
结果：
- 整体召回率：12%（行业平均 8-10%）
- 高 LTV 组召回率：28%
- 召回 ROI：4.2（每投入 1 元带回 4.2 元收入）
6.7 会员体系与长期留存
会员体系是电商留存的"结构化工具"——它将留存从被动等待变为主动经营。
会员体系的三种模式
| 模式 | 代表案例 | 核心机制 | 优势 | 劣势 |
|---|---|---|---|---|
| 付费会员 | Amazon Prime、京东 PLUS | 用户预付费换取权益 | 沉没成本锁定、高留存 | 门槛高、覆盖率有限 |
| 等级会员 | 天猫 88VIP、屈臣氏 | 累计消费/行为升级 | 激励持续消费 | 等级贬值可能引发不满 |
| 积分会员 | 星巴克星享会 | 消费累积积分兑换 | 门槛低、参与度高 | 积分贬值风险、财务负担 |
付费会员对留存的影响
以某综合电商为例：
| 指标 | 非会员 | 付费会员 | 提升幅度 |
|---|---|---|---|
| 月均下单频次 | 1.2 次 | 3.8 次 | +217% |
| 年度复购率 | 35% | 89% | +154% |
| 客单价 | 128 元 | 186 元 | +45% |
| 12 个月留存率 | 18% | 72% | +300% |
为什么付费会员留存这么高？
- 沉没成本效应：已经付了年费，不用就是浪费
- 权益持续兑现：包邮、折扣、积分倍率等每次使用都强化"值了"的感知
- 身份认同：会员身份带来归属感和优越感
- 行为惯性：高频使用形成习惯后，切换成本极高
6.8 留存改善的系统框架
留存不是某一个团队的事，而是整个增长引擎的核心工程。以下是系统性改善留存的框架：
留存改善四象限
短期见效 长期见效
┌─────────────┬──────────────┐
高投入 │ 大促召回 │ 会员体系建设 │
│ 高额补贴 │ 产品体验升级 │
├─────────────┼──────────────┤
低投入 │ Push 策略优化 │ 复购周期建模 │
│ CRM 自动化 │ 用户分层精细化│
└─────────────┴──────────────┘留存诊断清单
当留存指标下降时，按以下顺序排查：
- 数据层面：口径是否变了？统计窗口是否一致？
- 流量层面：是否新用户质量下降导致后续留存恶化？
- 产品层面：是否有体验问题（加载速度、支付成功率、售后体验）？
- 竞争层面：是否有竞品在抢夺你的用户？
- 运营层面：触达频率/质量是否下降？会员权益是否贬值？
6.9 本章小结
| 关键概念 | 核心要点 |
|---|---|
| 电商留存特殊性 | 无明确流失信号、品类频率差异大、需自定义留存窗口 |
| 三层留存 | 用户留存看活跃、购买留存看转化、收入留存看价值 |
| Cohort 分析 | 横向看衰减、纵向看改善、对角线看全局事件 |
| 复购周期 | 决定触达时机、流失定义和 Cohort 粒度 |
| 召回策略 | 正确的人 × 正确的时间 × 正确的渠道 × 正确的内容 |
| 会员体系 | 付费会员是留存最强工具，但需要持续投入权益维护 |
📌 记住： 获客让你活过今天，留存决定你能否活到明天。在电商业务中，把复购率从 25% 提升到 35%，其长期价值远超把获客量翻一倍。留存是唯一能产生复利的增长杠杆。