如何分析用户留存和转化漏斗？｜阿里巴巴产品面经解析

60 秒回答模板

我会按四步分析。第一，先明确业务目标和用户路径，比如新用户注册到激活、浏览到下单、下单到复购，确认分析对象、时间范围、端、渠道和用户类型。第二，做留存分析，用 cohort 按首次注册、首次下单或首次完成关键行为分组，定义清楚分母是进入 cohort 的用户，分子是第 N 天或第 N 周满足活跃口径的用户，重点看 D1、D7、D30 以及留存曲线衰减。第三，做转化漏斗，把路径拆成曝光、点击、注册、激活、加购、支付等步骤，明确每一步事件、去重规则、转化窗口和归因口径，计算整体转化率与相邻步骤转化率。第四，把留存和漏斗结合分群定位，比如按渠道、城市、设备、版本、用户画像、首日行为、活动触达拆解，找到异常 cohort 或关键断点，再通过埋点校验、用户访谈、A/B 实验和策略复盘形成闭环。

考点 先定义业务问题

主线 建立 cohort 口径

易错点 只说留存率等于回访用户除以新增用户，转化率等于下一步人…

深入解析

先定义业务问题

分析前先问清楚目标，不同目标对应的留存和漏斗口径完全不同。如果业务关心新用户增长，就围绕注册后激活和 D1、D7 留存；如果关心交易效率，就围绕浏览、加购、下单、支付漏斗；如果关心长期价值，就看复购、订阅、持续活跃和 LTV。还要明确时间范围、平台、国家或城市、是否包含老用户、是否排除内部账号和作弊流量，避免一上来直接算指标却回答不了业务决策。

建立 cohort 口径

留存分析建议用 cohort，而不是把所有用户混在一起看平均值。cohort 可以按注册日期、首次访问日期、首次下单日期、首次完成关键行为日期来分组，选择哪一个取决于业务问题。比如分析新手体验，用注册 cohort；分析商品消费质量，用首单 cohort；分析功能价值，用首次使用功能 cohort。分母应固定为该 cohort 中符合准入条件的用户，后续每天或每周只看这些用户是否回来，不能每天动态换分母。

明确活跃定义

D1、D7、D30 留存里的留存不是天然等于打开 App，必须定义活跃口径。内容产品可用访问、浏览时长、有效阅读；电商产品可用访问、搜索、加购、下单；工具产品可用完成一次核心任务。口径过宽会虚高，口径过窄会低估真实价值触达。还要统一自然日、24 小时滚动窗口、时区和跨端合并规则，否则同一个用户在 Web 和 App 的行为可能被拆成两个人，导致留存被低估。

观察 D1 D7 D30

D1 主要反映首日体验和首次价值触达，D7 反映短期习惯或周期性需求，D30 更接近长期粘性和用户质量。分析时不只看单点数值，还要看留存曲线下降速度、是否出现平台期、不同 cohort 是否同步下滑。比如 D1 低但 D7 正常，可能是新手引导或首日触达弱；D1 正常但 D7、D30 下滑，可能是产品价值不可持续、内容供给不足或运营召回失效。

处理右截断问题

留存很容易受到右截断影响，即最近注册的用户还没有完整经历 D7 或 D30，就不能被纳入对应指标计算。例如今天注册的用户不能参与 D7 留存，注册 10 天的用户不能参与 D30 留存。严谨做法是每个留存周期只使用已经完整经过观察窗口的 cohort，并在报表里区分已成熟数据和未成熟数据。否则近期大盘看似留存变差或变好，可能只是因为样本观察期不完整。

拆解漏斗步骤

转化漏斗要从真实用户路径出发，不是机械列一串页面。每一步都应对应清晰事件，比如曝光、点击、进入详情页、点击购买、提交订单、支付成功。需要区分整体转化率和相邻步骤转化率，前者看从起点到终点的效率，后者定位具体断点。还要处理同一用户多次触发的问题，通常以用户级去重为主，并补充事件次数口径，用来区分人数转化差和行为频次变化。

设定转化窗口

漏斗必须有转化窗口，否则路径会被无限拉长，归因也会混乱。比如注册后 24 小时内完成激活、商品详情页进入后 30 分钟内加购、下单后 2 小时内支付，窗口应符合业务决策和用户习惯。窗口太短会漏掉正常犹豫型用户，窗口太长会把后续自然行为误算成前一步带来的转化。对高频场景可以用分钟或小时窗口，对低频大额交易可以用天或周窗口。

分群定位原因

整体指标只能发现问题，分群才能接近原因。常见维度包括渠道、活动批次、城市、设备系统、App 版本、新老用户、价格敏感度、会员状态、首日是否完成核心行为、是否收到运营触达。比如某渠道 D1 留存低，可能是投放人群质量差；某版本支付转化低，可能是前端异常；首日完成关键行为的用户 D30 明显更高，则说明应把运营重点放在推动早期价值达成。

结合留存与漏斗

留存和漏斗不能割裂看。漏斗解决的是用户是否顺利走到关键行为，留存解决的是完成后是否还愿意回来。若激活漏斗低且 D1 低，优先修新手路径和价值表达；若漏斗转化高但 D7、D30 低，说明用户虽完成首转但没有持续价值；若某渠道首日转化高但长期留存差，可能是激励驱动或低质量流量。最终要找到影响长期留存的关键漏斗节点，而不是只优化短期转化。

形成策略闭环

定位问题后要落到可验证策略，而不是停留在描述指标。可以针对不同断点设计动作：首日流失高就优化注册、新手任务和首个推荐内容；支付流失高就检查价格、库存、优惠、支付失败和信任信息；长期留存低就做内容供给、会员权益、召回触达和个性化推荐。每个策略都应设置成功指标、护栏指标和实验方案，通过 A/B 实验或准实验评估真实增量，最后复盘是否影响整体留存和收入。

易错点

只说留存率等于回访用户除以新增用户，转化率等于下一步人数除以上一步人数，没有说明 cohort、分母、窗口和活跃口径。
把所有用户混在一起看平均留存，忽略不同渠道、版本、设备、新老用户和首日行为差异，导致结论无法落地。
计算 D7、D30 时没有处理右截断，把还没有完整观察周期的新 cohort 纳入统计，造成近期指标失真。
漏斗步骤定义过粗或过细，既不能定位真实断点，也无法对应产品和运营动作。
没有设置转化窗口，把很久之后发生的行为也算作前一步带来的转化，导致归因混乱。
看到某一步流失高就直接归因于产品问题，没有先排查埋点、日志、版本发布、活动变化和样本结构变化。
只关注短期转化提升，忽略 D7、D30 留存、用户质量、退款、投诉和长期价值等护栏指标。

面试官追问

如果 D1 留存突然下降，你会怎么排查？

我会先确认是否是数据问题，比如埋点是否丢失、活跃口径是否变更、版本发布是否影响事件上报、是否存在右截断或时区问题。排除数据异常后，再按渠道、版本、设备、地区、新老用户拆分，定位下降集中在哪些 cohort。如果集中在新渠道，重点看流量质量和落地页承诺；如果集中在新版本，重点看注册、登录、新手引导和核心功能是否有异常。

留存分母应该用注册用户还是活跃用户？

取决于问题。分析新用户承接能力时，分母用注册 cohort 更合理，因为要看注册后是否回来；分析某功能是否有持续价值时，分母应是首次使用该功能的用户；分析日活稳定性时，可用某日活跃用户作为 cohort。关键是分母必须固定且业务含义明确，不能为了让指标好看在不同场景中随意切换。

漏斗转化率下降但留存上升，可能说明什么？

这通常说明短期转化效率和用户质量发生了反向变化。比如提高门槛、减少补贴、优化推荐后，进入最终转化的人少了，但留下来的用户更精准、更有需求，所以留存上升。也可能是低质量渠道减少，导致整体转化下降但长期用户更健康。需要进一步看收入、LTV、获客成本和关键人群规模，判断这是好变化还是业务损失。

如何判断哪个漏斗步骤最值得优化？

不能只看流失率最高的一步，还要看该步骤的用户规模、可优化空间、对最终目标的影响和实施成本。一个前置步骤下降 2 个百分点可能影响大量用户，比后置小流量步骤下降 20 个百分点更重要。实践中可以计算每一步相邻转化率、终点贡献损失、分群差异和历史波动，再结合用户反馈与实验成本确定优先级。

如何把留存分析用于运营策略？

可以先找出高留存用户的早期行为特征，比如首日完成收藏、关注、下单、创建项目或使用某核心功能，然后把这些行为作为激活目标。运营策略围绕这些目标设计新手任务、权益激励、内容推荐和消息触达。上线后用实验比较目标行为提升、D7 或 D30 留存提升，以及是否带来投诉、退订、退款等副作用。