用户同期群 KPI 大揭秘 (一)：留存率与会话数详解

当您调整或优化产品或营销推广策略时，如何衡量用户行为的变化？答案就是——同期群分析 (Cohort Analysis)！同期群分析是一把强大的工具，能按照用户共同的特征将他们“分门别类”，例如安装日期、用户获取来源等，监测每个用户群组在一段时间内的行为变化。与聚合应用表现数据相比，同期群分析能更精准地汲取洞见，揭示传统报告常常忽略的用户留存、交互和变现规律，帮助移动营销人员更快做出更明智的决策。

Adjust 拥有丰富、全面的同期群关键业绩指标 (KPI) 供您选择，帮您轻松提取实用洞见，了解推广活动和应用内用户体验表现。无论是分析 D1 留存率，还是监测每用户会话量，您都能通过这些指标掌握所需的情境信息，更好地优化新客户引导流程，改善用户获取 (UA) 策略，提高用户生命周期价值 (LTV)，并实现更多目标。

为帮助您全方位掌握同期群 KPI 相关知识，我们精心为您编撰了 “同期群 KPI 大揭密” 系列文章。在今天的第 1 部分中，我们将带您重点了解留存和会话相关指标、指标含义和解读方式，帮助您学会用这些指标制订最优秀的策略，推动应用增长。

同期群分析采用“分而治之”的数据分析策略，旨在将应用用户细分为不同的群组，并追踪他们在用户旅程关键节点上的行为变化。这种方法能帮助您深入了解特定群组对产品更新、推广活动或新客户引导流程的反应，从而更精确地评估各项举措的效果。

设置固定的时间节点，如第 1 天、第 3 天或第 4 周等，比较用户在各个节点的行为，您就能找到每个用户同期群推动交互或导致流失的因素。例如，您或许会发现在某支推广活动中获取的用户 D7 留存率更高，或者在每用户会话量方面比其他分群表现更优秀，据此您就可以相应地优化用户获取，改善应用内体验。

通过同期群留存率，您能了解到在限定群组 (一般基于安装日期划分) 中有多少用户在首次会话后返回了您的应用，从而获知您的应用是否能吸引用户反复交互，评估用户获取和产品策略的长期价值。与总体留存不同，同期群留存率能锚定相同起点，从而独立分析一段时间内的行为变化，因此非常适用于跟踪规律和基准改善。

吸引用户只是第一步，应用的长期成功更依赖于安装后的用户行为，这正是留存率和会话 KPI 的关键作用。它们不仅是衡量指标，更是制定产品和营销策略的有力工具。

留存率凸显长期用户价值

用户持续与应用交互，就会推动更多会话，提高变现潜力，创造更高的生命周期价值 (LTV)。高留存率还可以增强每次安装的长期影响，提高用户获取效率。另一方面，低留存率常意味着高流失率,导致表现最拔尖的推广活动总体回报也很疲软。

同期群图表能够帮助您从用户行为中提取实用洞见，了解用户流失和回归的节点，找到能推动长期交互的推广活动或功能。

Adjust 同期群经过精心设计，能从安装发生、或用户再归因至应用的那一刻起分析用户的行为。在此基础上，您可应用灵活的过滤器，监测所有有价值的用户群组，全方位掌握留存、会话和收入情况。

安装日期同期群

Adjust 中的大多数同期群报告会首先按照安装日期对用户进行分组，然后按安装后天数 (DAI) 监测留存率、每用户会话、LTV 等指标，揭示交互和价值随时间变化的情况。

您可以直观查看三个时间范围内的同期群：

• 每日：最多至第 120 天
• 每周：最多至第 52 周
• 每月：最多至第 36 个月

您可以在累积和非累积视图间切换，监测总体成果或用户在每个生命周期阶段的变化。

按用户获取来源和跟踪链接层级划分

借助 Adjust 跟踪链接，您可以基于完全归因层级结构分析用户表现：

• 渠道
• 推广活动
• 广告组
• 素材

这种结构有利于开展精确的比较，例如比较哪种推广活动素材的 D7 留存率更高，或哪个广告组的会话时间更长等。同期群也包括再归因，全面展现新用户和回归用户的行为。

平台、国家/地区和设备过滤器

要进一步深挖洞见，您可以按照以下方式划分同期群：

• 平台 (iOS、Android 等)
• 国家/地区 (基于用户首次活跃所在的国家/地区)
• 设备类型 (如手机、平板电脑等)

利用这些过滤器，您能更轻松地发现特定平台或地理位置的规律。例如，对比东南亚手机用户，北美地区平板电脑用户的留存率可能更高，但会话频率更低。借助这些洞见，您就能打造本地化的推广活动，微调用户体验，并优先关注表现出色的市场。

要了解用户在一段时间内与应用交互的情况，您就必须选择合适的同期群 KPI 开展监测。合适的指标如同建筑的基石，能帮您发现表现趋势，并找到改善留存率、交互和用户生命周期价值的机会。在这一节中，我们就为您详细分析 Adjust 的 5 个关键同期群 KPI。

同期群规模

同期群规模是指特定同期群中包含的用户总数，划分的标准一般为安装或再归因日期，是计算留存率、会话等大多数 KPI 的基准。在 Adjust，同期群规模针对每个 DAI 计算，反映的是同期群中达到特定 DAI 节点的用户数量。

假设您要分析上周安装应用的用户，那么用户必须达到安装后第 3 天，才会被纳入 D3 指标。如果用户在周日安装了应用，而今天是周一，即安装后第 1 天，那么该用户就暂时不会出现在 D2 或 D3 的数据中。用户相对当前的安装时间越晚，在应用内停留的时间就越短，无法被纳入针对更长天数的计算中。因此，同期群规模往往会随着时间的推移而缩小。

同期群 KPI 是一把强大的工具，但只有在合适的情境中，才能发挥出最大的潜力。错误解读同期群 KPI，可能会让您得出具有误导性的结论，影响到用户获取、支出分配、产品迭代等方方面面的决策。那么，在解读同期群 KPI 时需要注意避开哪些误区呢？在这一节，我们就为您逐一梳理。

混淆留存与交互

许多人认为会话越多，留存率越高——真的是这样吗？频繁登录并不一定与 “忠实” 二字挂钩。这种用量可能只是昙花一现，在密集使用后，用户就会流失。因此，您必须留存率和会话 KPI 搭配分析，才能同时了解忠诚度和使用深度。

误读不完整同期群数据

在解读数据时请务必记住：同期群指标按 DAI 计算，但并非所有用户都达到了每个 DAI 节点。指标对应的安装后天数越长，这一点就越重要。如果不考虑同期群成熟度，盲目比较新旧同期群的 D7 指标，您的分析结果就可能出现扭曲和偏差。

时间范围不匹配 (如第 1 天 VS 第 1 周)

基于不同时间范围的留存率不可互换。例如，D1 留存率展现的是安装后 24 小时返回应用的用户，而 W1 则是反应累计返回应用的行为。如果时间范围不一致，内部基准或跨团队报告就可能出现偏差。

样本量导致的偏差

对比包含 100 位与 10,000 位用户的同期群，可以穿透杂音，找到更准确的趋势。同期群规模小，波动性就更高。也就是说，只需不多的几次用户操作，留存率或会话率就可能出现大幅波动。在查看 KPI 时，请务必同时评估同期群规模，这样才能获得更可靠的数据。

以合适的策略、连贯地使用同期群分析，才能发挥最大的效果。要告别 “纸上谈兵”，将报告化为实际行动，您的团队需要在正确的时间、通过正确的角度查看合适的数据。您可以考虑采用下列四种最佳做法，最大程度地发挥同期群 KPI 的潜力。

每周监测同期群 KPI

每周查看同期群，有助于掌握留存和交互的变化，尽可能避免受到日常波动的干扰。在发布更新、推广活动或调整新客户引导流程时，每周的监测非常实用。在 Adjust，您可以按照每日、每周或每月的间隔查看同期群，配合团队监测的节奏。

按获取来源和行为划分用户

同期群的划分标准并非只有安装日期。您可以按照推广活动、广告组或广告素材等跟踪链接进行划分，更准确地找到能吸引高质量用户的来源。此外，您还可以在跟踪链接的基础上添加基于行为的过滤器，如 “已完成新客户引导” 或 “已触发关键事件” 等，找到与更优留存率或更高 LTV 相关的举措。

如果您选择按跟踪链接或事件进行划分，请确保同期群的规模足够大，以获得可靠的结果。如果用户群组规模太小，留存率或交互方面的波动就可能被夸大，无法反映真正的规律。

结合定性研究与 A/B 测试

同期群指标能展现当前发生了什么，而应用内问卷调查、客户反馈等定性研究能揭示其背后的原因。协调同期群 KPI 与不同的 A/B 测试，您的团队就能评估应用在一段时间内表现的变化。例如，如果测试 B 的 D7 留存率更高，每用户会话也越多，证明迭代的效果更好。

从同期群 KPI 中收集到的每条洞见，都应当能为您指明优化的方向，如优化推送通知、简化新客户引导流程、重新分配 UA 支出等等。

用基于事件的同期群开展更深入的分析

基于事件的同期群会按照行为划分用户，如完成新客户引导、遇到付费门槛等，帮助您更深入地了解用户在达到特定里程碑后的行为。在分析各功能采用情况、变现漏斗和再交互推广活动的表现时，这种做法非常实用。我们将会在本系列博文的第 3 部分更深入地探讨基于事件的同期群。

同期群时间范围与应用生命周期保持一致

您可以根据应用的生命周期调整 DAI 或同期群范围，协调信息洞见与用户价值窗口。例如，游戏应用的生命周期更短，订阅类应用则更长，您需要据此做出相应的调整。

同期群 KPI ——尤其是留存率和会话指标——是移动增长中最具实用性的表现信号，能揭示产品在哪些方面满足了用户期望，哪种获客策略能更好地推动长效交互，以及用户价值在何时开始下降。

Adjust Datascape 等解决方案能更清晰地聚焦和呈现这些信号，帮助团队在同一视图中查看不同素材、地理位置和应用版本的用户留存趋势，并通过直观的可视化功能和灵活的过滤器轻松对比同期群，发现促成真正成果的动力，连点成线，接线成面，更快开展优化，达成您的目标。

在本系列博文的第 2 部分，我们的目光将从交互转移至变现，带您了解 LTV、ARPU 等 KPI 如何弥补增长所需的空缺。

将用户行为转化为增长洞见，您准备好了吗？立刻申请 DEMO，见证 Adjust 如何帮助您针对单个 KPI 逐一开展优化。