同一公式能混用不同留存类型吗？别把登录和付费用户算成一锅粥
同一公式不能混用不同留存类型，强行套用会导致数据失真；正确做法是依据业务场景建立独立计算口径。
为什么“同一公式能混用不同留存类型”是个危险问题
混用公式比较登录、购买和持续付费用户会因活跃定义差异导致数据失真，掩盖业务真实健康度。
很多团队习惯用一个通用逻辑去比较登录、购买和持续付费用户，以为这样能看清业务全貌。这种做法看似高效，实则埋下了数据失真的隐患。当缺乏明确口径时，直接套用总 Amplitude 留存率公式，很容易误判业务的真实健康度。
活跃用户的三种真实面貌
在客户场景中，“活跃”的定义并非铁板一块。它可能指窗口期内的登录行为，也可能代表完成了一笔交易，或是维持了订阅关系的延续[1]。这三种状态对应的业务逻辑截然不同：登录型活跃衡量的是访问频次，购买型活跃聚焦于交易转化，而持续付费型活跃则更接近长期契约的存续。它们可以并列报告，但绝不能在没有说明前提的情况下互相替代。若强行将衡量访问行为的指标与衡量交易结果的指标混为一谈，就像试图用一把尺子同时测量长度和重量，得出的结论自然无法反映客观事实。
更深层的问题在于，许多团队默认“活跃”是一个连续谱系，认为从登录到购买再到续费是线性的进阶过程。然而在实际数据中，这三者往往呈现断裂特征。例如，一个高频登录的工具类用户可能从未产生过付费行为，而一个低频购买的电商用户却可能是高价值的终身客户。这种非线性的关系意味着，如果强行用同一个公式去统合这三类人群，不仅会掩盖业务模式的差异，还会让“流失”的定义变得模糊不清——你究竟是在定义“不再打开应用的人”，还是“不再付钱的人”？两者的流失阈值和挽回策略完全不同。
拆解 Amplitude 总留存率公式的适用边界
Amplitude 总留存率公式仅适用于剔除新增干扰的老客户去留分析，不适用于跨类型活跃状态对比。
Amplitude 曾提出一个看似通用的总体 Amplitude 留存率公式：Retention Rate = (Customers at End − New Customers) / Customers at Start[1]。这个公式的逻辑很直接，试图通过减去期间新增客户，来剔除“新鲜血液”对结果的干扰，只计算老客户的去留情况。其核心意图在于区分两种状态：一是 retention，即用户仍属于同一组织；二是 persistence，即用户虽更换了组织，但依然处于同一类别中[1]。
当公式遇上不同类型的用户关系
问题在于，这套逻辑在落地时缺乏明确的边界验证。现有证据并未说明该公式与严格队列留存、活动留存或滚动留存之间的适用关系[1]。不同业务场景下，“活跃”的定义截然不同。登录型活跃衡量的是访问行为，购买型活跃关注交易发生，而持续付费型则指向订阅关系的延续[1]。这三种状态可以并列报告，但若没有统一口径，强行混用会导致数据失真。
若不先确定具体的计算对象，公式会将使用产品、向企业付费等不同需求压缩成一个单一数字。这就好比把“每天打开一次门的人”和“每月交一次房租的人”放在同一个池子里统计，结果既无法反映真实的产品粘性，也掩盖了商业模式的差异。实际报告中，必须明确公式对应的对象、时间窗口和新增客户识别方式[1]。若这些要素模糊不清，直接套用该公式极易得出错误结论。
| 对比维度 | 严格队列留存 | 活动留存（本公式潜在风险） | 滚动留存 |
|---|---|---|---|
| 核心定义 | 特定时间点加入的用户在后续周期的留存比例 | 期末总人数减去新增人数后的占比 | 任意时间段内连续活跃的比率 |
| 新增处理 | 严格锁定初始 cohort，排除所有新增 | 扣除期间新增，但未界定“新增”标准 | 动态窗口，不依赖固定起始点 |
| 对象范围 | 仅限初始加入的特定群体 | 可能混入非目标群体的持续行为 | 覆盖所有满足连续条件的用户 |
| 时间窗口 | 固定周期（如 T+7, T+30） | 取决于报表周期，易受波动影响 | 随观察窗口移动而变化 |
| 主要风险 | 忽略回流用户归属 | 混淆不同活跃类型，数据失真 | 难以横向对比不同业务阶段 |
数据来源基于素材中对不同留存类型及公式逻辑的描述[1]。
这种混淆尤其体现在回流用户的处理上。现有材料尚未确定回流用户应回归原始队列、进入独立回流队列，还是被标记为新状态[2][3][1]。在规则未明时，若直接套用该公式，可能会将一次短暂的回访误读为生命周期关系的恢复，从而高估了真实的用户粘性。
为了更直观地理解这种错位，我们可以对比两类截然不同的业务模型：一家提供免费内容聚合的 App 和一家提供企业级 SaaS 服务的公司。对于前者，登录型活跃（DAU/MAU）是核心指标，用户只要打开 App 就算“活着”；对于后者，持续付费型活跃才是生命线，用户即便每周登录多次，只要停止续费，在财务视角下就是“流失”。如果这两类业务共用一套“总留存率”公式，SaaS 公司的高频登录行为会被稀释进庞大的免费用户基数中，导致管理层误以为用户粘性尚可，从而忽视了续费率下滑的致命信号。反之，对于内容 App，如果强行套用包含付费逻辑的公式，可能会因为付费用户基数小且波动大，导致整体留存率出现剧烈震荡，误导运营策略的调整方向。
如何避免数据失真：建立明确的留存计算口径
避免数据失真需严禁未标注口径的指标互替，必须为登录、购买等场景分别确立独立的活跃定义。
当一份报表里同时出现“登录型”和“购买型”的留存率，却未标注具体计算口径时，管理者很容易误以为这两个数字在描述同一件事。这种混淆往往源于对 Amplitude 留存率公式的盲目套用，忽略了不同业务场景下“活跃”定义的天然差异 [1]。要避免数据失真，首要原则是严禁在没有说明口径的情况下互相替代不同指标。
明确公式的适用边界与对象
Amplitude 提出的总体 Amplitude 留存率公式 Retention Rate = (Customers at End − New Customers) / Customers at Start，其初衷是为了排除期间新增客户的影响 [1]。然而，这个公式能否直接用于比较不同类型的用户，取决于你是否厘清了三个关键要素：具体对象、时间窗口和新增客户识别方式。
如果缺乏这些前置定义，将登录行为等同于交易行为，就会把两种完全不同的用户关系压缩成一个数字。例如，登录型活跃衡量的是访问频率，而持续付费型活跃更接近订阅关系的延续 [1]。两者在业务逻辑上并不等价，强行混用会导致结论偏差。
下表展示了不同活跃类型在定义核心上的本质区别，以及为何不能简单互换：
| 对比维度 | 登录型活跃 | 购买型活跃 | 持续付费型活跃 |
|---|---|---|---|
| 核心定义 | 窗口期内完成登录行为 | 窗口期内产生交易行为 | 窗口期内维持付费状态 |
| 业务含义 | 衡量产品访问意愿 | 衡量单次交易转化 | 衡量订阅关系延续性 |
| Amplitude 视角 | 强调组织归属的持续性 | 强调特定类别的持续性 | 强调需求状态的稳定性 |
| 混用风险 | 高估实际价值贡献 | 忽略长期用户粘性 | 误判短期波动为趋势 |
| 适用场景 | 内容消费、工具类应用 | 电商、一次性服务 | SaaS、会员制服务 |
回流用户的归属必须单独规定
在处理回流用户时，规则模糊带来的风险尤为突出。现有材料尚未确定回流用户应回到原始队列、进入回流队列，还是被标记为独立状态 [2][3][1][4]。这种不确定性使得简单的“回归”标签极易掩盖真实情况。
在规则尚未统一前，最稳妥的做法是在报告中同时保留原始队列留存、当期回流率与当前活跃率。这样做的目的是防止将一次短暂的回访误读为生命周期关系的恢复。如果只关注单一指标，可能会错误地认为流失用户已经成功召回，从而忽视了他们可能只是偶然路过并未真正回归业务主线。
只有厘清这些定义，才能通过留存数据真实指导业务决策。不要假设两个被称为 retention 的指标可以直接比较，必须明确它们各自对应的对象和边界。
给数据分析师的具体操作建议： 在搭建自动化报表时，不要试图创建一个“万能留存看板”。相反，请建立三个独立的计算视图，并强制要求每个视图在表头或图例中显式标注“活跃定义”。例如，针对 SaaS 业务，创建“付费留存视图”时，将分母锁定为“期初有效付费账号”，分子为“期末仍在计费周期的账号”，并在备注中明确“不计入仅登录未续费的行为”。同时，在数据仓库层面对“新增用户”进行二次打标，区分“全新注册”与“流失后重新激活”，确保在套用 Amplitude 公式时，能够准确剔除那些不应被视为“新血”的回归用户，从而保证分母的纯净度。
总结：拒绝模糊比较，回归业务本质
拒绝将不同活跃状态塞入同一公式，应回归访问、交易与订阅三种截然不同的用户关系本质进行区分。
把登录、购买和持续付费用户塞进同一个公式，是数据治理中最常见的误判。这并非技术无法实现，而是行业共识下的逻辑禁区[1]。三种活跃状态背后，是截然不同的用户关系：访问行为、交易行为和订阅延续，它们天然无法跨业务对齐。强行合并，只会让留存率变成压缩后的统计数字，掩盖真实的业务面貌。
在规则尚未统一前，最稳妥的策略是多指标并行报告。不要试图用一个总数概括全局，而应同时保留原始队列留存、当期回流率与当前活跃率[2][3][4]。这种“笨办法”能防止将一次短暂回访误读为生命周期关系的恢复，避免决策层被模糊的统计误导。
只有先厘清定义，才能剥离数据失真风险。当你能清晰界定“什么算存在”，留存数据才能真正指导业务，而非成为制造假象的工具。
FAQ：关于留存计算的常见疑问
Q: 我是否可以用同一个 Excel 模板计算所有类型的留存？ A: 理论上可以，但逻辑上必须分开。如果你使用的模板是基于 Amplitude 的总体公式，它默认处理的是“存量 vs 增量”的关系，这对于区分登录型和购买型留存来说往往不够精细。建议针对不同业务目标建立独立的计算逻辑，或者在输出报表时明确标注每个指标的计算口径。
Q: 回流用户到底算不算留存？ A: 这取决于你的定义。在严格的队列分析中，回流通常被视为新的事件或独立的队列。如果在计算”Amplitude 留存率公式”时不加区分地将回流计入分母，可能会人为拉高留存率，让你误以为用户粘性很强，实际上他们可能只是偶尔回来看看。
Q: 登录型和购买型的留存率差距大，正常吗？ A: 非常正常。登录型活跃通常数值较高，因为它门槛低；而购买型或持续付费型留存率通常较低，因为涉及真金白银的承诺。试图用一套标准去衡量这两者，不仅会掩盖真实的业务痛点，还可能导致错误的资源分配决策。
参考来源
- Retention Rate: Complete Definition & Calculation Guide · https://amplitude.com/explore/growth/retention-rate（B级）
- What Is Cohort Retention? Definition and Related Resources | Amplitude · https://amplitude.com/glossary/terms/cohort-retention（B级）
- What Is Cohort Retention Analysis: Essential Metrics Guide · https://amplitude.com/explore/analytics/cohort-retention-analysis（B级）
- Cohort Retention Analysis: Reduce Churn Using Customer Data · https://amplitude.com/blog/cohorts-to-improve-your-retention（B级）