同一批用户，为什么注册留存60%、付费留存只剩20%？
同一批用户因分母定义不同，注册口径与付费口径算出的留存率数值会截然不同，两者本质回答的问题不同，无法直接换算或横向比较。
为什么同一批用户会出现不同的留存率？
留存率并非固定不变的绝对值，而是依赖统计口径的相对值，分母从注册变为付费时，即便用户群体未变，计算结果也会发生剧烈波动。
同一个用户群，上个月报表显示 60% 留存，下个月换个标准后可能只剩 20%。数字变了，人没变，问题出在哪？关键在于分母的定义不同。留存率从来不是固定不变的绝对值，而是依赖具体统计口径的相对值。
Cohort Retention 的核心逻辑：比较轨迹而非单点数据
队列留存（Cohort Retention）的基本做法，是把具有共同起点或特征的用户划入同一组，再观察他们在后续几天、几周或几个月是否回访并完成指定动作。分析的重点不在于某一时点的总人数，而在于比较不同起始队列的行为轨迹差异 [1][2]。
这就好比两辆车跑同一条赛道，一辆从起跑线出发，另一辆从半程点出发。虽然都在跑，但它们的“剩余里程”完全不同。在 Amplitude 的示例中，1000 名起始用户作为分母，下一个月有 600 人活跃，留存率就是 60%；再过一个月剩 400 人，留存率变为 40%[1][2]。这个计算过程清晰展示了分母如何锁定统计范围。
当“活跃”的标准从登录改为付费时，分子会直接缩水；而当分母定义从注册用户改为首笔交易用户时，整个队列的构成会发生根本性改变 [3]。前者筛选的是“谁还在用”，后者筛选的是“谁还在买”。这两种口径回答的业务问题本质不同，无法直接换算。同一批用户，因为起点的定义不同，最终呈现的留存数字差异自然天差地别。
这里有一个极易被忽视的细节：所谓的“活跃”一旦跨越了“免费使用”到“付费交易”的门槛，其背后的用户心理模型就发生了断裂。很多团队误以为只要用户还登录产品，他们就有转化为付费用户的潜力，因此倾向于用高注册留存来掩盖付费转化的疲软。但实际上，那些只登录不付费的“僵尸活跃用户”，在付费留存报表中会被瞬间剔除，因为他们从未进入过“付费者”的队列。这种视角的切换意味着，当你把分母从注册改为付费时，你实际上是在重新定义“幸存者”——不再是“活下来的人”，而是“愿意为生存买单的人”。
注册与付费：两种分母如何重塑留存数字
队列起点、观察窗口和活跃行为这三个关键要素的定义若发生偏移，会导致同一批用户在报表中呈现出截然不同的存活率数据。
同一批用户，为什么在两个报表里呈现出截然不同的存活率？这并非数据出错，而是分母的口径变了。理解这种差异的前提，是明确三个关键要素：队列起点、观察窗口和活跃行为 [3]。只要其中任何一个定义发生偏移，最终算出的留存数字就会彻底改变。
队列起点的选择决定数据的含义
队列起点定义了“谁被统计”，它直接决定了留存率的数值基础。你可以把它想象成赛跑的起跑线：站在起跑线上的选手不同，比赛的结果自然无法比较。
若以注册日作为入队起点，你关注的是流量获取的效率。这批人刚踏入大门，留存曲线反映的是从获客到转化的早期漏斗健康度。这里的“活跃”通常指登录或完成新手引导。如果第二天还有很多人没回来，说明产品对新鲜流量的吸引力不足 [1][2]。
若以首次付费日或首笔交易作为入队起点，分母瞬间变成了已经愿意掏钱的核心用户。此时的留存曲线不再看“能不能留住人”，而是看“能不能留住价值”。这更接近于评估付费用户的持续经营状态和生命周期价值 [3]。这类用户往往已经跨越了信任门槛，他们的去留直接挂钩商业变现质量。
为了看清这两组数据在结构上的本质区别，我们可以对比它们在业务逻辑中的定位：
| 维度 | 注册入队（注册留存） | 付费入队（付费留存） |
|---|---|---|
| 分母构成 | 所有完成注册流程的用户 | 仅包含产生首笔交易的用户 |
| 核心指标 | 早期转化漏斗的健康度 | 核心用户的持续经营能力 |
| 回答的问题 | 获客渠道是否精准？产品是否有吸引力？ | 商业模式是否成立？用户价值能否延续？ |
| 典型波动 | 受营销投放、注册流程影响大 | 受服务体验、复购机制影响大 |
| 业务阶段 | 侧重增长期与产品验证期 | 侧重成熟期与商业化深耕期 |
这种差异导致两者之间不存在统一的换算规则 [3]。你不能简单地把注册留存率乘以某个系数就得到付费留存率，因为两组人群的行为轨迹完全不同。
当你在看报表时，必须意识到：注册入队和付费入队的两组数据，回答的是完全不同的业务问题。前者在问“流量进得来吗”，后者在问“生意做得稳吗”。混用这两个口径，就像试图用温度计去测量血压，不仅读数没有意义，还会误导决策方向。
实战中，许多 SaaS 企业容易陷入一个误区：过度关注注册后的次日留存，却忽略了付费后的次月留存。 例如，某内容平台发现注册次日留存高达 70%，便认为产品极其成功，于是加大投放。然而，由于未建立独立的“付费用户队列”，他们发现即便付费用户基数扩大，整体营收却在下滑。原因在于，那 70% 的高留存中包含了大量只看不买的“围观群众”，而真正产生价值的付费用户群体，其留存曲线可能早在第三周就开始断崖式下跌。只有将分母严格限定在“首笔交易”那一刻，才能捕捉到这部分真实的价值流失信号。
避免误判：为何留存数字不可直接换算或横向对比
注册留存与付费留存分别回答完全不同的业务问题，试图寻找公式进行自动换算或将不同产品的标准硬套对比，都会导致对业务状态的严重误判。
同一批用户，用注册做分母算出 60% 的留存，换成付费做分母可能只剩 20%。这种巨大的落差不是数据错了，而是两个数字在回答完全不同的问题。很多人试图寻找一个公式，把“注册留存”自动换算成“付费留存”，或者拿 A 产品的注册留存去硬套 B 产品的付费标准。这种做法不仅行不通，还会直接导致对业务状态的严重误判 [3]。
为什么无法换算？因为队列起点的选择决定了数据的含义。以注册为起点，你关注的是从“陌生人”到“使用者”的转化漏斗；以付费为起点，你关注的是“付费者”到“持续经营者”的粘性。两者的用户构成、行为动机和流失逻辑截然不同。就像你不能拿“入学率”去推导“毕业率”，中间缺失了太多变量。现有材料明确确认，并没有通用的数学规则能将不同口径下的留存数据相互转换 [3]。
为了看清这种差异如何扭曲判断，我们对比一下两种口径的核心特征：
| 维度 | 注册留存（Cohort: Registration） | 付费留存（Cohort: First Payment） |
|---|---|---|
| 分母定义 | 所有完成注册的用户 | 仅完成首笔付费的用户 |
| 核心问题 | 产品是否具备吸引新用户的能力 | 价值交付是否让用户愿意持续付费 |
| 典型数值 | 通常较高，包含大量早期流失 | 通常较低，剔除无效流量后更严苛 |
| 主要风险 | 掩盖高流失率，产生虚假繁荣 | 忽略获客成本，误判增长潜力 |
| 适用场景 | 评估拉新渠道质量与新手引导 | 评估商业模式健康度与 LTV |
盲目跨口径对比的危害在于，它会让你用错误的尺子量布。如果你拿着“注册留存”的高数值去衡量“付费留存”的业务目标，可能会误以为产品很健康，从而放松了对核心变现环节的关注。反之，若用“付费留存”的低数值去苛责整体用户规模，又可能过早放弃有潜力的获客渠道。
针对这一痛点，建议采取“双轨制”监控策略：不要试图合并两张表，而是建立独立的预警机制。 具体操作是，在 BI 系统中设置两套完全隔离的仪表盘：一套专门追踪“注册后第 N 日/周的活跃率”，用于指导产品迭代和运营活动；另一套专门追踪“首单后第 N 月的续费/复购率”，用于指导客户成功团队（CSM）和服务优化。当注册留存下降时，产品经理介入优化新手引导；当付费留存异常波动时，则立即触发客户成功团队的深度回访。通过物理隔离数据源，强制团队针对不同的分母执行不同的行动，能有效避免“用战术勤奋掩盖战略懒惰”的现象。
诊断的第一步从来不是急着计算具体数值，而是先问清楚：这个分母是谁？当你能明确口径时，才会发现不同分母导致的留存数字差异是正常现象。关键在于对齐业务目标——该看注册时就盯着注册，该看付费时就死磕付费。不要试图在两者之间建立不存在的联系，否则只会得到一堆误导决策的噪音 [3]。
常见问题解答 (FAQ)
Q: 为什么我的注册留存率很高，但付费留存率却很低？ A: 这是非常正常的现象。注册留存衡量的是产品对新用户的吸引力，而付费留存衡量的是核心价值交付和用户意愿。如果注册留存高但付费留存低，通常意味着产品容易上手但缺乏足够的付费动力，或者定价策略与用户预期不符。
Q: 我可以用注册留存率来预测未来的收入吗？ A: 不能直接换算。由于不同分母导致留存数字差异巨大，注册队列中包含大量未付费用户，其行为模式与付费用户截然不同。预测收入应基于付费用户的生命周期价值（LTV）模型，而非简单的注册转化率推算。
Q: 在做汇报时，应该优先展示哪种留存数据？ A: 取决于你的汇报对象和业务阶段。向增长团队汇报时，注册留存能反映获客质量和新手引导效果；向管理层或投资人汇报时，付费留存更能证明商业模式的可持续性和用户价值。切勿混淆两者，以免传递错误信号。
参考来源
- 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）
- Retention Rate: Complete Definition & Calculation Guide · https://amplitude.com/explore/growth/retention-rate（B级）