留存率怎麼看？用 Cohort 分析分開成長與流失

先說結論：總人數在長大，不代表人留得更久

整體活躍人數上升時，先不要直接宣布產品或顧客關係變健康。總量同時受到兩股力量影響：新加入的人有多少，以及先前加入的人有多少回來。只要新客增加得比舊客流失快，總活躍人數仍會上升，甚至刷新高點。

要把成長和流失分開，最實用的方法是 Cohort 分析，也就是把在相近時間完成同一個起始行為的人放進同一群，再比較每一群到了相同「年齡」時，有多少人完成你定義的回訪行為。例如：

• 以首次註冊月份分群，觀察一個月後是否再次完成核心任務。
• 以首次購買週分群，觀察下一週或第四週是否再購。
• 以開始試用日期分群，觀察七天後是否仍有實際使用。

因此，留存率不是單獨一個百分比。它至少要和起始事件、回訪事件、時間單位、觀察方式、使用者識別與適用族群一起說明。若這些口徑不同，兩個都叫「第 30 天留存」的數字也可能不能比較。

留存率不是「月底還剩多少人」這麼簡單

Google Analytics 對 Cohort 的定義是：一群共享某項可識別特徵的網站或應用程式使用者。常見特徵是取得日期，但也可以是第一次交易、完成註冊或觸發特定事件。

一個可重算的第 N 期留存率，可以寫成：

這個公式看似簡單，真正影響結果的是分子與分母的定義。

起始事件決定「誰從哪一天開始算」

「第一次造訪」「完成註冊」「完成第一次購買」會建立不同同群。若產品價值要在登入後才能體驗，以第一次造訪當起點，可能把大量還沒真正開始使用的人混進分母；若改用第一次完成核心任務，則回答的是已經啟動者能否持續取得價值，不能回頭代表所有訪客。

回訪事件決定「回來做什麼才算」

只要開啟頁面就算回訪，通常會比再次下單、完成課程或建立報表得到更高留存。這不代表前者錯，而是兩者在回答不同問題。Amplitude 的官方文件也要求先選起始事件與回訪事件，再計算兩者之間的時間；工具不會替企業決定什麼行為才代表價值。

時間單位要符合自然使用週期

叫車服務適合看日或週，耗材補充可能要看月或季。若顧客本來每六週才需要購買一次，硬看第七天再購率，低數字只是口徑和產品週期不合。週資料還要確認是「加入後連續七天」還是固定曆週；GA4 的 Cohort exploration使用日、週或月粒度，其中週期是依資源時區的固定星期日至星期六，不是每位使用者各自滾動七天。

同群表怎麼讀：橫向看流失，縱向比同齡

典型同群表的每一列是一批起始時間相近的人，每一欄是加入後第 0、1、2、3 期。讀表時有兩個方向：

1. 橫向看同一列：同一批人隨時間留下多少，可看流失速度與是否逐漸形成穩定底部。
2. 縱向看同一欄：不同批次到了相同年齡時表現如何，可判斷新同群是否改善。

不要拿一月同群的第三個月，直接和三月同群的第一個月比較。前者經歷三個月，後者只經歷一個月，差異可能只是成熟度，而不是品質。

讀法	比較對象	適合回答	常見錯誤
橫向	同一同群的不同年齡	流失集中在早期還是後期	把自然使用間隔當成流失
縱向	不同同群的相同年齡	新版、渠道或體驗是否改善	把尚未成熟的空格當成 0
日曆對齊	不同同群經歷的同一日期	故障、漲價或活動是否同時影響所有人	只看同群年齡，漏掉共同外部事件
分群比較	相同年齡下的渠道、裝置或方案	問題集中在哪一種來源或體驗	切得太細，讓少量波動看似趨勢

完整案例：活躍人數增加 4.4 倍，首月留存卻持續下降

以下是虛構教學案例，只用來示範計算，不是 MKT Notes、GA4 或任何企業的實際結果。

一家線上料理規劃服務加大投放後，每月新註冊快速增加。團隊把首次註冊月份當同群，並把「該月完成至少一份週料理計畫」定義為回訪。每位使用者只屬於一個首次註冊同群，表中人數皆已去重。

註冊同群	新註冊	第 1 月回訪	第 1 月留存	第 2 月回訪	第 2 月留存	第 3 月回訪	第 3 月留存
一月	1,000	450	45%	350	35%	300	30%
二月	1,500	600	40%	390	26%	尚未成熟	—
三月	2,500	750	30%	尚未成熟	—	尚未成熟	—
四月	3,000	尚未成熟	—	尚未成熟	—	尚未成熟	—

只看每個曆月的活躍人數，故事看起來非常漂亮。為了讓計算能直接重算，假設每個回訪人數只計入對應月份一次：

曆月	當月新註冊	先前同群回訪	當月活躍合計
一月	1,000	0	1,000
二月	1,500	一月第 1 月 450	1,950
三月	2,500	一月第 2 月 350 ＋ 二月第 1 月 600	3,450
四月	3,000	一月第 3 月 300 ＋ 二月第 2 月 390 ＋ 三月第 1 月 750	4,440

四月活躍人數是一月的 4.44 倍，但第 1 月留存從一月同群的 45%，降到二月的 40%，再降到三月的 30%。三月同群雖然帶回 750 人，比一月的 450 人多，卻是因為起始同群大了 2.5 倍；用比例比較後，個別新客留下來的機會其實變低。

如果把一月至三月三個成熟同群合併，第 1 月整體留存是：

（450 ＋ 600 ＋ 750）÷（1,000 ＋ 1,500 ＋ 2,500）＝ 1,800 ÷ 5,000 ＝ 36%

這個 36% 可以描述合併後的加權結果，卻會隱藏 45% → 40% → 30% 的惡化方向。團隊應同時保留總量、加權留存與各同群趨勢，而不是只挑其中一個。

這組資料還不能證明是廣告品質變差。投放渠道組成、註冊流程、首次料理計畫完成率、通知、價格、季節與追蹤都可能造成差異。合理結論是：成長仍在發生，但新增量的後續回訪品質正在變弱，需要進一步診斷。

「第 N 期留存」仍有三種常見計算方式

GA4 的同群說明提供標準、連續與累積三種計算；其他工具也可能稱為特定期、區間或無界留存。名稱不一定完全一致，所以比較報表前要先看定義。

口徑	使用者何時算留存	適合的問題	讀取限制
特定期	剛好在第 N 日／週／月完成回訪	某個固定週期是否形成習慣	提早或延後回來都可能不算
連續留存	從起始到第 N 期，每一期都符合條件	是否持續不中斷地使用	對低頻產品過度嚴格
累積留存	到第 N 期為止，曾在任一期回訪	到目前為止有多少人曾回來	數字只會累積，不等於當期仍活躍
第 N 期或之後	在第 N 期或更晚曾回訪	有多少人沒有永久消失	近期同群需要更久才會成熟

例如一位使用者第一週回來、第二週沒回、第三週再回：在第三週的特定期與累積口徑可能都算入；要求每週都回來的連續口徑則不算。沒有寫清楚口徑，就不能把不同工具的「第三週留存」直接放在同一張圖。

先看異常的形狀，再決定調查哪一段

同群分析的價值不只是找最低百分比，而是用異常形狀縮小假設。

只有新同群從一開始就比較差

優先檢查渠道與受眾組成、廣告承諾、註冊門檻、首次使用體驗，以及回訪事件是否在新版追蹤中遺漏。若同時擴大了陌生流量，可能是新增量的需求較弱；也可能只是新手引導變長，讓真正有價值的人較晚完成回訪。

所有同群在同一個日曆時間一起下降

這比較像所有人共同遇到的事件，例如登入故障、付款問題、通知停止、價格變動、內容中斷或季節效應。此時只按「加入後第幾週」查看，可能把同一場事故分散在不同欄位。

早期掉得更快，後期曲線大致相同

問題可能集中在取得承諾與啟動體驗：人有進來，但尚未理解價值。可以把註冊到第一次核心行為的轉換拆開，配合流量與頁面的逐層診斷，確認是來源不符、頁面承諾不清楚，還是產品內第一步卡住。

早期相近，後期才逐批惡化

優先檢查持續價值、內容或庫存更新、價格、競爭替代、服務品質與回訪週期。若產品本來就低頻，還要確認觀察窗口是否太短，避免把「尚未需要再次使用」誤判為永久流失。

八步建立可用的同群留存分析

1. 先寫決策問題

不要從「做一張留存表」開始。先寫要決定什麼，例如：是否應繼續擴大某渠道、新版註冊流程是否改善回訪，或首次完成核心任務的人是否更容易留下。

2. 定義起始同群

選擇和問題相符的起始事件、時間粒度、族群與排除條件。首次造訪、註冊、首購與第一次完成價值行為代表不同母體，不可任意互換。

3. 定義有意義的回訪

使用者回來後必須做什麼，才代表產品仍提供價值？只看任何事件適合監測廣義回訪，但決策時最好再補一個核心行為。事件名稱、觸發條件與去重方式可沿用GA4 事件規格的規劃方法記錄。

4. 選擇符合週期的時間單位

用實際使用間隔決定看日、週或月，並寫清楚曆週、滾動窗口、時區與截止時間。若需求週期有很大差異，可依產品方案或使用情境分開，不要硬用同一個第七天門檻。

5. 只比較已成熟期間

四月剛加入的人，在四月底還沒有完整機會形成「第一個月後回訪」。未成熟格應顯示空白、破折號或明確標記，不可先填 0。Amplitude 的留存計算說明也指出，尚未走完觀察期的資料會影響分母與整體加權結果。

6. 同時看三個方向

每次至少保留：同群起始人數、同齡留存率、曆月總活躍。再依問題切渠道、裝置、地區或方案，但避免小到只剩少數人的同群。

7. 用相鄰證據驗證原因

同群差異只能指出「哪批人、何時開始不同」，不能單獨證明原因。接著檢查啟動漏斗、故障紀錄、版本發布、渠道組成、退款或客服。若數字要進入固定監測，可把結論與診斷指標放進從決策反推的行銷儀表板，但保留同群明細供調查。

8. 記錄口徑與回看日期

保存事件版本、識別方式、時區、成熟截止日、排除條件、分群維度與資料品質狀態。讓下一次更新能比較同一口徑，而不是因報表設定改變製造假趨勢。

七個常見誤判與資料限制

活躍人數創新高，就說留存改善

GA4 對使用者指標的定義區分總使用者、活躍使用者、新使用者與回訪使用者。活躍總量混合新舊兩群，不能替代同群留存；應把取得規模和同齡回訪一起看。

最近同群數字最低，就說新版變差

最近同群還沒有完整機會走到較後期間。先確認每個格子的成熟狀態，再比較相同年齡。資料處理也可能延遲；Google 的資料時效說明指出，處理期間報表數字可能變動，近期資料不宜過早定案。

只用「任何事件」代表留存

頁面自動載入、背景事件或低價值動作也可能讓使用者看似回來。廣義回訪可以做健康監測，但需要和一項真正代表取得價值的行為並列。

把所有低頻產品都套用第七天留存

留存窗口若短於自然需求週期，會系統性低估健康使用。先觀察實際間隔，再選有決策意義的週期。

同群切得越細，洞察越準

切分渠道、裝置、活動與方案會降低每格人數，讓少量波動看似巨大差異。GA4 報表與探索也可能受資料門檻、抽樣或列數限制影響；官方資料顯示說明建議透過資料品質標示判斷是否出現近似結果或「其他」列。

把裝置當成真人，跨裝置卻當成流失

同一人換瀏覽器、清除識別資料或跨裝置使用，可能被計成新使用者；多個人共用裝置也可能被合併。GA4 的 reporting identity可使用企業提供的使用者識別、裝置識別與模型，但方法會影響去重與可見資料。更特別的是，GA4 的 Cohort exploration 官方文件明確說明其同群使用裝置資料，建立同群時不採用 User-ID，因此不要假設所有報表都用相同跨裝置識別。

留存較高，就證明某渠道或功能造成改善

同群分析多半是觀察性比較。高留存渠道可能吸引本來就更有需求的人；採用某功能的人也可能本來就更投入。它可以提出假設與決定下一步調查，但若要主張因果，仍需更強的研究或實驗設計。

最後帶走：每次報告留存，至少附上這六項

一個可供決策的留存數字，至少要附上：

1. 同群怎麼加入：首次造訪、註冊、首購或其他起始事件。
2. 回來做什麼：任何活動，還是完成特定核心行為。
3. 何時算回來：特定期、連續、累積，或第 N 期之後。
4. 誰有資格進分母：是否已走完觀察窗口，如何去重與排除。
5. 和誰比較：同一列的前後、不同同群的同齡，還是同一日曆事件。
6. 資料有哪些限制：近期未成熟、追蹤版本、識別方式、抽樣、門檻與小樣本。

若整體人數正在成長，先畫出不同取得月份的同群表，對齊第 1、2、3 期，再把同群趨勢和曆月總量放在一起。你會更清楚眼前是「新客更多、留下比例也更好」，還是「用更大的取得量補住更快的流失」；只有分開這兩種情況，團隊才知道下一步該繼續擴量、修正取得承諾，還是改善真正讓人回來的價值。