留存率，顧名思義就是玩家留下來的比率，這也是所有 App 數據裡們最重要的。
神來也的創辦人 Mike Jiang 曾經說過，ARM 模型內最重要的數字不是把人導進來的 Acquisition、也不是跟錢有關的 Monetization，而是 Retention 留存率。
為什麼
為什麼留存率這麼重要？要說明這件事前得先來探討 ARM 模型內的其他兩個數據 - Acquisition & Monetization。現在的 App 環境，要把玩家導入 App 內最有效的方式不外乎是買廣告，只要有錢，你可以買到你想要的玩家，而這些玩家下載 App 後、打開 App、把 App 留在手機中，這些行為又進一步提昇 App 在 App Store 或是 Google Play 上排行榜的排名，排名的提升又導來更多流量。因此 Aquisition 這件事大部分取決於你有多少銀彈，也就是說 Aquisition 可以靠非產品面的方式獲得。
再說到 Monetization，什麼樣的玩家比較容易付費，是下載完當天就刪除的玩家？還是七天後刪除的玩家？還是一個月後才刪除的玩家？是什麼樣的 App 營收會比較高？是一款下載後就想刪除的 App？還是下載後玩家會保留七天的 App？還是玩家會留在手機內一個月的 App？答案顯而易知。因此 Monetization 這件事的效果依賴著玩家留存，玩家留得越久，效果越好。
回到 Retention，如果把玩家導進來但留不住，就沒辦法有營收。如果玩家留得不夠久，收費的效力會低。因此可以說 ARM 模型中，Acqusition 跟 Monetization 是依靠著 Retention 才有辦法發揮最大的效力，因此 ARM 模型中最重要的是 Retention。
怎麼算
假設今天有 100 個新玩家打開 App，明天這 100 個新玩家之中有 40 人再次打開 App，那麼次日留存率（或稱為 Day1 留存率）是 40%。假設這 100 個新玩家之中有 20 人在第 7 天再次打開 App，那 7 日留存率就是 20%。
依此類推，第 30 天時有 10 個玩家打開 App，那 30 日留存率（或稱為月留存率）是 10%。
Day N 留存率
如果我們只看 Day1 留存率，把每一天新進的用戶的 Day1 留存率畫成圖，就成了上圖。
次日留存率是很先期的指標，新用戶今天進來後，後天就可以看到結果。
因此這張圖除了可以看到次日留存率外，最重要的是當我們對 App 做了調整，後天馬上可以看到調整後的次日留存率。
當次日留存率變好時表示我們做對了一些事，可以繼續加強。變差時因為才過了一、兩天，也可以即時修正，不會因為過了很久才發現做錯事，要改也來不及。
某日新用戶的留存率
如果把每一天的這張圖都拿出來看，可以知道我們的 App 在那一天的落差最大，落差最大的地方代表用戶進來後到那一天的流失最多，要優先把洞補起來。絕大部分的情況都是 Day0 → Day1 的落差最大，所以次日留存率除了是先期指標外，也是所有留存率中最重要的指標。
以上圖來說，假設 Day0 有 100 人進來，Day1 的留存率是 49.49%，意思是隔日只剩下 50 人有打開 App，等於損失了另外 50 人。當我們好不容易找了 100 人下載 App，沒想到隔天有一半的人不再打開 App，這是多大的損失。
當然你可以說這 50 人很有可能第三天、第四天還會再回來，但通常來說，除非 App 是跟時間有高度相關的，例如旅遊類型的高峰是在週末跟週末前幾天、高速公路類型的是在假日，否則離開的用戶很難再回來。
用戶不打開的 App 過沒多久一定會被刪除，被刪除的 App 通常看到也不會再下載。
攤開來看留存率
以上除了各種圖自己的比較外，有時候我們也會想要合在一起比較各圖之間的落差，在各種圖之間切換總是不太方便，因此有了下面這種表現方式。
從表中可以很清楚的比較出
- 任何兩安裝日間的差別，例如 9/23/15 的 Day1 留存率有 32.9%，到了 9/24/15 突然降低到 20.0%，從顏色上馬上知道有落差，就可以回頭找 9/24 是不是發生了什麼問題？導致 Day1 留存率變低。
- 各個 Day N 留存率之間的差別，9/28/15 當日安裝的用戶，在 Day2 → Day3 之間顏色落差過大，跌了 6.6%，這時候就可以回想到底是什麼原因造成的？如果以遊戲來說，會不會是每日登入送的獎勵改掉了呢？導致玩家留下來的意願降低...，不同的服務會有不同的原因、不同的解釋方式。
40-20-10 法則
上述圖表擷取自知名的手機分析服務 Flurry，不同分析服務，提供的呈現留存率方式不盡相同，但只要把握原則去解讀，八九不離十。那到底怎樣的數據是好的呢？遊戲 App 中流傳著 40-20-10 法則，次日留存率要達到 40%、7 日留存要達到 20%、30 日留存達到 10%，代表這是一個及格的遊戲。
另外一種說法是，7 日留存率是次日留存率的一半、30 日留存率又是 7 日留存率的一半，其實 40-20-10 法則也符合這樣的說法。
但如果以應用類型的 App 來說，普遍都要比 40-20-10 來得高，因為遊戲可能下載後不喜歡就刪了，但工具型的 App 即使現在用不到，用戶也會有種之後也許會用到的心態，而留在手機內。
當然不同的 App，標準會不太一樣。新聞或社群類型的次日留存率應該要比其他種類的 App 高，且 7 日、30 日留存率肯定不能砍半再砍半，要保持接近次日留存率才是合理的標準。
工具型類型的 App 的次日留存不會太好看，但是 7日、30 日會非常接近次日留存率。
不管怎麼說，把握大原則，留存率沒人在嫌高的，當然是越高越好！
最後還是要強調一點，數據只是讓我們找出問題的工具之一，數據無法解決我們的問題，要解決問題還是要自己去發掘、去測試、去了解用戶才行。
搭配 [遊戲數據] ARM 模型 服用，效果更好！
photo credit: Numbers And Finance via photopin (license)
