案例地址：http://wwv.cyzone.cn/a/20160414/294127.html，http://www.yixieshi.com/51954.html，http://www.youxituoluo.com/4108.html，http://www.woshipm.com/operate/372455.html
1. 留存率的三个阶段
1）振荡期：开始拉新
2）选择期：用户对产品有初步了解，开始探索产品是否满足其核心需求
3）平稳期
2. 留存分析使用两层模型：用户分群+指标。用户分群的方法包括：
1）产品版本
2）来源渠道
3）用户画像
3. 案例1：音乐app
1）如下图根据用户行为进行分群，然后计算不同用户群体的留存率指标，发现magic number：喜欢行为>=3。因此要设法让用户在刚使用app的时候就尽量找到3个以上的内容。
2）细分用户群体，区分振荡期和平稳期关心的功能点
3）找到影响留存率的关键产品功能
4）绘制“活跃用户占比”、“功能留存率”二维矩阵，找到核心功能
4. 案例2：资讯类APP
1）四个一级入口页的留存率
2）分析：
a. A页面留存率高，要想办法尽量往A页面导流
b. D页面留存率极低，要考虑将其从一级入口移除，避免对主线的干扰
5. 案例3：Anghami
是一款音乐流媒体APP，原来的新用户使用引导页流程是 导览页（1）→引导用户选择音乐风格（2）→选择对应风格的音乐家（3）。
实际使用中，对留存率进行分析发现：
1）完成所有引导页的用户比没完成的多47%成为长期用户，说明引导页是有用的
2）页2→页3的转化率却很低。分析原因，发现产品所面对的用户去群体，听歌认脸大于认音乐类型
3）修改方式：
a. 在引导页2中，对于音乐风格展示相应的知名歌手头像
b. 选择音乐风格后直接选择歌手，然后可以回头继续选类型。而不是割裂的先选所有喜欢的音乐风格再选歌手。
6. 案例4：游戏APP，留存率某日骤降50%
1）某日留存率下降50%
2）细分，发现前几日用户注册量显著上升。但奇怪的是并没有大规模拉新活动
3）观察设备安装量，发现并没有提升
4）继续研究，发现这几日正好有个新服开服
5）研究新服特征，有个活动：“新建帮派在开服后前3日，召集10名玩家加入其帮派，即送帮主大量金币”。因此猜测是老玩家刷小号行为
6）验证猜想：观察两个指标，单日游戏次数和单日游戏时间，发现单日游戏次数上升、单日游戏时间下降，说明存在大量低级账号、并且账号间的切换频繁。因此锁定了现象发生的原因