比如对于百度贴吧客户端来说想验证看贴对新用户的留存效果，则可以对同样是来自A渠道的新用户进行(有使用看贴/未使用看贴)行为分组比较。通过比较可以知道使用过看贴功能的新用户和非使用过该功能的新用户，在三日留存率上相差50%以上(说明看贴对新用户留存用正向促进作用)。

　　新用户看帖和不看帖的3日留存率比较

　　如果进一步的进行分组留存率分析的话，可以是对在看贴功能内浏览了3篇贴子的新用户和仅浏览1篇贴子的新用户进行分析，看他们在留存率上的差异表现，要是浏览3篇贴子的用户留存率大于1篇贴子的留存率，那么下一步则需要加强内容质量的把关，提升看的功能的PV/UV的百分比。

　　用户留存数据分析案例

　　当运营采取了某个运营手段来提升用户留存率时，则可以通过对运营手段覆盖到的新用户留存率和未覆盖的新用户留存率做对比分析，来验证手段的有效性。

　　除了刚才提到的贴吧看贴的案例，这里再分享一个中东的数字音乐流app通过数据分析来改进其引导页以获得更高新用户留存率的例子。(属于通过数据分析寻找优化方案的例子)

　　音乐app的第一版引导页

　　这款app的初版引导页由三个部分组织，分别为引导用户定制自己的音乐、选择自己喜欢的音乐类型、选择对应类型的音乐家，然后根据用户的选择进行个性化的首页内容(音乐)推荐。

　　类似这种通过引导页来获取用户信息，帮助用户快速的在产品内找到自己感兴趣的内容，从而提高用户使用率和活跃度的方式在国内的app用的也蛮多，可是大家都在这么做的情况下，自己的引导页对提升新用户留存的效率到底有多高呢?

　　为了解决上述的问题，该app负责人进行了如下的分析：将Amplitude(移动数据分析工具)植入该音乐app引导页的每个步骤，提取数据进行分析与验证。

　　他的数据分析的思路是将一段时间内所有完成了三个引导页的用户都筛选出来，然后再计算他们在这之后持续回访产品的比例，同时也将这段时间里未完成三个引导页的用户筛选出来，将这些用户的留存率与完成的引导页的用户留存率做对比。

　　验证第一个问题的Amplitude

　　经过数据分析发现的完成三个引导页的用户多了47%的可能性成为长期用户(和没完成的相比)。那么问题来了，既然引导页对于提升用户留存率的效果，那该如何进一步的提升完成引导页的新用户占总新增用户的比例呢?(什么原因导致大家不愿意完成引导页里的任务)

　　验证第二个问题的Amplitude界面

　　该app负责人对三个引导页的新用户点击情况进行漏斗模型分析，发现从第二个引导页到第三个引导页的流失率达到15%(按照负责人解释的原因是在中东，用户听歌认脸多于认音乐的类型!)。

　　此外第一页到第二页虽然流失率不大，但是为了进一步提升走完引导页的用户比例，该app负责人认为可以将引导页第一部分“Personalize Anghami”取消，因为这部分信息对更精准的用户推荐的帮助几乎为零。

　　经过以上两轮的数据分析后，这个数字音乐流app改版后的引导页变现只有两个部分了，并且在展示元素上也做了优化。

　　音乐app的第二版引导页

　　用户留存率的交叉对比分析，除了可以用来做运营手段的有效性验证和功能优化分析之外，其实还可以用在当产品数据出现异常时的原因探究。下面再举一个案例来说明如何通过对比留存率，找到在运营过程中出现产品数据变化的原因。

　　有个工具型app最近DAU(日活跃用户)上升的效果不错，DAU在一个月时间的时间里提升了3万，环比增加明显。第一步先对数据进行初步分析，发现该月新增用户环比几乎为零。