应用场景
最后更新于
某社交 App 想要提升新用户的次周留存率，并以此为业务目标进行了新版本产品迭代，想要评估改版的有效性。 在 GrowingIO 留存功能中，可以通过 "维度对比" 快速实现评估。
设置方案：选择了特定的 "起始行为"和 "留存行为"，目标用户设定为 "新访问用户"，维度对比设置如下：
可以看出，2.3 版本的新用户次周留存率有明显提升。
成功的产品功能应该具备 2 个特点：被更多的用户使用，该功能的用户黏度高。
特点
指标
更多用户使用
覆盖用户数量，覆盖用户占比
用户黏度高
该功能留存率
在 GrowingIO 留存功能中， 可以通过 "行为对比 > 对比不同行为的回访" 来分析不同功能的这两个指标。 设置方法：
可以看出：功能 A 的表现是最好的：覆盖用户量和用户留存率都更高。
某社区电商产品为了推广电商模块，采用了 "签到奖励"的激活手段，用户签到之后可以获得积分，可以用来抵扣电商购物时的部分金额，期望可以用这种激活手段来拉动电商模块的活跃度和购买转化。
由于用户签到奖励的积分长期有效，并未设置严格的有效期，因为用户可能在后续的任意时段使用。因此推荐使用留存功能来观测，用户签到领取积分之后的转化情况。同时，由于签到积分存在较低的 "薅羊毛"门槛，部分投机用户可能会坚持签到以获取积分，然后通过积分直接兑换商品。可以使用 GrowingIO "行为对比 > 对比留存行为" 来分析。
设置方法：
上线之后，使用 "签到奖励"功能的用户回来使用"签到奖励"的留存率很高，但到电商模块交易的比较少，说明签到奖励对于激活电商模块的效果不够好，需要进一步调整签到奖励策略或结合其他激活手段。
电商、互联网金融理财、OTA 等等很多业务，发放优惠券刺激老用户服务复购是非常常见的场景。常见的优惠券有满减券、返现券、组合券等等。那么，哪种优惠券更加有效呢？对于选定的目标用户，同时对不同的用户发放不同优惠券做优惠券有效性测试。
推荐使用 GrowingIO 留存分析的 "行为对比 > 对比起始行为"来分析。 设置方法：
通过留存曲线可以看到，不同优惠券领取的用户量和后后续对刺激用户后续投资/购买的差异。
