产品功能留存分析矩阵
功能留存分析矩阵是什么意思？通过这个矩阵，帮你分析出产品中的哪个功能对留存的价值最高。
功能对留存的价值分为2个维度，使用用户的人数和连续使用功能的用户占比（功能留存率），功能留存分析矩阵帮我们解决的是，如果你想要提高留存，要去优先优化哪项功能。
如果说惊喜时刻帮我们定义了激活用户的指标，那么功能留存分析矩阵就帮我们从具体的功能角度，定义了用户留存的指标。一般我们计算留存率是按照整体用户来看的，这个周期使用产品的用户除以上个周期使用产品的用户，来计算留存率，但这种宽泛的定义，如果我们想提高留存，就无从下手。
功能留存分析矩阵2个维度的计算方法，我们用一个例子来说明：
假如微信这个产品，我要分析朋友圈、看一看、搜一搜、附近的人这几个功能对留存率的影响，怎么做呢？
首先，我要定义出分析的时间段，假如我要分析5月份各功能的留存表现，5月份就是我定义出来的时间段，下面开始计算两个维度的数据：
功能留存率：比如我要计算朋友圈这个功能5月份的留存率，就是5月份使用过朋友圈的用户/4月份使用过朋友圈的用户，这里要注意的是，5月份使用过朋友圈的用户是指在4月份使用过朋友圈的用户中，5月份继续使用朋友圈的用户，不要计算新用户。
按照这个方法，分别计算出看一看、搜一搜、附近的人这几个功能，4月份使用过的用户中，有多少用户在5月份也继续使用，然后除以4月份使用过的用户数量，得到各功能的留存率。
活跃用户占比：还是计算朋友圈这个功能5月份的活跃用户占比，就是用5月份使用过朋友圈的用户/5月份使用过微信的所有用户，这里是包含新用户的。
按照这个方法，分别计算出看一看、搜一搜、附近的人这几个功能的5月份活跃用户占比。通过计算我们可以建立一个功能留存分析矩阵，有2个关键点要注意：
首先,功能留存率的计算，当前周期的使用用户数是不含这一周期的新用户的，而当前周期的活跃用户占比是包含这一周期的新用户的;
其次，功能留存率和活跃用户占比两个数据维度的计算周期要相同。
这个案例是按照月度来分析，可以从时间维度进一步拆分，按照周、日等维度来计算，比如这周和上周，昨天和前天，两个数据维度的时间周期一定要相同；也可以从功能的角度做进一步拆分，比如微信的看一看里有“朋友在看”和“精选”2个标签，可以对比下这2个标签的功能留存率和使用用户数，需要注意的是，两个数据维度计算的功能指标必须要相同；还可以从用户的角度做进一步拆分，比如每天点开朋友圈1次的用户、3次的用户、5次以上的用户，分析不同使用行为的用户在留存率和用户量上的表现，还是那句话，两个维度的用户属性必须要相同。拆分的细致程度需要按照分析的目的来确定，还有就是如果从月的角度分析不出来结果，可以做进一步拆分看能不能表现出差异。