上一篇我們先把使用者生命週期畫成一張很簡單的地圖：

開始使用產品
↓
第一次取得價值
↓
持續取得價值
↓
停止使用，或者之後再次回來

我們用 Activation 觀察第一次取得價值的階段，再用 Funnel 看使用者從開始使用，到走進 Activation 的過程。

接下來就輪到生命週期的下一段。

假設一名使用者今天第一次透過文件收到同事的回饋，Activation 已經發生了。可是他之後再也沒有建立文件、沒有分享，也沒有再收到任何回覆。

第一次成功是真的，只是這個價值沒有持續下去。

這一篇要看的就是：

成功過一次的人，之後還會不會再次成功？

這就是 Retention。

Retention 也要回到「價值」

最簡單的 Retention 定義可能是「使用者有沒有回來」。

例如一名使用者下週又打開網站，我們就把他算成 Retained User。

但這個定義有時候太寬鬆。

使用者可能只是點到舊連結、打開一下頁面就離開。如果前面幾篇已經花了很多時間定義什麼行為比較接近使用者成功，那 Retention 也可以繼續沿用同一套思路。

回到文件協作工具的例子。

如果我們把「收到其他人的回饋」當成一個有價值的 Signal，那麼 Retention 可以先這樣看：

第一次：receive_comment
之後：receive_comment

在 PostHog 的 Retention Analysis 裡，可以設定第一次發生的行為，以及後續希望觀察的行為。

我們想知道的就是：

曾經取得過一次協作價值的使用者，之後還有多少人再次取得？

假設用週來看：

第 0 週   100%
第 1 週    46%
第 2 週    31%
第 3 週    27%
第 4 週    25%

這表示原本完成第一次成功行為的使用者中，下一週還有 46% 又完成了一次；到了第四週，還有約 25%。

看到 25% 時，先不用急著判斷它到底算高還是低。

不同產品本來就有不同的使用節奏。

記帳工具可能每天都會打開，報稅服務可能一年只用幾次，企業後台也可能只有月底結算時才需要登入。

因此，Retention 的時間單位要跟著使用情境走。每天、每週、每月都可能合理，重點是它要符合使用者原本多久會再次需要這個產品。

從 Retention 看生命週期

把 Activation 和 Retention 放在同一張圖上，就會比較容易看懂兩者在回答不同問題：

開始使用
↓
Activation
第一次取得價值
↓
Retention
之後是否持續取得價值

這也會讓一些產品改動變得比較好判讀。

例如新版 Onboarding 上線後，Activation Rate 從 20% 提高到 35%。

單看這個結果相當不錯。

但如果幾週後 Retention 幾乎沒有變化，甚至更差，我們就會想再看一次：新版流程究竟讓更多人真的體驗到產品價值，還是只是讓第一次成功行為更容易發生？

相反地，有些改動可能對 Activation 幫助不大，卻讓已經開始使用的人更容易持續成功。

這時候它的價值就會出現在 Retention，而不是第一天的 Funnel。

哪些使用者留下來了？

如果整體第四週還有 25% 的使用者留下來，我們通常不會只停在這個數字。

下一個問題很自然：

留下來的人和沒有留下來的人，有什麼不同？

這時候可以把使用者分成不同群組來比較。

在 PostHog 裡，可以用 Cohort 表示符合某些條件的一群使用者。

例如：

• 第一次使用 Template 建立文件的人。
• 從 Blank Document 開始的人。
• 一開始就邀請其他人的人。
• 前三天內完成 Activation 的人。

接著把這些 Cohort 放進 Retention 分析，就可以比較不同群組後續的使用情況。

假設前三天內完成 Activation 的使用者，第四週 Retention 明顯高於花兩週才完成的人，這至少告訴我們一件事：較短的 Time to Value 和後續留存之間存在值得繼續調查的關係。

同樣地，如果第一次使用 Template 的使用者 Retention 比較好，我們也會想了解原因。

這類分群分析很適合拿來找「哪些使用者表現不一樣」。

至於差異是不是由 Template、Onboarding 或其他因素造成，光靠 Cohort 還很難下結論。之後介紹 Experiment 時，我們會再回來處理因果的問題。

流失之後，也可能再回來

Retention 通常讓人聯想到「留下來」或「流失」，但真實產品的生命週期不一定只有一路往前。

有些使用者會停用一段時間，之後因為新的需求再次回來。

例如有人只有在開始新專案時才會重新使用文件工具；也有人幾個月沒有使用，收到同事邀請後才再次回到產品。

所以實際分析時，我們也可能關心：

• 哪些人持續活躍？
• 哪些人曾經活躍，後來停止？
• 哪些人停止後又重新出現？

PostHog 的 Lifecycle 分析就是從這個角度，把使用者拆成 New、Returning、Resurrecting、Dormant 等不同狀態。

這些分類不一定每個產品都需要天天看，但它提醒了一件事：使用者和產品之間的關係會隨時間改變。

Activation 只是第一次成功，Retention 則開始讓我們看到這段關係能不能延續。

到這裡，我們已經從單一事件往前走了不少：

Event
↓
Funnel
↓
Activation
↓
Retention
↓
Cohort / Lifecycle

PostHog 內建的這些分析已經可以回答很多常見的產品問題。

但當我們開始想把多個事件組合起來、做特殊計算，或者把 PostHog 裡的行為資料和資料庫中的訂單、會員資料一起分析時，圖形介面很快就會不夠用。

下一篇，我們往工程師更熟悉的方向走：直接用 SQL / HogQL 查資料。

如果你願意花 30 秒留下回饋，我會用這些意見來調整後續文章：分享你的意見