同類羣組分析:如何理解客户為何留下或離開
衡量重要的事

同類羣組分析:如何理解客户為何留下或離開

同類羣組分析能揭露隱藏在整體數字中的留存模式。以下説明如何解讀、建立同類羣組留存表,並根據發現採取行動。

由 FabricLoop 團隊撰寫
2026年5月
5 分鐘閲讀

你的整體留存率是 78%。這樣算好嗎?這完全取決於是哪些客户留下、哪些客户離開——而這正是整體留存率無法告訴你的事。留存率 78% 的公司,可能成功留住了最有價值的客户,卻不斷流失最新的客户;也可能守住了舊有的客户羣,而近期加入的同類羣組正快速流失。整體數字把這兩種情況都藏起來了,同類羣組分析則能讓它們現形。

同類羣組,就是在同一時間開始的一羣客户——在同一個月註冊、在同一季完成首次購買,或在同一週升級。透過分別追蹤每個羣組隨時間的變化,你可以看出公司歷史上不同時期的留存模式如何改變。這是產品或業務團隊手上最強大的診斷工具之一。

如何解讀同類羣組留存表

標準的同類羣組留存表,縱向(列)是依獲客時間劃分的羣組(1 月、2 月、3 月……),橫向(欄)是獲客後經過的月數(第 0 個月、第 1 個月、第 2 個月……)。第 0 個月一定是 100%——那是起點。每一列的數字顯示該羣組在之後每個月仍保持活躍的百分比。

隊列 第 0 個月 第 1 個月 第 2 個月 第 3 個月 第 4 個月 第 5 個月 第 6 個月
1月 100% 68% 52% 41% 38% 35% 34%
2月 100% 71% 55% 43% 41% 39% —
3月 100% 76% 62% 51% 49% — —
4月 100% 79% 65% 61% — — —
5月 100% 82% 69% — — — —
6月 100% 84% — — — — —
100%
75–99%
60–74%
45–59%
35–44%
25–34%
<25%

這張表説明了一個清楚的故事:留存率每個月都在大幅改善。1 月的羣組到第 6 個月僅剩 34%,而較近期的羣組在前兩個月仍維持在 69–84%。有些地方改變了——可能是產品改進、更好的新手引導流程,或是獲客管道的調整,帶來了更合適的客户。整體留存率會完全掩蓋這件事。

要留意的三種模式

有了同類羣組表之後,你要找的是三種特定的模式。每一種都指向不同的問題,需要不同的解法。

早期急遽下滑:如果第 0 個月到第 1 個月的留存率持續低於 50%,代表你有新手引導(onboarding)的問題。客户註冊了,卻沒有很快體會到價值,因此留不住。這是早期 SaaS 最常見、也最容易改善的模式——更好的新手引導、更快讓客户體驗到價值,以及更主動的早期互動,都有幫助。

所有羣組一致下滑:如果所有羣組的留存率都以相同的速度逐月下降,代表你有產品價值的問題。客户試用了產品,起初有些人留下,但缺乏足夠的持續價值讓他們保持投入。再怎麼改善新手引導也無法解決——產品本身必須提供更多讓人回來的理由。

趨於平緩的「微笑」曲線:最好的留存曲線會在初期下降之後趨於平緩。撐過前兩、三個月的客户往往會留下來。目標是讓盡可能多的客户走到這個轉折點。如果你的曲線始終沒有趨於平緩——也就是第 6 個月的留存率仍以和第 1 個月相同的速度下降——就代表你沒有穩定的留存客羣,而以該羣組為基礎計算的 LTV 會造成誤導。

同類羣組表中最重要的數字,不是第 6 個月的百分比,而是第 0 個月到第 2 個月之間的斜率。大多數客户就是在這裏流失,也是大多數介入措施最能發揮槓桿作用的地方。

區隔同類羣組:真正的洞察所在

當你依獲客管道、定價方案、客户規模或地區來區隔同類羣組時,同類羣組分析才真正發揮威力。一張顯示整體三個月留存率為 60% 的表,可能揭露自然搜尋來的客户留存率是 75%,而付費社羣廣告來的客户只有 40%。光是這一項洞察,就會改變整個行銷預算分配的討論。

先從獲客管道區隔開始

價值最高的第一個區隔,幾乎總是獲客管道。透過推薦、內容或自然搜尋找到你的客户,留存率通常明顯高於透過大範圍付費活動取得的客户。如果你的同類羣組資料呈現這種模式——通常確實如此——那麼即使付費獲客的單次獲客成本看起來比較便宜,也仍值得投資內容和推薦計畫。在把留存納入模型之前,CAC 看起來都很便宜。

同類羣組表持續下滑時該怎麼做

如果最近的羣組留存表現比舊的羣組差,這是急迫的警訊。這代表你的產品、獲客或新手引導出了問題——而且是最近才變差的。檢查有什麼改變。你是否開了新的獲客管道,帶來較不合適的客户?是否推出了打亂既有工作流程的功能?是否調整了定價,吸引到不合適的客户?

改善同類羣組留存,幾乎總是先屬於產品與新手引導的問題,其次才是行銷問題。有效的介入順序通常是:首先,找出留存客户在前兩週會做、而流失客户不會做的行為。接着,重新設計新手引導,讓這些行為更早發生。然後,利用早期行為作為訊號,找出高風險客户,在他們流失之前而不是之後進行介入。

倖存者偏差問題

存續時間長的羣組看起來很亮眼,因為留下來的客户,依定義就是最滿意、也最合適的客户。當你查看已有兩年歷史的羣組在第 24 個月的留存率時,看到的是一羣已被流失大幅篩選過的族羣。不要把長期留存客户的行為,當成新客户行為的範本——他們是被篩選過的樣本,不具代表性。

FL
FabricLoop 如何支援這一點

同類羣組分析要持續檢視才最有用,而不是跑一次就忘了。在 FabricLoop 中,產品與成長團隊通常會在共用羣組中維護每月筆記,附上更新的同類羣組快照——以最新資料更新的表格、一段説明什麼變動及原因的解讀,以及針對高風險羣組正在測試的介入措施任務清單。當分析與回應分析的任務放在一起時,洞察與行動之間的落差會大幅縮小。


重點整理
01
整體留存率會掩蓋左右策略的差異。單一的整體留存率可能掩蓋正在改善的羣組、正在下滑的羣組,或各區隔之間的巨大差異——沒有同類羣組拆解,這些都看不見。
02
同類羣組留存表追蹤在同一時間開始的客户羣,顯示他們在之後每個月仍保持活躍的百分比。第 0 個月一定是 100%;每一列的數字則揭示該羣組的衰減曲線。
03
同類羣組表中最重要的斜率是第 0 個月到第 2 個月。大多數客户在這裏流失,產品與新手引導的介入措施也最能在此發揮槓桿作用。早期急遽下滑,代表新手引導出了問題。
04
在初期下降後趨於平緩的「微笑曲線」是健康的徵兆——撐過前幾個月的客户往往會留下來。如果留存率始終沒有趨於平緩,代表沒有穩定的留存客羣,LTV 的計算會高估未來營收。
05
所有羣組都以相同速度持續下滑,是產品價值的問題,而不是新手引導的問題。改進註冊流程無法解決——產品需要提供更多讓人持續回來的理由。
06
依獲客管道區隔同類羣組,幾乎總能得到最可行動的洞察。推薦與自然流量來的客户,留存率通常遠高於付費獲客的客户——這項事實會改變每一個管道預算分配決策背後的經濟效益。
07
如果最近的羣組留存比舊的羣組差,代表有些地方改變了——新的獲客管道、產品變更、定價調整。先診斷原因,再投入資源修復。解決方法完全取決於下滑是從哪裏開始的。
08
要改善同類羣組留存,先找出留存客户在前兩週會做、而流失客户不會做的行為。接着重新設計新手引導,讓這些行為更早而非更晚發生。
09
分析存續時間長的羣組時,要小心倖存者偏差。兩年後仍與你同在的客户,是經過大幅篩選的樣本——不要把他們的行為,當作新客户在沒有介入下會怎麼做的範本。
10
每月進行同類羣組分析,並在資料旁維護書面解讀。解讀——發生了什麼改變、為什麼、正在採取什麼行動——比表格本身更有價值。沒有敍事的數字,不會促成決策。