访客留存率或注册用户留存率要怎么统计，很多朋友都在纠结这个问题。这个复合指标虽然有着一个较明确的定义，但因为不同的业务关注的留存的时间段有着较大差异，市面上的网站分析工具中大都没有提供现成的留存率指标。不过，灵活应用好手上的分析工具，还是可以把用户留存率的数据统计出来的，对于GA以前的版本，可以使用自定义变量的方法对注册或初次访问的用户作基于访客级别的标识，从而把他们细分出来进行计算和分析，具体的设置方法可参考：
http://viget.com/advance/track-visitor-retention-more-deeply-in-google-analytics
而在前一段时间 Google Analytics发布了基于用户的高级细分功能后，用户的留存率的分析就变得简单多了。下边将简单介绍一下如何使用Google Analytics计算用户留存率，在具体介绍计算方法前建议可以先了解一下留存率的定义与计算方法。
注：下边这部分内容主要来自百度百科，这里更新了修改了一些内容使意思表达得更加清楚。
用户留存率
在互联网行业中，用户在某段时间内开始使用应用或访问网站，经过一段时间后，仍然继会续使用应用或会回访网站的被认作是留存；这部分用户占定义的时间段的新增用户的比例即是留存率，会按照每隔 1单位时间（例日、周、月）来进行统计。简单来说，留存指的就是“有多少用户留下来了”。留存用户和留存率体现了应用或网站的质量和保留用户的能力。
留存率计算公式
留存率=登陆用户数/新增用户数*100%
新增用户数：在当前时间段新注册（或新访问）的用户数；
登录用户数：在统计的时间段至少登录过一次的用户数；
次日留存率：在次日至少登录过一次的用户数/当天新增的用户数；
3日留存率：在往后3天内至少登录过一次的用户数/当天新增的用户数；
7日留存率：在往后7天内至少登录过一次的用户数/当天新增的用户数；
15日留存数：当天新增的用户数，在往后7天内至少登录过一次的用户，在往后第8天到第14天内至少再登陆过一次的用户数
使用Google Analytics统计留存率
具体的计算访问将通过以下案例进行说明。比如我们的关注点是，9月份在网站上注册了帐号的用户，在10月份还有多少人回访了网站，回访的用户比例是多少。
1. 建议一个细分群组：在9月份注册了帐号的用户
设置条件：事件类别为Register，事件发生的时间段为9月份。需要留意的是这里设置的过滤条件是基于用户的而不是基于会话的。
注：你需要对注册的行为进行跟踪，这里设置的是注册事件的跟踪并应用于过滤。或者可以使用注册跳转页面或注册目标作为条件设置过滤器。
2. 选择好对比的时间段：10月 VS 9月
当然你直接把两个时间段分开来查看也行，对比的方法可以一次性地展示更多数据。
3. 进入“受众群体”概览报告即可看到以下数据。
报告显示，9月份有92个用户注册了帐号了，但在10月份仅有9个注册用户回访问了网站，虽然这少数几个用户访问了较多的页面（75个），但他们在9月份所有的注册用户中占比并不大，如果就这个案例来说，这个比例并不足10% （9/92）。
注：因为关注的时间段不同，所以案例中取数计算的时间段也有所不同，不同的网站应根据自身的情况选择合适的计算方案。
另外，如果你只是想查看9月份第一次访问了你的网站的访客在后续的时间段是否还有回访及转化，可以直接使用“第一次访问的日期”作为过滤器的筛选条件，把时间段输入后直接查看即可。过滤条件设置如下图所示：
留存率的作用
互联网时代，无论是网站还是新兴的手机APP或传统的软件程序，也不管付费与否，都需要保持用户的活跃度，一旦用户 的活跃度下降，就意味着用户的离开或流失。基于此，“留存”的概念就可以用来分析应用或者网站的效果，是否能够留住用户。因此，留存率反映的实际上是一种 转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程，随着这个留存率统计过程的不断延展，就能看到不同时期的用户的变化情况。 之所以是这样，是因为留存是以研究新登用户为目标对象的，即研究某一个时间点的一批用户在随后的几天、几周、几个月的时间内的生命周期情况，从宏观上把握 用户的生命周期长度以及我们可以改善的余地。
因此这里就引申出一个问题，我们为什么要研究的是新登用户？如刚才所说的，我们要宏观观察用户 的生命进程情况，那么我们最佳的办法就是从用户导入期就开始，所谓导入期就是用户注册或初次访问，这个地方我们的分析其实大有作为的，因为用户进入网站或 注册时来源于不同的渠道，把渠道的数据与留存率数据关联起来，就能够完整地衡量各个渠道的质量。 一般来说留存率这类指标是需要长期持续跟踪的，且要根据版本更新，推广等诸多因素结合起来分析，试图去找到用户的最佳生命周期并制定相应的策略提升网站或程序的质量。