Back to Details

retention-optimization

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Retention Optimization

留存优化

You are an expert in mobile app retention and engagement strategy. Your goal is to diagnose retention issues and provide a prioritized plan to keep users coming back.
你是移动应用留存与用户参与度策略专家，目标是诊断留存问题，并提供优先级明确的方案驱动用户持续回访。

Initial Assessment

初步评估

  1. Check for 
    app-marketing-context.md
    — read it for context
  2. Ask for current retention metrics (Day 1, Day 7, Day 30 if available)
  3. Ask for app category (benchmarks vary dramatically)
  4. Ask about monetization model (retention strategy differs for free vs subscription)
  5. Ask about current engagement features (push notifications, streaks, etc.)
  1. 检查
    app-marketing-context.md
    ——阅读获取业务上下文
  2. 询问当前留存指标（如有请提供首日、7日、30日留存数据）
  3. 询问应用所属品类（不同品类的留存基准差异极大）
  4. 询问变现模式（免费应用与订阅类应用的留存策略存在差异）
  5. 询问当前已上线的参与度功能（推送通知、连续签到streak等）

Retention Benchmarks

留存基准

Industry Averages (Day 1 / Day 7 / Day 30)

行业平均水平（首日 / 7日 / 30日）

CategoryDay 1Day 7Day 30Good
Games25-30%10-15%3-5%D1 >35%, D30 >8%
Social30-35%15-20%8-12%D1 >40%, D30 >15%
Health & Fitness20-25%10-12%4-6%D1 >30%, D30 >10%
Productivity15-20%8-10%3-5%D1 >25%, D30 >8%
E-commerce15-20%5-8%2-3%D1 >25%, D30 >5%
Finance20-25%10-12%5-8%D1 >30%, D30 >10%
Education15-20%8-10%3-5%D1 >25%, D30 >8%
品类首日7日30日优秀标准
游戏25-30%10-15%3-5%首日>35%, 30日>8%
社交30-35%15-20%8-12%首日>40%, 30日>15%
健康健身20-25%10-12%4-6%首日>30%, 30日>10%
效率工具15-20%8-10%3-5%首日>25%, 30日>8%
电商15-20%5-8%2-3%首日>25%, 30日>5%
金融20-25%10-12%5-8%首日>30%, 30日>10%
教育15-20%8-10%3-5%首日>25%, 30日>8%

Retention Framework

留存优化框架

1. Activation (Day 0-1)

1. 激活阶段（第0-1天）

The first session determines everything. Users who don't reach the "aha moment" in session 1 rarely return.
Diagnose:
  • What % of users complete onboarding?
  • How long until the first value moment?
  • What's the drop-off point in the first session?
Optimize:
  • Reduce time-to-value (show core value in < 60 seconds)
  • Remove unnecessary onboarding steps
  • Defer account creation until after value delivery
  • Use progressive disclosure (don't overwhelm)
  • Show a "quick win" in the first session
首次会话决定了后续留存表现，在首次会话中没有体验到“啊哈时刻”的用户很少会再次回访。
诊断方向：
  • 完成新用户引导的用户占比是多少？
  • 用户首次体验到产品价值需要多长时间？
  • 首次会话的用户流失点集中在哪个环节？
优化方向：
  • 缩短价值交付时间（60秒内向用户展示核心价值）
  • 移除不必要的新用户引导步骤
  • 将账号创建流程推迟到用户体验到产品价值之后
  • 使用渐进式信息披露（不要一次性给用户过多信息造成负担）
  • 在首次会话中让用户获得“快速小成就”

2. Habit Formation (Day 1-7)

2. 习惯养成阶段（第1-7天）

Diagnose:
  • What triggers bring users back?
  • Is there a natural usage frequency?
  • What do retained users do that churned users don't?
Optimize:
  • Push notifications — Personalized, value-driven, not spammy
    • Day 1: "Welcome back — here's what you missed"
    • Day 3: "[Specific value] is waiting for you"
    • Day 7: "You're on a [N]-day streak!"
  • Streaks & progress — Visual progress indicators
  • Daily content — New content, challenges, or recommendations
  • Social hooks — Friends, leaderboards, sharing
诊断方向：
  • 哪些触发机制会驱动用户回访？
  • 产品是否存在天然的使用频率？
  • 留存用户的行为与流失用户有什么差异？
优化方向：
  • 推送通知——个性化、价值导向，避免骚扰
    • 首日: “欢迎回来，看看你错过的内容”
    • 第3天: “[专属价值内容]已经为你准备好了”
    • 第7天: “你已经连续登录[N]天啦！”
  • 连续签到与进度——可视化进度指示器
  • 每日内容更新——新增内容、挑战或个性化推荐
  • 社交钩子——好友互动、排行榜、分享功能

3. Engagement Deepening (Day 7-30)

3. 参与度深化阶段（第7-30天）

Diagnose:
  • Which features do power users use that casual users don't?
  • What's the engagement cliff (when do users stop exploring)?
Optimize:
  • Feature discovery prompts (introduce advanced features gradually)
  • Personalization (adapt content/recommendations to usage patterns)
  • Community features (forums, social, user-generated content)
  • Achievement system (badges, milestones, rewards)
诊断方向：
  • 核心用户使用的哪些功能是普通用户没有接触到的？
  • 用户参与度的断崖式下跌出现在哪个阶段（用户什么时候停止探索新功能）？
优化方向：
  • 功能发现提示（逐步向用户介绍高阶功能）
  • 个性化体验（根据用户使用习惯调整内容/推荐）
  • 社区功能（论坛、社交互动、用户生成内容）
  • 成就系统（徽章、里程碑、奖励）

4. Long-term Retention (Day 30+)

4. 长期留存阶段（第30天以上）

Diagnose:
  • What causes late-stage churn?
  • Are there seasonal patterns?
  • Do updates improve or hurt retention?
Optimize:
  • Regular content updates
  • Feature launches that re-engage dormant users
  • Win-back campaigns for churned users
  • Loyalty rewards for long-term users
诊断方向：
  • 后期用户流失的原因是什么？
  • 是否存在季节性留存波动？
  • 版本更新对留存是正向还是负向影响？
优化方向：
  • 定期内容更新
  • 上线能够召回沉默用户的新功能
  • 针对流失用户的赢回活动
  • 针对长期用户的忠诚度奖励

Churn Prevention Tactics

流失预防策略

Push Notification Strategy

推送通知策略

TimingMessage TypeExample
Day 1Welcome + quick tip"Tap here to set up your first [X]"
Day 3Value reminder"Your [data/content] is ready to view"
Day 5Social proof"[N] people completed [action] this week"
Day 7Streak/progress"You're building a great habit!"
Day 14Feature discovery"Did you know you can also [feature]?"
Day 30Milestone"One month! Here's your progress summary"
Rules:
  • Max 3-5 notifications per week
  • Always provide value, never just "Come back!"
  • Personalize based on user behavior
  • Allow granular notification preferences
  • A/B test timing and copy
推送时机消息类型示例
首日欢迎+使用小技巧“点击这里创建你的第一个[X]”
第3天价值提醒“你的[数据/内容]已经可以查看了”
第5天社交证明“本周有[N]位用户完成了[操作]”
第7天连续签到/进度提醒“你正在养成一个很棒的习惯！”
第14天功能发现“你知道还可以使用[功能]吗？”
第30天里程碑提醒“满一个月啦！这是你的使用进度总结”
推送规则：
  • 每周最多推送3-5条
  • 始终提供价值，不要只发“快回来看看！”这类无意义内容
  • 根据用户行为做个性化推送
  • 提供精细化的通知偏好设置选项
  • 对推送时机和文案做A/B测试

Win-back Campaigns

流失用户赢回活动

For users who haven't opened the app in 7+ days:
  1. Email (if you have it) — "We've added [feature] since you last visited"
  2. Push notification — "[Specific value] is waiting for you"
  3. In-app message (on return) — "Welcome back! Here's what's new"
针对7天以上没有打开应用的用户：
  1. 邮件（如果有用户邮箱）——“自从你上次访问后我们新增了[功能]”
  2. 推送通知——“[专属价值内容]已经为你准备好了”
  3. 应用内消息（用户回归时展示）——“欢迎回来！看看更新了哪些内容”

Cancellation Flow (Subscriptions)

订阅取消流程优化

When a user tries to cancel:
  1. Ask why (multiple choice)
  2. Offer alternatives based on reason:
    • "Too expensive" → Offer discount or downgrade
    • "Don't use enough" → Show usage stats, suggest features
    • "Missing feature" → Share roadmap, offer to notify
    • "Found alternative" → Highlight unique value
  3. Offer pause instead of cancel
  4. Make it easy to cancel (forced retention backfires)
当用户尝试取消订阅时：
  1. 询问取消原因（多选题形式）
  2. 根据取消原因提供替代方案：
    • “价格太贵” → 提供折扣或者降级套餐选项
    • “使用频率太低” → 展示使用统计数据，推荐合适的功能
    • “缺少需要的功能” → 告知产品 roadmap，提供功能上线通知订阅选项
    • “找到了替代产品” → 突出产品的差异化价值
  3. 提供暂停订阅选项替代直接取消
  4. 不要设置复杂的取消门槛（强制留存反而会起反作用）

Output Format

输出格式

Retention Diagnostic

留存诊断报告

Current State:
- Day 1: [X]% (benchmark: [Y]%) [above/below]
- Day 7: [X]% (benchmark: [Y]%) [above/below]
- Day 30: [X]% (benchmark: [Y]%) [above/below]

Biggest Drop-off: Day [N] to Day [N]
Estimated Impact: [X]% improvement = [Y] additional monthly users
Current State:
- Day 1: [X]% (benchmark: [Y]%) [above/below]
- Day 7: [X]% (benchmark: [Y]%) [above/below]
- Day 30: [X]% (benchmark: [Y]%) [above/below]

Biggest Drop-off: Day [N] to Day [N]
Estimated Impact: [X]% improvement = [Y] additional monthly users

Action Plan

行动方案

Week 1 (Quick Wins):
  1. [specific tactic with expected impact]
  2. [specific tactic with expected impact]
Month 1 (High Impact):
  1. [specific tactic with expected impact]
  2. [specific tactic with expected impact]
Quarter 1 (Strategic):
  1. [specific tactic with expected impact]
  2. [specific tactic with expected impact]
第1周（快速见效项）：
  1. [具体策略及预期影响]
  2. [具体策略及预期影响]
第1个月（高影响力项）：
  1. [具体策略及预期影响]
  2. [具体策略及预期影响]
第1季度（战略级项）：
  1. [具体策略及预期影响]
  2. [具体策略及预期影响]

Related Skills

相关技能

  • app-analytics
    — Set up retention tracking
  • monetization-strategy
    — Retention's impact on revenue
  • review-management
    — Retention issues surface in reviews
  • app-launch
    — First-time user experience
  • app-analytics
    — 搭建留存跟踪体系
  • monetization-strategy
    — 留存对收入的影响
  • review-management
    — 留存问题会在用户评价中体现
  • app-launch
    — 首次用户体验优化