在互联网行业中，用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户，被认作是留存用户。这部分用户占当时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。顾名思义，留存指的就是“有多少用户留下来了”。App的用户留存率越高，意味着用户使用产品的时间越长，他们能够为产品带来现金流和资本估值也就越高。留存用户和留存率体现了应用的质量和保留用户的能力。
留存分析三种类型：
1、新增留存：采样时间范围内的新激活的设备／账号，在跟踪时间范围内，激活后第N日（周／月）的有登录行为的设备/账号数。（N为日，对应1，2，3，4，5，6，7，14，30；N为周，最多8周，N为月，最多3月）。
2、活跃留存：采样时间范围内的活跃的设备／账号，在跟踪时间范围内，活跃后第N日（周／月）的有登录行为的设备/账号数。（N为日，对应1，2，3，4，5，6，7，14，30；N为周，最多8周，N为月，最多3月）。
3、自定义留存：采样时间范围内的采样事件的设备/账号，在跟踪时间范围内，发生事件后第N日（周／月）的回访事件发生的设备/账号数。（N为日，对应1，2，3，4，5，6，7，14，30；N为周，最多8周，N为月，最多3月）。
随着流量红利的消失，互联网获客成本不断增加，对促销活动的留存分析可以有针对性地选择促销渠道，有效降低获客成本，提高投放转化率。
在热云数据TrackingIO留存分析功能中 ，可以根据需求，选择留存类型（新增留存/活跃留存/自定义留存），自定义留存可以选择不同初始行为和回访行为，并可在人口维度和来源维度对初始和回访行为做出筛选，以达到不同层面对比分析目的，全方位的分析产品新增留存数据，满足不同场景下的不同统计需求。直观的了解到用户在产品中的行为路径，及时优化产品功能，比如电商APP中，数据显示大部分用户在加入购物车后没有后续的行为，那么我们就要找到流失的原因，简化产品支付功能的设置，让用户更便捷地完成下单过程，提高用户留存率和转化率。
对于电商，如果新用户在首次购买的2个月内有连续的购买行为的话，保证新用户进来后前2个月的培养，是保证留存的关键。此时我们需要分析APP每个功能的用户行为数据，对用户留存率较低的功能着重分析，及时调整，最大限度的提升留存度。
产品的日活/周活表现受到当前促销活动等的影响，并不能完全反映产品的实际活跃使用人数。开展了促销活动，产品日活数量看似在增长，但在流失率不确定的前提下，不能说用户在不断增长，这就需要留存分析来鉴别。
TrackingIO留存分析功能提供采样时间分析，针对特定时间范围内，查看分析用户留存情况。在采样时间范围内，按设备查看，留存趋势无增长，实际新增用户为1人（初始事件为登陆），该用户在1日后/2日后/3日后/4日后/5日后/6日后/7日后/14日后/30日后未发生回访事件为活跃的行为，点击留存概况中的“整体”，可查看采样时间内每天新增用户的留存情况。
电商APP在拉新过程中，在不同区域采用了多种促销活动来拉新，需要了解具体区域/活动的用户留存情况以及哪个区域哪些活动效果比较好。那么就需要自定义留存，选择初始事件为注册，回访事件为活跃，筛选想要查看的促销活动名称和地域，即可得到该活动在某地的用户留存具体情况，帮助运营和产品部门了解新用户的行为，优化产品功能，同时提升用户留存。