对于移动游戏应用来说，用户的留存问题是一个重大的挑战，平均只有10-12%的用户下载七天后仍保持活跃，30天后只有4-5%留存率。为了成长和变现，游戏和应用不仅需要专注于下载，还要延长用户的生命周期。今天小飞带你了解Facebook留存优化功能，助你获得更优质的玩家。
关于留存优化
►定义
留存优化（Retention Optimization）是适用于移动应用广告的优化和定价选项，是一种新优化类型。借助留存率优化，营销人员可以针对更有可能在安装应用后第2天（24-48 小时）或第7天（6-7 天）打开应用的用户进行竞价和投放广告。
-
次日留存优化：
以“安装后第2天的打开应用的用户”为系统学习对象从而进行优化，提升安装后第2天(24-48小时) 的留存率。
-
七日留存优化：
以“安装后第7天的打开应用的用户”为系统学习对象从而进行优化，提升安装后第7天(144-168小时) 的留存率。
留存优化衡量表现
Facebook平台在广告管理工具中提供4个指标，用于衡量安装量营销活动的留存率表现：
►移动应用第2天留存人数
定义：安装应用24-48小时后打开应用的用户数量。
算法：在设备上安装应用24-48小时后打开应用至少一次（例如，由SDK报告的一次应用打开事件）的用户数量。移动应用第2天留存人数统计的是用户数量，而非单个应用打开事件数量。
►移动应用第7天留存人数
定义：安装应用6-7天后打开应用的用户数量。
算法：在设备上安装应用144-168小时后打开应用至少一次（例如，由SDK报告的一次应用打开事件）的用户数量。移动应用第7天留存人数统计的是用户数量，而非单个应用打开事件数量。
►单次移动应用第2天留存费用
定义：每次移动应用第2天留存的平均费用。
算法：总费用除以移动应用第2天留存次数。
►单次移动应用第7天留存费用
定义：每次移动应用第7天留存的平均费用。
算法：总费用除以移动应用第7天留存次数。
衡量留存优化表现的注意事项
官方建议在广告报告中针对留存率优化使用的统计时间窗：
-
以衡量第2天留存人数以及单次第2天留存费用为目的时，使用为期7天的点击统计时间窗；
-
同时衡量第2天和第7天留存人数以及单次第2天和第7天留存费用，使用为期28天的点击统计时间窗；
-
衡量留存率优化表现时，使用为期1天的点击统计时间窗和浏览统计时间窗（包括为期1天、7天和28天的浏览时间窗）会影响您看到的广告成效，因此这个统计时间窗是不建议使用的；
-
账户的归因窗口设置，如果小于所要观测的留存时间，将观测不到数据，Retention的数据比Install的数据要延迟不少，观测数据进行调整时注意多留时间，保证所选的观测时间段尽量超过安装时间的48小时或168小时。
留存优化广告创建流程
Step 1：选择营销目标为“应用安装量”的广告系列；
Step 2：广告组层级—优化与投放—广告投放优化方式选择“留存率”，选择“Day2”或者“Day7”；
Step 3：其他的设置均同以“应用安装量”的广告投放优化方式一致，要在广告管理工具中观测具体成效表现，自定义栏将4个指标调用出来即可看到相应的数据报告。
留存优化广告案例
►射击游戏
项目背景：游戏是属于FPS的动作类游戏，拥有海量3D地图场景，强大的武器阵容，多重经典的玩法，让玩家重燃他们的枪战梦。
客户诉求：当前最大的需求就是提高注册率以及更长时间的留存率，延长游戏生命周期。
具体方式：通过Facebook推出的新产品Retention Optimization，客户继续使用了普通应用安装广告下表现突出的定位，优化方式分别选择了Day2和Day7，为了对比在同一时期普通应用安装广告定位的注册率和留存率，还创建了一组普通应用安装广告的广告组。
优化效果：显著提升注册率，长期留存率。
对比普通应用安装优化广告，留存优化广告：
特别附加说明：
对比当日安装成本，留存优化广告比普通应用安装优化广告高10%。
但是7日以及15日留下用户的成本，留存优化广告比普通应用安装优化广告分别低15%和25%。
Q&A
Q：Facebook广告管理工具中衡量的表现与其他第三方追踪平台有什么差异吗？
A：我们以Appsflyer为例，理论上Facebook广告管理工具中的数据表现对应Appsflyer的Day 1和Day 6的数据，但是统计口径不同，因此数据会有一定差异。
Facebook是按用户实际安装的时间点计算，用户安装后24-48小时有发生Open App的动作则会被算在Day 2 Retention。
Appsflyer则按用户安装时间的UTC日期计算，用户在UTC时间的第二天有发生Open App的动作则会被算在Day 1 Retention。
Q：那一般建议我们看哪个平台的数据来进行相应的广告优化？
A：Facebook的数据比Appsflyer相对更科学。这也是为什么Appsflyer的次留常常会和长留存趋势不一致。
例如，用户A生活在美国西五区，假设他在晚上6点发生安装（UTC晚上11点），在当天晚上7点半（UTC第二天0点半）再次打开App，就会被Appsflyer判定为次留。
对照实际数据发现，如果是美国用户，Facebook的Day 2数据其实跟Appsflyer的Day 2数据是比较一致的。