1.自定义留存含义
在Quick Tracking中使用的是N day 留存，即分析：某一天/周/月触发某个事件的用户，是否在N天/周/月时后触发了某个事件，触发的用户我们记为留存用户。
针对业务目标，可以对用户的留存做更进一步的定义，明确用户的初始事件和回访事件。
初始事件：只有在当日触发过该事件的设备/登录用户，才能参与后续的自定义留存计算。可以通过条件筛选功能设置具体的事件属性及属性值，以此圈定更为细致的用户群体
回访事件：只有用户在触发过回访事件后才会计算为留存用户。可以通过条件筛选功能设置具体的事件属性及属性值，以此设定更严格的回访行为。
注意：用户如果触发多次初始事件和回访事件，当天/周/月只计数一次，即为去重设备/登录用户数。
2.确认留存的统计区间
时间范围限制的是初始行为发生的日期，在Quick Tracking中可以观测用户在初始行为发生的日期后，用户在1,2,...,7天后以及14天后和30天后的留存情况。
举例：假设定义初始行为是 X 事件，回访行为是 Y 事件。在05.01-05.08选定时间范围内，用户小A在5.01发生了X事件，接下来每天发生的事件如下：
则在计算05.01号的留存的时候，用户小A会被统计在2天后、3天后、6天后和7天后的留存用户里。
3.设定留存的条件限制
我们可以用不同的筛选条件对留存进行限制，筛选逻辑如下：
支持按照事件的筛选条件和全局筛选条件对事件进行过滤
全局筛选条件作用于初始和回访事件
如果配置了事件的筛选条件和全局的筛选条件，则筛选条件逻辑为：事件筛选条件 &全局筛选条件
举例：观测具体浙江省的年龄阶段在「18-35」的女性用户对化妆品A再次购买的留存情况。选择初始行为为「支付成功」，后续行为为「支付成功」，可以这样选择筛选条件「省份=浙江 & 年龄段=18-25 & 商品id=化妆品A」
4.对留存进行对比分析
在查询条件中加入分组筛选，对比不同分组值下留存的比较
支持预置属性和全局属性对留存进行分组
分组条件作用于初始和回访事件
如果一个用户在时间范围内满足多个分组条件，会归入多个分组。
5.对留存指标进行解读
初始行为用户数：某一天/周/月发生初始行为用户的去重设备/登录用户数
留存数：指 N 日/周/月后发生了后续行为的去重设备/登录用户数