数据分析帮助我们更清晰的了解用户、认识现状、找到突破，可以说数据分析是指导业务发展的“明灯”，然而，评估和衡量的时候，要通过多个维度的复合指标去分析，“尽信数据不如无数据”，过分的迷信单一数据指标，有可能会陷入数据的死角。
比如，留存率高就一切美好么?
以往客户更多的关注用户留存的情况，但是留存率高并不完全能体现用户对产品的依赖性。伴随2.0上线，诸葛io推出了“粘性分析”功能，更全面的分析用户的使用情况。
粘性分析顾名思义就是产品或某个功能粘住用户的能力如何。使用粘性分析功能，客户可以了解到指定时段内用户到底有多少天在使用，而非仅仅是次数统计。
对于大多数产品而言，用户「一周内使用了5 次」并不能反映用户对产品的依赖程度，因为这5次可能发生在一个较短的连续时间内，比如用户同一天连续尝试了5次之后，没有兴趣，剩余的几天里，都不再继续使用。但如果是「一周内使用了5天」，情况就完全不同，7天里面有5天都在使用该产品，哪怕是每天只使用一次，也算是比较强的粘性了。
如天气类的产品，最好的状态即是每天打开一次。
粘性分析可以分析整体粘性、功能粘性、粘性趋势以及类似其他功能的不同用户群组粘性对比。
登录诸葛io后，专业版用户在「留存」模块中，切换到「粘性」，即可。
产品整体粘性就是整个产品中，选择「任意事件」，默认将展示近4周来，用户平均每周使用产品的天数分布情况。
如图所示，我们可以看到近四周所有使用产品的人中，使用了2天及以上的占比多少，使用了3天及以上的占比多少，以此类推。
在某一天内，只要用户触发过一次所选择的事件，就计为该用户在该天触发了事件。功能粘性即选择一个代表使用了某功能的事件，即可分析该功能的粘性情况，比如我们选择「看帖」来分析新上线的社区功能的粘性：
说明：在计算各个天数的人数占比情况时，我们会以在所选时间段内触发过该事件的人为基数(第一天为100%)。比如，近四周的活跃人数是200，触发过「看贴」的人是100，其中一周内触发过「看贴」2天以上的是20人，那么在粘性分析中，「看帖」2天以上的人数占比是 ：20 / 100 = 20%。我们不会以活跃人数为基数，若要看在整个活跃用户中使用过某个功能的人数占比，可通过「事件」中的「活跃比」功能实现。
粘性趋势
除了了解整体的粘性情况，用户还可以通过趋势图查看产品或功能的粘性呈一个什么样的趋势变化。
如图所示，可以看到每周触发所选事件2天及以上的人数占比趋势，也可以选择其它天数的人数占比趋势。
用户群对比
有时我们会需要对比两个不同用户群的粘性情况，比如我们想了解一下「投资过的用户」相较于「未投资过的用户」来讲，对「查看股票市场」的依赖程度有什么不同：
如上图，显然投资过的用户粘性更高。
粘性分析如同多了一个维度来衡量用户的活跃情况，配合留存指标一起分析，将更全面的了解用户使用情况。
