Метрика Retention (удержание, retention rate) — это показатель, измеряющий долю пользователей или клиентов, которые продолжают использовать продукт, совершать повторные покупки или оставаться активными в течение определенного периода времени после первого взаимодействия .
2.Происхождение и контекст
Метрика получила широкое распространение в цифровых продуктах и подписных сервисах с развитием интернет-бизнеса в 2000-х годах. Retention стал ключевым показателем product-led growth (PLG) и одним из основных индикаторов product-market fit наряду с LTV (пожизненной ценностью клиента) . В современной аналитике удержание считается более важным показателем, чем привлечение, поскольку удержанные клиенты приносят стабильный доход и имеют более низкую стоимость обслуживания .
3.Суть метода простыми словами
Представьте, что в первый день в фитнес-клуб пришло 100 новых посетителей. Через месяц из них продолжает ходить только 20. Retention через месяц составляет 20%. Метрика показывает, насколько продукт "залипателен" и нужен людям: удерживает он их или они отваливаются после первого касания . Если retention низкий, значит, продукт не решает проблему пользователя, и деньги на привлечение тратятся впустую.
4.Как рассчитывается метрика
Процесс расчета retention включает следующие этапы :
Выбор временного интервала: Определяется период для анализа (дни, недели, месяцы) в зависимости от бизнес-модели. Для мобильных приложений обычно считают Day 1, Day 7, Day 30 retention .
Формирование когорт: Пользователи группируются по времени первого действия (дата регистрации, первая покупка, первая установка). Каждая группа — отдельная когорта .
Подсчет активных пользователей: Для каждой когорты подсчитывается количество пользователей, совершивших целевое действие (заход в приложение, покупку, использование функции) в каждый последующий период.
Расчет процента удержания: Количество активных в период N делится на исходный размер когорты и умножается на 100% .
Построение когортной таблицы (retention grid): Результаты представляются в виде таблицы, где строки — когорты, а столбцы — периоды, показывающие динамику удержания каждой группы .
Классическая метрика, показывающая, какая доля пользователей возвращается в продукт через определенное время. Рассчитывается для Days 1, 7, 30, 90.
Формула: Retention (N) = (Пользователи из когорты, активные в день N) / (Все пользователи в когорте) × 100%
2. Rolling Retention (скользящее удержание):
Показывает долю пользователей, вернувшихся в продукт через определенное количество дней (Day 7, Day 30) после регистрации, независимо от того, в какой именно день они вернулись. Более гибкая метрика, не привязанная к конкретному дню.
3. Revenue Retention (финансовое удержание):
Измеряет удержание не пользователей, а дохода от них. Ключевая метрика для SaaS и подписных сервисов.
Gross Revenue Retention (GRR): учитывает только потерю дохода от ушедших клиентов (без учета апсейлов). Показывает, сколько дохода сохраняется от существующей базы .
Net Revenue Retention (NRR): учитывает и потерю дохода, и дополнительный доход от существующих клиентов (апсейлы, кросс-сейлы). Норма NRR выше 100% означает, что доход от существующих клиентов растет даже без привлечения новых .
6.Примеры
Мобильное приложение: 1 января зарегистрировалось 1000 пользователей. 2 января (Day 1) в приложение зашли 300 из них. Retention Day 1 = 30%. 8 января (Day 7) зашли 100 пользователей. Retention Day 7 = 10% .
E-commerce (интернет-магазин): В мае совершили первую покупку 500 клиентов. В июне из них повторно купили 50. Retention Month 1 = 10%. В июле купили 25. Retention Month 2 = 5% .
SaaS-сервис (подписка): В январе подключилось 200 новых платящих клиентов. В феврале осталось 160. Monthly Retention = 80%. Churn (отток) = 20% .
Когортный анализ: В таблице retention видно, что когорта, пришедшая с рекламы в TikTok, на второй месяц показывает удержание 5%, а когорта с органического поиска — 15%. Это сигнал пересмотреть канал привлечения .
7.Области применения
Мобильные приложения и игры: Оценка вовлеченности и "липкости" продукта .
SaaS и подписные сервисы: Расчет оттока и прогнозирование LTV .
E-commerce и ритейл: Анализ повторных покупок и лояльности клиентов .
Банки и финтех: Оценка активности пользователей в мобильных банках .
Медиа и контентные проекты: Измерение возвращаемости аудитории .
8.Преимущества
Прогностическая ценность: Высокий retention — индикатор того, что продукт решает проблему пользователя и будет приносить доход долго .
Диагностика каналов: Позволяет сравнивать качество трафика из разных источников (не все пользователи одинаково ценны) .
Оценка product-market fit: Считается, что retention выходит на плато — признак того, что продукт нашел свою аудиторию .
Управление ресурсами: Помогает понять, куда вкладывать деньги — в удержание существующих или привлечение новых клиентов .
9.Ограничения и недостатки
Зависимость от определения активности: Результат сильно зависит от того, что считать "активностью" (заход, покупка, любое действие) .
Не учитывает глубину использования: Показывает факт возврата, но не говорит, насколько активно пользователь взаимодействует с продуктом .
Сложность интерпретации: Нормальные значения retention сильно различаются для разных отраслей (игры, e-commerce, B2B SaaS) .
Запаздывающий индикатор: Изменения в продукте отражаются на retention с задержкой, требуя времени для сбора данных .
Не учитывает сезонность: Для некоторых продуктов удержание может естественно колебаться в зависимости от времени года .