Retention (удержание, retention rate) — это метрика, показывающая долю пользователей или клиентов, продолжающих использовать продукт или совершать повторные покупки 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) .
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 .
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.
Формирование когорт: Пользователи группируются по времени первого действия (дата регистрации, первая покупка). Каждая группа — отдельная когорта .
Подсчет активных пользователей: Для каждой когорты подсчитывается количество пользователей, совершивших целевое действие (заход в приложение, покупку) в каждый последующий период.
Расчет процента удержания: Количество активных в период N делится на исходный размер когорты и умножается на 100% .
Построение таблицы (retention grid): Результаты представляются в виде таблицы, где строки — когорты, а столбцы — периоды, показывающие динамику удержания каждой группы .
Retention (N) = (Количество пользователей из когорты, активных в период N) / (Общее количество пользователей в когорте) × 100%
Rolling Retention (скользящее удержание):
Считается доля пользователей, вернувшихся в продукт через определенное количество дней (Day 7, Day 30) после регистрации, независимо от того, в какой именно день они вернулись.
Revenue Retention (финансовое удержание):
Gross Revenue Retention (GRR): учитывает только потерю дохода от ушедших клиентов (без учета апсейлов).
Net Revenue Retention (NRR): учитывает и потерю дохода, и дополнительный доход от существующих клиентов (апсейлы, кросс-сейлы) .
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 .
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 .