Retention, удержание, — это доля пользователей или клиентов, которые продолжают пользоваться продуктом или возвращаются к нему через определенный промежуток времени после первого визита или покупки. Если из 1000 человек, установивших приложение в понедельник, через неделю его открыли 250, недельный retention равен 25%.
Метрика отвечает на вопрос, который не видно по общему числу пользователей: удерживает ли продукт людей после первого знакомства или те приходят один раз и не возвращаются. Компания может тратить бюджет на привлечение новых клиентов сколько угодно, но если retention низкий, аудитория утекает почти так же быстро, как приходит, и рост числа пользователей не превращается в рост бизнеса.
Как считают retention
Базовая формула простая: делят число пользователей, которые вернулись через заданный период, на число пользователей, которые начали пользоваться продуктом в стартовый день. Период выбирают исходя из логики продукта: для мобильной игры смотрят retention на 1, 7 и 30 день после установки, а для B2B-сервиса с подпиской retention считают через месяц, квартал и год после подключения.
Retention всегда считают по когортам: группам пользователей, которые начали пользоваться продуктом в одну и ту же единицу времени. Смешивать в одном расчете тех, кто пришел в январе, и тех, кто пришел в марте, некорректно: изменения в продукте между этими датами исказят цифру. Подробнее это устроено в статье про когортный анализ.
Retention и отток
Отток (churn) — это обратная сторона retention: доля клиентов, которые перестали пользоваться продуктом за период. Если retention за месяц равен 82%, churn за тот же месяц составляет 18%. Компании чаще следят за retention, когда хотят подчеркнуть рост удержания, и за churn, когда ищут проблемные сегменты клиентов: обе метрики описывают одно и то же явление с разных сторон.
Для подписочных сервисов churn напрямую влияет на выручку: если каждый месяц уходит 5% клиентов, компании нужно постоянно находить новых клиентов сверх этого числа только для того, чтобы удержать выручку на месте, не говоря уже о росте.
Пример: сервис для малого бизнеса
Сервис учета финансов для малого бизнеса заметил, что retention на 30 день держится на уровне 34%, хотя установок в месяц становилось все больше. Команда разбила пользователей по когортам и увидела: те, кто в первую неделю подключил интеграцию с банком, оставались в сервисе почти в три раза чаще тех, кто ограничился ручным вводом операций.
После того как онбординг начал явно предлагать подключить банк уже на второй день использования, retention на 30 день для новых когорт вырос до 51% за три месяца. Метрика показала не только проблему, но и конкретное действие пользователя, которое стоило продвигать в первую очередь, вместо того чтобы наращивать рекламный бюджет на привлечение новых установок.
Что влияет на retention
Первое впечатление от продукта — это самый сильный фактор: если пользователь не понимает ценность продукта в первые минуты, он уходит и не возвращается даже при хорошем продукте в целом. Регулярность пользы тоже играет роль: продукты с ежедневным сценарием использования, например мессенджеры, держат высокий retention естественно, а продукты с редким сценарием, например сервис бронирования отелей, требуют других приемов удержания: email-напоминаний, программ лояльности, персональных предложений.
Стоимость переключения на конкурента влияет так же сильно: если у клиента в сервисе накоплена история заказов, настроенные интеграции или бонусные баллы, ему сложнее уйти, даже если конкурент предлагает похожий продукт. Этим объясняется, почему многие сервисы вкладываются в удобный импорт данных клиента при регистрации: чем быстрее человек перенесет свою историю, тем выше его личная стоимость переключения обратно.
Качество поддержки тоже держит клиента дольше, особенно в первые недели использования. Если у пользователя возникла проблема и он быстро получил решение, доверие к продукту растет, а не падает: неполадка, которую быстро закрыли, часто убеждает сильнее, чем безупречная работа сервиса без единого обращения в поддержку.
Типичные ошибки
- Смотрят на средний retention по всем пользователям сразу. Без разбивки по когортам и источникам привлечения непонятно, какая аудитория держится в продукте, а какая уходит: усредненная цифра прячет проблему.
- Путают retention с частотой открытия приложения в день установки. Пользователь, который активно кликает в первый день из любопытства, а потом не возвращается, — это низкий retention, даже если день установки выглядит активным.
- Работают только над привлечением новых клиентов при низком retention. Приток новых пользователей в дырявую воронку удержания увеличивает расходы на маркетинг без роста реальной аудитории.
- Не разделяют retention по каналам привлечения. Пользователи из разных рекламных каналов часто удерживаются по-разному: канал с дешевой стоимостью привлечения может давать самый низкий retention и в итоге обходиться дороже.
Частые вопросы
Какой retention считается нормальным? Сильно зависит от типа продукта: у мобильных игр 30-дневный retention в 10–15% часто в порядке вещей, у B2B-сервисов с подпиской нормальным считают 80% и выше в месяц. Ориентироваться стоит на динамику своего продукта, а не на цифры из чужой ниши.
Как retention связан с LTV? Чем дольше клиент остается с продуктом, тем больше денег он приносит за все время использования, поэтому рост retention почти всегда напрямую увеличивает LTV.
Что делать, если retention падает после обновления продукта? Сравнить когорты до и после обновления по конкретным шагам использования продукта, а не по общей цифре: так обычно видно, какое именно изменение оттолкнуло пользователей.
За какой период стоит замерять retention впервые? Для большинства продуктов достаточно недельного и месячного среза: недельный показывает, зацепил ли продукт с первого раза, а месячный показывает, стал ли он частью регулярной привычки пользователя.
Удержание тесно связано с активной аудиторией продукта: метрика MAU показывает размер этой аудитории в моменте, а retention показывает, насколько стабильно она возвращается со временем. Настроить когортную аналитику и найти точки оттока клиентов помогает аналитика marcomhub.