Что такое retention rate?

Retention rate (удержание, ретеншен) — доля пользователей или клиентов когорты, которые к выбранному моменту всё ещё активны или снова совершили целевое действие. Метрика отвечает на вопрос «кто остался». Парная к churn rate («кто ушёл»). При одном определении активности и одной базе:

retention rate = 1 − churn rate

Если знаменатели разные (календарная база vs когорта установок, «платил» vs «открыл приложение»), равенство не выполняется. Тогда пишут обе метрики явно, а не выводят одну из другой.

Формула по клиентской базе за период:

Retention rate = Оставшиеся к концу периода ÷ Клиенты на начало периода

Новых, пришедших внутри периода, в знаменатель стартовой базы не добавляют — иначе удержание «растёт» от притока. Для продукта с разовыми покупками «оставшийся» задают правилом: повторный заказ в окне N дней, активная подписка, визит. Без правила retention не определён.

Когорта, не «все живые в этом месяце»

Корректный retention почти всегда когортный: фиксируют дату старта (установка, первый заказ, FTD, старт триала) и смотрят долю этой группы в день N или в календарном месяце M. Это и есть предмет когортного анализа: кривая, а не одно число по всей базе.

Календарный retention («из тех, кто был активен в январе, кто пришёл в феврале») смешивает старичков и новичков и плохо годится для решения о закупке. Байеру нужно: когорта с канала A на D7 / на 30-й день vs канала B, при сопоставимом CAC.

Связь с LTV:

LTV ≈ Σ (ARPU периода t × retention когорты к t)

(плюс маржа, минус refunds). Без кривой удержания LTV — либо day-0 чек, либо фантазия. Рост retention на ранних днях часто сильнее двигает LTV, чем тот же процент на хвосте: там уже мало людей.

D1, D7, D30 — сечения одной кривой

В приложениях и части web-продуктов удержание читают по дням жизни когорты. Это секции отчёта, не отдельные сущности и не повод плодить slug.

• D1 (Day 1) — доля когорты дня 0, которая вернулась на следующий календарный день (или в первые 24 часа — правило фиксируют). Сигнал онбординга, mismatch креатива и продукта, incent и низкого качества установки. Низкий D1 редко чинится медиамиксом, если store listing и первый сеанс те же.
• D7 — неделя: привычка или «мобильный мусор» после первой сессии. Для игр и utilities D7 — рабочий прокси качества трафика до того, как дозреет revenue. Сравнивают D7 при одном определении «открыл / событие X», не «открыл» vs «задонатил».
• D30 — месяц: грубый фильтр product-market fit и GEO. Для подписки важнее trial-to-paid и billing retention, чем D30 session.

Между точками считают rolling: D3, D14, W1, M1. Формула та же: активные на отметке ÷ размер когорты на старте. Uninstall к D7 — не то же самое, что «не открыл на D7»: второе обычно ниже и ближе к тому, что видит аналитика сессий.

Не путать D1 с bounce rate: bounce — одностраничная сессия визита, D1 — возврат на следующие сутки.

Retention и churn — как не разъехаться

Churn rate на той же когорте и том же правиле «активен»:

Churn rate = 1 − retention rate

Пример: когорта 2 000 установок, на D7 активны 280 → retention 14%, churn (как ярлык к этой точке) 86%. Это не 86% отмен платящей SaaS-базы за неделю. Для подписки считают отдельно: billing retention = доли, у которых списание прошло / кто дошёл до ребилла.

Logo retention и revenue retention расходятся так же, как logo и revenue churn: киты остаются — revenue retention выше; все остаются на младшем тарифе — наоборот. Net revenue retention может быть >100% при ненулевом logo churn за счёт expansion.

В e-commerce «D30 retention» без определения заказа в окне пустой: задают repeat purchase rate когорты первого заказа. Это удержание покупателя, не сессии.

Практика в UA и партнёрке

CPI и in-app: сети и MMP отдают D1/D7 в разрезе кампании. Скейлят не сырой IPM, а когорты, у которых D7 и event-retention держат целевой LTV. Incent и rewarded часто дают установку и убивают D1 — это видно в когорте, не в кабинете по yesterday installs.

Подписки и rebill: retention — доля, дошедшая до 2-го, 3-го списания. Day-0 CPA при падающем billing retention раздувает CAC на реально живущего клиента. Гибрид CPA + revshare частично выравнивает интересы, но кривую всё равно считают.

Реклама может поднимать приток и одновременно портить удержание (широкий интерес, другой GEO, креатив обещает то, чего нет на лендинге). Тогда инкрементальность заказов на старте не отменяет дырявый LTV. Обратное: бренд-охват слабо двигает D1, но позже поднимает повтор — это уже не читается в оконном CPA.

Ограничения

Окно атрибуции и privacy (ATT, SKAN) режут видимость возвратов с того же пальца, с которого купили установку. Сравнение D7 iOS и Android без оговорки — ошибка. Разные аналитики по-разному режут сутки (календарь vs 24h) — расхождение в пунктах на D1 нормально, на D30 меньше.

Бенчмарки «D1 = 40%» без жанра, GEO и определения события бесполезны. Retention не заменяет маржу: удерживать убыточный тариф — растить отрицательный LTV.

Удержание описывает жизнь когорты. Решение о масштабе закрывают LTV > CAC с запасом и, при споре «эти люди и так вернулись бы», incrementality — не один D7 в слайде.

См. также: churn rate, LTV, когортный анализ, CAC, ARPU, rebill, e-commerce вертикаль, инкрементальность