Retention и churn в мобильном приложении: как считать и повышать

Коротко. Retention — доля пользователей когорты, вернувшихся в приложение на N-й день после установки; churn — доля ушедших. Считайте по когортам: D1, D7, D30, в среднем по рынку это ~25%, ~12% и 3–7%. Главное — не число, а форма кривой: выходит на плато — у продукта есть ценность. Повышают удержание онбординг, стабильность, напоминания и привычка.

Среднее мобильное приложение теряет около трёх четвертей новых пользователей уже к следующему дню после установки. По сводке бенчмарков удержания, которая опирается на данные Adjust, AppsFlyer и Statista, средний retention первого дня (D1) — около 25%, седьмого — около 12%, а к 30-му дню в приложении остаются лишь 3–7% тех, кто его скачал. При этом сами цифры зависят от методики: в документации AppMetrica отдельно объясняется, почему процент вернувшихся считается только для завершённых интервалов и как на результат влияет выбор календарных или 24-часовых дней.

Поэтому retention и churn мобильного приложения важнее числа установок. Привлечение пользователя дорожает с каждым годом, и если продукт его не удерживает, рекламный бюджет льётся в дырявое ведро: каждый следующий месяц приходится заново покупать ту же аудиторию. Удержание напрямую определяет LTV — сколько денег приносит один пользователь за всё время, — а значит, и то, окупится ли маркетинг вообще.

В статье разберём, как считать retention и churn, какие бывают виды удержания, как читать кривую и что считать хорошим показателем, почему пользователи уходят и какие девять способов помогают снизить отток. Это практический разбор, который мы используем в своих проектах: закладывать удержание стоит ещё на этапе разработки мобильных приложений, а не после того, как реклама перестала окупаться.

Что такое retention и churn простыми словами

Retention (удержание) — это доля пользователей, которые вернулись в приложение через определённое время после первого запуска. Если из 100 человек, установивших приложение в понедельник, во вторник его снова открыли 25, retention первого дня равен 25%. Churn (отток) — обратная величина: доля пользователей, которые за период перестали пользоваться продуктом.

Retention и churn — две стороны одной медали. Продуктовые команды чаще говорят об удержании, потому что его удобно разбирать по дням и когортам. Бизнес подписочных сервисов чаще говорит об оттоке, потому что он прямо переводится в потерянную выручку: ушёл подписчик — минус ежемесячный платёж.

Важно понимать, что retention — метрика ценности продукта, а не маркетинга. Реклама может привести в приложение миллион человек, но вернутся только те, кто нашёл в нём решение своей задачи. Поэтому плохое удержание почти никогда не лечится увеличением бюджета на привлечение, а хорошее — делает дешевле любой канал трафика.

Рядом с retention и churn обычно смотрят ещё несколько связанных метрик:

Метрика	Что показывает	На какой вопрос отвечает
Retention (удержание)	Долю пользователей когорты, вернувшихся на день, неделю или месяц N	Возвращаются ли люди после первого знакомства с продуктом?
Churn (отток)	Долю пользователей, ушедших за период	Сколько аудитории и выручки мы теряем каждый месяц?
DAU/MAU (stickiness, «липкость»)	Отношение дневной аудитории к месячной	Как часто активные пользователи заходят в приложение?
LTV (lifetime value)	Доход от одного пользователя за всё время его жизни в продукте	Сколько можно тратить на привлечение одного пользователя?

Если общая картина метрик продукта для вас пока в новинку, начните с обзора аналитики мобильного приложения: там разобраны DAU, CAC, LTV и инструменты сбора данных. Здесь мы сосредоточимся только на удержании и оттоке.

Как считать retention: формула и пример

Классический retention дня N считается как отношение числа пользователей когорты, активных на день N, к размеру когорты, умноженное на 100%. Когорта — это группа пользователей, объединённых общим событием и временем, чаще всего датой установки приложения. День установки обозначают как D0.

Формула классического retention:

Retention Day N = пользователи когорты, активные на день N / размер когорты × 100%

Разберём на примере (цифры условные). 1 сентября приложение установили 2 000 человек — это когорта. На следующий день (D1) из них вернулись 560 человек, на седьмой день (D7) — 260, на тридцатый (D30) — 110. Тогда:

• Retention D1 = 560 / 2 000 × 100% = 28%;
• Retention D7 = 260 / 2 000 × 100% = 13%;
• Retention D30 = 110 / 2 000 × 100% = 5,5%.

Обратите внимание: в знаменателе всегда размер исходной когорты, а не число активных на предыдущий день. Иначе метрика превращается в «удержание от вчерашнего дня» и перестаёт быть сопоставимой между приложениями.

Для подписочных сервисов и периодов (неделя, месяц, квартал) используют другую формулу — она учитывает, что за период приходят новые пользователи:

Retention за период = (активные на конец периода − новые за период) / активные на начало периода × 100%

Например, на 1 октября у сервиса было 10 000 активных подписчиков, за месяц пришли 1 900 новых, а на 31 октября активных стало 10 400. Retention за октябрь = (10 400 − 1 900) / 10 000 × 100% = 85%. Новых вычитаем, потому что иначе приток новичков маскирует уход старых пользователей.

Почему цифры в разных отчётах не совпадают. Retention зависит от методики. В AppMetrica процент вернувшихся считается только для завершённых интервалов, а день можно считать двумя способами: как календарные сутки с 00:00 или как 24-часовые окна от первого входа пользователя. Если в одном отчёте D1 — «следующий календарный день», а в другом — «через 24–48 часов после установки», цифры разойдутся, хотя пользователи одни и те же.

Как считать churn rate

Churn rate — это доля пользователей, ушедших за период, от числа пользователей на начало этого периода. Формула:

Churn rate = ушедшие за период / пользователи на начало периода × 100%

В примере с подпиской выше на начало октября было 10 000 подписчиков, пришли 1 900, на конец осталось 10 400. Значит, ушли 10 000 + 1 900 − 10 400 = 1 500 человек, и churn за октябрь = 1 500 / 10 000 × 100% = 15%. Заметьте, что retention (85%) и churn (15%) в сумме дают 100%.

Для одной когорты всё ещё проще: churn на день N = 100% − Retention(N). Если retention D30 когорты 1 сентября равен 5,5%, значит, к 30-му дню отток этой когорты составил 94,5%.

Осторожно с перевёрнутой формулой. В части материалов в интернете встречается формула «пользователи на начало периода / ушедшие». Она неверна: результат получается больше единицы и ничего не значит. В числителе всегда ушедшие, в знаменателе — база на начало периода.

Как посчитать retention по когортам: пошагово

Когортный анализ retention — это сравнение удержания групп пользователей, пришедших в разное время или из разных источников. Он показывает, становится ли продукт лучше от релиза к релизу, тогда как общий retention «по всем пользователям» смешивает старожилов и новичков и почти ничего не говорит. Мы выстраиваем его в шесть шагов.

1. Определите событие возврата. Решите, что считается возвращением: любой запуск приложения или ключевое действие. Для доставки еды честнее считать повторный заказ, для мессенджера — отправленное сообщение, для фитнес-приложения — тренировку. Простой запуск ради пуш-уведомления ещё не значит, что человек получил ценность.
2. Выберите принцип формирования когорты. Обычно это день или неделя установки. Для глубокого анализа когорты дополнительно режут по источнику трафика, платформе, версии приложения, тарифу.
3. Выберите окно подсчёта. Календарный день с полуночи или 24-часовое окно от первого входа. Оба варианта корректны, главное — не менять метод между отчётами и не сравнивать цифры, посчитанные по-разному.
4. Постройте треугольник когорт. Сведите когорты в таблицу: строки — периоды установки, колонки — дни или недели после установки, в ячейках — доля вернувшихся. Таблица имеет форму треугольника, потому что у свежих когорт ещё нет данных за дальние периоды.
5. Сравнивайте когорты между собой. Смотрите не на одну строку, а на изменения по вертикали: выросло ли удержание у когорт после нового онбординга, релиза или смены рекламной кампании.
6. Сегментируйте. Разбейте когорты по платформам (iOS, Android, установки из RuStore), каналам привлечения и странам. Средний retention нередко скрывает один проблемный сегмент, который тянет вниз всю метрику.

Так выглядит треугольник недельных когорт (пример, цифры условные):

Неделя установки	W0	W1	W2	W3	W4
1–7 сентября	100%	18%	12%	10%	9%
8–14 сентября	100%	19%	13%	11%	—
15–21 сентября (новый онбординг)	100%	24%	16%	—	—
22–28 сентября	100%	25%	—	—	—

Читать её нужно по столбцам. В столбце W1 видно, что после смены онбординга в середине сентября удержание первой недели выросло с 18–19% до 24–25%. Если бы мы смотрели общий retention по всей базе, этот сдвиг утонул бы среди старых пользователей.

Построить такие отчёты можно в любой продуктовой аналитике. В Firebase и Google Analytics 4 есть стандартный отчёт удержания по когортам новых пользователей, в AppMetrica — отчёт Retention с выбором события и окна. Подробнее о выборе инструментов и настройке сбора данных — в нашем обзоре аналитики мобильного приложения.

Какие бывают виды retention: classic, rolling, bracket

Виды retention — это разные способы определить, считается ли пользователь удержанным на день N. Основных три: классический (N-day), rolling (unbounded) и bracket (range). Они по-разному ведут себя для приложений с ежедневным и нерегулярным использованием, поэтому выбор вида удержания — не формальность.

• Классический retention (N-day, classic) — пользователь удержан на день N, если был активен именно в этот день. Это самый строгий вариант и стандарт для сравнения с рынком: все бенчмарки D1/D7/D30 считаются именно так.
• Rolling retention (unbounded) — пользователь удержан на день N, если вернулся в этот день или в любой день позже. В блоге AppMetrica rolling retention описывается как способ оценить время жизни аудитории: метрика показывает, какая доля пользователей ещё не ушла окончательно.
• Bracket retention (range) — активность считается в окнах: дни 1–7, 8–14, 15–30 и так далее. Пользователь удержан в окне, если был активен хотя бы в один из его дней. Это компромисс для продуктов, которыми пользуются раз в несколько дней.

Вид retention	Как считается	Когда использовать	Минус
Классический (N-day)	Активен ровно в день N	Ежедневные приложения: мессенджеры, соцсети, игры; сравнение с рыночными бенчмарками	Занижает удержание продуктов с нерегулярным использованием
Rolling (unbounded)	Активен в день N или в любой день позже	Оценка «времени жизни» аудитории, приложения с редкими визитами	Меняется задним числом и завышает картину; не подходит для быстрой оценки свежего релиза
Bracket (range)	Активен хотя бы раз в окне дней (1–7, 8–14…)	Продукты с недельным ритмом: банки, доставка, фитнес	Результат зависит от выбранных границ окон, их сложно сравнивать между командами

Как выбрать период: D1/D7/D30 или недели и месяцы

Период удержания выбирают по естественной частоте задачи, которую решает приложение. Если задача возникает каждый день, считайте дневной retention; если раз в неделю — недельный; если раз в месяц или реже — месячный или квартальный.

• Мессенджер, соцсеть, казуальная игра — D1, D7, D30: люди заходят каждый день, и пропуск дня — уже сигнал.
• Мобильный банк — недельный retention: проверить баланс или сделать перевод нужно несколько раз в неделю, но не обязательно ежедневно.
• Доставка еды, такси, маркетплейс — недельный или месячный: заказ раз в несколько дней — нормальное поведение.
• Путешествия, страхование, недвижимость — месячный или квартальный: задача возникает редко, и дневной retention здесь будет выглядеть катастрофой, хотя продукт работает нормально.

Ошибка выбора периода дорого стоит: команда, которая меряет приложение для бронирования путешествий по D7, будет бесконечно чинить «плохое удержание», которого на самом деле нет.

Как читать кривую удержания

Кривая удержания (retention curve) — это график, на котором по горизонтали отложены дни или недели после установки, а по вертикали — доля вернувшихся пользователей когорты. Почти любая кривая сначала резко падает, но дальше её форма многое говорит о продукте. Мы различаем четыре типичных сценария.

• Обвал на D1. Кривая теряет 80–90% когорты уже в первый день. Обычно это значит, что человек не дошёл до первой ценности: запутался в онбординге, упёрся в регистрацию, столкнулся с крашем или не понял, зачем ему приложение.
• Плавное сползание к нулю. Первые дни выглядят прилично, но кривая продолжает снижаться и не останавливается. Пользователи пробуют продукт, но не находят причин возвращаться регулярно: нет ценности или привычки.
• «Пила» с всплесками. Кривая скачет вверх в дни рассылок и пушей, а между ними проваливается. Удержание держится на напоминаниях, а не на самом продукте, — и обвалится, как только рассылки станут реже.
• Плато. После начального падения кривая выравнивается и почти горизонтально идёт дальше. У продукта есть ядро аудитории, которое возвращается регулярно, — это лучший сценарий.

Сравнивайте кривые разных когорт на одном графике. Если у свежих когорт кривая лежит выше, чем у старых, продукт становится лучше. Если ниже — что-то из последних изменений ухудшило опыт новых пользователей, и это повод разобрать релизы и каналы трафика.

Плато и product/market fit

Выход кривой удержания на плато — главный количественный сигнал product/market fit, то есть соответствия продукта потребностям рынка. Плато означает, что для какой-то части аудитории приложение стало регулярным инструментом, а значит, с этой частью можно строить бизнес: она будет приносить выручку месяц за месяцем.

Если кривая уходит в ноль, никакой рост маркетинга не поможет: каждый привлечённый пользователь рано или поздно уйдёт. Подробный разбор связи долгосрочного удержания и product/market fit есть в материале GoPractice о метрике Retention. Практический вывод для команды простой: пока нет плато, приоритет — ценность продукта и активация, а не масштабирование рекламы.

Уровень плато тоже важен. Плато на 2% и плато на 20% — это очень разные бизнесы, хотя оба формально «нашли ядро». Задача следующих итераций — поднимать уровень плато и сокращать падение до него.

Какой retention считается хорошим: ориентиры по рынку

Хороший retention — это показатель выше среднего по вашей категории и выше, чем у ваших собственных прошлых когорт. Абсолютной нормы не существует: игра, банк и сервис бронирования отелей живут в разных ритмах. Но рыночные ориентиры помогают понять, где вы находитесь.

По данным Adjust, AppsFlyer и Statista, собранным в сводке Sendbird, средние значения удержания мобильных приложений такие:

• D1 — около 24–27% (Statista — 25,3%, Adjust — 26,5%, AppsFlyer — 24,3%);
• D7 — около 12% (Adjust);
• D30 — около 3–7% (AppsFlyer — 3,4%, Statista — 5,7%, Adjust — 6,5%).

Удержание на 30-й день заметно отличается по категориям приложений (данные Statista из той же сводки):

Категория приложения	Retention D30
Цифровой банкинг	11,6%
Маркетплейсы	8,7%
Финансы	5,8%
Шопинг	5,6%
Продуктивность	4,1%
Социальные сети	3,9%
Путешествия	3,9%
Развлечения	3,8%
Утилиты	3,4%
Игры	2,3–5,4%

Как пользоваться этими цифрами:

• Сравнивайте с прямыми аналогами. Мобильному банку бессмысленно равняться на игры, и наоборот. Если есть доступ к отраслевым отчётам по своей нише, они точнее общих средних.
• Сравнивайте с собой. Самый полезный бенчмарк — ваши же когорты месячной или квартальной давности. Рост на несколько процентных пунктов к собственной истории важнее, чем попадание в «средний по рынку».
• Учитывайте платформу. Удержание на iOS, как правило, немного выше, чем на Android, поэтому средняя по приложению зависит от доли платформ в трафике.
• Помните о методике. Бенчмарки считаются по классическому N-day retention. Сравнивать с ними rolling retention некорректно — он всегда выше.

Бенчмарк — ориентир, а не цель. Приложение с D30 в 3% и выраженным плато может быть здоровым бизнесом, а приложение с D30 в 8% и кривой, продолжающей падать, — нет.

Почему пользователи уходят: основные причины churn

Отток пользователей приложения — это прекращение использования продукта, явное (удалил приложение, отменил подписку) или тихое (просто перестал открывать). Причины оттока удобно делить на пять групп: от каждой помогают разные действия, и смешивать их в одну «проблему с удержанием» непродуктивно.

Технические причины

Технический отток — самый обидный: человек хотел пользоваться продуктом, но приложение не дало. Краши, зависания, медленный холодный старт, большой вес установочного файла, разряд батареи, тормозящий интерфейс на бюджетных устройствах. Пользователь редко пишет об этом в поддержку — он просто удаляет приложение. Чтобы видеть такие проблемы раньше отзывов, нужен crash-репортинг в мобильном приложении и метрика crash-free users в связке с удержанием.

Онбординг и активация

Пользователь установил приложение, но так и не дошёл до первой ценности — aha-момента, когда становится понятно, зачем продукт нужен. Длинная регистрация, обязательные разрешения на первом экране, пустые экраны без подсказок, непонятная навигация. Отток этой группы виден как обвал на D0–D1.

Ценность продукта и частота задачи

Приложение работает, онбординг понятный, но продукт решает задачу хуже альтернатив или задача возникает слишком редко. Здесь проблема не в интерфейсе, а в самом предложении: функциональности, ассортименте, цене, контенте. Такой отток проявляется как плавное сползание кривой к нулю.

Навязчивость

Слишком частые push-уведомления, агрессивная реклама, всплывающие окна с оценкой приложения, постоянные предложения оформить подписку. Пользователь сначала отключает уведомления, потом перестаёт открывать приложение. Ранний индикатор — рост отписок от пушей и запросов на отключение рассылок.

Непроизвольный отток в подписках

Непроизвольный отток (involuntary churn) — это уход подписчика без его решения: не прошло списание, истекла карта, закончились деньги на счёте, пробный период завершился, а пользователь не успел понять, что нужно оплатить. Человек при этом может быть вполне доволен продуктом. Такой отток часто недооценивают, хотя он лечится техническими средствами быстрее остальных.

Чтобы быстро понять, с какой группой причин вы имеете дело, сопоставьте симптом в данных с вероятной причиной:

Симптом в данных	Вероятная причина	Что проверить
Резкое падение D1 после релиза	Регрессия в новой версии: краш, медленный старт, сломанный онбординг	Crash-free users по версии, время запуска, воронку первой сессии до и после релиза
Низкий D1 только у одного канала трафика	Нецелевая аудитория или обещание в креативе не совпадает с продуктом	Креативы и таргетинг канала, страницу в сторе, первые экраны для этого сегмента
Хороший D7, обвал после окончания trial	Пользователь не увидел ценности платной версии или не прошла оплата	Конверсию trial → оплата, долю неуспешных списаний, напоминание до конца пробного периода
Всплески активности только в дни рассылок	Удержание держится на пушах, а не на продукте	Retention пользователей с отключёнными уведомлениями, частоту и релевантность рассылок
Рост отписок от push-уведомлений	Навязчивость или нерелевантный контент рассылок	Частоту отправок на пользователя, сегментацию, долю триггерных и массовых пушей
Падение удержания у одной версии ОС или модели устройств	Технический баг на конкретной платформе	Краши и ANR в разрезе ОС и устройств, производительность на слабых телефонах

Как повысить retention и снизить отток: 9 рабочих способов

Повысить retention можно двумя путями: сократить ранний отток, чтобы больше людей дошли до ценности продукта, и поднять уровень плато, чтобы дошедшие возвращались регулярно. Ниже — девять способов, которые мы применяем в проектах. Начинать стоит с тех, что бьют по самому крупному провалу на вашей кривой.

1. Сократите время до первой ценности

Time to first value (TTFV) — время от установки до момента, когда пользователь впервые получил пользу от приложения. Чем оно короче, тем выше удержание первого дня. Уберите всё, что стоит между человеком и результатом: отложите регистрацию до момента, когда она действительно нужна, запрашивайте разрешения в контексте, а не списком на старте, покажите пример заполненного экрана вместо пустого.

Хороший онбординг не рассказывает о функциях, а доводит до первого успешного действия: первого заказа, первой заметки, первой тренировки. Подробно о принципах, видах и метриках онбординга мы писали в статье «Онбординг пользователя в приложении».

2. Уберите технические причины ухода

Стабильность и скорость — гигиенический минимум удержания. Следите за crash-free users по каждой версии, временем холодного старта, отзывчивостью интерфейса на бюджетных Android-устройствах, весом приложения и расходом батареи. Новые версии раскатывайте поэтапно и останавливайте раскатку, если удержание или стабильность новой версии хуже предыдущей.

Эту работу нельзя сделать один раз: каждое обновление ОС, новая модель телефона или библиотека могут вернуть проблемы. Поэтому после релиза нужна регулярная поддержка мобильного приложения: мониторинг сбоев, исправление крашей, ускорение запуска и адаптация к новым версиям iOS и Android.

3. Персонализируйте первый опыт и сегментируйте аудиторию

Разные пользователи приходят в приложение с разными задачами. Один короткий вопрос на старте — «что вы хотите сделать?» — позволяет показать человеку релевантный первый экран, а не общую витрину. Новичку и опытному пользователю, покупателю и продавцу, частному лицу и компании нужен разный путь.

Сегментация работает и в аналитике: смотрите retention отдельно по сценариям использования. Часто оказывается, что один сегмент удерживается отлично, а другой уходит почти полностью, — и улучшать нужно путь именно второго.

4. Напоминайте по поведению, а не по расписанию

Триггерные push-уведомления, in-app сообщения и письма, привязанные к действиям пользователя, работают заметно лучше массовых рассылок «всем в 12:00». Брошенная корзина, незавершённый урок, ответ на сообщение, снижение цены на отложенный товар — это поводы, которые сам человек воспринимает как полезные. Подробно о настройке и о том, как не превратить пуши в спам, — в статье «Push-уведомления в приложении».

Для российской аудитории учитывайте каналы доставки. На части устройств нет сервисов Google, поэтому уведомления через FCM до них не дойдут; для таких пользователей подключают альтернативные каналы — например, push-сервисы RuStore или HMS. Проверьте долю таких устройств в своей аудитории, прежде чем делать выводы об эффективности рассылок.

5. Формируйте привычку

Приложение, которым пользуются по привычке, удерживает лучше приложения, о котором нужно вспоминать. Привычку формируют короткие повторяющиеся циклы: триггер, простое действие, награда, вложение пользователя в продукт (данные, прогресс, настройки, контакты). Серии дней подряд, прогресс-бары, уровни и персональная статистика помогают закрепить ритм — если они связаны с реальной пользой, а не существуют сами по себе.

О том, какие игровые механики работают в неигровых продуктах и где они вредят, мы писали в статье «Геймификация: зачем нужны «игрушки» в вашем приложении».

6. Работайте с пробным периодом и оплатой

Для подписочных приложений отдельный фронт — переход от пробного периода к оплате и непроизвольный отток. Здесь помогают простые технические меры:

• напоминание за один-два дня до окончания trial с понятным описанием того, что произойдёт дальше;
• повторные попытки списания при неуспешной оплате и уведомление пользователю с просьбой обновить способ оплаты;
• понятная отмена подписки: спрятанная кнопка отмены не удерживает, а приводит к жалобам, возвратам и плохим отзывам;
• альтернатива отмене — пауза подписки или более дешёвый тариф.

7. Реактивируйте «уснувших»

Реактивация — это возвращение пользователей, которые перестали заходить, но ещё не удалили приложение. Определите для своего продукта порог «засыпания» — например, 7–14 дней без активности для приложения с недельным ритмом (это ориентир, а не норма; порог зависит от частоты задачи). Пользователям, перешагнувшим порог, отправьте персональный повод вернуться: что нового появилось, что они не закончили, что изменилось в их данных.

Не превращайте реактивацию в бомбардировку. Одно-два содержательных сообщения работают лучше серии из десяти одинаковых, а последние повышают шанс, что приложение удалят.

8. Собирайте обратную связь от уходящих

Данные показывают, где уходят пользователи, но не всегда объясняют почему. Короткий опрос при отмене подписки или удалении аккаунта («почему уходите?» с вариантами ответа), разбор отзывов в App Store, Google Play и RuStore, интервью с несколькими недавно ушедшими пользователями дают гипотезы, до которых по графикам не дойти. Отзывы с низкой оценкой стоит разбирать регулярно: в них часто первыми всплывают технические проблемы конкретных устройств.

9. Привлекайте подходящий сегмент

Иногда проблема удержания — не в продукте, а в трафике. Креатив обещает одно, приложение делает другое; канал приводит аудиторию, которой продукт не нужен; мотивированные установки за бонус почти никогда не удерживаются. Сравните retention по каналам привлечения: если один канал даёт D7 в два-три раза ниже остальных, дешёвая установка из него может оказаться самой дорогой.

Когда retention вводит в заблуждение

Retention вводит в заблуждение, когда частота использования продукта по природе низкая или нерегулярная, а также когда меняется методика подсчёта. В этих случаях низкий показатель не означает проблему, а высокий — не гарантирует здоровый бизнес.

• Конечная задача. Человек купил тур, оформил ипотеку или нашёл квартиру — и ушёл, потому что задача решена. Низкое удержание здесь нормально; смотреть нужно на повторные покупки через месяцы и на рекомендации.
• Нерегулярная задача. Страховка, налоги, запись к врачу: задача возникает раз в несколько месяцев. Дневной и недельный retention для таких продуктов бессмысленен, нужен квартальный или годовой.
• Сезонность. Приложения для дачи, катания на лыжах, подготовки к экзаменам живут сезонами. Когорты, пришедшие в начале и в конце сезона, будут вести себя по-разному при одинаковом качестве продукта.
• Изменение методики. Сменили событие возврата, перешли с календарных дней на 24-часовые окна, переехали с одной аналитической системы на другую — и метрика скакнула без каких-либо изменений в продукте. Фиксируйте такие изменения в журнале, чтобы потом не искать «причину роста».
• Ограничения приватности. После введения App Tracking Transparency на iOS часть пользователей отказывается от отслеживания, и в атрибуционных системах становится меньше данных на уровне отдельного пользователя. В таких условиях надёжнее смотреть агрегированные когорты в своей продуктовой аналитике, а не связки «рекламный клик → удержание» по каждому пользователю.

В этих случаях вместо retention или вместе с ним используйте:

• долю повторных покупок и время до повторной покупки;
• retention платящих пользователей — он часто важнее общего удержания;
• LTV и выручку когорты, а не только число активных;
• NPS и долю пользователей, пришедших по рекомендации.

Как retention связан с деньгами: LTV и юнит-экономика

Retention связан с деньгами через LTV — пожизненную ценность пользователя. Упрощённо LTV считается как ARPU (средний доход на пользователя за период) × среднее время жизни пользователя в продукте. А время жизни напрямую определяется удержанием: чем медленнее падает кривая и чем выше плато, тем дольше пользователь платит.

Рост удержания на несколько процентных пунктов на ранних днях сдвигает вверх всю кривую: больше людей доходят до плато, а значит, больше людей платят месяцами. Поэтому улучшение D1 и D7 часто даёт больший эффект на выручку, чем точечная работа с поздними когортами.

Иллюстрация на условных числах. Допустим, ARPU активного пользователя — 120 ₽ в месяц, а привлечение одного пользователя (CAC) стоит 400 ₽:

• при среднем времени жизни 3 месяца LTV = 120 × 3 = 360 ₽, и каждый привлечённый пользователь приносит 40 ₽ убытка;
• если за счёт онбординга и стабильности время жизни выросло до 3,6 месяца, LTV = 120 × 3,6 = 432 ₽, и тот же канал привлечения начинает окупаться.

Цены, рекламные ставки и продукт при этом не менялись — изменилось только удержание. Именно поэтому юнит-экономику мобильного продукта нельзя считать без кривой retention. О моделях заработка, которые определяют ARPU, — подписках, покупках внутри приложения, рекламе — мы подробно писали в статье «Монетизация мобильных приложений».

Чек-лист: как выстроить работу с удержанием

Работа с удержанием — это не разовая задача, а регулярный процесс: измерение, гипотеза, изменение, проверка на новых когортах. Чтобы он не развалился через месяц, мы проверяем по такому чек-листу:

• Определено событие возврата — ключевое действие, а не просто запуск приложения.
• Выбран период удержания по естественной частоте задачи (дни, недели или месяцы).
• Зафиксирована методика: календарные дни или 24-часовые окна, одна система аналитики как источник истины.
• Настроен дашборд с D1, D7, D30 (или недельными аналогами) и треугольником когорт.
• Когорты сегментированы по платформам, каналам привлечения и версиям приложения.
• Retention новой версии сравнивается с предыдущей после каждого релиза, раскатка поэтапная.
• Есть журнал изменений: релизы, кампании, смена методики — чтобы объяснять скачки метрики.
• Гипотезы по улучшению удержания проверяются A/B-тестами, а не «на всех сразу».
• Настроены алерты на резкое падение удержания и стабильности.
• Назначен ответственный за метрику удержания, который разбирает её регулярно.

Частые вопросы (FAQ)

Чем retention отличается от churn?

Retention показывает, какая доля пользователей вернулась в приложение за период, а churn — какая доля ушла. Для одной когорты на день N они дополняют друг друга до 100%: если retention D30 равен 6%, то churn этой когорты к 30-му дню — 94%. Retention удобнее для анализа продукта, churn — для подписок и прогнозов выручки.

Какой retention D1 считается хорошим для мобильного приложения?

Средний retention первого дня по рынку, по данным Adjust, AppsFlyer и Statista, — около 24–27%. Значение выше этого уровня — хороший знак, ниже — повод разобрать онбординг и первую сессию. Но сравнивать корректнее с прямыми аналогами своей категории и с собственными прошлыми когортами.

Что такое rolling retention и чем он лучше классического?

Rolling retention считает пользователя удержанным на день N, если он вернулся в этот день или в любой день позже. Метрика выше классической и лучше подходит для приложений с нерегулярным использованием, где человек не обязан заходить каждый день. Зато она обновляется задним числом и плохо подходит для быстрой оценки свежего релиза.

Почему retention в AppMetrica и Firebase отличается?

Системы по-разному определяют день и пользователя: одна считает календарные дни с полуночи, другая — 24-часовые окна от первого входа, учитывают разные события и часовые пояса, по-разному склеивают переустановки. Кроме того, AppMetrica показывает процент только для завершённых интервалов. Поэтому выберите одну систему как источник истины и сравнивайте когорты только внутри неё.

Как быстро поднять retention после неудачного релиза?

Сначала остановите раскатку и проверьте стабильность: краши, зависания и скорость запуска новой версии. Затем сравните воронку первой сессии до и после релиза и откатите изменения онбординга или ключевых экранов, если просадка там. Уже ушедших пользователей можно вернуть триггерной реактивацией после исправления.

Можно ли посчитать retention без аналитического SDK?

Да, если у приложения есть бэкенд и авторизация: retention считается по логам сервера, где для каждого пользователя есть дата регистрации и даты активности. Грубую оценку дают и консоли сторов — Google Play Console и App Store Connect. Но без SDK сложнее учесть анонимных пользователей, атрибуцию каналов и события внутри приложения.