Виды удержания
Помимо классического варианта расчета Retention, выделяют еще четыре подхода.
1. Повторяющееся удержание (Rolling Retention)
Повторяющееся удержание N-го дня показывает процент пользователей, которые вернулись в приложение в день N с момента установки или позже (N+M).
Например, пользователь, который зашел в приложение на 14-й день после установки, будет считаться вернувшимся в 14-й день, как и тот, который зашел в 30-й или 45-й день.
2. Полное удержание (Full Retention)
Полное удержание N-го дня показывает процент пользователей, которые заходили в приложение каждый день до дня N.
Например, полное удержание 5-го дня – это процент пользователей, которые заходили в приложение в 1-й, 2-й, 3-й, 4-й и 5-й дни с момента установки.
3. Возвратное удержание (Return Retention)
Возвратное удержание N-го дня показывает процент пользователей, которые вернулись хотя бы один раз за N дней.
Например, возвратное удержание 21-го дня будет учитывать каждого человека, который зашел в приложение в любой день с 1-го по 21-й.
4. Диапазонное удержание (Bracket-Dependent Return Retention)
Диапазонное удержание N-го дня является вариацией возвратного удержания. Как можно догадаться, оно фиксирует пользователей, вернувшихся в приложение в ограниченный период хотя бы один раз.
Для расчета этого удержания задается дополнительно к N параметр M, который ограничивает временной диапазон для возврата пользователей.
Удержание здесь рассчитывается как процент пользователей, вернувшихся в приложение в промежуток M—N дней.
Например, диапазонное удержание с 14-й по 20-й день будет показывать процент пользователей, которые запустили приложение в любой день этого периода.
Из всех описанных выше вариантов наиболее часто используется повторяющееся удержание (Rolling Retention).
Его формула выглядит следующим образом:
Для начала рассмотрим на примере, как рассчитывается этот показатель.
Предположим, что у нас есть следующие данные о пользователях и их сессиях (зеленым выделены дни, когда пользователи заходили в приложение, а красным – дни с момента последнего визита, в которые не было заходов).
Таблица с визитами пользователей в определенные дни с момента установки
Повторяющееся удержание N-го дня учитывает пользователей, которые заходили в этот день или позже, а значит тех, чья ячейка в этот день зеленая или белая.
После чего, как и с классическим удержанием, считается доля этих пользователей от количества пользователей в когорте.
Если сравнить эти два вида удержания, то получится такая картина:
Сравнение графиков классического и повторяющегося удержания
Повторяющееся удержание всегда больше классического (или хотя бы равно ему), поскольку при его расчете учитываются пользователи, зашедшие не только в один конкретный день, но и в последующие. Также убывает подобный тип более плавно, чем классическое удержание.
И есть еще одна особенность, которая отличает повторяющееся удержание от классического и делает его использование более сложным, – это сам расчет.
Дело в том, что этот показатель нужно пересчитывать каждый день, так как пользователь, который не заходил уже несколько дней и считается ушедшим, может в какой-то момент воспользоваться приложением, что повлияет на его повторяющееся удержание всех предыдущих дней.
Например, пользователь заходил в приложение последний раз на 7-й день с момента установки. Мы рассчитали показатель когорты за 25 дней, а этого пользователя перестали учитывать после 7-го. После чего он зашел на 26-й день, а это значит, что повторяющееся удержание с 8-го по 26-й день должен быть рассчитан заново с учетом этого пользователя.
Смысл использования повторяющегося удержания в том, чтобы учесть пользователей, которые на самом деле не покинули проект, а просто не зашли в него по каким-то причинам, когда мы замеряли, например, удержание в 7-й день.
Такой показатель возврата будет полезен для приложений, которыми не обязательно пользуются каждый день, – например, в играх, в которых пользователь вынужден ждать долгое время, пока накопятся ресурсы или построится объект.
Есть у этого параметра еще одна полезная особенность. Удержание в принципе считается метрикой, обратной оттоку, а повторяющееся удержание позволяет считать его еще более точно и просто.
Повторяющееся удержание определенного дня учитывает пользователей, заходящих в последующие дни. Если пользователь не засчитан вернувшимся, это значит, что и в последующие дни исследуемого периода он не заходил. Получается, что область под кривой – это вернувшиеся пользователи, которых как раз показывает наша метрика, а область над кривой – отток – те, кто с определенного дня больше не заходил в приложение.
График повторяющегося удержания и оттока по дням с момента установки
Почему важно следить за удержанием и увеличивать его
– Удержание влияет на размер аудитории.
Хотите, чтобы аудитория становилась больше? Тогда отток пользователей из продукта должен быть меньше притока.
Если в приложение постоянно приходят новые пользователи и в нем не задерживаются, то в таком проекте не будет стабильной аудитории. Плюс, если аудитория проекта состоит в основном только из новых пользователей, которые в скором времени покинут проект, то маловероятно, что проект будет успешно монетизироваться (опять же, к рекламной монетизации это не относится).
– Удержание влияет на доход.
Чем дольше пользователь в проекте, тем лояльнее он становится, и больше вероятность, что он совершит платеж. Если в продукте предусмотрены небольшие, но постоянные платежи, то чем дольше пользователь будет пользоваться продуктом, тем больше он этих платежей сделает. Плюс, если ваша программа монетизируется с помощью рекламы, это значит, что каждый заход приносит вам деньги. Чем дольше и чаще заходит к вам каждый пользователь, тем для вас лучше.
– Этот показатель удобно сравнивать для различных когорт, чтобы, например, оценить влияние изменений, сделанных в продукте, на поведение пользователей.
Классический Retention по дням с момента установки для разных когорт
– Удержание используется для расчета Lifetime и Lifetime Value, которые являются наиболее важными метриками для любого проекта, определяют его успешность, позволяют выявлять наиболее эффективные каналы привлечения, находить финансово привлекательные сегменты пользователей.
LTV = ∑ Retention * ARPDAU
