Retention Rate: что это за метрика, как ее считать и зачем она нужна бизнесу

Retention Rate — метрика, которая показывает, какая доля аудитории продолжает пользоваться продуктом спустя определенное время. Чтобы рассчитать показатель, из общего числа клиентов на конец периода вычитают новых, делят на число клиентов в начале и умножают на 100%. Метрику используют в разных сферах бизнеса для оценки лояльности пользователей и прогнозирования выручки.

Коэффициент удержания, или Retention Rate, — метрика, с помощью которой бизнес измеряет, какой процент клиентов продолжает пользоваться его продуктом спустя определенное время.

Показатель можно рассчитывать за разные периоды, например, неделю, месяц, квартал или год. Выбор зависит от того, как часто покупатели обращаются к продукту. Для приложения доставки еды логичен недельный срез, а для страховой компании — годовой.

Классическая формула:

Retention Rate = ((E − N) / S) × 100%,

где:

• E — количество клиентов на конец периода,

• N — количество новых пользователей, привлеченных за этот период,

• S — количество клиентов на начало периода.

Рассмотрим на примере. В начале января у сервиса было 2000 пользователей. За 30 дней пришли 400 новых, а на конец января в базе осталось 2100 человек. 

Считаем: 

(2100 − 400) / 2000 × 100% = 85%. 

Таким образом, за январь сервисом пользовались 85% «старой» аудитории.

Удерживать аудиторию часто выгоднее, чем постоянно привлекать новую. Retention Rate показывает, насколько эффективно компания работает с теми, кто уже пользуется продуктом.

Отслеживание метрики помогает:

• Прогнозировать выручку. Зная, какая доля клиентов остается каждый месяц или квартал, можно точнее планировать доход на следующие периоды.

• Находить слабые места продукта. Если показатель падает, возможно, пользователям не хватает функций, неудобен интерфейс или не устраивает качество поддержки.

• Оценивать эффективность маркетинга. Если пользователи приходят по рекламе, но быстро уходят, бюджет расходуется впустую.

• Сравнивать когорты. Можно сопоставить поведение пользователей, пришедших в разные периоды, и понять, какие изменения в продукте повлияли на удержание.

Метрику применяют в любой сфере, где клиенты взаимодействуют с продуктом или услугой больше одного раза:

• Сервисы по подписке (SaaS, от англ. Software as a Service — программное обеспечение как услуга). Коэффициент удержания здесь — одна из главных метрик. Бизнес-модель строится на том, что пользователи остаются надолго, а не покупают один раз.

• Мобильные приложения и игры. Разработчики смотрят, какая доля пользователей вернулась через день, неделю и 30 дней после установки — так называемые Day 1, Day 7, Day 30 retention.

• Интернет-магазины. Коэффициент удержания помогает понять, какая часть покупателей возвращается за повторными заказами и как это влияет на общую выручку.

• Банки и финтех (от англ. fintech — финансовые технологии). Метрика показывает, как долго клиенты пользуются картой, приложением или отдельным продуктом.

• Образовательные платформы. Здесь отслеживают, какая доля студентов завершает курс и продолжает ли обучение на других программах.

Универсального значения нет — все зависит от отрасли, типа продукта и периода, за который рассчитывается показатель. Но есть ориентиры, от которых обычно отталкиваются аналитики:

• SaaS-сервисы (B2B). Хорошим годовым показателем принято считать 90% и выше. Если удержание опускается ниже 85%, это значит, что нужно разбираться в причинах оттока.

• Мобильные приложения. Здесь цифры значительно ниже. Day 1 retention в среднем составляет около 25%, а к Day 30 у приложений часто остается 5–7% пользователей.

• Интернет-магазины. Средняя доля повторных покупателей обычно находится в диапазоне 25–30%, хотя для товаров регулярного потребления этот показатель, как правило, выше.

Сравнивать метрику лучше не с чужими бенчмарками (от англ. benchmark — контрольный показатель), а с собственными данными за предыдущие периоды.

Коэффициент удержания (Retention Rate) и коэффициент оттока (Churn Rate) — зеркальные метрики. Первая показывает, какая доля клиентов осталась, вторая — какая ушла.

Обычно аналитики используют обе метрики: Retention — чтобы отслеживать динамику удержания, Churn — чтобы быстро замечать всплески оттока и реагировать на них.

Рассчитать коэффициент удержания можно вручную, но когда данных много, это долго и неудобно. Аналитики обычно используют специальные инструменты:

• Платформы продуктовой аналитики. С их помощью строят когортные таблицы, сравнивают сегменты пользователей и анализируют, какие действия влияют на удержание.

• Системы веб-аналитики. Позволяют отслеживать долю повторных визитов на сайт. Для глубокого анализа их не хватит, но для первых выводов — вполне.

• SQL + BI-системы (от англ. Business Intelligence — бизнес-аналитика). Если данные хранятся в собственной базе, retention считают SQL-запросами, а результаты визуализируют в BI-инструментах. Такая связка позволяет адаптировать формулу под любую бизнес-логику.

• CRM-системы. В них хранится информация о повторных покупках, активности клиентов и истории взаимодействий. Удобны для интернет-магазинов и сервисных компаний.

• Инструменты мобильной аналитики. Разработаны специально для приложений: в них уже есть готовые отчеты по Day 1, Day 7, Day 30 retention.

Небольшой компании на старте хватит веб-аналитики и CRM. Продуктовой команде, которая работает с собственной базой данных, удобнее считать все через SQL и визуализировать в BI.

Аналитик данных не просто считает метрики — он собирает и обрабатывает информацию, строит когортный анализ, работает с воронками, визуализирует результаты и помогает бизнесу принимать решения. Начать карьеру в этой сфере можно без технического образования, достаточно интереса к работе с данными и готовности учиться. 

Освоить профессию можно на курсе «Аналитик данных с нуля» в Академии ТОП. Студенты учатся использовать Python и SQL, статистику и продуктовую аналитику на реальных задачах бизнеса. К концу обучения каждый выполняет итоговый проект — тестовое задание крупной компании. Карьерный центр Академии помогает с трудоустройством.

Retention Rate — метрика, которая показывает, возвращаются ли клиенты после первого взаимодействия с продуктом. Она помогает оценить качество сервиса, спрогнозировать выручку и вовремя заметить отток. Чтобы профессионально работать с данными и превращать цифры в решения для бизнеса, приходите на курс «Аналитик данных с нуля» в Академии ТОП — здесь учат анализировать, визуализировать и делать выводы, на которые можно опираться.