Retention и когорты на собеседовании аналитика
Почему retention — ключевая метрика продукта
Retention показывает, сколько пользователей возвращаются в продукт спустя определённое время после первого визита. Если retention низкий — никакой маркетинг не спасёт: вы наливаете воду в дырявое ведро. Именно поэтому на собеседованиях по продуктовой аналитике вопросы про retention задают практически всегда.
На собеседовании важно не просто назвать формулу, а показать, что вы понимаете контекст: какой retention считается хорошим, как он зависит от типа продукта и что делать, когда он падает.
Виды retention
Day-N retention (classic) — доля пользователей, которые вернулись ровно на N-й день после регистрации. D1 = 40% означает, что 40% новых пользователей были активны на следующий день. Это самый строгий вид retention, потому что учитывает только конкретный день.
Rolling retention (unbounded) — доля пользователей, которые вернулись на N-й день или позже. Rolling D7 всегда больше или равен classic D7, потому что учитывает всех, кто когда-либо вернулся после седьмого дня. Используется реже, но полезен для долгосрочной оценки.
Bracket retention (range) — доля пользователей, активных в рамках интервала: например, неделя 1 (дни 1-7), неделя 2 (дни 8-14). Сглаживает колебания отдельных дней и даёт более стабильную картину.
На собеседовании часто просят объяснить разницу между classic и rolling retention. Ключевое отличие: classic считает конкретный день, rolling — этот день и все последующие. Для одних и тех же данных rolling retention всегда выше.
Как считать retention
Базовая формула: Retention Day N = Пользователи, активные на день N / Пользователи в когорте. Когорта — группа пользователей, объединённых по дате регистрации (или другому событию). Пример: когорта 1 марта — все, кто зарегистрировался 1 марта.
Для расчёта нужны две вещи: дата входа пользователя в когорту и факт активности на N-й день. Определение активности зависит от продукта: для мессенджера — отправка сообщения, для e-commerce — просмотр каталога, для образовательного приложения — прохождение урока.
Типичные точки измерения: D1, D7, D14, D30, D90. Для подписочных сервисов также важны M1, M3, M6, M12 (месячный retention). Подробнее о расчётах — в статье как считать retention.
Когортный анализ
Когортный анализ — разбивка пользователей на группы по времени привлечения и отслеживание их поведения во времени. Результат обычно представляют в виде тепловой таблицы: строки — когорты (недели или месяцы), столбцы — периоды жизни.
Зачем нужен когортный анализ: средний retention по всем пользователям маскирует тренды. Если вы улучшили онбординг в феврале, общий retention не покажет эффект сразу — старые когорты «разбавляют» результат. Когортный анализ позволяет увидеть, что февральская когорта действительно удерживается лучше.
На собеседовании могут попросить построить когортную таблицу в SQL. Ключевые шаги: определить дату когорты (MIN(event_date) для каждого пользователя), рассчитать разницу в днях между когортой и активностью, агрегировать по когорте и дню.
Бенчмарки и интерпретация
Хороший retention зависит от категории продукта. Социальные сети: D1 около 40-50%, D30 около 15-25%. E-commerce: D1 около 20-30%, D30 около 5-10%. SaaS B2B: M1 около 95-98%, M12 около 80-90%. Мобильные игры: D1 около 30-40%, D30 около 5-8%.
Кривая retention обычно имеет характерную форму: резкое падение в первые дни, затем выход на плато. Если плато не формируется — продукт теряет всех пользователей. Если формируется — это ядро аудитории, с которым можно работать.
Сильный кандидат на собеседовании не просто называет цифры, а объясняет: «D1 retention 35% для мобильного приложения — это средний результат. Но важнее форма кривой: если она выходит на плато на уровне 10-15%, у продукта есть ядро. Если кривая стремится к нулю — проблема в ценностном предложении».
Типичные вопросы на собеседовании
«Retention D7 упал с 20% до 15%. Что будете делать?» Сильный ответ: сначала проверить, не изменился ли состав когорт (новый канал привлечения даёт менее качественных пользователей). Затем — сегментировать по платформе, географии, источнику трафика. Далее — посмотреть, на каком шаге пользователи отваливаются (D1 в норме, а D3-D7 упали?).
«Как улучшить retention?» Работать с активацией: чем быстрее пользователь получает ценность, тем выше вероятность возврата. Внедрять триггерные коммуникации. Строить привычку через повторяющийся цикл взаимодействия.
FAQ
Какой retention считается хорошим?
Зависит от типа продукта. Для мобильных приложений D1 выше 40% — отличный результат, D30 выше 15% — хороший. Для SaaS-продуктов месячный retention ниже 95% сигнализирует о проблемах. Универсального стандарта нет — сравнивайте с бенчмарками своей категории и отслеживайте динамику.
Чем когортный retention лучше общего?
Общий retention смешивает пользователей разных периодов и маскирует тренды. Когортный анализ позволяет увидеть, улучшается ли удержание для новых пользователей. Без когортного разреза вы не сможете оценить эффект изменений в продукте.
Когда использовать rolling retention вместо classic?
Rolling retention полезен, когда продукт не предполагает ежедневного использования — например, сервис бронирования или маркетплейс. Classic retention покажет низкие значения просто потому, что пользователь не заходил именно в этот день, хотя он активен и лоялен.