Retention
Retention (от англ. retention — удержание, сохранение) — комплексная метрика и понятие, используемое в маркетинге, управлении продуктами, HR, образовании и других сферах, обозначающее способность удерживать клиентов, пользователей, сотрудников или учащихся в системе на протяжении определённого периода времени. В узком смысле retention (или коэффициент удержания) — это доля субъектов, продолжающих взаимодействие с продуктом, сервисом, организацией или платформой после первого контакта или регистрации. Retention является одним из ключевых показателей эффективности (KPI) для бизнесов с регулярной моделью потребления (подписочные сервисы, мобильные приложения, соцсети, онлайн-курсы).
История возникновения и эволюция понятия
Понятие retention возникло в XX веке в сфере управления персоналом, где под удержанием сотрудников понимали снижение текучести кадров. В 1980–1990-е годы с развитием клиентоориентированного маркетинга и теории «пожизненной ценности клиента» (Customer Lifetime Value, LTV) retention стал применяться к потребителям. Массовое распространение метрика получила с появлением веб-аналитики и SaaS-сервисов (2000-е годы). Компании, предоставляющие услуги по подписке (Netflix, Spotify, облачные сервисы), сделали удержание клиентов одним из главных драйверов роста. В 2010-е годы с распространением мобильных приложений и геймификации retention стали анализировать с точностью до дней (Day 1, Day 7, Day 30).
Виды retention
По объекту удержания
- Клиентский retention (Customer Retention) — удержание покупателей или пользователей после первой покупки.
- Employee Retention (удержание сотрудников) — снижение добровольных увольнений и сохранение кадрового состава.
- User Retention (удержание пользователей) — для цифровых продуктов (веб-сайты, мобильные приложения).
- Student Retention (удержание учащихся) — в образовательных учреждениях и онлайн-курсах.
По методу расчёта
- «Классический» retention — доля вернувшихся (активных) пользователей от числа первоначальных за определённый период.
- Rolling retention — метрика, учитывающая возвращение в любой момент после первого события, а не строго на указанный день.
- N-day retention — удержание на n-й день (например, Day 7 Retention).
- Bracket retention — удержание в рамках временного интервала (например, с 7 по 14 день).
Методы расчёта retention
Наиболее распространённая формула для когортного анализа:
Retention = (Количество пользователей, вернувшихся в период T) / (Количество пользователей в когорте) × 100%
Пример когортной таблицы:
| Когорта (неделя регистрации) | Всего пользователей | Активны на 1-й день | Активны на 7-й день | Активны на 30-й день |
|---|---|---|---|---|
| 1-я неделя января | 1000 | 900 (90%) | 400 (40%) | 200 (20%) |
| 2-я неделя января | 1200 | 1080 (90%) | 500 (41,7%) | 250 (20,8%) |
Другой метод — процент удержания за период, когда учитываются повторные покупки/визиты. Для подписочных сервисов часто используют churn rate (отток) — обратную метрику.
Значение retention в бизнесе
Высокий retention снижает затраты на привлечение новых клиентов (CAC), увеличивает LTV, повышает предсказуемость доходов. Согласно исследованиям (Frederick Reichheld, Bain & Company), увеличение retention на 5% может повысить прибыль на 25–95%. Retention критичен для:
- SaaS-компаний (подписная модель);
- FMCG (повторные покупки);
- EdTech (удержание студентов до завершения курса);
- Телекоммуникаций (снижение оттока абонентов);
- Игровой индустрии (удержание игроков после первого сеанса).
Факторы, влияющие на retention
Продуктовые и маркетинговые
- Качество продукта/услуги;
- Пользовательский опыт (UX/UI);
- Персонализация предложений;
- Программы лояльности;
- Коммуникации (push-уведомления, e-mail-рассылки);
- Онбординг (процесс введения нового пользователя);
- Техническая стабильность (отсутствие ошибок, скорость работы).
Организационные и HR-факторы
- Уровень заработной платы и бонусов;
- Корпоративная культура;
- Возможности карьерного роста;
- Баланс работы и личной жизни;
- Социальный пакет.
Примеры и кейсы
- Netflix: использует алгоритмы рекомендаций для поддержания высокой retention (более 90% в ряде регионов). Снижение оттока достигается за счёт эксклюзивного контента и персонализации.
- Duolingo: использует геймификацию (ежедневные цели, серии, оповещения), что позволяет удерживать до 5% пользователей на 30-й день при стандарте 2–3% для образовательных приложений.
- Яндекс.Плюс: программы лояльности (кешбэк, бонусы, подписки на сервисы) стимулируют подписчиков продлевать участие.
- Сбербанк: удержание клиентов через персонализированные предложения, программу «СберСпасибо» и интеграцию сервисов.
Критика и ограничения
- Фокус на удержание может привести к игнорированию привлечения новых клиентов — необходим баланс.
- Метрика может быть искажена сезонностью, аномалиями или неправильным выбором временного окна.
- Высокий retention не всегда означает качественное взаимодействие: пользователи могут «держаться» из-за отсутствия альтернатив (lock-in), а не из-за удовлетворённости.
- В HR-сфере чрезмерное удержание «токсичных» сотрудников может снижать общую эффективность.
Методы улучшения retention
- Улучшение онбординга (быстрое достижение «aha-момента»);
- Внедрение геймификации (бейджи, уровни, челленджи);
- Персонализация контента и рекомендаций;
- Обратная связь (опросы NPS, CSAT) и оперативное реагирование на жалобы;
- A/B-тестирование коммуникаций и функций;
- Использование ретаргетинга и автоматических напоминаний (push/e-mail);
- Введение прозрачной системы мотивации для сотрудников.
Интересные факты
- Термин retention rate иногда путают с коэффициентом возврата инвестиций (ROI), но это разные метрики.
- В мобильных играх retention на 1-й день часто превышает 40%, а на 30-й — падает до 5–10%.
- Наиболее известным инструментом для анализа retention является когортный анализ, внедрённый в Google Analytics и Amplitude.
- В российской практике термин «удержание» часто используют в HR (удержание ключевых сотрудников), а в маркетинге — кальку «ретеншн».
Источники
- Reichheld, F. F., & Sasser, W. E. (1990). Zero Defections: Quality Comes to Services. Harvard Business Review.
- Флак, К. (2017). Действенный анализ в стартапах: как с помощью когорт найти точки роста. М.: Эксмо.
- Документация Amplitude (2023). Understanding Retention Analysis.
- Шапиро, Д. (2022). Аналитика цифровых продуктов. М.: Диалектика.
- Материалы платформы Skillbox (2024). Удержание клиентов: метрики и методы.
BFOmetr — база данных и аналитика по компаниям России.
На главную BFOmetr →