80% пользователей уходят за 3 дня. Вот что с этим делают крупные продукты.
Amplitude выпустил практический гайд по удержанию пользователей. Разобрали свои кейсы (частично анонимизированные) и вывели рабочий фреймворк.
Главная проблема
Средний юзер устанавливает 40+ приложений, но пользуется регулярно только 9-10. 80% новых пользователей отваливаются в первые 3 дня после установки. Привлечение без удержания не работает: это «дырявое ведро».
Фреймворк: три типа пользователей
1. New — новые пользователи
Задача: довести до первого «aha-момента» как можно быстрее.
- Определить критическое событие продукта (то самое действие, после которого пользователь остаётся)
- Сократить путь до этого события в онбординге
- Убрать лишние шаги регистрации и настройки
- Замерять retention на Day 1, Day 7, Day 30 отдельно от общей метрики
- Тестировать разные версии первого экрана/потока
2. Current — активные пользователи
Задача: превратить рядовых пользователей в постоянных (power users).
- Выделить сегменты по частоте критического события
- Найти поведенческие паттерны, которые коррелируют с долгим удержанием (как 7 друзей за 10 дней у Facebook)
- Строить фичи и уведомления под конкретный сегмент, а не под всех сразу
- Следить за retention curve: если кривая не выходит на плато, есть системная проблема
- Разделять «производителей» (тех, кто создаёт контент/ценность) и «потребителей»
3. Resurrected — реактивированные пользователи
Задача: вернуть «спящих» и не дать снова уйти.
- Проанализировать, почему конкретно эти пользователи ушли (не гадать, а смотреть на поведение перед оттоком)
- Спроектировать «пустые состояния» (экраны, в которых еще нет истории покупок, поиска, сообщений, заказов и т.д.) так, чтобы вернувшийся сразу видел ценность
- Использовать точечные триггеры возврата (не спам-рассылки, а персонализированные)
- Отслеживать, за счёт чего произошла реактивация, и повторять этот механизм
- Замерять retention реактивированных отдельно от новых, это разные аудитории с разным поведением
Кейс 1. Сервис доставки еды
Компания разбила пользователей по частоте «критического события» (заказа) и выделила сегмент «продюсеров» — тех, кто делает мало заказов, но именно они определяют жизнеспособность бизнеса. Под них перестроили продуктовые приоритеты.
Кейс 2. Приложение для медитации
Через анализ конверсии выяснили: если пользователь бронирует хотя бы одно занятие в первую неделю, вероятность удержания резко растёт. Это стало ключевой метрикой на старте.
Кейс 3. Retention по странам
В Индии удержание на 7-й день оказалось на 9,6% выше, чем в других регионах. Разбор причин показал разницу в пользовательском опыте, которую можно закрыть локализацией.
Кейс 4. Facebook (классика)
Пользователи, добавившие 7 друзей за 10 дней, удерживались значительно чаще остальных. Метрика стала точкой роста продукта на годы вперёд.
Кейс 5. Words with Friends (Zynga).
У пользователей, долго не заходивших в игру, не было активных партий с друзьями. Когда они возвращались, видеть было нечего — типичный пустой экран, из-за которого люди снова уходили. Решение: команда стала отправлять push-уведомления друзьям неактивного игрока с предложением пригласить его в новую партию. Когда человек возвращался, его уже ждало приглашение — и вероятность повторного вовлечения резко росла.
Вывод
Retention не лечится маркетинговыми хаками (push, email-рассылки, реклама). Работает только системный анализ поведения на каждом этапе жизненного цикла пользователя и точечные изменения продукта под конкретный сегмент.
"Mastering User Retention Playbook" (Amplitude, Product Analytics Playbook Vol. 1)
Data Insight в Max | Telegram | VK | Рассылка
Amplitude выпустил практический гайд по удержанию пользователей. Разобрали свои кейсы (частично анонимизированные) и вывели рабочий фреймворк.
Главная проблема
Средний юзер устанавливает 40+ приложений, но пользуется регулярно только 9-10. 80% новых пользователей отваливаются в первые 3 дня после установки. Привлечение без удержания не работает: это «дырявое ведро».
Фреймворк: три типа пользователей
1. New — новые пользователи
Задача: довести до первого «aha-момента» как можно быстрее.
- Определить критическое событие продукта (то самое действие, после которого пользователь остаётся)
- Сократить путь до этого события в онбординге
- Убрать лишние шаги регистрации и настройки
- Замерять retention на Day 1, Day 7, Day 30 отдельно от общей метрики
- Тестировать разные версии первого экрана/потока
2. Current — активные пользователи
Задача: превратить рядовых пользователей в постоянных (power users).
- Выделить сегменты по частоте критического события
- Найти поведенческие паттерны, которые коррелируют с долгим удержанием (как 7 друзей за 10 дней у Facebook)
- Строить фичи и уведомления под конкретный сегмент, а не под всех сразу
- Следить за retention curve: если кривая не выходит на плато, есть системная проблема
- Разделять «производителей» (тех, кто создаёт контент/ценность) и «потребителей»
3. Resurrected — реактивированные пользователи
Задача: вернуть «спящих» и не дать снова уйти.
- Проанализировать, почему конкретно эти пользователи ушли (не гадать, а смотреть на поведение перед оттоком)
- Спроектировать «пустые состояния» (экраны, в которых еще нет истории покупок, поиска, сообщений, заказов и т.д.) так, чтобы вернувшийся сразу видел ценность
- Использовать точечные триггеры возврата (не спам-рассылки, а персонализированные)
- Отслеживать, за счёт чего произошла реактивация, и повторять этот механизм
- Замерять retention реактивированных отдельно от новых, это разные аудитории с разным поведением
Кейс 1. Сервис доставки еды
Компания разбила пользователей по частоте «критического события» (заказа) и выделила сегмент «продюсеров» — тех, кто делает мало заказов, но именно они определяют жизнеспособность бизнеса. Под них перестроили продуктовые приоритеты.
Кейс 2. Приложение для медитации
Через анализ конверсии выяснили: если пользователь бронирует хотя бы одно занятие в первую неделю, вероятность удержания резко растёт. Это стало ключевой метрикой на старте.
Кейс 3. Retention по странам
В Индии удержание на 7-й день оказалось на 9,6% выше, чем в других регионах. Разбор причин показал разницу в пользовательском опыте, которую можно закрыть локализацией.
Кейс 4. Facebook (классика)
Пользователи, добавившие 7 друзей за 10 дней, удерживались значительно чаще остальных. Метрика стала точкой роста продукта на годы вперёд.
Кейс 5. Words with Friends (Zynga).
У пользователей, долго не заходивших в игру, не было активных партий с друзьями. Когда они возвращались, видеть было нечего — типичный пустой экран, из-за которого люди снова уходили. Решение: команда стала отправлять push-уведомления друзьям неактивного игрока с предложением пригласить его в новую партию. Когда человек возвращался, его уже ждало приглашение — и вероятность повторного вовлечения резко росла.
Вывод
Retention не лечится маркетинговыми хаками (push, email-рассылки, реклама). Работает только системный анализ поведения на каждом этапе жизненного цикла пользователя и точечные изменения продукта под конкретный сегмент.
"Mastering User Retention Playbook" (Amplitude, Product Analytics Playbook Vol. 1)
Data Insight в Max | Telegram | VK | Рассылка