Retention
Содержание
Определение
Retention — доля пользователей, вернувшихся после первого действия, за определённый период. Классический retention считает вернувшихся строго в конкретный день, rolling — в течение окна, unbounded — в любой день после старта. Смысл метрики целиком зависит от определения «вернулся» и выбранного окна.
Как считать
Пользователей группируют по дню старта в когорты и для каждого периода считают долю активных: Rt=вернувшиеся на день t/N0. Результат сводят в когортную матрицу, где столбцы — периоды после старта. Отдельно фиксируют определение активности: открытие, ключевое действие, платёж.
Ловушки
Без явного определения активности retention бессмыслен: одно и то же число даёт разные метрики при разных порогах. Первый период самый шумный. Сравнивать нужно когорты на одинаковой длине окна. Календарные события и сезонность искажают сравнение когорт между собой.
Связанные понятия
Понятия
- Когорта
Когорта — группа пользователей, объединённых общим временем старта или событием. Основа когортного анализа удержания.
- Кривая удержания
Кривая удержания показывает долю вернувшихся по периодам после старта. Её форма — сигнатура продукта и его стабильности.
- Отток (churn)
Отток — доля пользователей, переставших быть активными за период. Обратная сторона retention и прямой вход в расчёт LTV.
- Воронка
Воронка — последовательность шагов от входа к целевому действию с конверсией между ними. Показывает, где теряются пользователи.
Проекты
- Cohort Analysis Dashboard
Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; треугольная матрица удержания с ARPU и LTV по когортам, оговоркой о возрасте наблюдения и экспортом CSV + Hyper.
Упоминается в
Материалы сайта, которые ссылаются на эту страницу.
Проекты
- Data Analyst Telegram Bot
Telegram-бот для аналитика без BI: CSV из выгрузки превращается в p-value, лифт и 95% CI за 30 секунд — 12 команд, история анализов и экспорт в HTML.
- Causal / Uplift — CUPED and Individual Treatment Effects
CUPED срезал стандартную ошибку на 26%: та же мощность на 5,5k пользователей на руку вместо 10k. Предрегистрированный порог окупаемости 0.05 отправляет кампанию только на new.
- Churn Prediction — Leakage-Free Retention Model
Leakage-free churn-модель: recall@top-10% = 0.544 и lift 5,44× при ROC-AUC 0.916 на хронологическом сплите; на at-risk подгруппе lift 1,75×, ведь 69,7% когорты — почти гарантированные негативы.
- ClickHouse — десять SQL-кейсов на 50 млн строк
Девять SQL-кейсов на 50 млн событий плюс оптимизация, где текст запроса не меняется: проекция читает диапазон ключа вместо полного скана, а семь DuckDB-двойников ловят расхождения движков.
- Cohort Analysis Dashboard
Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; треугольная матрица удержания с ARPU и LTV по когортам, оговоркой о возрасте наблюдения и экспортом CSV + Hyper.
- Browser Mini-Games — Analytics Arcade
10 играбельных мини-игр в self-contained SVG: 7 аналитических (A/B до p<0.05, funnel drop, cohort catch, retention day) и 3 аркадных. Один файл — вся игра, без сборки.
- TaskFlow — PostHog Product Analytics Pipeline
Онбординг-тест на сидированном потоке событий: завершение 55.9% → 70.8% (+26.6%), χ² = 40.10, p < 0.0001 при SRM p = 0.90; 6.3% завершивших регистрацию доходят до платного апгрейда.
- Product A/B & Funnel Analytics — конверсия против удержания
Воронка 12 000 → 9 623 → 3 384 и A/B на 2 552 пользователях: онбординг поднимает activation → paid на 19.59% (p=0.000946), вердикт SHIP; при равном шаге конверсия даёт +10.00% к LTV, удержание +8.65%
- RAG Evaluation Harness — retrieval and generation metrics
RAG-пайплайн с офлайн-харнессом: recall@5 и MRR = 1.00 на 20 вопросах, correctness 0.37 — и 0.00 на контроле с промахами ретрива. TF-IDF без API-ключей; faithfulness ≡1.00 — инвариант экстрактива.
- SQL Analytics Case Study
26 SQL-кейсов: 25 на синтетике (~183k событий) + 1 real-data на UCI Online Retail II. Воронка, retention, LTV, атрибуция, аномалии, dbt-слой на DuckDB, живой отчёт на GitHub Pages.
- Product Analytics Dashboard (Streamlit)
Продуктовый дашборд на синтетическом SaaS-датасете (8 000 пользователей): AARRR-воронка, cohort retention, выручка (MRR, ARPU, churn) и сегментация — 5 страниц на Streamlit.
- Product Analytics + A/B on Supabase
Full-stack аналитика на Supabase: A/B на сидированном потоке дал +11,1 пп (p ≈ 1,7·10⁻¹⁰, χ²), а Streamlit-дашборд читает живые данные через RLS и SQL-вьюхи.
- Volta Neobank — Product Analytics
Закрыл узкое место онбординга необанка A/B-тестом: +5,72 пп конверсии KYC, €208,5K за 12 мес при 13,9× ROI. 23 проекта: воронка → A/B → retention → сегментация → Market & Jobs → RAT v2 → causal.
Посты
- Калибровка A/B-методов симуляцией: как проверить метод до продакшена
p-value из учебника не доказывает метод — доказывает симуляция. Как проверять каждый A/B-модуль A/A-тестом под нулём и power-кривой под эффектом: CUPED, peeking, ratio-метрики, mSPRT.
- Churn + uplift: кому дать скидку (причинный таргетинг)
Предсказать отток — половина задачи. Вторая половина — понять, кого скидка удержит, а кому она не нужна или вредна. Двухуровневый конвейер: churn-диагностика → причинный таргетинг через uplift-модели.
- Когортный анализ удержания
Когортная матрица удержания в Pandas: почему агрегат врёт, как строить треугольную таблицу, какие у неё ограничения и что она реально говорит о продукте. С реальным кейсом из volta-banking.
- Почему агрегат врёт: когортные треугольники удержания
Среднее удержание по всем когортам смешивает клиентов с разным сроком жизни и врёт вверх. Как строить треугольную когортную матрицу, читать observation-age и сравнивать когорты честно.
- Дашборды, которые не врут: принципы продуктовой визуализации
Дашборд врёт не намеренно — он умалчивает: про observation age, про контекст, про то, где именно агрегат был посчитан. Пять принципов, которые держат продуктовые дашборды честными.
- Чек-лист портфолио дата-аналитика
Что я проверяю перед тем, как отправить портфолио найм-менеджеру — на основе ревью своего и чужих. Семь пунктов в трёх группах.
- EDA-шаблон с кодом: разведочный анализ по-продуктовому
Повторяемый шаблон разведочного анализа на pandas, numpy и seaborn: от схемы данных до продуктовых гипотез. Код, который я копирую в каждый новый проект, чтобы не забыть ключевые проверки.
- Feature Impact: как измерить влияние фичи, когда A/B невозможен
Когда фича уже запущена или рандомизация невозможна, A/B-тест молчит. Causal-фреймворк — CUPED, DiD, synthetic control, propensity matching — позволяет выделить чистый эффект фичи из observational данных и не принять self-selection за пользу.
- Первая транзакция: как измерить активацию финтех-продукта
60% пользователей нео-банка проходят KYC и больше не возвращаются: пустой счёт без движения денег. Почему активацию надо мерить первой транзакцией, а не регистрацией — и как TTFV предсказывает D7/D30 retention.
- GitHub Actions для аналитика: автоматизация без очереди к разработке
Отчёт в 7 утра без поднятого ноутбука и арендованного сервера. Как аналитик автоматизирует пайплайны и отчёты через GitHub Actions — cron, secrets, артефакты, триггеры на push.
- North Star и конфликты метрик: почему одна метрика ломает продукт
North Star Metric фокусирует команду на одной метрике ценности, но без guardrail'ов и дерева метрик она же провоцирует конфликты, которые ломают продукт. Разбор на реальных кейсах Bing, Яндекса и B2B SaaS.
- Платёжные отказы: как вернуть потерянный revenue
30–40% всего churn в подписочных продуктах — involuntary: клиент не ушёл, у него просто не списался платёж. Разбор причин отказов, метрик потерь и механик recovery.
- RFM-сегментация клиентов
RFM раскладывает клиентов по трём осям — давность, частота, сумма — и превращает скоринг в действия. Практический фреймворк с SQL, разбором нюансов и кейсом.
- Оконные функции: gaps-and-islands, топ-N, range-join для stickiness
Три паттерна оконных функций, которые отличают продуктового аналитика: gaps-and-islands для стриков, partitioned Top-N и range-join для DAU/MAU stickiness. На DuckDB, без сервера.
- Streamlit-дашборд за выходные: прототип без BI-системы
Заказчик хочет увидеть метрики послезавтра, а BI-системы нет или она тяжёлая. Streamlit закрывает именно этот разрыв: прототип дашборда за выходные, который можно показать живой ссылкой.
- Юнит-экономика: CAC, LTV, payback и когорты
Юнит-экономика сводит продукт к одному вопросу — зарабатывает ли бизнес на каждом клиенте больше, чем тратит на его привлечение. Разбираем CAC, LTV, CM1/CM2, payback и почему агрегат врёт на когортах.
- User Journey / Path Analysis: где теряется пользователь
Пользователь видит ценность только через неделю — и это не проблема продукта, а проблема пути. Как аналитику разобрать user journey по шагам, найти узкое горлышко и сократить time-to-value с 144 часов до 24.
- Кейс Volta: воронка, A/B и retention на синтетике необанка
Полный цикл продуктовой аналитики на синтетическом необанке: где терялась воронка, как CUPED и AA-тест удержали Type I, что показали когортные треугольники и почему 4 сегмента важнее 125 ячеек.
Карта связей
Интерактивный подграф: 12 узлов и 27 связей вокруг этой страницы. Каждый узел доступен с клавиатуры; Enter или пробел открывают связанную страницу. Полный список узлов и их связей — после графика.
- Cohort Analysis Dashboard : Когорта (Явная связь), Retention (Явная связь), Кривая удержания (Явная связь), Time-to-convert (Явная связь)
- Отток (churn) : Retention (Явная связь), LTV (Явная связь), NPS (Явная связь), Кривая удержания (Явная связь), Retention / когорты (Тематическая связь)
- Когорта : Retention (Явная связь), Кривая удержания (Явная связь), Time-to-convert (Явная связь), Cohort Analysis Dashboard (Явная связь), Retention / когорты (Тематическая связь)
- DAU / MAU и stickiness : Retention (Явная связь), North Star Metric (Явная связь), Кривая удержания (Явная связь)
- Воронка : North Star Metric (Явная связь), Retention (Явная связь), Time-to-convert (Явная связь)
- LTV : Отток (churn) (Явная связь), Retention (Явная связь)
- North Star Metric : DAU / MAU и stickiness (Явная связь), Воронка (Явная связь), Retention (Явная связь)
- NPS : Retention (Явная связь), Отток (churn) (Явная связь)
- Retention : Отток (churn) (Явная связь), Когорта (Явная связь), DAU / MAU и stickiness (Явная связь), Воронка (Явная связь), LTV (Явная связь), North Star Metric (Явная связь), NPS (Явная связь), Кривая удержания (Явная связь), Cohort Analysis Dashboard (Явная связь), Time-to-convert (Явная связь), Retention / когорты (Тематическая связь)
- Кривая удержания : Когорта (Явная связь), DAU / MAU и stickiness (Явная связь), Retention (Явная связь), Отток (churn) (Явная связь), Cohort Analysis Dashboard (Явная связь), Retention / когорты (Тематическая связь)
- Time-to-convert : Когорта (Явная связь), Воронка (Явная связь), Retention (Явная связь), Cohort Analysis Dashboard (Явная связь), Retention / когорты (Тематическая связь)
- Retention / когорты : Отток (churn) (Тематическая связь), Когорта (Тематическая связь), Retention (Тематическая связь), Кривая удержания (Тематическая связь), Time-to-convert (Тематическая связь)
Термины, статьи и проекты, связанные с этим понятием. Касание или клик открывают узел.