Калькулятор удержания по когортам

Калькулятор удержания когорт преобразует размер когорты и список значений количества активных пользователей в полную картину удержания: коэффициент удержания на каждой контрольной точке, анимированную кривую удержания, цветовую тепловую карту оттока по периодам, период полураспада когорты, детектор кривой «улыбки» / выравнивания для оценки соответствия продукта рынку (PMF), степенную аппроксимацию с экстраполяцией стационарного состояния, а также квартильную классификацию относительно опубликованных отраслевых бенчмарков для SaaS, мобильных приложений, потребительских подписок, электронной коммерции и финтех-когорт. В отличие от простых калькуляторов оттока, кривая удержания когорты отражает саму форму оттока — и именно эта форма, а не отдельное число, показывает, обладает ли ваш продукт удерживающей силой.

Как использовать

1. Введите размер когорты — количество пользователей, привлеченных в одно и то же окно (неделя регистрации, месяц первой оплаты, день установки и т. д.).
2. Выберите единицу измерения. Мобильные приложения обычно измеряются в днях, B2C-подписки — в неделях, а B2B SaaS — в месяцах.
3. Введите периоды контрольных точек в виде списка через запятую. Значения по умолчанию 1, 7, 14, 30, 60, 90 представляют собой классический график для мобильных приложений; для B2B SaaS попробуйте ввести 1, 2, 3, 6, 9, 12 месяцев.
4. Введите количество активных пользователей в каждой контрольной точке в том же порядке. Каждое значение — это число пользователей из исходной когорты, все еще активных на текущем этапе. Никогда не меняйте базу знаменателя.
5. Выберите наиболее подходящий отраслевой бенчмарк — B2B SaaS, SMB SaaS, потребительская подписка, мобильное приложение, электронная коммерция или финтех.
6. Нажмите кнопку Построить кривую удержания, чтобы увидеть коэффициент удержания в каждой точке, анимированную кривую, тепловую карту оттока, период полураспада, вердикт по кривой «улыбки», степенную аппроксимацию и квартильную классификацию.

Используемые формулы

Что отличает этот калькулятор когорт

• Кривая, а не просто цифра. Большинство калькуляторов удержания вычисляют лишь один показатель. Данный инструмент строит полную кривую удержания по 10 заданным пользователем точкам — именно форма кривой показывает, выходит ли когорта на плато или продолжает таять.
• Детектор кривой «улыбки» / плато PMF. Встроенный анализ трех последних точек классифицирует когорту по категориям: сильное выравнивание (классический сигнал PMF по Шону Эллису), умеренное выравнивание или продолжающееся снижение.
• Период полураспада через интерполяцию. Линейная интерполяция между контрольными точками дает точную оценку периода, в котором ровно 50% когорты ушло в отток, а не просто указывает факт пересечения этой отметки.
• Степенная аппроксимация и прогноз стационарного состояния. Метод наименьших квадратов на лог-лог преобразовании строит модель R(t) = a · t^(−k), выводит коэффициент детерминации R² и прогнозирует удержание примерно в 3 раза дальше последней контрольной точки при хорошем соответствии модели.
• Тепловая карта оттока. Снижение показателей от периода к периоду кодируется цветом от зеленого (≤2 п.п.) до темно-красного (>50 п.п.), что позволяет мгновенно заметить самую критическую точку потери пользователей.
• Отраслевые квартильные бенчмарки. Шесть специализированных бенчмарков (B2B SaaS, SMB SaaS, потребительские подписки, мобильные приложения, электронная коммерция, финтех) позволяют сравнить ваши результаты для 1, 7 и 30 дней с опубликованными диапазонами P25 / P50 / P75.
• Анимированная SVG-кривая. Линия прорисовывается, область заполняется цветом, а маркеры значений появляются последовательно, благодаря чему динамика оттока становится наглядной, в отличие от статических графиков.
• Поддержка дней, недель или месяцев. Выбирайте временную шкалу, которая соответствует естественному циклу вашего продукта. Мобильные приложения анализируются по дням, B2B-сервисы — по месяцам.
• Интерактивный просмотр до отправки формы. Введите любое число, и мини-график, проценты и статус PMF обновятся мгновенно, без перезагрузки всей страницы.
• Пошаговая математика. Каждый расчет разложен по пунктам, чтобы вы могли проверить результат, задокументировать его или разобраться в логике вычислений.

Что такое когорта?

Когорта — это группа пользователей, объединенных общим событием привлечения в один и тот же промежуток времени: чаще всего это неделя, день или месяц, когда они зарегистрировались, установили приложение или совершили первую покупку. Когортный анализ отслеживает эту фиксированную группу на протяжении последующих периодов, поэтому знаменатель расчета остается неизменным. Именно это делает когортное удержание принципиально более честным показателем, чем «отношение месячной активности к общему числу пользователей», которое может маскировать лавинообразный отток за счет агрессивного роста привлечения.

Коэффициент удержания vs Уровень оттока (Churn Rate)

Коэффициент удержания (Retention) и уровень оттока (Churn) являются обратными величинами для любого выбранного периода: удержание = 1 − отток. Выбор в пользу того или иного показателя чаще продиктован психологическими, а не математическими причинами: формулировка «удержали 95%» вместо «потеряли 5%» смещает фокус команды с предотвращения потерь на развитие успеха. Когортный вариант удержания информативнее периодического оттока, поскольку он отслеживает одних и тех же пользователей во времени, обнажая точки потерь: 50% оттока в первый день с последующим идеально плоским удержанием — это принципиально иная (и более качественная) когорта, чем медленное, непрекращающееся угасание.

Как читать форму кривой удержания

• Резкое падение на старте, плоский хвост (кривая «улыбки»). Большинство привлеченных пользователей не подошли продукту, но стабильное ядро считает его незаменимым. Это хрестоматийная форма соответствия продукта рынку (PMF) — и уровень этого плато показывает размер вашего реального целевого рынка в рамках привлеченного сегмента.
• Плавное, монотонное угасание. Характерная форма для продуктов с низкой частотой использования (сервисы ежегодных покупок, налоговые инструменты, приложения для планирования свадеб). Это не обязательно плохо, но экономика подразделения здесь зависит от угла наклона, а не от абсолютного уровня.
• Стабильность на старте и внезапный обвал. Практически всегда указывает на вынужденное событие отмены: завершение пробного периода, сбой списания оплаты, окончание годового контракта без продления. Ищите системную причину в бизнес-логике, а не в поведении пользователей.
• Продолжающееся падение в последней точке. Выхода на плато не предвидится. Либо вам требуется больше времени для наблюдений, либо продукт еще не нашел сценария регулярного использования, формирующего привычку у данной когорты.
• Движение кривой вверх. Почти всегда является артефактом измерения: в когорту ошибочно включаются вернувшиеся к активности старые пользователи, либо критерии активности были расширены из-за запуска нового функционала. Проведите расследование, прежде чем праздновать успех.

Бенчмарки удержания по категориям

Квартили выведены на основе публичных отчетов AppsFlyer, Mixpanel, Amplitude, OpenView, RJMetrics. Рассматривайте их как общие ориентиры, а не жесткие стандарты индустрии.

Распространенные ошибки когортного анализа

• Изменение базы знаменателя. Всегда делите количество пользователей на исходный размер когорты в каждой контрольной точке. Деление на «пользователей, остававшихся активными в прошлом периоде» искусственно завышает удержание на каждом шаге и маскирует реальный отток.
• Смешивание определений активности. Как измерялось удержание на 30-й день: по факту авторизации, по совершению целевого действия или по статусу подписки? Каждый вариант дает свою кривую. Выберите один критерий и строго придерживайтесь его.
• Путаница между удержанием пользователей и удержанием выручки. Когортное удержание по клиентам (Logo Retention) учитывает каждого пользователя одинаково; удержание чистой выручки (NRR) взвешивается в деньгах. Они могут сильно расходиться в продуктах со значительной разницей в стоимости тарифных планов.
• Недостаточный размер когорты. Когорты численностью менее ~500 пользователей дают сильный разброс погрешности на длинных горизонтах. Объединяйте несколько соседних недель привлечения вместо избыточной интерпретации микро-когорт.
• Принятие снижающегося хвоста за плато. Минимум три стабильные точки подряд могут служить сигналом выравнивания PMF. Одна точка, похожая на плато, часто оказывается обычным статистическим шумом.
• Игнорирование формы кривой. 30% удержания на 30-й день, полученные из резкого падения с выходом на плато, принципиально отличаются от тех же 30%, полученных при плавном непрерывном угасании. Одно число — противоположные выводы.
• Артефакты вынужденного оттока. Завершение триалов, ошибки эквайринга и продления годовых контрактов создают искусственные просадки в предсказуемые периоды. Добавляйте к ним аннотации, а не интерпретируйте как продуктовый отток.

Как удержание влияет на пожизненную ценность клиента (CLV)

Более высокое удержание означает увеличение продолжительности жизненного цикла клиента, что напрямую повышает пожизненную ценность (CLV). Базовая формула: CLV = (месячный ARPU × валовая маржинальность) ÷ месячный отток; или эквивалентно: CLV = (месячный ARPU × валовая маржинальность) × средний жизненный цикл клиента в месяцах. Поскольку жизненный цикл обратно пропорционален оттоку, улучшение удержания всего на один процентный пункт при базовом ежемесячном оттоке в 5% увеличивает жизненный цикл с 20 до 25 месяцев — это дает 25% прироста CLV при неизменном ARPU. Именно поэтому инвестиции в удержание обычно оказываются эффективнее затрат на привлечение при сопоставимом бюджете, как только продукт масштабируется до определенных объемов.

Куда смотреть в первую очередь для улучшения удержания

1. Активация в первом периоде. Самый крутой спад на большинстве кривых происходит между Днем 0 и Днем 1 (или Неделей 0 → Неделей 1). Понятный онбординг, сокращение времени до первой ценности (Time-to-First-Value) и проактивная работа с новичками обычно дают максимальный рычаг.
2. Моменты вынужденного оттока. Окончание пробных периодов и даты продления концентрируют отток в конкретные дни. Сопоставьте падения когорты с этими структурными вехами, прежде чем винить вовлеченность пользователей в продукт.
3. Работа с неудачными платежами. Значительная часть оттока — это просто карты с истекшим сроком действия. Инструменты автоматического обновления карт и грамотные сценарии напоминаний (dunning) спасают 5–15% ежемесячного оттока в большинстве B2C SaaS.
4. Выявление продвинутых пользователей (Power Users). Участники когорты, остающиеся активными в последней точке, представляют собой ваш самый лояльный сегмент. Изучите их общие черты — используемые фичи, подключенные интеграции, размер команды — и нацельте привлечение на поиск похожих аудиторий (look-alike).
5. Сегментация когорт. Если общая кривая когорты так и не выходит на плато, сегментируйте ее. Часто оказывается, что один конкретный канал привлечения или один портрет пользователя находят идеальный PMF на фоне посредственной общей кривой.

FAQ

Что такое коэффициент когортного удержания?

Коэффициент когортного удержания — это процент пользователей из одной фиксированной группы привлечения, остающихся активными в последующий период. Он рассчитывается как количество активных пользователей в контрольной точке, деленное на исходный размер когорты, и выражается в процентах. Поскольку знаменатель когорты неизменен, этот показатель снижается монотонно — любой уход уменьшает его, а реактивации старых пользователей не могут искусственно завысить базу.

Чем когортное удержание отличается от ежемесячного удержания?

Ежемесячное удержание (Monthly Retention) обычно рассчитывается как отношение общего числа активных пользователей за месяц к зарегистрированным — эта цифра может оставаться стабильной или расти даже при сильном оттоке внутри когорт, так как новые пользователи закрывают образовавшиеся бреши. Когортное удержание отслеживает строго фиксированную группу во времени, поэтому его нельзя замаскировать успехами нового маркетинга. Когортный анализ объективнее оценивает удерживающую силу продукта; ежемесячный показатель удобнее для верхнеуровневой отчетности о росте бизнеса.

Какие контрольные точки мне следует использовать?

Классический график для мобильных приложений включает День 1, День 7, День 14, День 30, День 60, День 90 — этого достаточно, чтобы поймать ранний отток и увидеть формирование плато. Для B2C-подписок попробуйте еженедельные точки; для B2B SaaS — ежемесячные. Калькулятор поддерживает любые целочисленные значения от 2 до 10, расположенные строго по возрастанию.

Что такое кривая «улыбки» в когортном анализе?

Кривая «улыбки» — это график удержания, который резко идет вниз на начальном этапе, а затем выравнивается, образуя стабильное горизонтальное плато. Такое выравнивание служит классическим индикатором Шона Эллиса, подтверждающим соответствие продукта рынку (PMF): постоянная доля привлеченной аудитории находит продукт по-настоящему ценным. Если кривая продолжает падать, она не переходит в «улыбку», сигнализируя о том, что продукт еще не сформировал устойчивый сценарий использования у данного сегмента.

Что считается хорошим удержанием 30-го дня?

Хороший показатель 30-го дня сильно привязан к специфике категории. В верхнем квартиле B2B SaaS этот показатель удерживается на уровне 65% и выше. Для SMB SaaS планка верхнего квартиля находится в районе 45%. Медиана потребительских подписок обычно составляет около 20%. Для мобильных приложений нормой считается медиана в 9% и показатель верхнего квартиля в 18%. Калькулятор сопоставит ваш 30-й день с целевыми ориентирами именно вашей ниши.

Как устроен расчет периода полураспада?

Период полураспада фиксирует отметку, на которой удержание пересекает границу в 50%. Калькулятор находит пару смежных контрольных точек, между которыми показатель удержания опускается ниже 50%, и вычисляет точное значение методом линейной интерполяции. Если на всем исследуемом отрезке удержание остается выше 50%, период полураспада помечается как «находящийся за рамками данных», что говорит о высокой удерживающей силе.

О чем сообщает степенная аппроксимация?

Большинство реальных кривых удержания близки к степенному закону R(t) = a · t^(−k). Инструмент строит эту математическую модель по вашим точкам с помощью метода наименьших квадратов в логарифмических координатах и выводит коэффициент детерминации (R²). Если R² превышает 90%, степенной закон качественно описывает поведение кривой, и экстраполяция модели (примерно в 3 раза дальше последней точки) дает надежный прогноз вектора движения удержания. Низкий R² обычно указывает на резкие переломы в поведении (окончание триала, списания подписок), которые плавная степенная модель не способна учесть.

Можно ли применить калькулятор для удержания выручки (Revenue Retention), а не пользователей?

Да. В качестве размера когорты укажите общий объем выручки на момент привлечения, а в контрольных точках — суммы, продолжающие поступать от этой когорты на соответствующих этапах. Математический алгоритм универсален и сработает идентично. Таким образом вы получите показатель валового удержания выручки (GRR). Для расчета чистого удержания выручки (NRR), учитывающего расширение чека (Upsell), вам пришлось бы закладывать дополнительный доход в числитель — напрямую данный калькулятор эту операцию не выполняет.

Каков минимальный объем когорты для получения достоверных цифр?

Ориентировочно, когорты численностью менее 500 пользователей склонны давать зашумленные кривые удержания на длинных дистанциях, где действия единичных пользователей могут заметно сдвигать график. Для достижения статистической надежности рекомендуется укрупнять периоды привлечения (например, объединять несколько недель регистраций в одну общую когорту) либо воспринимать каждую точку удержания как доверительный интервал, а не как абсолютную истину.