Retention Rate — это метрика, показывающая процент клиентов, которые продолжают пользоваться продуктом или услугой компании в течение определённого периода времени.
Retention Rate (коэффициент удержания) — это ключевая бизнес-метрика, которая измеряет долю клиентов, сохранивших активность и продолжающих взаимодействовать с компанией на протяжении заданного временного интервала. Формула расчёта выглядит следующим образом: Retention Rate = ((количество клиентов на конец периода − новые клиенты за период) / количество клиентов на начало периода) × 100%. Например, если на начало месяца у вас было 1000 клиентов, за месяц пришло 200 новых, а на конец месяца осталось 900, то Retention Rate составит (900 − 200) / 1000 × 100% = 70%.
Эта метрика является зеркальным отражением Churn Rate (коэффициента оттока): если Retention Rate равен 70%, значит Churn Rate составляет 30%. Однако важность удержания значительно выше, чем простая арифметика: по данным исследований, привлечение нового клиента обходится в 5–7 раз дороже, чем удержание существующего. Более того, увеличение Retention Rate всего на 5% может привести к росту прибыли от 25% до 95%.
Коэффициент удержания рассчитывается для разных периодов — недельного, месячного, квартального, годового. Выбор периода зависит от специфики бизнеса: для мобильных приложений актуален дневной и недельный retention, для SaaS — месячный и годовой, для e-commerce — квартальный. Важно анализировать динамику показателя, а не единичные значения, чтобы выявлять тренды и вовремя реагировать на ухудшение.
Retention Rate напрямую влияет на финансовые результаты компании. Удержанные клиенты генерируют больше выручки: средний чек повторного покупателя на 31% выше, чем у нового клиента. Кроме того, лояльные клиенты чаще рекомендуют бренд, обеспечивая бесплатный приток новых покупателей через сарафанное радио.
Мониторинг Retention Rate позволяет оценить эффективность маркетинговых стратегий, качество продукта и уровень клиентского сервиса. Падение коэффициента — сигнал о системных проблемах, которые необходимо оперативно диагностировать. Компании с высоким Retention Rate (выше 80% для SaaS, выше 40% для e-commerce) демонстрируют устойчивый рост и более высокую оценку инвесторами. Метрика также используется для прогнозирования LTV (пожизненной ценности клиента), планирования бюджетов на привлечение и обоснования инвестиций в программы лояльности.
Расчёт Retention Rate требует точной идентификации клиентов и отслеживания их активности. Процесс включает несколько этапов: определение начальной когорты (группы клиентов на начало периода), фиксация новых клиентов за период и подсчёт активных клиентов на конец периода. Активность может определяться по-разному: покупка, вход в приложение, использование сервиса.
Технически для расчёта необходимо хранить историю взаимодействий каждого клиента с временными метками. Современные CDP-платформы собирают события (покупки, визиты, клики) в аналитические хранилища и автоматически рассчитывают retention по различным когортам. Сегментация по каналам привлечения, географии, поведению позволяет выявить, какие группы клиентов удерживаются лучше, и сфокусировать ресурсы на наиболее перспективных сегментах.
Интернет-магазин электроники обнаружил, что месячный Retention Rate составляет всего 22%. Анализ показал, что клиенты, получившие персонализированные рекомендации в течение 7 дней после первой покупки, возвращались в 3 раза чаще. Внедрение автоматических цепочек писем с рекомендациями подняло retention до 35% за три месяца.
SaaS-сервис для управления проектами отслеживал недельный Retention Rate по когортам. Выяснилось, что пользователи, создавшие первый проект в день регистрации, имеют retention 60% против 15% у тех, кто отложил это на неделю. Компания переработала онбординг, добавив пошаговый мастер создания проекта, и увеличила 7-дневный retention с 28% до 45%.
Сервис доставки еды сегментировал клиентов по RFM-модели и обнаружил, что группа «засыпающих» (давно не заказывавших) составляет 30% базы. Запуск реактивационной кампании с персональными скидками вернул 18% этих клиентов, повысив общий Retention Rate на 5 процентных пунктов.
Trigly предоставляет комплексный инструментарий для мониторинга и повышения Retention Rate. CDP-платформа с 45+ полями профиля клиента и отслеживанием событий в ClickHouse позволяет точно рассчитывать retention по любым когортам и периодам. Когортный анализ в модуле аналитики визуализирует динамику удержания с разбивкой по каналам привлечения и сегментам.
RFM-анализ автоматически классифицирует клиентов по давности, частоте и сумме покупок, выделяя группы риска оттока. AI-скоринг (0–100 баллов) прогнозирует вероятность ухода каждого клиента, а модель ChurnPredictor определяет клиентов без активности за 60 дней. На основе этих данных можно создавать динамические сегменты и запускать автоматические flow-цепочки через Flow Builder для удержания клиентов по 6 каналам коммуникации с частотным кеппингом.
Нормы зависят от отрасли. Для SaaS-компаний хорошим считается месячный retention выше 90%, для мобильных приложений — 30-дневный retention выше 25%, для e-commerce — квартальный retention выше 30–40%. Важнее абсолютного значения положительная динамика показателя.
Это взаимодополняющие метрики: Retention Rate + Churn Rate = 100%. Если коэффициент удержания составляет 85%, то отток — 15%. Обе метрики описывают одно явление с разных сторон, но маркетологи чаще фокусируются на retention, поскольку он ориентирован на позитивный результат.
Первые результаты от программ удержания обычно видны через 1–2 месяца. Наиболее быстрый эффект дают: персонализированные реактивационные кампании (email, push, SMS), улучшение онбординга новых клиентов и внедрение программы лояльности с бонусными баллами. Системное повышение retention требует работы над качеством продукта и клиентского сервиса.
Trigly предоставляет многоуровневую систему для мониторинга и повышения Retention Rate. На уровне данных — CDP хранит полную историю взаимодействий каждого клиента с 45+ полями профиля. Поля last_activity_at, total_orders, first_purchase_at, last_purchase_at и purchase_frequency_days позволяют точно рассчитывать retention по любым определениям активности.
На уровне аналитики — CampaignAnalyticsService предоставляет когортный анализ (get_cohort), визуализирующий retention по группам клиентов, пришедших в одном периоде. ClickHouse с SummingMergeTree MV (events_daily_mv) обеспечивает мгновенную агрегацию по миллионам событий, а AnalyticsService рассчитывает get_customer_growth — кумулятивный рост базы с учётом оттока.
На уровне действий — Flow Builder с пресетами welcome (для повышения раннего retention), reactivation (для возврата уходящих) и post_purchase (для стимулирования повторных покупок) покрывает основные сценарии удержания. Шаг smart_send автоматически выбирает канал с максимальным engagement для каждого клиента, повышая вероятность прочтения сообщения и, как следствие, удержания.
Оператор связи отслеживал месячный retention по когортам абонентов, пришедших через разные каналы привлечения. Абоненты из реферальной программы показывали 12-месячный retention 82%, из контекстной рекламы — 61%, из промо-акций с бесплатным месяцем — 38%. Данные позволили перераспределить бюджет: увеличили инвестиции в реферальную программу через модуль лояльности (LoyaltyService) с удвоенными баллами за приглашение, что снизило средний CAC на 20% и повысило средний retention на 8 п.п.
Сервис доставки продуктов обнаружил, что 7-дневный retention (доля клиентов, сделавших второй заказ в первую неделю) является главным предиктором долгосрочного удержания. Клиенты со вторым заказом в первую неделю имели годовой retention 65%, остальные — 18%. Welcome-цепочка с промокодом на второй заказ и push-напоминанием через 3 дня подняла 7-дневный retention с 24% до 41%.
Сеть студий растяжки анализировала retention по типу первого занятия. Клиенты, начавшие с группового занятия, показывали 3-месячный retention 55%, с персональной тренировки — 78%. Автоматическая цепочка через Flow Builder предлагала новым клиентам после групповой тренировки персональное занятие со скидкой 50%, что увеличило конверсию в «активных» на 25%.
«Высокий retention означает отличный продукт». Не обязательно. Retention может быть высоким из-за высоких барьеров переключения (switching costs): сложная миграция данных, долгосрочные контракты, привязка к экосистеме. Такой retention хрупок — при появлении удобного конкурента клиенты уходят массово. Истинный retention основан на ценности продукта, а не на замках.
«Нужно удерживать всех клиентов любой ценой». Некоторые клиенты убыточны: их LTV ниже затрат на обслуживание и удержание. Скидки и бонусы для удержания таких клиентов увеличивают убытки. В Trigly через LTVPredictor можно оценить прогнозную ценность клиента и направлять ресурсы на удержание только прибыльных сегментов.
«Retention — это задача только маркетинга». Маркетинг может влиять на retention через коммуникации, персонализацию и программы лояльности, но корневые причины оттока часто лежат в продукте, ценообразовании или клиентском сервисе. Trigly помогает выявить эти причины через анализ поведенческих паттернов перед уходом, но их устранение требует межфункционального подхода.
Retention Rate и Churn Rate — зеркальные метрики: Retention = 100% - Churn. Однако для финансового моделирования важнее Net Revenue Retention (NRR), учитывающий не только уход клиентов, но и expansion revenue от оставшихся. NRR выше 100% означает, что рост выручки от существующих клиентов компенсирует потери от оттока.
RFM-анализ помогает идентифицировать сегменты с разным retention: «чемпионы» имеют максимальный retention, «под угрозой» — минимальный среди активных. Стадия жизненного цикла даёт операционную классификацию для управления retention на каждом этапе.
Предиктивная аналитика через ChurnPredictor превращает retention из реактивной в проактивную метрику: вместо подсчёта уже ушедших клиентов маркетолог получает список тех, кто уйдёт в ближайший месяц, и может предотвратить это через автоматические кампании.
AI-платформа автоматизации маркетинга с лучшими инструментами