Aprenda Análise de Retenção | Métricas Essenciais e Mensuração

Deslize para mostrar o menu

A análise de retenção é uma das ferramentas mais importantes para entender o quanto seu produto mantém os usuários engajados ao longo do tempo. Imagine que você administra um aplicativo de fitness e deseja saber se os novos cadastros realmente continuam usando o app. Retenção N-Dia e retenção ilimitada são duas formas principais de medir isso.

A retenção N-Dia informa a porcentagem de usuários que retornam em um dia específico após o cadastro. Por exemplo, a retenção do Dia 7 responde: de todos os usuários que se cadastraram em um determinado dia, quantos voltaram exatamente 7 dias depois? É como um reencontro – quantas pessoas aparecem na festa uma semana após entrarem?

A retenção ilimitada é mais ampla. Em vez de perguntar se os usuários voltaram em um dia específico, ela verifica se retornaram em ou após um determinado dia. Assim, a retenção ilimitada do Dia 7 é a porcentagem de usuários que voltaram em qualquer momento a partir do sétimo dia. É como perguntar: quem voltou para a festa depois de uma semana, não importa quando?

Ambas as métricas ajudam a identificar tendências de lealdade do usuário e saúde do produto.


              1234567891011121314151617181920212223242526
            
import pandas as pd

# Sample user activity data
data = {
    "user_id": [1, 1, 2, 2, 3, 4, 5, 5, 5],
    "activity_day": [0, 7, 0, 1, 0, 1, 0, 7, 30]
}

df = pd.DataFrame(data)

def n_day_retention(df, day):
    signups = df[df["activity_day"] == 0]["user_id"].unique()
    returning = df[df["activity_day"] == day]["user_id"].unique()
    retained = set(signups) & set(returning)
    return len(retained) / len(signups) * 100

def unbounded_retention(df, day):
    signups = df[df["activity_day"] == 0]["user_id"].unique()
    returning = df[df["activity_day"] >= day]["user_id"].unique()
    retained = set(signups) & set(returning)
    return len(retained) / len(signups) * 100

print(f"Day 1 N-Day Retention: {n_day_retention(df, 1):.1f}%")
print(f"Day 7 N-Day Retention: {n_day_retention(df, 7):.1f}%")
print(f"Day 7 Unbounded Retention: {unbounded_retention(df, 7):.1f}%")
print(f"Day 30 N-Day Retention: {n_day_retention(df, 30):.1f}%")

Definição

A retenção N-Dia mede a porcentagem de usuários que retornam em um dia específico após o cadastro.

Ao calcular a retenção, você começa identificando o seu grupo de usuários — geralmente, todos que se cadastraram no mesmo dia. Em seguida, verifica quantos desses usuários retornaram em um dia específico (retenção N-Dia) ou em qualquer momento posterior (retenção irrestrita). Por exemplo, se você perceber que a retenção N-Dia no Dia 7 cai drasticamente, mas a retenção irrestrita é maior, isso significa que os usuários estão retornando, mas não sempre em um cronograma previsível.

Interpretar esses números ajuda a tomar decisões sobre o produto:

Alta retenção no Dia 1 indica um onboarding eficiente;
Alta retenção no Dia 30 mostra que os usuários percebem valor a longo prazo;
Se a retenção for baixa, pode ser necessário melhorar o onboarding, as notificações ou os recursos principais;
Acompanhar essas métricas ao longo do tempo mostra se as mudanças realizadas estão ajudando os usuários a permanecerem ativos.

Tanto a retenção N-Dia quanto a irrestrita revelam o quanto seu produto mantém os usuários engajados e onde é possível melhorar.

1. O que a retenção mede em analytics de produto?

2. Complete a lacuna:

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 2

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Seção 2. Capítulo 2