मोबाइल ऐप्स में Retention Rate: यह क्या है, रिटेंशन के प्रकार और इसकी गणना कैसे करें

मोबाइल ऐप्स में Retention Rate क्या है?

Retention Rate (RR) एक मीट्रिक है जो दर्शाता है कि अपनी पहली यात्रा के बाद एक निर्धारित समय के भीतर कितने प्रतिशत उपयोगकर्ता ऐप पर लौटते हैं। MAU या DAU के विपरीत, जो सक्रिय उपयोगकर्ताओं की पूर्ण संख्या मापते हैं, Retention Rate दर्शकों की गुणवत्ता मापता है: उत्पाद समय के साथ उपयोगकर्ताओं को कितनी अच्छी तरह बनाए रख सकता है। उच्च Retention Rate उत्पाद-बाज़ार फिट का संकेतक और सतत विकास की कुंजी है।

Retention Rate इंस्टॉल से अधिक महत्वपूर्ण क्यों है

कई स्टार्टअप रिटेंशन को अनदेखा करके इंस्टॉलेशन बढ़ाने पर ध्यान केंद्रित करते हैं। परिणाम: टनों डाउनलोड, शून्य गतिविधि। Retention Rate उपयोगकर्ता के लिए उत्पाद का वास्तविक मूल्य दिखाता है। यदि पहले सप्ताह के बाद 10% से कम उपयोगकर्ता बचे हैं, तो उत्पाद दर्शकों की समस्या का समाधान नहीं कर रहा है। Andrew Chen (a16z के पूर्व भागीदार) के अनुसार, Day 7 retention > 30% वाले स्टार्टअप के सफल Series A राउंड की संभावना 3 गुना अधिक होती है।

Retention Rate और Lifetime Value

LTV (Lifetime Value) सीधे Retention Rate पर निर्भर करता है। उपयोगकर्ता जितना अधिक समय उत्पाद में रहता है, वह उतना अधिक भुगतान करता है या विज्ञापन राजस्व उत्पन्न करता है। सूत्र: LTV = ARPU * औसत जीवनकाल। रिटेंशन में सुधार के माध्यम से औसत जीवनकाल बढ़ाना, CAC बढ़ाए बिना LTV बढ़ाने का सबसे प्रभावी तरीका है। Localytics के अनुसार, रिटेंशन में 5% की वृद्धि मोबाइल गेम्स में LTV को 30-50% और ई-कॉमर्स में 25-40% तक बढ़ाती है।

Retention Rate के प्रकार: Day 1, Day 7, Day 30

तीन मुख्य समय बिंदुओं ने रिटेंशन मापने के लिए उद्योग मानक बनाया है: Day 1, Day 7 और Day 30। प्रत्येक उपयोगकर्ता व्यवहार के बारे में एक अलग प्रश्न का उत्तर देता है और उत्पाद के विभिन्न पहलुओं को इंगित करता है जिन पर टीम का ध्यान आवश्यक है। अतिरिक्त रूप से, Unbounded Retention भी होता है — N के बाद किसी भी दिन वापसी, जरूरी नहीं कि ठीक Nवें दिन।

Day 1 Retention: पहला प्रभाव

Day 1 retention — क्या उपयोगकर्ता इंस्टॉलेशन के अगले दिन लौटा। यह सबसे महत्वपूर्ण मीट्रिक है: यदि ऐप ने पहले दिन उपयोगकर्ता को आकर्षित नहीं किया, तो उसके लौटने की संभावना तेजी से गिर जाती है। मानक मोबाइल ऐप्स के लिए 25-40% है। 20% से नीचे के मान ऑनबोर्डिंग, धीमी लोडिंग या विज्ञापन द्वारा बनाई गई अपेक्षाओं से बेमेल समस्याओं का संकेत देते हैं। पहले 24 घंटे आदत निर्माण के लिए अवसर की खिड़की हैं।

Day 7 Retention: आदत निर्माण

Day 7 retention दिखाता है कि क्या उत्पाद उपयोगकर्ता की साप्ताहिक दिनचर्या का हिस्सा बन गया है। यदि उपयोगकर्ता एक सप्ताह बाद लौटता है, तो उत्पाद उसके नियमित व्यवहार का हिस्सा बन रहा है। माध्यिका मान Day 7 retention के लिए सोशल मीडिया के लिए 15-25% और ई-कॉमर्स के लिए 10-15% है। Day 7 वह बिंदु है जिसके बाद रिटेंशन स्थिर हो जाता है। Day 1 के सापेक्ष Day 7 में गिरावट एक कमज़ोर आदत हुक का संकेत देती है जो उपयोगकर्ताओं को वापस लौटने के लिए प्रेरित नहीं करता।

Day 30 Retention: दीर्घकालिक मूल्य

Day 30 retention उत्पाद के दीर्घकालिक मूल्य का संकेतक है। माध्यिका मान श्रेणी के आधार पर 5-15% है। यदि Day 30 retention 20% से ऊपर है, तो उत्पाद असाधारण रिटेंशन प्रदर्शित करता है। Day 30 LTV गणना के लिए महत्वपूर्ण है: जो उपयोगकर्ता 30वें दिन तक पहुंचते हैं, उनके 90+ दिनों तक रहने की उच्च संभावना होती है। यह मीट्रिक राजस्व पूर्वानुमान और उपयोगकर्ता अधिग्रहण बजट योजना का आधार है।

Retention Rate की गणना कैसे की जाती है?

Retention Rate की गणना दो मुख्य विधियों द्वारा की जाती है: शास्त्रीय समूह तालिका और bucket विधि (पृथक वापसी)। विधि का चुनाव उत्पाद की व्यावसायिक तर्क पर निर्भर करता है। शास्त्रीय समूह इस प्रश्न का उत्तर देता है “कितने उपयोगकर्ता ठीक Nवें दिन लौटे”, जबकि bucket विधि उत्तर देती है “कितने उपयोगकर्ता N के बाद किसी भी दिन लौटे”। अधिकांश उत्पाद टीमों के लिए, दोनों विधियाँ समान चित्र प्रदान करती हैं, लेकिन bucket विधि को अधिक उदार माना जाता है।

समूह विश्लेषण: शास्त्रीय दृष्टिकोण

एक विशिष्ट अवधि (जैसे एक सप्ताह) के लिए सभी नए उपयोगकर्ताओं को इकट्ठा करें — यह आपका समूह है। फिर इंस्टॉलेशन के बाद प्रत्येक दिन के लिए, गणना करें कि इस समूह के कितने उपयोगकर्ताओं ने लक्ष्य क्रिया की। उदाहरण: 26 जनवरी को 1,000 इंस्टॉलेशन में से, 250 27 जनवरी को लौटे — Day 1 retention = 25%। समूह तालिकाएँ आपको लॉन्च सप्ताह के अनुसार रिटेंशन गतिशीलता देखने और उत्पाद परिवर्तनों के प्रभाव की पहचान करने की अनुमति देती हैं।

Bucket विधि (पृथक वापसी)

Bucket retention एक उपयोगकर्ता को “बनाए रखा गया” मानता है यदि वह एक निश्चित सीमा के बाद किसी भी दिन लौटा। उदाहरण के लिए, Day 7 bucket: क्या उपयोगकर्ता इंस्टॉलेशन के 7-13 दिनों के भीतर लौटा? यह विधि शास्त्रीय दृष्टिकोण की तुलना में अधिक मान देती है और असमान उपयोग पैटर्न वाले ऐप्स के लिए बेहतर उपयुक्त है। अधिकांश विश्लेषण प्लेटफ़ॉर्म (Amplitude, Mixpanel) डिफ़ॉल्ट रूप से bucket विधि का उपयोग करते हैं।

-- क्लासिक कोहोर्ट retention Day 1
WITH first_visit AS (
    SELECT user_id, MIN(event_date) AS first_day
    FROM user_events
    GROUP BY user_id
)
SELECT
    COUNT(DISTINCT fv.user_id) AS cohort_size,
    COUNT(DISTINCT e.user_id) AS returned_day1,
    ROUND(COUNT(DISTINCT e.user_id) * 100.0 / COUNT(DISTINCT fv.user_id), 1) AS retention_day1
FROM first_visit fv
LEFT JOIN user_events e
    ON fv.user_id = e.user_id
    AND e.event_date = fv.first_day + INTERVAL '1 day'
WHERE fv.first_day >= CURRENT_DATE - INTERVAL '30 days';

Retention Rate की गणना करते समय सामान्य गलतियाँ

पहली गलती पहली गतिविधि के दिन के बजाय इंस्टॉलेशन के दिन से रिटेंशन की गणना करना है। यदि उपयोगकर्ता ने ऐप इंस्टॉल किया लेकिन इसे केवल 3 दिन बाद खोला, तो Day 1 retention गलत होगा। दूसरी गलती अनइंस्टॉल को ध्यान में न रखना है: जिन उपयोगकर्ताओं ने ऐप हटा दिया वे वापस नहीं आ सकते, लेकिन उन्हें हर में रहना चाहिए। तीसरी गलती विभिन्न अवधियों के समूहों को मिलाना है: जनवरी और फरवरी के उपयोगकर्ताओं के रिटेंशन की तुलना केवल समान पद्धति से ही मान्य है।

import pandas as pd

def cohort_retention(df):
    # प्रत्येक उपयोगकर्ता के लिए पहला दिन निर्धारित करें
    first = df.groupby('user_id')['event_date'].min().reset_index()
    first.columns = ['user_id', 'first_day']
    # जोड़ें और दिनों में अंतर की गणना करें
    merged = df.merge(first, on='user_id')
    merged['day'] = (merged['event_date'] - merged['first_day']).dt.days
    # रिटेंशन सारांश तालिका
    cohort = merged.groupby(['first_day', 'day'])['user_id'].nunique()
    cohort = cohort.unstack(level='day')
    return cohort.div(cohort[0], axis=0)

श्रेणी के अनुसार Retention Rate के मानदंड

Retention Rate के मानदंड उपयोग आवृत्ति और जुड़ाव चक्र के आधार पर ऐप श्रेणी के अनुसार भिन्न होते हैं। सोशल मीडिया ऐप दैनिक उपयोग पैटर्न के कारण सबसे अधिक रिटेंशन दर दिखाते हैं। उपयोगिता ऐप (कैलकुलेटर, फ्लैशलाइट) में सबसे कम होती है: उपयोगकर्ता एक कार्य हल करता है और फिर कभी नहीं लौटता।

श्रेणी के अनुसार Retention Rate बेंचमार्क

Statista Mobile Benchmarks 2025 रिपोर्ट के अनुसार, Day 1 retention के माध्यिका मान: सोशल मीडिया — 42%, गेमिंग — 30%, फिनटेक — 28%, ई-कॉमर्स — 22%, स्वास्थ्य और फिटनेस — 20%। Day 7 retention: सोशल मीडिया — 25%, गेमिंग — 15%, फिनटेक — 18%, ई-कॉमर्स — 10%, स्वास्थ्य और फिटनेस — 12%। Day 30 retention: सोशल मीडिया — 15%, गेमिंग — 5%, फिनटेक — 10%, ई-कॉमर्स — 5%, स्वास्थ्य और फिटनेस — 7%।

Retention Rate को प्रभावित करने वाले कारक

ऑनबोर्डिंग गुणवत्ता पहला और सबसे महत्वपूर्ण कारक है। उपयोगकर्ता को पहले 3-5 मिनट में उत्पाद का मूल्य समझना चाहिए। पुश सूचनाएं दूसरा कारक हैं: अच्छी तरह से डिज़ाइन की गई सूचनाएं Day 7 retention को 15-30% तक बढ़ाती हैं। तीसरा कारक प्रदर्शन है: 3 सेकंड से अधिक लोड होने वाला ऐप Day 1 तक 30% उपयोगकर्ताओं को खो देता है। चौथा कारक विज्ञापन या ऐप स्टोर द्वारा बनाई गई अपेक्षाओं के साथ संरेखण है।

मोबाइल ऐप में Retention Rate कैसे सुधारें?

Retention Rate में सुधार एक व्यवस्थित प्रयास है जिसमें उत्पाद, ऑनबोर्डिंग और उपयोगकर्ता संचार में बदलाव की आवश्यकता होती है। आइए जानें सिद्ध रणनीतियाँ जो मोबाइल टीमों को जीवनचक्र के सभी चरणों में उपयोगकर्ता रिटेंशन बढ़ाने में मदद करती हैं।

ऑनबोर्डिंग अनुकूलन: पहले 3 मिनट

ऑनबोर्डिंग को उत्पाद का मूल्य दिखाना चाहिए, न कि सुविधाओं की सूची। शोध से पता चलता है कि उपयोगकर्ता 3-4 से अधिक ऑनबोर्डिंग स्क्रीन से नहीं गुजरते। सर्वोत्तम अभ्यास इंटरैक्टिव ऑनबोर्डिंग है: उपयोगकर्ता को तुरंत एक मुख्य क्रिया करने दें (जैसे अपनी पहली परियोजना बनाना)। इंटरैक्टिव ऑनबोर्डिंग वाले ऐप निष्क्रिय निर्देशात्मक स्क्रीन वाले ऐप की तुलना में 20-30% अधिक Day 1 retention दिखाते हैं।

वैयक्तिकरण और अनुशंसाएं

उपयोगकर्ता व्यवहार के आधार पर सामग्री का वैयक्तिकरण रिटेंशन बढ़ाने के सबसे प्रभावी तरीकों में से एक है। Netflix, Spotify और TikTok ने अपने उत्पादों को वैयक्तिकरण पर बनाया है। मोबाइल ऐप्स के लिए, इसका अर्थ हो सकता है: देखे गए आइटम के आधार पर उत्पाद अनुशंसाएं, वैयक्तिकृत सामग्री फ़ीड या उपयोगकर्ता क्रियाओं के आधार पर सुविधाओं का चयन। वैयक्तिकरण Day 7 retention को औसतन 15-25% तक बढ़ाता है।

प्रगतिशील जुड़ाव तंत्र

स्ट्रीक (Streaks), बैज सिस्टम और प्रगति पट्टियाँ लौटने की आदत बनाती हैं। Duolingo रिटेंशन के मुख्य चालक के रूप में स्ट्रीक का उपयोग करता है: उपयोगकर्ता अपनी बहु-दिवसीय स्ट्रीक खोना नहीं चाहते। महत्वपूर्ण: तंत्र ऐप के मुख्य लूप से जुड़ा होना चाहिए, कृत्रिम नहीं। फिटनेस ऐप्स के लिए स्ट्रीक बहुत अच्छी तरह काम करती हैं; बैंकिंग ऐप्स के लिए वे दखलंदाजी लग सकती हैं।

-- श्रेणी के अनुसार माध्यिका से अधिक retention Day 7 वाले उपयोगकर्ता
WITH user_retention AS (
    SELECT user_id,
        ROUND(COUNT(DISTINCT CASE
            WHEN event_date >= first_day + 7
            AND event_date < first_day + 14
            THEN 1 END) * 100.0 / 1, 1) AS retention_day7
    FROM user_events
    GROUP BY user_id
)
SELECT COUNT(*) AS high_retention_users
FROM user_retention
WHERE retention_day7 > 30;