Retention Rate nelle app mobili: cos'è, tipi di retention e come calcolarlo

Cos'è il Retention Rate nelle app mobili?

Il Retention Rate (RR) è una metrica che mostra quale percentuale di utenti torna nell'app entro un determinato tempo dopo la prima visita. A differenza di MAU o DAU, che misurano il numero assoluto di utenti attivi, il Retention Rate misura la qualità del pubblico: quanto bene il prodotto riesce a trattenere gli utenti nel tempo. Un Retention Rate alto è un indicatore di product-market fit e la chiave per una crescita sostenibile.

Perché il Retention Rate è più importante delle installazioni

Molte startup si concentrano sull'aumento delle installazioni ignorando la retention. Il risultato: tonnellate di download, attività zero. Il Retention Rate mostra il valore reale del prodotto per l'utente. Se dopo la prima settimana rimane meno del 10% degli utenti, il prodotto non sta risolvendo il problema del pubblico. Secondo Andrew Chen (ex partner di a16z), le startup con Day 7 retention > 30% hanno 3 volte più probabilità di un round di Serie A di successo.

Retention Rate e Lifetime Value

Il LTV (Lifetime Value) dipende direttamente dal Retention Rate. Più a lungo un utente rimane nel prodotto, più paga o genera entrate pubblicitarie. Formula: LTV = ARPU * Durata media della vita. Aumentare la durata media della vita attraverso il miglioramento della retention è il modo più efficace per aumentare il LTV senza incrementare il CAC. Secondo Localytics, aumentare la retention del 5% incrementa il LTV nei giochi mobili del 30-50% e nell'e-commerce del 25-40%.

Tipi di Retention Rate: Day 1, Day 7, Day 30

Tre punti temporali principali per misurare la retention hanno formato lo standard di settore: Day 1, Day 7 e Day 30. Ciascuno risponde a una domanda diversa sul comportamento dell'utente e indica diversi aspetti del prodotto che richiedono l'attenzione del team. Inoltre, si distingue la Retention Non Vincolata (Unbounded Retention): il ritorno in un giorno qualsiasi dopo N, non necessariamente esattamente l'N-esimo giorno.

Day 1 Retention: Prima impressione

Day 1 retention — se l'utente è tornato il giorno dopo l'installazione. Questa è la metrica più critica: se l'app non ha catturato l'utente il primo giorno, la probabilità che torni diminuisce drasticamente. La norma per le app mobili è del 25-40%. Valori inferiori al 20% indicano problemi con l'onboarding, il caricamento lento o la mancata corrispondenza con le aspettative create dalla pubblicità. Le prime 24 ore sono una finestra di opportunità per la formazione di abitudini.

Day 7 Retention: Formazione di abitudini

Day 7 retention mostra se il prodotto è diventato parte del rituale settimanale dell'utente. Se un utente torna dopo una settimana, il prodotto sta diventando parte del suo comportamento regolare. Il valore mediano del Day 7 retention è del 15-25% per i social media e del 10-15% per l'e-commerce. Day 7 è il punto dopo il quale la retention si stabilizza. Un calo del Day 7 rispetto al Day 1 indica un gancio di abitudine debole che non motiva gli utenti a tornare.

Day 30 Retention: Valore a lungo termine

Day 30 retention è un indicatore del valore a lungo termine del prodotto. Il valore mediano è del 5-15% a seconda della categoria. Se il Day 30 retention supera il 20%, il prodotto dimostra una retention eccezionale. Day 30 è critico per il calcolo del LTV: gli utenti che sopravvivono fino al 30° giorno hanno un'alta probabilità di rimanere per 90+ giorni. Questa metrica è la base per la previsione dei ricavi e la pianificazione dei budget di acquisizione utenti.

Come si calcola il Retention Rate?

Il calcolo del Retention Rate viene effettuato con due metodi principali: la tabella di coorte classica e il metodo bucket (ritorno discreto). La scelta del metodo dipende dalla logica di business del prodotto. La coorte classica risponde alla domanda “quanti utenti sono tornati esattamente l'N-esimo giorno”, mentre il metodo bucket risponde a “quanti utenti sono tornati in un giorno qualsiasi dopo N”. Per la maggior parte dei team di prodotto, entrambi i metodi forniscono un quadro simile, ma il metodo bucket è considerato più indulgente.

Analisi di coorte: approccio classico

Raccogli tutti i nuovi utenti per un periodo specifico (ad esempio, una settimana) — questa è la tua coorte. Quindi, per ogni giorno dopo l'installazione, conta quanti utenti di questa coorte hanno eseguito l'azione target. Esempio: su 1.000 installazioni il 26 gennaio, 250 sono tornati il 27 gennaio — Day 1 retention = 25%. Le tabelle di coorte consentono di vedere le dinamiche di retention per settimana di lancio e identificare l'effetto delle modifiche al prodotto.

Metodo bucket (ritorno discreto)

Bucket retention considera un utente come “ trattenuto” se è tornato in un giorno qualsiasi dopo una determinata soglia. Ad esempio, bucket Day 7: l'utente è tornato tra i giorni 7 e 13 dopo l'installazione? Questo metodo fornisce valori più elevati rispetto all'approccio classico ed è più adatto per app con modelli di utilizzo irregolari. La maggior parte delle piattaforme analitiche (Amplitude, Mixpanel) utilizza il metodo bucket per impostazione predefinita.

-- Retention di coorte classico 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';

Errori comuni nel calcolo del Retention Rate

Il primo errore è calcolare la retention dal giorno dell'installazione invece che dal giorno della prima attività. Se un utente ha installato l'app ma l'ha aperta solo 3 giorni dopo, il Day 1 retention sarà errato. Il secondo errore è non considerare le disinstallazioni: gli utenti che hanno rimosso l'app non possono tornare, ma devono rimanere al denominatore. Il terzo errore è mescolare coorti con periodi diversi: confrontare la retention degli utenti di gennaio e febbraio è valido solo con metodologia identica.

import pandas as pd

def cohort_retention(df):
    # Determinare il primo giorno per ogni utente
    first = df.groupby('user_id')['event_date'].min().reset_index()
    first.columns = ['user_id', 'first_day']
    # Unire e calcolare la differenza in giorni
    merged = df.merge(first, on='user_id')
    merged['day'] = (merged['event_date'] - merged['first_day']).dt.days
    # Tabella riepilogativa della retention
    cohort = merged.groupby(['first_day', 'day'])['user_id'].nunique()
    cohort = cohort.unstack(level='day')
    return cohort.div(cohort[0], axis=0)

Norme del Retention Rate per categoria

Le norme del Retention Rate variano per categoria di app in base alla frequenza di utilizzo e al ciclo di interazione. Le app di social media mostrano i tassi di retention più elevati grazie ai modelli di utilizzo quotidiano. Le app utility (calcolatrici, torce) hanno i più bassi: l'utente risolve un compito e non torna mai più.

Benchmark del Retention Rate per categoria

Secondo il rapporto Statista Mobile Benchmarks 2025, i valori mediani del Day 1 retention sono: Social Media — 42%, Giochi — 30%, Fintech — 28%, E-commerce — 22%, Salute e Fitness — 20%. Day 7 retention: Social Media — 25%, Giochi — 15%, Fintech — 18%, E-commerce — 10%, Salute e Fitness — 12%. Day 30 retention: Social Media — 15%, Giochi — 5%, Fintech — 10%, E-commerce — 5%, Salute e Fitness — 7%.

Fattori che influenzano il Retention Rate

La qualità dell'onboarding è il primo e più importante fattore. L'utente deve comprendere il valore del prodotto nei primi 3-5 minuti. Le notifiche push sono il secondo fattore: notifiche ben progettate aumentano il Day 7 retention del 15-30%. Il terzo fattore sono le prestazioni: un'app che impiega più di 3 secondi per caricarsi perde il 30% degli utenti già al Day 1. Il quarto è l'allineamento con le aspettative create dalla pubblicità o dagli app store.

Come migliorare il Retention Rate in un'app mobile?

Migliorare il Retention Rate è uno sforzo sistematico che richiede cambiamenti nel prodotto, nell'onboarding e nella comunicazione con l'utente. Esploriamo le strategie comprovate che aiutano i team mobile ad aumentare la retention degli utenti in tutte le fasi del ciclo di vita.

Ottimizzazione dell'onboarding: i primi 3 minuti

L'onboarding dovrebbe mostrare il valore del prodotto, non un elenco di funzionalità. Le ricerche mostrano che gli utenti non superano 3-4 schermate di onboarding. La migliore pratica è l'onboarding interattivo: consentire all'utente di eseguire immediatamente un'azione chiave (ad esempio, creare il suo primo progetto). Le app con onboarding interattivo mostrano un Day 1 retention del 20-30% superiore rispetto a quelle con schermate istruttive passive.

Personalizzazione e raccomandazioni

La personalizzazione dei contenuti basata sul comportamento dell'utente è uno dei modi più efficaci per aumentare la retention. Netflix, Spotify e TikTok hanno costruito i loro prodotti sulla personalizzazione. Per le app mobili, questo può significare: raccomandazioni di prodotti basate sulle visualizzazioni, un feed di contenuti personalizzato o una selezione di funzionalità basata sulle azioni dell'utente. La personalizzazione aumenta il Day 7 retention in media del 15-25%.

Meccaniche di engagement progressivo

Le serie (streaks), i sistemi di badge e le barre di progresso creano l'abitudine di tornare. Duolingo utilizza le streaks come motore principale della retention: gli utenti non vogliono perdere la loro serie di giorni. Importante: la meccanica deve essere legata al core loop dell'app, non essere artificiale. Per le app di fitness, le streaks funzionano molto bene; per le app bancarie, possono sembrare invadenti.

-- Utenti con retention Day 7 superiore alla mediana per categoria
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;