とは何か Retention Curve Calculator?
▾
維持曲線は、最初のサインアップまたは最初の使用後の各時間間隔でまだアクティブなユーザーの割合をプロットし、ユーザー コホートの長期的なエンゲージメントの軌跡を明らかにします。これは、単に何人のユーザーが戻ってきたかだけでなく、製品が持続可能なエンゲージメントを達成しているか、それとも避けられない完全なチャーンに直面しているかを示すため、製品分析において最も診断的な指標の 1 つです。健全な維持曲線は特徴的な形状を示します。0 日目に 100% で始まり、最初の数日間で (アクティブ化されていないユーザーが離れるにつれて) 急激に減少し、その後平坦になり、ゼロ以外のパーセンテージで安定します。このフラットテールは、真の価値を見つけて無期限に戻り続けるユーザーの「維持されたコア」を示します。真のリテンションのない製品は、漸近的にゼロに近づく継続的な減少曲線を示します。つまり、最終的にはすべてのユーザーが離脱することを意味します。重要な洞察: 維持曲線がゼロを超えて平坦化する場合、持続可能な製品が得られます。それがゼロに低下すると、いくら顧客獲得が増加しても、根本的なリテンションの問題は解決されません。通常、定着率は複数の間隔で測定されます: 1 日目 (D1)、D7、D30、D90、および D180 の定着率。 D1 定着率はオンボーディングの有効性を測定します。 D7 は初期の習慣形成を測定します。 D30 は好奇心を超えた製品価値を確認します。 D90 は、ワークフローへの真の統合を示します。コホート維持率を計算するには、各サインアップ コホート (例: 1 月にサインアップした全員) を追跡し、その後の各間隔でアクティブな割合を測定する必要があります。 「アクティブ」の定義は一貫している必要があります。通常は、アプリを開くだけでなく、コア製品アクションを完了することです。維持曲線は、(1) 初期の減少の急峻さ (D1 から D7 までの低下)、(2) 曲線が平坦になるレベル、および (3) 連続するコホートにわたって曲線が改善しているか、安定しているか、または減少しているかによって分析されます。コホートの改善 (新しい各コホートの維持率が以前よりも優れている) は、製品の改善を示しています。コホートの減少は、製品の劣化または取得品質の低下を示します。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
N 日目の維持率 (%) = (N 日目もアクティブなコホートのユーザー / コホート内の総ユーザー数) × 100変数の説明
▾
| 記号 | 名前 | 単位 | 説明 |
|---|---|---|---|
| Cohort | ユーザーのグループ | — | 同じ期間にサインアップした、または製品を初めて使用したユーザーのグループ |
| Retention Rate | コホートの割合 | — | 保持率パラメータは保持曲線計算における重要な定量的入力を表し、標準単位で測定され、数式を通じて計算結果に直接影響します。 |
| Retained Core | 安定した割合 | — | Retained Core パラメータは、標準単位で測定され、数式を通じて計算結果に直接影響する、保持曲線計算における重要な定量的入力を表します。 |
| Active Definition | 特定のユーザーアクション | — | アクティブ定義パラメータは、標準単位で測定され、数式を通じて計算結果に直接影響する、保持曲線計算における重要な定量的入力を表します。 |
方法 Retention Curve Calculator
▾
- 1必要な入力値を収集します: ユーザーのグループ、コホートの割合、安定した割合、特定のユーザーのアクション。
- 2核となる公式を適用します: N 日目の維持率 (%) = (N 日目もアクティブなコホートのユーザー / コホート内の総ユーザー数) × 100。
- 3該当する場合は、D1 Retention などの中間値を計算します。
- 4用語を結合する前に、すべての単位が一貫していることを確認してください。
- 5最終結果を計算し、妥当性を確認します。
- 6特殊なケースまたは境界条件が入力に適用されるかどうかを確認します。
- 7結果をコンテキスト内で解釈し、参照可能な場合は参照値と比較します。
解いた例
▾
これらの入力を使用して保持曲線の計算式を適用すると、次の結果が得られます。 保持曲線は ~13% で平坦になります。コアの保持を確認。製品には持続可能なエンゲージメントがあります。焦点: D1 を改善 (45% から 55%) して保持コア サイズを最大化します。これは、計算機が生のパラメータを意思決定に意味のある定量的結果に変換する典型的な保持曲線シナリオを示しています。
これらの入力を使用して保持曲線計算式を適用すると、次の結果が得られます。 18 か月目の保持率は 73% — B2B SaaS では強力です (1 年目の業界平均は 75 ～ 85%)。 1 か月目から 3 か月目に失われたアカウントの 14% を調査します。初期の解約要因、オンボーディングの不十分さ、または期待のずれの可能性があります。これは、電卓が生のパラメータを意思決定に意味のある定量的な結果に変換する典型的な保持曲線シナリオを示しています。
これらの入力を使用して保持曲線計算式を適用すると、次の結果が得られます。 コアは保持されません。製品が製品市場に適合していないか、習慣を形成する仕組みが欠けています。すべてのユーザー価値はすぐに消費されます。基本的なゲームプレイまたはエンゲージメントの再設計が必要です。これは、電卓が生のパラメーターを意思決定に意味のある定量的な結果に変換する、典型的な保持曲線シナリオを示しています。
これらの入力を使用して保持曲線計算式を適用すると、次の結果が得られます。 コホートの傾向が正であることで、製品の改善が機能していることが確認されます。目標: 第 3 四半期までに D30 定着率 20% に達します。 4 月の急落は調査する価値があります — 低品質の取得チャネルがアクティブになっている可能性があります。これは、計算機が生のパラメータを意思決定に意味のある定量的な結果に変換する典型的な保持曲線シナリオを示しています。
実際の応用
▾
製品が持続可能なユーザーエンゲージメントを達成しているかどうかを診断し、正確な保持曲線計算が情報に基づいた意思決定、戦略的計画、およびパフォーマンスの最適化を直接サポートする、専門的および分析的なコンテキストにおける保持曲線計算の重要な応用分野を表します。
ユーザー ジャーニーの改善に最も大きな影響を与えるステージ (D1、D7、または D30) を特定します。これは、正確なリテンション カーブ計算が情報に基づいた意思決定、戦略的計画、およびパフォーマンスの最適化を直接サポートする、専門的および分析的なコンテキストにおけるリテンション カーブ計算の重要な適用領域を表します。
取得チャネル間の保持曲線を比較して高品質のソースを特定します。これは、正確な保持曲線の計算が情報に基づいた意思決定、戦略的計画、およびパフォーマンスの最適化を直接サポートする、専門的および分析的なコンテキストにおける保持曲線計算の重要な応用分野を表します。
製品の改善が継続的なコホート維持に及ぼす影響を測定します。これは、正確な維持曲線の計算が情報に基づいた意思決定、戦略的計画、およびパフォーマンスの最適化を直接サポートする、専門的および分析的なコンテキストにおける維持曲線計算の重要な応用分野を表します。
保持曲線の形状と収益化に基づいて生涯価値予測を計算します。これは、正確な保持曲線の計算が情報に基づいた意思決定、戦略的計画、およびパフォーマンスの最適化を直接サポートする、専門的および分析的なコンテキストにおける保持曲線計算の重要な応用分野を表します。
特殊なケース
▾
不規則な使用パターンの製品: 毎日の使用を目的としていないツールについては、毎週または毎月の保存間隔を使用します。
保持曲線の計算では、このシナリオでは保持曲線の結果を解釈する際にさらに注意が必要です。標準的な計算式では、この特殊なケースに存在するすべての要因が完全には説明されていない可能性があるため、補足的な分析や専門家への相談が必要になる場合があります。専門的なベスト プラクティスには、仮定の文書化、感度分析の実行、保持曲線の計算が標準外の領域に該当する場合の代替方法との結果の相互参照が含まれます。
トランザクション製品: リテンションは、アプリのアクティビティではなくリピート購入率によって測定されます。
保持曲線の計算では、このシナリオでは保持曲線の結果を解釈する際にさらに注意が必要です。標準的な計算式では、この特殊なケースに存在するすべての要因が完全には説明されていない可能性があるため、補足的な分析や専門家への相談が必要になる場合があります。専門的なベスト プラクティスには、仮定の文書化、感度分析の実行、保持曲線の計算が標準外の領域に該当する場合の代替方法との結果の相互参照が含まれます。
B2B アカウントの維持と
ユーザー維持率: 両方を追跡します。アカウント維持率は、より直接的に収益に結びつきます。保持曲線の計算では、このシナリオでは保持曲線の結果を解釈する際にさらに注意が必要です。標準的な計算式では、この特殊なケースに存在するすべての要因が完全には説明されていない可能性があるため、補足的な分析や専門家への相談が必要になる場合があります。専門的なベスト プラクティスには、仮定の文書化、感度分析の実行、保持曲線の計算が標準外の領域に該当する場合の代替方法との結果の相互参照が含まれます。
保持曲線計算の参考データ
▾
| 保存間隔 | 消費者向けアプリ (良い) | B2B SaaS (健全) | ゲーム (良い) |
|---|---|---|---|
| D1 | 40～60％ | 85～95% | 25～40% |
| D7 | 20～35% | 75～90% | 12～22% |
| D30 | 10～25% | 70～85% | 8～18% |
| D90 | 8～18% | 65～82% | 5～12% |
| D180 | 6～15% | 62～80% | 3～10% |
| D365 | 5～12% | 58～78% | 2～8% |
よくある質問
▾
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
これは、精度が意思決定に直接影響する保持曲線計算のコンテキストにおいて特に重要です。複数の業界の専門家は、正確な保持曲線計算の計算を利用して、仮定を検証し、プロセスを最適化し、適用される規格への準拠を確保しています。基礎となる方法論を理解することは、ユーザーが結果を正しく解釈し、追加の分析が必要な場合を特定するのに役立ちます。
避けるべきよくある間違い
▾
- !コホート固有の曲線ではなく、集計された保持率に注目する — 集計には、異なる品質のコホートが混在しています
- !期間全体にわたって一貫した「アクティブ」定義を持たない保持率の測定
- !ベンチマーク時に製品カテゴリを区別しない - 20% D30 はゲームには最適ですが、通信アプリには不十分
- !分析中に「アクティブ」定義を変更し、コホート比較を不可能にする
- !ユーザー維持と収益維持の混同 - 維持されたユーザーはダウングレードされる可能性があります (ユーザー離脱なしで収益離脱)
- !獲得チャネルごとにリテンションを分割していない - チャネルの悪いコホートが全体の指標を引き下げる
プロのヒント
過去 6 か月のコホートの維持曲線を同じグラフにプロットします。曲線がより高く積み重なっている場合 (新しいコホートの維持率がそれぞれ向上している場合)、製品の改善は効果を上げており、成長はさらに加速しています。曲線が劣化している場合は、取得の品質と最近の製品の変更を調査します。
ご存知でしたか？
Netflix のリテンション エンジニアリング チームは、最初の 1 か月間で少なくとも 3 つのエピソードを視聴したユーザーのリテンション率が 90% を超えていることを発見しました。この発見により、初期のセッションで読み放題のオリジナル コンテンツに多額の投資を行い、リテンションを促進する行動を直接設計するという戦略が推進されました。
Regional Guides
▾
Global▾
参考文献
- ›Andreessen Horowitz — 16 のスタートアップ指標 (定着率)
- ›Amplitude — 保持ハンドブック
- ›Reforge — エンゲージメントと保持のフレームワーク
- ›ブライアン・バルフォア — 製品の市場適合性だけでは十分ではない理由
Ratings & comments
Get Weekly Math Tips
Join 12,000+ subscribers who get calculator tips every week.