La retención N-day es la versión estricta de la medición de retención: el usuario debe volver EXACTAMENTE el día N tras la instalación. Retención N-day D1 = el usuario abrió la app el día 1 tras la instalación. D7 = abrió en el día 7. D30 = abrió en el día 30. Si volvieron los días 1, 2, 3, 5, 6 y 8 pero no el día 7, no cuentan para la retención N-day D7.
Los números anteriores son medianas del catálogo completo medidas con la definición estricta de N-day. Nótese el brusco colapso de la métrica: D1 se mantiene en el 27 %, pero para D30 la app mediana retiene menos del 4 % de las instalaciones estrictamente en el día 30. Por eso los «benchmarks de artículos de blog» de retención D30 en el rango del 15-30 % suelen ser retención rolling o N-day del top-decil, no la señal mediana que obtendrías aplicando la definición estricta de forma consistente.
Por qué N-day es el estándar de la industria: es inequívoca y fácil de comunicar. «Retención D30 = 12 %» tiene exactamente un significado. La estrictez produce un número más bajo que la retención rolling (que contabiliza el día N o posterior), pero la estrictez es precisamente el punto — es una señal más nítida de si los usuarios están regresando habitualmente con la cadencia específica que mide la métrica.
Los efectos del día de la semana son visibles en las curvas de retención N-day. En productos con patrones de uso fuertes entre semana (apps de productividad, herramientas de negocio), la retención D7 suele ser más alta que D6 o D8 porque los usuarios alinean su semana. La curva de retención parece una oscilación amortiguada en lugar de un decaimiento suave. Esto no es un error — indica que el producto tiene un ritmo de uso semanal. Si tu retención D7 es mucho más alta que D6/D8, probablemente tienes un patrón de uso fuerte anclado en los días laborables.
Cuándo usar N-day frente a retención rolling
- Productos de alta frecuencia (mensajería, redes sociales, juegos con rachas diarias): N-day funciona bien. Los usuarios realmente vuelven cada día, así que la medición del día exacto no es demasiado ruidosa.
- Productos de baja frecuencia (utilidades, apps de contenido de uso semanal, apps de pago mensual): N-day es demasiado ruidosa. Un usuario que vuelve los días 5, 12 y 28 tiene D30 = 0 en N-day pero está claramente comprometido. Usa retención rolling en su lugar.
- Comparación entre industrias: N-day es la lengua franca. Cuando leas «retención D30 = X %» en un informe público, asume N-day salvo que se indique lo contrario.
Error habitual: comparar tus números de retención rolling con benchmarks N-day de la industria. Tu «retención D30 del 35 %» puede ser retención rolling (contando a cualquiera que volvió el día 30 o después), y el «retención D30 del 12 %» de la industria es N-day (solo los visitantes del día 30). Son comparaciones que no funcionan. Conoce siempre qué método usas y qué método usa tu referencia de comparación.
El gráfico muestra la distribución de retención N-day D30 a escala del catálogo. Los tramos dominantes son 1-2,5 % y 2,5-5 %, con la mayor parte de las apps del catálogo apiladas entre el 1 % y el 10 %. El tramo «D30 N-day por encima del 20 %» solo agrupa unos pocos miles de apps — esa es la población real para la que se escriben los casos de estudio de retención rolling D30.
Median D1 / D7 / D30 retention by category (US, Q3 2025, MWM)
| Category | D1 | D7 | D30 |
|---|---|---|---|
| Social & Communication | 31.9% | 12.3% | 5.9% |
| Lifestyle & Well-being | 23.6% | 9.6% | 4.8% |
| Productivity & Tools | 23.0% | 8.9% | 4.5% |
| Education & Knowledge | 24.9% | 8.6% | 3.6% |
| Media & Entertainment | 24.9% | 8.0% | 3.4% |
| Game | 36.6% | 9.3% | 2.9% |
El desglose por categoría muestra el patrón clásico: los juegos tienen el D1 más alto (mayor pegajosidad el día de la instalación gracias al flujo de onboarding) pero el D30 más bajo (el colapso más pronunciado en mitad del embudo). Social y comunicación tiene la curva más estable. La diferencia entre D1 y D30 es lo que la retención N-day expone y que los resúmenes de un solo número ocultan.