La mayoría de los consejos sobre retención son genéricos porque la mayoría de quienes los escriben no pueden ver los datos. Nosotros sí podemos. En el catálogo de MWM de apps de EE. UU. con volumen de instalaciones significativo, la app mediana retiene el 27,3% de los usuarios en el día 1, el 9,2% en el día 7 y solo el 3,9% en el día 30. Léelo de nuevo: la app típica ha perdido aproximadamente el 96% de sus usuarios del día cero en un mes.
Suena alarmante, pero es el enfoque equivocado. La retención no es un número que empujas hacia el 100% — es una curva que doblas. El listón realista no es el 40% de D30 (ese nivel son 59 apps en todo el catálogo); es superar la mediana de tu categoría y avanzar hacia el decil superior, donde la retención D30 se sitúa alrededor del 10,9%. Este playbook trata de cómo doblar la curva hasta ahí — diagnosticado por dónde se rompe realmente, y respaldado por lo que muestran los datos del catálogo.
Cómo se ve realmente una buena retención
El primer trabajo es recalibrar frente a la realidad, no frente al único caso de estudio viral que todo el mundo cita. En el catálogo, la retención D30 está brutalmente sesgada hacia el extremo bajo:
| Retención D30 | Proporción de apps |
|---|---|
| Menos del 5% | ~61% |
| 5–10% | ~27% |
| 10–20% | ~10% |
| 20–40% | ~2% |
| 40%+ | 59 apps (~0,06%) |
Así que "bueno" es relativo. La mediana de D30 es del 3,9%; el decil superior es de aproximadamente el 10,9%. Si superas aproximadamente el 11% de D30, ya estás en territorio excepcional — tu esfuerzo es mejor invertido en multiplicar el LTV que en perseguir un número que casi nadie alcanza. Si estás en la mediana o por debajo, hay un margen enorme, y el resto de esta guía es para ti.
Una recalibración más: la retención apenas varía por geografía. La mediana D1/D7/D30 está a pocos décimas de punto en EE. UU., Reino Unido, Alemania, Francia, Japón, Corea del Sur, Brasil e India. Tu problema de retención es un problema de producto, no de mercado — lo cual es una buena noticia, porque el producto es lo que controlas. (Contrástalo con la monetización, que varía enormemente según la geografía.)
Diagnostica la curva antes de tocarla
La retención no es un número — es una curva con tres puntos de quiebre distintos, y cada uno es un problema diferente con una solución diferente. Antes de cambiar nada, encuentra dónde se rompe tu curva:
- D0 → D1 (la brecha de activación). Los usuarios instalaron pero nunca volvieron ni una sola vez. Es un problema de onboarding y activación — nunca llegaron al momento aha.
- D1 → D7 (el precipicio del hábito). Esta es la caída más pronunciada en la curva mediana — del 27% al 9% en seis días. Los usuarios obtuvieron valor una vez pero el hábito nunca se formó.
- D7 → D30 (la cola de profundidad de valor). Los usuarios que sobreviven la primera semana se dan de baja más lentamente a medida que agotan el valor de la app o simplemente se desenganchan. Es un problema de profundidad y reenganche.
Mídelo con análisis de cohortes, nunca con una media ponderada — agrupa a los usuarios por día de instalación y observa cómo envejece cada cohorte. Y decide deliberadamente entre retención N-día (activo exactamente el día N) y retención acumulada (activo el día N o más tarde); responden preguntas distintas y pueden diferir en varios puntos. Tu métrica North Star debe situarse sobre esta curva, no al lado de ella.
La lente de la forma por categoría
La forma de tu curva te dice qué palanca usar — y la forma varía notablemente según la categoría. Esta es la curva mediana real por categoría en el catálogo:
| Categoría | D1 | D7 | D30 |
|---|---|---|---|
| Social y Comunicación | 31,9% | 12,3% | 5,9% |
| Lifestyle y Bienestar | 23,6% | 9,6% | 4,8% |
| Productividad y Herramientas | 23,0% | 8,9% | 4,5% |
| Educación y Conocimiento | 24,9% | 8,6% | 3,6% |
| Medios y Entretenimiento | 24,9% | 8,0% | 3,4% |
| Juegos | 36,6% | 9,3% | 2,9% |
Observa los dos extremos. Los juegos ganan el día 1 (36,6%) y pierden el día 30 (2,9%) — la novedad lleva a la gente de vuelta una o dos veces, luego la curva se desploma. Lo social se acumula de la otra manera — un D1 más bajo que los juegos (31,9%) pero el D30 más alto (5,9%), porque los efectos de red y los bucles de comunicación generan razones para volver. Si tu curva se parece a la de un juego — D1 fuerte, caída pronunciada — tu problema es profundidad y hábito, no las primeras impresiones. Si tu D1 es débil, arregla primero la activación. No copies el playbook de una app social en una app de utilidad.
Palanca 1 — Ganar la primera sesión (la brecha D0 → D1)
El número D1 es un veredicto de onboarding y activación. El trabajo de la primera sesión es llevar al usuario al momento aha — el instante en que el valor central de la app se vuelve evidente por sí mismo — antes de que gane la fricción o el aburrimiento.
Los movimientos de mayor apalancamiento:
- Acorta el tiempo hasta el valor. Aplaza todo lo que no sea el momento aha: creación de cuenta, permisos, paywalls, tutoriales. Deja que los usuarios sientan el valor primero; pídeles compromiso después.
- Define e instrumenta un hito de activación concreto. "Creó su primera lista de reproducción", "registró su primer entrenamiento", "envió su primer mensaje". Las apps que alcanzan un evento de activación claro en la sesión uno retienen dramáticamente mejor — y no puedes mejorar lo que no has nombrado.
- Diseña el estado vacío como una primera victoria guiada, no como una pantalla en blanco. La primera sesión debe terminar con el usuario habiendo realizado la acción central al menos una vez.
Una advertencia de los datos: los juegos demuestran que un D1 alto no es una victoria en sí mismo (36,6% D1, 2,9% D30). Ganar la primera sesión es necesario, pero no suficiente — solo importa si el hábito se forma a continuación.
Palanca 2 — Construir el hábito (el precipicio D1 → D7)
Aquí es donde la app mediana sangra — del 27% al 9% en seis días — y donde se esconden las mayores ganancias. Superar la primera semana tiene que ver abrumadoramente con si se formó un hábito: una razón repetible para abrir la app que el usuario interioriza.
- Ajusta el core loop. Cuanto más rápido y gratificante sea el ciclo central acción→recompensa, más se autorrefuerza. Para los productos orientados al hábito, este es el compulsion loop: un ciclo ajustado de recompensa variable que se gana la próxima apertura.
- Añade una cadencia a la que el usuario pueda anclarse — una racha diaria, una actualización diaria de contenido, una razón permanente para volver a la misma hora cada día.
- Usa los desencadenantes con moderación. Las notificaciones push y los mensajes in-app bien sincronizados vuelven a activar el hábito; el spam entrena a los usuarios a desactivarlos (o a desinstalar). Activa sobre el valor ("tu entrenamiento está listo"), no sobre la culpa.
- Observa la frecuencia de sesiones como indicador adelantado. La retención es el resultado rezagado; el aumento de sesiones por usuario en la primera semana es la señal temprana de que el hábito está arraigando. Un umbral habitual: los usuarios que alcanzan varias sesiones en su primera semana retienen a múltiplos de los que no lo hacen.
Palanca 3 — Profundizar el valor y recuperar a los que se están yendo (D7 → D30)
Los usuarios que superan la primera semana se dan de baja más lentamente, pero siguen dándose de baja — a medida que agotan el valor de la app o simplemente se desenganchan. Dos trabajos aquí:
- Profundiza el valor para los supervivientes. Muestra casos de uso avanzados, contenido nuevo y progresión para que la app siga ganando la apertura. La stickiness — el ratio DAU/MAU — es la métrica de salud: te dice qué fracción de tus usuarios mensuales son efectivamente diarios.
- Recupera a los que se están distanciando antes de que se vayan. Un usuario inactivo no es aún uno que haya cancelado. Segmenta por comportamiento y ejecuta campañas de reenganche y winback dirigidas a por qué cada segmento se alejó — un usuario avanzado que se aleja necesita un estímulo diferente al de uno que nunca se activó.
Por qué la retención es la palanca de mayor apalancamiento que tienes
La retención no es solo una métrica de engagement — es el multiplicador bajo todo tu modelo de crecimiento. Los usuarios retenidos generan más valor de ciclo de vida: más sesiones que monetizar, más oportunidades de convertirse en pagadores, más tiempo para referir a otros. Un mayor LTV eleva el CPI que puedes pagar de forma rentable, lo que te permite escalar la adquisición que antes no era viable. Una ganancia de un punto en retención D30 no añade unas pocas sesiones — desplaza la matemática LTV-a-CAC que financia toda la maquinaria. Por eso el trabajo de retención se acumula y el de adquisición no: un cubo con fugas se vuelve más caro de llenar cuanto más viertes. (Para la vertiente de ingresos de este bucle, consulta el playbook de monetización de apps móviles.)
Playbooks por segmento
- Juegos. Tu D1 ya es sólido; los datos del catálogo dicen que tu enemigo es la caída D7→D30. Invierte en meta-progresión, eventos de live-ops y ganchos sociales que den al bucle una razón para persistir más allá de la novedad.
- Social y comunicación. Tienes la ventaja estructural (el D30 más alto) — protege el core loop y los efectos de red que lo impulsan. Tu riesgo es una primera sesión defectuosa para los nuevos usuarios que se unen a una red existente.
- Productividad, utilidades y apps de suscripción. Un D1 más bajo es normal; tu valor es real pero tarda una sesión o dos en asentarse. Perfecciona la activación, luego convierte el hábito en una relación de suscripción — aquí la retención y los ingresos son la misma curva, y un suscriptor que cancela es una pérdida directa.
El hilo conductor en todos ellos: encuentra dónde se rompe tu curva, arregla ese punto de quiebre primero, y mide con cohortes para saber que funcionó. Doblar el 3,9% de D30 mediano hacia el 10,9% del decil superior es el proyecto de crecimiento de mayor apalancamiento que la mayoría de las apps puede ejecutar.