La retention N-day è la versione rigorosa della misurazione di retention: l'utente deve tornare ESATTAMENTE il giorno N dopo l'installazione. Retention N-day D1 = l'utente ha aperto l'app il giorno 1 dopo l'installazione. D7 = aperto il giorno 7. D30 = aperto il giorno 30. Se è tornato nei giorni 1, 2, 3, 5, 6, 8 ma non il giorno 7, non viene contato nella retention N-day D7.
I numeri sopra sono mediane dell'intero catalogo misurate con la definizione rigorosa N-day. Si noti quanto precipitosamente crolla la metrica: D1 si mantiene al 27%, ma entro D30 l'app mediana trattiene meno del 4% delle installazioni strettamente nel giorno 30. Ecco perché i "benchmark da blog" di retention D30 nell'intervallo 15-30% sono di solito rolling retention o N-day del decile superiore, non il segnale mediano che si calcolerebbe applicando costantemente la definizione rigorosa.
Perché la N-day è lo standard del settore: è non ambigua e facile da comunicare. "Retention D30 = 12%" ha esattamente un significato. Il rigore produce un numero inferiore rispetto alla rolling retention (che conta giorno N o successivo), ma il rigore è proprio il punto — è un segnale più netto del fatto che gli utenti stiano tornando abitualmente alla cadenza specifica che la metrica misura.
Gli effetti del giorno della settimana sono visibili nelle curve di retention N-day. Per i prodotti con forti pattern di utilizzo nei giorni feriali (app di produttività, strumenti di lavoro), la retention D7 è spesso più alta di D6 o D8 perché gli utenti si allineano alla propria settimana. La curva di retention appare come un'oscillazione smorzata piuttosto che un decadimento uniforme. Questo è un segnale positivo, non un problema — indica che il prodotto ha un ritmo di utilizzo settimanale. Se la tua retention D7 è molto più alta di D6 / D8, probabilmente hai un forte pattern di utilizzo ancorato ai giorni feriali.
Quando usare N-day vs rolling retention
- Prodotti ad alta frequenza (messaggistica, social, giochi con streak giornalieri): N-day funziona bene. Gli utenti tornano davvero ogni giorno, quindi la misurazione sul GIORNO ESATTO non è troppo rumorosa.
- Prodotti a bassa frequenza (utility, app di contenuti a uso settimanale, app di pagamento mensile): N-day è troppo rumorosa. Un utente che torna nei giorni 5, 12 e 28 ha D30 = 0 con N-day ma è chiaramente coinvolto. Usa invece la rolling retention.
- Confronto tra settori: la N-day è la lingua franca. Quando leggi "Retention D30 = X%" in un report pubblico, assume N-day se non diversamente specificato.
Errore comune: confrontare i propri numeri di rolling retention con i benchmark N-day del settore. La tua "retention D30 35%" potrebbe essere rolling retention (contando chiunque sia tornato il giorno 30 o dopo), e il benchmark del settore "retention D30 12%" è N-day (solo i visitatori del giorno 30). Mele e arance. Sapere sempre quale metodo stai usando e quale usa il termine di confronto.
Il grafico mostra la distribuzione N-day D30 a scala di catalogo. I bucket dominanti sono 1-2,5% e 2,5-5%, con la maggior parte delle app del catalogo concentrate tra 1% e 10%. Il bucket "20%+ D30 N-day" contiene solo poche migliaia di app — è la vera popolazione per cui vengono scritti i case study di rolling retention 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% |
Il breakdown per categoria mostra il pattern classico: i Giochi hanno il D1 più alto (massima stickiness nel giorno di installazione grazie al flusso di onboarding) ma il D30 più basso (il crollo mid-funnel più ripido). Social & Comunicazione ha la curva più stabile. Lo spread D1-D30 è ciò che la retention N-day espone e che i riepiloghi a singolo numero nascondono.