La maggior parte dei consigli sulla retention è generica perché la maggior parte di chi la scrive non può vedere i dati. Noi possiamo. Nel catalogo MWM di app statunitensi con volume di installazioni significativo, l'app mediana fidelizza il 27,3% degli utenti al giorno 1, il 9,2% al giorno 7 e appena il 3,9% al giorno 30. Rileggilo: l'app tipica ha perso circa il 96% dei suoi utenti del giorno zero entro un mese.
Sembra allarmante, ma è la prospettiva sbagliata. La retention non è un numero che spingi verso il 100% — è una curva che piegi. Il limite realistico non è il 40% di D30 (quel livello conta 59 app nell'intero catalogo); è superare la mediana della propria categoria e spingere verso il decile superiore, dove la retention D30 si attesta intorno al 10,9%. Questo playbook spiega come piegare la curva lì — diagnosticando dove si rompe davvero e supportato dai dati del catalogo.
Come appare davvero una buona retention
Il primo compito è ricalibrare rispetto alla realtà, non rispetto all'unico case study virale che tutti citano. Nel catalogo, la retention D30 è brutalmente sbilanciata verso i valori bassi:
| Retention D30 | Quota di app |
|---|---|
| Sotto il 5% | ~61% |
| 5–10% | ~27% |
| 10–20% | ~10% |
| 20–40% | ~2% |
| 40%+ | 59 app (~0,06%) |
Quindi "buona" è relativa. La mediana D30 è 3,9%; il decile superiore è ~10,9%. Se sei sopra circa l'11% di D30, sei già in un territorio raro — il tuo sforzo è meglio speso a moltiplicare l'LTV piuttosto che a inseguire un numero che quasi nessuno raggiunge. Se sei alla mediana o al di sotto, il margine di miglioramento è enorme, e il resto di questa guida è per te.
Un'altra ricalibrare: la retention si muove appena per area geografica. La mediana D1/D7/D30 è entro qualche decimo di punto tra Stati Uniti, Regno Unito, Germania, Francia, Giappone, Corea del Sud, Brasile e India. Il tuo problema di retention è un problema di prodotto, non di mercato — il che è una buona notizia, perché il prodotto è ciò che controlli. (A differenza della monetizzazione, che oscilla ampiamente per area geografica.)
Diagnostica la curva prima di toccarla
La retention non è un unico numero — è una curva con tre punti critici distinti, ognuno è un problema diverso con una soluzione diversa. Prima di cambiare qualsiasi cosa, trova dove si rompe la tua curva:
- D0 → D1 (il gap di activation). Gli utenti hanno installato ma non sono mai tornati nemmeno una volta. Questo è un problema di onboarding e activation — non hanno mai raggiunto il momento aha.
- D1 → D7 (la scogliera dell'abitudine). Questo è il calo più ripido nella curva mediana — dal 27% al 9% in sei giorni. Gli utenti hanno trovato valore una volta ma l'abitudine non si è mai formata.
- D7 → D30 (la coda della profondità del valore). Gli utenti che sopravvivono alla prima settimana abbandonano più lentamente, ma continuano ad abbandonare — man mano che esauriscono il valore dell'app o semplicemente si allontanano. Questo è un problema di profondità e re-engagement.
Misuralo con la cohort analysis, mai con una media aggregata — raggruppa gli utenti per giorno di installazione e osserva l'invecchiamento di ogni coorte. E decidi deliberatamente tra N-day retention (attivo esattamente il giorno N) e rolling retention (attivo il giorno N o successivamente); rispondono a domande diverse e possono differire di diversi punti. La tua north-star metric deve appoggiarsi a questa curva, non affiancarvisi.
L'obiettivo per forma di categoria
La forma della tua curva ti dice quale leva usare — e la forma varia nettamente per categoria. Ecco la curva mediana reale per categoria nel catalogo:
| Categoria | D1 | D7 | D30 |
|---|---|---|---|
| Social & Comunicazione | 31,9% | 12,3% | 5,9% |
| Lifestyle & Benessere | 23,6% | 9,6% | 4,8% |
| Produttività & Strumenti | 23,0% | 8,9% | 4,5% |
| Educazione & Conoscenza | 24,9% | 8,6% | 3,6% |
| Media & Intrattenimento | 24,9% | 8,0% | 3,4% |
| Giochi | 36,6% | 9,3% | 2,9% |
Guarda i due estremi. I giochi vincono al giorno 1 (36,6%) e perdono al giorno 30 (2,9%) — la novità riporta gli utenti una o due volte, poi la curva crolla. Il social cresce in modo inverso — un D1 più basso dei giochi (31,9%) ma il D30 più alto (5,9%), perché i network effect e i loop di comunicazione creano ragioni per tornare. Se la tua curva assomiglia a quella di un gioco — D1 forte, decadimento ripido — il tuo problema è profondità e abitudine, non la prima impressione. Se il tuo D1 è debole, correggi prima l'activation. Non copiare il playbook di un'app social in una utility.
Leva 1 — Vinci la prima sessione (il gap D0 → D1)
Il numero D1 è un verdetto di onboarding e activation. Il compito della prima sessione è portare l'utente al momento aha — l'istante in cui il valore core dell'app diventa evidente — prima che friction o noia vincano.
Le mosse con la leva più alta:
- Accorcia il time-to-value. Rinvia tutto ciò che non è il momento aha: creazione dell'account, richieste di permesso, paywall, tutorial. Lascia che gli utenti sentano prima il valore; chiedi un impegno dopo.
- Definisci e strumenta un unico traguardo di activation. "Ha creato la prima playlist", "ha registrato il primo allenamento", "ha inviato il primo messaggio". Le app che raggiungono un evento di activation netto nella prima sessione fidelizzano drammaticamente meglio — e non puoi migliorare ciò che non hai nominato.
- Progetta lo stato vuoto come una prima vittoria guidata, non come una schermata bianca. La prima sessione dovrebbe concludersi con l'utente che ha eseguito l'azione principale almeno una volta.
Un avvertimento dai dati: i giochi dimostrano che un D1 alto non è di per sé una vittoria (36,6% D1, 2,9% D30). Vincere la prima sessione è necessario, non sufficiente — conta solo se si forma poi l'abitudine.
Leva 2 — Costruisci l'abitudine (la scogliera D1 → D7)
È qui che l'app mediana perde quote — dal 27% al 9% in sei giorni — e dove si nascondono i guadagni maggiori. Sopravvivere alla prima settimana dipende in modo schiacciante dal fatto che si sia formata un'abitudine: una ragione ripetibile per aprire l'app che l'utente interiorizza.
- Stringi il core loop. Più veloce e soddisfacente è il ciclo azione→ricompensa centrale, più si auto-rinforza. Per i prodotti orientati all'abitudine questo è il compulsion loop: un ciclo stretto a ricompensa variabile che guadagna la prossima apertura.
- Aggiungi una cadenza a cui l'utente può ancorarsi — una daily streak, un aggiornamento giornaliero dei contenuti, una ragione fissa per tornare ogni giorno alla stessa ora.
- Usa i trigger con parsimonia. Le push notification e i messaggi in-app ben temporizzati rievocano l'abitudine; lo spam addestra gli utenti a disattivarle (o a disinstallare). Attiva su valore ("il tuo allenamento è pronto"), non su senso di colpa.
- Guarda la frequenza delle sessioni come indicatore anticipatorio. La retention è il risultato in ritardo; un aumento delle sessioni per utente nella prima settimana è il segnale precoce che l'abitudine si sta formando. Una soglia comune: gli utenti che raggiungono più sessioni nella prima settimana fidelizzano a multipli di quelli che non lo fanno.
Leva 3 — Approfondisci il valore e riconquista chi sta abbandonando (D7 → D30)
Gli utenti che superano la prima settimana abbandonano più lentamente, ma continuano ad abbandonare — man mano che esauriscono il valore dell'app o semplicemente si allontanano. Due compiti qui:
- Approfondisci il valore per chi rimane. Porta alla luce casi d'uso avanzati, nuovi contenuti e progressione in modo che l'app continui a guadagnarsi l'apertura. La stickiness — il rapporto DAU/MAU — è la metrica di salute: indica quale frazione degli utenti mensili è di fatto giornaliera.
- Riconquista chi sta abbandonando prima che se ne vada. Un utente dormiente non è ancora un utente perso. Segmenta per comportamento ed esegui campagne di re-engagement e winback mirate al perché ogni segmento ha abbandonato — un power user inattivo ha bisogno di un input diverso rispetto a uno che non si è mai attivato.
Perché la retention è la leva con la maggiore leveraggio che hai
La retention non è solo una metrica di engagement — è il moltiplicatore alla base dell'intero modello di crescita. Gli utenti fidelizzati generano più lifetime value: più sessioni da monetizzare, più opportunità di conversione al pagamento, più tempo per riferire altri. Un LTV più alto innalza il CPI che puoi pagare in modo redditizio, il che ti permette di scalare un'acquisizione che prima era in perdita. Un guadagno di un punto nel D30 di retention non aggiunge qualche sessione — sposta la matematica LTV-to-CAC che finanzia l'intera macchina. Ecco perché il lavoro sulla retention si moltiplica e quello sull'acquisizione no: un secchio bucato diventa sempre più costoso da riempire quanto più lo si riempie. (Per il lato ricavi di questo loop, vedi il playbook sulla monetizzazione delle app mobile.)
Playbook per segmento
- Giochi. Il tuo D1 è già forte; il catalogo dice che il tuo nemico è il decadimento D7→D30. Investi nella meta-progressione, negli eventi live-ops e nei meccanismi social che danno al loop una ragione per persistere oltre la novità.
- Social & comunicazione. Hai il vantaggio strutturale (D30 più alto) — proteggi il core loop e i network effect che lo alimentano. Il tuo rischio è una prima sessione rotta per i nuovi utenti che si uniscono a una rete già esistente.
- Produttività, utility & app in abbonamento. Un D1 basso è normale; il tuo valore è reale ma richiede una o due sessioni per emergere. Cura l'activation, poi converti l'abitudine in una relazione di abbonamento — qui retention e ricavi sono la stessa curva, e un abbonato perso è una perdita diretta.
Il filo comune a tutti: trova dove si rompe la tua curva, correggi prima quel punto critico e misura con le coorti per sapere se ha funzionato. Piegare il D30 mediano del 3,9% verso il 10,9% del decile superiore è il singolo progetto di crescita con la leva maggiore che la maggior parte delle app può realizzare.