A retenção no dia N é a versão rigorosa da medição de retenção: o usuário deve retornar EXATAMENTE no dia N após a instalação. Retenção D1 no dia N = o usuário abriu o app no dia 1 após a instalação. D7 = abriu no dia 7. D30 = abriu no dia 30. Se voltou nos dias 1, 2, 3, 5, 6, 8 mas não no dia 7, não conta para a retenção D7 no dia N.
Os números acima são medianas de todo o catálogo medidas pela definição rigorosa do dia N. Observe como a métrica colapsa abruptamente: D1 fica em 27%, mas no D30 o app mediano retém menos de 4% das instalações estritamente no dia 30. É por isso que os "benchmarks de blog" de retenção D30 na faixa de 15-30% geralmente são retenção contínua ou retenção no dia N do top decil, não o sinal mediano que você calcularia seguindo a definição rigorosa consistentemente.
Por que a retenção no dia N é o padrão da indústria: é inequívoca e fácil de comunicar. "Retenção D30 = 12%" tem exatamente um significado. O rigor produz um número mais baixo do que a retenção contínua (que conta dia-N-ou-depois), mas o rigor é o ponto — é um sinal mais nítido de se os usuários estão retornando habitualmente na cadência específica que a métrica mede.
Efeitos do dia da semana são visíveis nas curvas de retenção no dia N. Para produtos com padrões fortes de uso nos dias úteis (apps de produtividade, ferramentas de negócios), a retenção D7 é frequentemente maior do que D6 ou D8 porque os usuários alinham sua semana. A curva de retenção parece uma oscilação amortecida em vez de um decaimento suave. Isso é uma característica, não um bug — indica que o produto tem um ritmo de uso semanal. Se sua retenção D7 é muito maior do que D6/D8, provavelmente você tem um padrão de uso forte nos dias úteis.
Quando usar retenção no dia N vs retenção contínua
- Produtos de alta frequência (mensagens, social, jogos com streak diário): a retenção no dia N funciona bem. Os usuários genuinamente voltam diariamente, então a medição no dia EXATO não é muito ruidosa.
- Produtos de baixa frequência (utilitários, apps de conteúdo de uso semanal, apps de pagamento mensal): a retenção no dia N é muito ruidosa. Um usuário que volta nos dias 5, 12 e 28 tem retenção D30 = 0 no dia N, mas está claramente engajado. Use retenção contínua.
- Comparação entre setores: a retenção no dia N é a língua franca. Quando você lê "retenção D30 = X%" em um relatório público, assuma dia N, salvo indicação contrária.
Armadilha comum: comparar seus números de retenção contínua com benchmarks de retenção no dia N da indústria. Sua "retenção D30 de 35%" pode ser retenção contínua (contando qualquer pessoa que voltou no dia 30 ou depois), e o "retenção D30 de 12%" da indústria é retenção no dia N (apenas visitantes do dia 30). São maçãs e laranjas. Sempre saiba qual método você está usando e o que o alvo de comparação usa.
O gráfico mostra a distribuição de retenção D30 no dia N em escala de catálogo. Os buckets dominantes são 1-2,5% e 2,5-5%, com a maior parte dos apps do catálogo entre 1% e 10%. O bucket "D30 no dia N de 20%+" contém apenas alguns milhares de apps — essa é a população real para a qual os estudos de caso de retenção contínua D30 são escritos.
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% |
O detalhamento por categoria mostra o padrão clássico: Jogos têm o maior D1 (maior aderência no dia da instalação graças ao fluxo de onboarding) mas o menor D30 (o colapso mais abrupto no meio do funil). Social e Comunicação têm a curva mais estável. A diferença entre D1 e D30 é o que a retenção no dia N expõe que os resumos com um único número escondem.