# Retention: як порахувати утримання — формула, три способи і приклад

> Як порахувати retention: формула утримання, утримання дня N, ковзне й за періодами, утримання клієнтів у підписці і приклад на десяти користувачах.

- Джерело: https://productovi.com/uk/blog/how-to-calculate-retention-rate
- Автор: Sergey Bruh
- Опубліковано: 2026-09-30
- Теми: Утримання (retention)

Ось як порахувати retention, тобто утримання: візьміть когорту користувачів, що прийшли в той самий період, порахуйте, скільки з них були активні в пізнішому періоді, і поділіть на розмір когорти. **Утримання = користувачі когорти, активні в період N ÷ усі користувачі когорти × 100 %.** Формула — найпростіша частина. Складне тут слово «активні в період N», бо воно може означати три різні речі, і ті самі десять людей дадуть вам 20 %, 50 % чи 70 % залежно від того, яку з них ви оберете. Нижче всі три способи на даних, які можна перевірити вручну, і пояснення, яке число показувати.

## Формула retention (утримання)

Кожне число утримання має однаковий кістяк:

$$
\text{Утримання}_N = \frac{\text{користувачі когорти, активні в період } N}{\text{усі користувачі когорти}} \times 100\%
$$

Перш ніж рахувати, зафіксуйте чотири частини визначення:

1. **Когорта (cohort).** Хто в знаменнику: усі, хто зареєструвався в певний день, тиждень чи місяць. Акаунти команди й тестові акаунти виключіть.
2. **Цільова дія.** Що вважаємо активністю: відкриття застосунку, додану витрату, замовлення. Обирайте дію, яку робить людина, а не ту, яку система записує за неї.
3. **Період.** День, тиждень чи місяць N від реєстрації; відлік від дня 0, дня реєстрації.
4. **Спосіб.** Точний день, вікно чи «будь-коли пізніше». Звідси й беруться три види утримання.

Якщо двоє людей у команді пропустять пункт 4, вони отримають різні числа з тих самих даних, і обидва матимуть рацію.

## Приклад: десять користувачів Halves

Halves — вигаданий застосунок, у якому сусіди по квартирі, пари й друзі в поїздках ділять спільні витрати. Ось десять користувачів, що зареєструвалися того самого дня; спостерігаємо за ними 30 днів. У кожному рядку — дні після реєстрації, коли людина відкривала застосунок:

| Користувач | Дні, коли відкривав застосунок |
| ---------- | ------------------------------ |
| u1         | 0, 1, 2, 7, 14, 21, 28         |
| u2         | 0, 4, 11, 18, 25               |
| u3         | 0, 1                           |
| u4         | 0, 7, 8                        |
| u5         | 0, 9, 20                       |
| u6         | 0                              |
| u7         | 0, 2, 15, 29                   |
| u8         | 0, 6, 13                       |
| u9         | 0, 24                          |
| u10        | 0, 3                           |

Відповімо на запитання «яке в нас утримання 7-го дня?» трьома способами.

### Спосіб 1: утримання дня N (класичне)

[Утримання дня N](/uk/glossary/pa-day-n-retention) враховує тих, хто був активний **саме в день N**. На 7-й день застосунок відкрили лише u1 і u4:

$$
\text{D7} = \frac{2}{10} = 20\%
$$

Це найсуворіший спосіб, і саме його використовує більшість публічних орієнтирів (D1, D7, D30). Для продукту, який потрібен щодня, як-от гра чи месенджер, він доречний. Для застосунку, де ділять рахунки, він шумний: u2 повернувся на 4-й і 11-й день, u8 — на 6-й і 13-й, і обидва на 7-й день рахуються «втраченими».

### Спосіб 2: утримання за періодами (вікно)

Утримання за періодами (bracket retention) враховує тих, хто був активний **хоча б раз у межах вікна**, наприклад у дні 7–13, тобто на другому тижні. У цьому вікні заходили u1 (7-й день), u2 (11-й), u4 (7-й і 8-й), u5 (9-й) і u8 (13-й):

$$
\text{Тиждень 2} = \frac{5}{10} = 50\%
$$

Цей спосіб прощає точний день, але все одно питає, чи людина з'явилася в цей період. Для продуктів із тижневим чи місячним ритмом він зазвичай найкращий.

### Спосіб 3: ковзне утримання («ще не пішов»)

[Ковзне утримання](/uk/glossary/pa-rolling-retention) (rolling retention) вважає користувача утриманим на день N, якщо він був активний у день N **або будь-коли пізніше**. На 7-й день це всі, чий останній візит припав на 7-й день чи пізніше: u1, u2, u4, u5, u7, u8 і u9.

$$
\text{Ковзне D7} = \frac{7}{10} = 70\%
$$

Ковзне утримання завжди не нижче за утримання дня N, бо зараховує будь-яке пізніше повернення. u9 відкрив застосунок у день 0, потім лише раз на 24-й день, і все одно рахується утриманим на 7-й.

![Ті самі десять користувачів Halves дають 20 % утримання, якщо рахувати лише 7-й день, 50 % для днів 7–13 і 70 %, якщо рахувати 7-й день або будь-який пізніший](/blog/how-to-calculate-retention-rate/diagram-uk.png)

### Ті самі люди, три відповіді

| Спосіб | Що рахується на 7-й день        | Користувачі                | Утримання |
| ------ | ------------------------------- | -------------------------- | --------- |
| День N | Активний на 7-й день            | u1, u4                     | 20 %      |
| Вікно  | Активний у дні 7–13             | u1, u2, u4, u5, u8         | 50 %      |
| Ковзне | Активний на 7-й день чи пізніше | u1, u2, u4, u5, u7, u8, u9 | 70 %      |

Жодне з цих чисел не хибне. Це три різні вимірювання під одним словом. Помилка — порівнювати 20 % за одним способом із 70 % за іншим, а це стається щоразу, коли публічний орієнтир для 7-го дня ставлять поруч із внутрішнім слайдом «утримання першого тижня».

## Чому ковзне утримання лестить

У ковзного утримання є друга проблема: воно **змінюється вже після того, як ви його показали**. Порахуйте ковзне утримання 14-го дня на 20-й день: активність від 14-го дня мали u1, u2, u5 і u7, тобто 40 %. Порахуйте ту саму метрику на 30-й день, і візит u9 на 24-й день підніме її до 50 %.

Утримання дня N і за періодами остаточні, щойно минув їхній день чи вікно. Ковзне утримання старої когорти може зрости й через кілька місяців, тож дашборд на ньому непомітно переписує історію. Користуйтеся ним для одного запитання, «чи пішла людина назовсім?», але не як головним числом.

## Яке утримання показувати?

Обирайте за **природним ритмом використання** продукту, тобто за тим, як часто повертається задоволений користувач:

- **Щоденні продукти** (ігри, месенджери, новини): утримання дня N, D1, D7, D30.
- **Щотижневі продукти** (спільні витрати у квартирі, продукти, командні інструменти): тижневі вікна.
- **Щомісячні продукти** (оренда, рахунки, звіти): місячні вікна.
- **Сезонні продукти** (поїздки, податки, свята): «чи повернувся на наступний сезон», у межах року.

Те саме питання ритму вирішує, що брати для «липкості»: [DAU/MAU чи WAU/MAU](/uk/blog/dau-mau-ratio). Тож розв'яжіть його один раз і користуйтеся всюди.

Хоч що ви оберете, пишіть спосіб поруч із числом: «утримання за місячними періодами, місяць 1, відкриття застосунку, без акаунтів команди: 38,7 %». Число без способу провокує хибне порівняння.

## Від однієї когорти до багатьох

Одна когорта — це одна точка даних. Щоб побачити тенденцію, поставте багато когорт поруч у **когортній таблиці**: рядок на кожен період реєстрації, стовпчик на кожен період після неї. Рядки показують життя когорти, стовпчики порівнюють когорти одного віку.

Коли таблицю зводять до одного числа, найчастіше помиляються двічі:

- **Просте середнє стовпчика.** Середнє з відсотків утримання ставить когорту з 2 400 людей і когорту з 800 на один рівень. Щоб описати всіх користувачів, додайте активних, додайте розміри когорт і поділіть одне на інше.
- **Незавершені когорти.** Когорта, що зареєструвалася минулого тижня, ще не дожила до першого місяця. Не включайте її в середнє першого місяця, інакше вона потягне його вниз.

Обидві помилки розібрано з числами в [прикладі когортного аналізу](/uk/blog/cohort-analysis-example).

## Яке утримання вважати добрим

Універсального «доброго утримання» немає. Орієнтири різняться за категорією, платформою і насамперед за способом підрахунку, а більшість опублікованих не каже, яким способом рахували. Надійніше дивитися на **форму** кривої. Кожна когорта спершу падає, бо цікаві йдуть. Важливо, чи крива сповзає до нуля, чи вирівнюється. Пласка ділянка на суттєвому рівні — це [плато утримання](/uk/glossary/pa-retention-plateau): люди, які знайшли тривалу цінність. Це один із найчіткіших сигналів product-market fit.

Якщо крива ніде не вирівнюється, лагодити зазвичай треба раніше, у першому тижні. Як знайти дію, що відрізняє тих, хто лишається, від тих, хто йде, — у статті про [activation rate](/uk/blog/activation-rate).

## Утримання клієнтів у підписці

Коли шукають «retention rate», часто мають на увазі іншу формулу: **утримання клієнтів** (customer retention rate) підписного бізнесу за період.

$$
\text{CRR} = \frac{E - N}{S} \times 100\%
$$

Тут $S$ — платні клієнти на початку періоду, $E$ — на кінці, $N$ — нові клієнти, що прийшли протягом періоду. Віднімання $N$ лишає тільки тих, з ким ви починали і хто досі з вами.

Нехай платний план Halves почав квартал із 2 000 підписників, завершив із 2 150, а по дорозі отримав 400 нових:

$$
\text{CRR} = \frac{2\,150 - 400}{2\,000} = \frac{1\,750}{2\,000} = 87{,}5\%
$$

Ця формула відповідає на запитання «скількох платних клієнтів ми зберегли?», і вона зручна для планування доходу. Когортного утримання вона не замінює: змішує в одне число клієнтів різного віку, тож не скаже, чи нові клієнти лишаються краще за старих. Її дзеркальне відображення — частка втрачених клієнтів, тобто churn rate: див. [як порахувати churn rate і MRR](/uk/blog/how-to-calculate-mrr-and-churn).

## Типові помилки

- **Автоматичні події як активність.** Якщо сервер щомісяця записує регулярний рахунок, людина, що жодного разу не відкриває застосунок, виглядає «утриманою». Рахуйте дії людей.
- **Не названо спосіб.** «У нас D7 — 70 %» зазвичай означає ковзне утримання, видане за утримання дня N.
- **Часові пояси.** Події часто зберігають в UTC. Якщо дні рахують за UTC, то для людини, що зареєструвалася о 23:30 UTC, «день 1» почнеться за пів години, хоч би що показував її годинник. Зафіксуйте часовий пояс звітності у визначенні.
- **Акаунти команди й тестові акаунти.** У перші тижні продукту вони можуть зсунути утримання на кілька пунктів.
- **Змішування сегментів з різним ритмом.** Пари, що ділять рахунки щотижня, і друзі в разовій поїздці мають бути на різних кривих.

## Головне

- Утримання = користувачі когорти, активні в період N ÷ розмір когорти.
- Перш ніж рахувати, визначте когорту, цільову дію, період і спосіб.
- День N — суворий, вікно рахує період, ковзне — будь-яке пізніше повернення; на тих самих десяти людях вийшло 20 %, 50 % і 70 %.
- Ковзне утримання найбільше лестить і змінюється після того, як ви його показали.
- Обирайте спосіб за ритмом використання і пишіть його поруч із кожним числом.

## FAQ

### Яка формула утримання?

Утримання = користувачі когорти, активні в період N ÷ усі користувачі когорти × 100 %. Для підписки за період утримання клієнтів = (клієнти на кінці − нові клієнти) ÷ клієнти на початку × 100 %.

### Чим утримання 7-го дня відрізняється від утримання першого тижня?

Утримання 7-го дня рахує тих, хто був активний саме на 7-й день. Утримання тижня зазвичай рахує тих, хто був активний хоча б раз за тижневе вікно. На тих самих людях друге завжди не нижче за перше, а часто значно вище.

### Чи варто користуватися ковзним утриманням?

Так, щоб зрозуміти, чи людина пішла назовсім. Але не робіть його головною метрикою у звітах: воно завжди найвище з трьох і росте, коли надходять пізні візити.

### Як порахувати утримання одразу для багатьох когорт?

Побудуйте когортну таблицю. Коли потрібне одне підсумкове число для періоду, зважте когорти за розміром (сума активних ÷ сума розмірів когорт) і беріть лише когорти, які вже дожили до цього періоду.

## Спробуйте на практиці

У безкоштовному уроці [Утримання: день N, ковзне чи за періодами](/uk/courses/product-analytics/retention-types/theory) ви порахуєте всі три види на даних Halves, з тестами й письмовим завданням, яке перевіряє ШІ. Далі — уроки про [когортну таблицю](/uk/courses/product-analytics/cohort-table/theory) і [плато утримання](/uk/courses/product-analytics/retention-plateau/theory). Усі вони входять до безкоштовного курсу [Продуктова аналітика: від даних до рішень](/uk/courses/product-analytics).

## Пов’язані уроки

- [Утримання: день N, ковзне чи за періодами](https://productovi.com/uk/courses/product-analytics/retention-types.md)
- [Як читати когортну таблицю](https://productovi.com/uk/courses/product-analytics/cohort-table.md)
- [Плато: утримання і product-market fit](https://productovi.com/uk/courses/product-analytics/retention-plateau.md)