A taxa de retenção é o percentual de clientes ou usuários que continuam usando um produto ou permanecem assinantes ao longo de um período definido, calculada dividindo o número de clientes retidos no fim do período pelo número presente no início, excluindo os novos clientes adquiridos durante esse período. É medida com mais frequência em intervalos padrão, como janelas de 30 dias, mensais ou anuais, e costuma ser analisada por meio da análise de coortes, em que os usuários são agrupados pelo período em que se cadastraram pela primeira vez e seu comportamento é acompanhado nas semanas ou meses seguintes, revelando se a retenção está melhorando, piorando ou estável ao longo de coortes sucessivas, à medida que o produto e a experiência de onboarding evoluem.
A retenção é amplamente considerada uma das métricas de saúde mais importantes para negócios baseados em assinatura e em aplicativos, por causa de sua relação cumulativa com a receita e a eficiência do crescimento. Um negócio com forte retenção consegue crescer de forma constante mesmo com uma taxa modesta de aquisição de novos clientes, já que menos clientes existentes precisam ser substituídos a cada período, enquanto um negócio com retenção fraca, às vezes descrito como alguém tentando encher um balde furado, precisa adquirir continuamente grandes volumes de novos clientes apenas para manter a receita estável, elevando os custos gerais de aquisição de clientes e reduzindo o valor do ciclo de vida. Essa relação é formalizada no cálculo amplamente usado do valor do ciclo de vida (LTV), em que esse valor aumenta de forma acentuada à medida que a taxa de churn, o inverso da taxa de retenção, diminui, tornando até pequenas melhorias de retenção, como um aumento de dois ou três pontos percentuais na retenção mensal, capazes de produzir efeitos desproporcionais na receita de longo prazo.
A taxa de retenção costuma ser distinguida de conceitos relacionados, mas distintos: a taxa de churn, que mede o percentual de clientes perdidos, e não mantidos, no mesmo período; e a stickiness (aderência), muitas vezes medida como a razão entre usuários ativos diários e usuários ativos mensais, que reflete a frequência de engajamento, e não a sobrevivência de longo prazo. As empresas costumam detalhar ainda mais a retenção por características da coorte, como canal de aquisição, faixa de preço ou status de conclusão do onboarding, pois esses recortes frequentemente revelam que a retenção varia drasticamente por segmento; os usuários que concluem um marco específico do onboarding, por exemplo, muitas vezes mostram retenção de longo prazo substancialmente maior do que os que não o fazem, o que é uma justificativa comum para o investimento em UX de onboarding.
Um equívoco comum é tratar a taxa de retenção como um número único e estático que representa fielmente toda a base de clientes, quando, na realidade, as curvas de retenção de diferentes coortes costumam se comportar de maneira muito distinta, e a empresa precisa distinguir entre o churn contratual, em que uma assinatura simplesmente expira, e o churn voluntário, em que o cliente cancela ativamente, já que as intervenções para tratar cada um diferem substancialmente. Outra armadilha frequente é medir a retenção apenas no nível da conta em produtos com vários usuários, o que pode mascarar sinais precoces de desengajamento, como um número decrescente de licenças ativas dentro de uma conta que ainda não encerrou formalmente o contrato, um padrão frequentemente chamado de indicador antecedente de churn de receita futuro, e não de churn de usuários.
Em projetos de consultoria de CRO, UX e crescimento, a taxa de retenção é normalmente tratada como uma métrica de validação defasada, que confirma se melhorias a montante, como um fluxo de onboarding redesenhado, um programa de personalização ou uma mudança na página de preços, se traduzem em clientes que permanecem por mais tempo e geram mais valor do ciclo de vida, em vez de apenas converter a uma taxa inicial mais alta. Os consultores costumam construir curvas de retenção segmentadas por canal de aquisição ou conclusão do onboarding para identificar quais alavancas a montante melhor preveem a retenção de longo prazo e, em seguida, priorizam experimentos em torno dessas alavancas, já que melhorar a retenção de 30 ou 90 dias, mesmo por uma pequena margem, muitas vezes tem um efeito cumulativo maior na receita do que uma melhoria equivalente apenas na taxa de conversão do topo do funil.
A natureza cumulativa da retenção é mais fácil de perceber em uma comparação simples: um negócio de assinatura que retém 90 por cento dos clientes de um mês para o outro mantém, em média, um cliente por cerca de dez meses antes do churn, enquanto reter 95 por cento dos clientes amplia essa vida útil média para cerca de vinte meses, dobrando o valor do ciclo de vida do cliente a partir de uma mudança que soa modesta quando expressa como uma diferença de cinco pontos percentuais. Essa relação não linear é exatamente o motivo pelo qual equipes de crescimento experientes tratam pequenos ganhos sustentados de retenção como pelo menos tão valiosos quanto grandes vitórias pontuais de aquisição, e por que as curvas de retenção, e não um percentual pontual isolado, são a forma preferida de comunicar o desempenho de retenção aos stakeholders.
Mais termos iniciados por R
Framework de priorização RICEMonitoramento de usuários reais (RUM)Gestão de Lançamentos (Release Management)Recursos que bloqueiam a renderização (Render-Blocking Resources)Design Responsivo (Responsive Design)RetargetingRetrospectiva (Retrospective)Retorno sobre o investimento em anúncios (ROAS)Gestão de devoluções (Returns Management)
