Azimjon Abdurasulov

Growth 2: Retention va Kohort Tahlili — D1/D7/D30 Retention, Stickiness va Aha Moment

📈 Growth Engineering

Growth 2: Retention va Kohort Tahlili — D1/D7/D30 Retention, Stickiness va Aha Moment

Holat: 2026-yil sentabr. Mahsulot o'sishining yagona asosi — Retention (foydalanuvchilarni saqlab qolishdir). Agar ilovangiz yangi kelgan odamni ushlab qololmasa, qancha reklama sarflamang, suv oqib ketayotgan teshik chelakka (leaky bucket) suv quygan bilan teng bo'ladi. Ushbu darsda D1/D7/D30 o'lchovlari, kohort tahlili va Product-Market Fit ko'rsatkichlari tahlil qilinadi.

Mundarija

  1. Retention turlari: N-Day vs Rolling Retention
  2. Retention Curve anatomiyasi va Product-Market Fit
  3. Kohort tahlili jadvali (Cohort Analysis)
  4. Stickiness: DAU / MAU va L28 metrikasi
  5. "Aha Moment"ni topish: Korrelyatsiya vs Sabab-oqibat
  6. Amaliy Python: Kohort tahlilchisi va egri chiziq simulyatsiyasi
  7. Xulosa
  8. Manbalar

1. Retention turlari: N-Day vs Rolling Retention {#turlari}

Soha amaliyotida retention'ni o'lchashning 2 ta asosiy usuli mavjud:

  1. N-Day (Klassik) Retention: Foydalanuvchi ro'yxatdan o'tgandan keyin aynan N-kunda ilovaga kirdimi?
  2. Day 1: O'rnatganning ertasiga qaytganlar;
  3. Day 7: 7-kuni qaytganlar;
  4. Day 30: 30-kuni qaytganlar.
  5. Rolling (Unbounded) Retention: Foydalanuvchi N-kunda yoki undan keyingi istalgan kunda qaytdimi? (Kamroq chastotada ishlatiladigan utilita yoki sayohat ilovalari uchun qulay).

2. Retention Curve anatomiyasi va Product-Market Fit {#egri-chiziq}

Retention egri chizig'i vaqt o'tishi bilan qanday shaklga kirishi mahsulotning kelajagini belgilaydi:

Retention %
100% ──┐
       │ (Tezkor tushish fazasi: D0 - D3)
 40%   └───┐
           │ (Stabilizatsiya fazasi)
 20%       └─────────────────────────► Plato (PMF bor! Gorizontal tekislanadi)
  0% ────────────────────────────────► Xavf: Nolga intiluvchi chiziq (PMF yo'q)
      D0   D1   D7        D30   D90
  • Plato (Flattening): Agar egri chiziq 30-kundan keyin gorizontal to'g'ri chiziqqa aylansa, demak mahsulot o'zining sodiq yadroviy auditoriyasini (core users) topgan. Bu Product-Market Fit mavjudligining eng ishonchli dalilidir.
  • Nolga tushuvchi egri chiziq: Agar foydalanuvchilar soni doimiy ravishda nolga yaqinlashsa, mahsulotda asosiy qiymat (core value) yetishmayapti.

3. Kohort tahlili jadvali (Cohort Analysis) {#kohort}

Har haftada kelgan foydalanuvchilar alohida "kohort" (guruh) sifatida tahlil qilinadi. Bu yaqinda kiritilgan o'zgarishlar (masalan, yangi onboarding) retention'ni yaxshilaganini ko'rsatadi:

HaftaFoydalanuvchilarD1 (%)D7 (%)D14 (%)D30 (%)
W1 (Eski UI)1,00032%14%9%6%
W2 (Eski UI)1,20031%13%8%5%
W3 (Yangi Onboarding)1,15044%22%16%12%

Ko'rinib turibdiki, W3 kohortida amalga oshirilgan yangilanishlar barcha bosqichlarda saqlab qolishni deyarli 2 barobarga oshirgan.

4. Stickiness: DAU / MAU va L28 metrikasi {#stickiness}

  • DAU / MAU Nisbati: Bir kunda kiruvchi faol foydalanuvchilarning oylik faol foydalanuvchilarga nisbati.
  • > 20% — yaxshi natija;
  • > 50% — ajoyib natija (ijtimoiy tarmoqlar, Telegram, odat ilovalari).
  • L28 Metrikasi: Oxirgi 28 kun ichida foydalanuvchi necha kun faol bo'ldi? (Masalan, L28 >= 20 bo'lganlar — ilovaning quvvatli foydalanuvchilari (Power Users) sanaladi).

5. "Aha Moment"ni topish: Korrelyatsiya vs Sabab-oqibat {#aha-moment}

Aha Moment — foydalanuvchi ilovaning qiymatini tushunib, doimiy mijozga aylanishiga sabab bo'luvchi ilk harakat.

Mashhur xatolar:

  • Facebook'ning "10 kunda 7 ta do'st" qoidasi shunchaki korrelyatsiya edi.
  • Agar siz foydalanuvchini majburlab 7 ta do'st qo'shishga majburlasangiz, u baribir ilovani o'chirib yuborishi mumkin.
  • Haqiqiy maqsad — foydalanuvchiga tabiiy tarzda o'z do'stlari bilan qiziqarli muloqot qilish muhitini yaratib berishdir.

6. Amaliy Python: Kohort tahlilchisi va egri chiziq simulyatsiyasi {#python-retention}

Quyidagi skript real kohort ma'lumotlarini hisoblab, retention platosini aniqlaydi:

def calculate_retention_plato(cohort_size, retained_days):
    rates = {day: round((count / cohort_size) * 100, 1) for day, count in retained_days.items()}

    print(f"Boshlang'ich kohort hajmi: {cohort_size} foydalanuvchi")
    for day, rate in rates.items():
        print(f"  Day {day}: {rate}%")

    # Plato barqarorligini tekshirish (D30 va D60 farqi < 3% bo'lsa):
    if abs(rates[30] - rates[60]) <= 3.0:
        print(f"Xulosa: Plato barqarorlashgan ({rates[60]}% da). Product-Market Fit mavjud! ✅")
    else:
        print("Xulosa: Foydalanuvchilar ketishi davom etmoqda.")

# Sinov ma'lumotlari:
calculate_retention_plato(
    cohort_size=5000,
    retained_days={1: 2100, 7: 1250, 14: 950, 30: 820, 60: 780}
)

7. Xulosa {#xulosa}

  • Retention egri chizig'i tekislanmaguncha, marketingga katta mablag' sarflash behuda.
  • Kohort tahlili haftadan-haftaga kiritilayotgan yangi funksiyalarning haqiqiy samarasini ko'rsatuvchi eng xolis ko'zgudir.
  • O'sish muhandisining asosiy vazifasi — foydalanuvchini D1 da ilovaga qaytarish va uning Aha momentga yetish vaqtini qisqartirishdan iborat.

8. Manbalar {#manbalar}

  1. Balfour — Why Retention Is The King of Growth Metrics
  2. Sequoia Capital — Measuring Product-Market Fit
  3. Amplitude — Product Analytics Playbook: Mastering Retention

Markdown manba

iOS Lessons