# 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](#turlari)
2. [Retention Curve anatomiyasi va Product-Market Fit](#egri-chiziq)
3. [Kohort tahlili jadvali (Cohort Analysis)](#kohort)
4. [Stickiness: DAU / MAU va L28 metrikasi](#stickiness)
5. ["Aha Moment"ni topish: Korrelyatsiya vs Sabab-oqibat](#aha-moment)
6. [Amaliy Python: Kohort tahlilchisi va egri chiziq simulyatsiyasi](#python-retention)
7. [Xulosa](#xulosa)
8. [Manbalar](#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?
   - **Day 1:** O'rnatganning ertasiga qaytganlar;
   - **Day 7:** 7-kuni qaytganlar;
   - **Day 30:** 30-kuni qaytganlar.
2. **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:

```text
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:

| Hafta | Foydalanuvchilar | D1 (%) | D7 (%) | D14 (%) | D30 (%) |
|---|---|---|---|---|---|
| **W1 (Eski UI)** | 1,000 | 32% | 14% | 9% | 6% |
| **W2 (Eski UI)** | 1,200 | 31% | 13% | 8% | 5% |
| **W3 (Yangi Onboarding)** | 1,150 | **44%** | **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:

```python
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](https://brianbalfour.com/essays/retention-is-king)
2. [Sequoia Capital — Measuring Product-Market Fit](https://www.sequoiacap.com/)
3. [Amplitude — Product Analytics Playbook: Mastering Retention](https://amplitude.com/mastering-retention)