Retention delle app mobile: come calcolarla e leggere i benchmark

Il tasso di retention di un’app mobile è la quota di utenti di una coorte di installazioni che torna nell’app in un giorno stabilito dopo l’installazione. Prendi gli utenti della coorte che tornano secondo la regola che hai scelto, dividi per la dimensione iniziale della coorte e moltiplica per 100. Leggilo come una curva con tre tappe, Day 1, Day 7 e Day 30, invece che come un unico distintivo da conquistare o mancare.

Immagina un’app di fitness che a gennaio ottiene 84 nuovi iscritti. Alla fine della seconda settimana, 39 la aprono ancora. Alla quarta settimana, 22. All’ottava, 11. Questa sequenza dice molto di più sul business di qualsiasi numero singolo. La maggior parte dei team di app lo impara a proprie spese: aprono la dashboard della retention, vedono un dato al Day 30 a una cifra e passano un trimestre a discutere se sia «buono». La discussione manca il punto.

Cosa significa il tasso di retention di un’app mobile?

Due app possono riportare entrambe un tasso di retention dell’8% al Day 30 e intendere cose diverse. Una conta chiunque abbia aperto l’app almeno una volta dal giorno 30 in poi. L’altra conta solo chi l’ha aperta proprio il giorno 30. Una mescola iOS e Android, nuove installazioni e utenti di lunga data. Stesso titolo, misura diversa.

La formula è semplice: utenti della coorte che tornano secondo la tua regola ÷ dimensione iniziale della coorte × 100. La parte difficile è mettersi d’accordo sugli input prima che compaiano i numeri.

È la coorte a tenere onesta la metrica. Funziona come un registro di classe: 84 studenti si iscrivono alla prima lezione, e tu segui quanti tornano alla seconda, chi frequenta ancora dopo una settimana e chi resta alla verifica delle quattro settimane. Non aggiungeresti mai i nuovi studenti di questa settimana alle presenze del mese scorso per dire che la classe è stabile. La stessa logica vale per gli abbonati; vedi tasso di retention dei clienti.

Dove va la curva?

La retention cala più in fretta all’inizio, ed è normale. I Mobile App Benchmarks of 2024 di OneSignal indicano una retention media del 28,29% al Day 1, 17,86% al Day 7 e 7,88% al Day 30, con risultati pubblicati per 12 categorie di app. Meno di un utente su tre è tornato il giorno dopo l’installazione. Meno di uno su cinque ha superato la prima settimana. Al traguardo del mese, ne restava meno di uno su dodici.

Lo stesso benchmark mostra valori ancora più bassi per le app business: 25,38% al Day 1, 16,85% al Day 7 e 6,94% al Day 30. La categoria sposta il livello; la forma discendente resta la stessa.

Ogni tappa risponde a una domanda diversa:

• Day 1 riflette l’onboarding: se l’utente ha raggiunto un primo valore, quanto il canale di acquisizione corrispondeva al prodotto e se qualcosa si è rotto nella prima sessione.
• Day 7 mostra se l’app si è guadagnata un posto nella routine di breve periodo di qualcuno.
• Day 30 è il segnale precoce più vicino a un engagement duraturo e, per le app in abbonamento, alla capacità del prodotto di sostenere un rapporto a pagamento.

Quindi la domanda utile raramente è «qual è il mio tasso di retention?». È dove la curva si appiattisce, e cosa succede agli utenti ancora presenti a quel punto.

Il cambio pratico: leggi la pendenza di ogni tratto, poi dai un nome al problema. Un calo dal Day 1 al Day 7 indica un’abitudine che non si forma. Un calo dal Day 7 al Day 30 indica un valore continuativo superficiale. Servono correzioni diverse.

Per le app in abbonamento, il calo tra installazione e primo mese spiega anche perché la retention d’uso e la retention di fatturazione vanno lette insieme. Un utente può ancora aprire l’app mentre un pagamento fallito, una carta in scadenza o una disdetta silenziosa chiudono il rapporto economico.

Come calcoli il tuo tasso di retention?

1. 01 Fissa la coorte Un periodo di installazione, dimensione bloccata prima della query
2. 02 Definisci il ritorno Un’apertura o un’azione chiave, scelta prima di guardare
3. 03 Scegli la finestra Giorno esatto, intervallo di giorni o in qualsiasi momento dopo
4. 04 Dividi e ripeti Utenti tornati ÷ dimensione della coorte × 100, al giorno 1, 7 e 30

Sei passi, ognuno lì per evitare un errore preciso.

1. Fissa la coorte di installazioni. Scegli un gruppo con un inizio comune, come tutti quelli che hanno installato nella prima settimana di marzo, e blocca la sua dimensione prima di interrogare qualsiasi dato. Senza un denominatore fisso, il numero si sposta man mano che arrivano nuovi utenti.
2. Definisci l’evento di ritorno prima di guardare i dati. Aprire l’app è la scelta abituale, ma per alcuni prodotti è meglio un’azione chiave: registrare un allenamento, inviare una fattura, collegare un conto bancario. Scegliere la definizione dopo aver visto i numeri è il modo in cui i team finiscono con una metrica che può solo salire.
3. Scegli una regola di finestra. La retention al giorno esatto conta un utente solo se apre l’app proprio il giorno 7. Una finestra conta le aperture in qualunque momento tra i giorni 6 e 8. Una regola «in qualsiasi momento» conta chiunque abbia aperto almeno una volta dal giorno 7 in poi. Non danno lo stesso valore, quindi annota quale hai usato, ogni volta.
4. Conta le corrispondenze a ogni tappa. Day 1, Day 7 e Day 30, stessa coorte, stessa regola.
5. Dividi per la dimensione iniziale della coorte e moltiplica per 100. Esempio (numeri ipotetici): 1.000 installazioni, 260 aprono al Day 1, quindi 26%. Al Day 7 ne conti 130: 13%. Al Day 30 ne conti 45: 4,5%. Tre numeri, una coorte, una storia.
6. Confronta con il periodo precedente della stessa coorte, non con una media di settore. Il confronto che riflette il tuo lavoro è la tua curva che si muove, coorte dopo coorte.

Quali due errori rovinano il numero?

Il primo è una coorte che perde. Se gli utenti che hanno installato a marzo, aprile e maggio finiscono tutti in un unico gruppo, il denominatore continua a crescere mentre il numeratore mescola versioni diverse del prodotto. La retention sembra stabile quando sta peggiorando.

Il secondo è una discordanza tra strumenti. Se il conteggio delle installazioni viene da un provider di attribuzione e quello delle sessioni da un SDK di analisi di prodotto, i due possono non concordare sull’identità del dispositivo, sul fuso orario o su cosa conta come sessione. Un tasso al Day 1 sopra il 100% viene quasi sempre da qui. Scegli un’unica fonte di verità per ciascun lato della frazione e tienila.

Impostare bene la coorte è la base di tutto il resto, e lo stesso lavoro preparatorio che ti serve per l’analisi della retention per coorte.

Perché i benchmark di retention non concordano?

La definizione dietro un dato di retention può spostare il risultato più della qualità dell’app. Un utente che deve aprire l’app esattamente il giorno 7 affronta un test più severo di uno che può aprirla in qualunque momento tra il giorno 6 e il giorno 8, o in qualunque momento dopo il giorno 7. Stesso comportamento, tre verdetti diversi.

Dare un nome ai metodi: la versione severa è la classic retention, in cui l’utente deve tornare proprio in quel giorno. La più larga è la rolling retention, in cui conta qualsiasi ritorno dal giorno 7 in poi. Quando un dato di retention arriva senza il suo metodo, chiedilo prima di confrontare.

Definizione	Conta come trattenuto quando	Effetto sul tasso riportato
Giorno esatto	L’utente apre l’app proprio il giorno 7	Valore più basso, test più severo
Finestra temporale	L’utente la apre in qualunque momento tra i giorni 6 e 8	Più alto, dipende dall’ampiezza della finestra
In qualsiasi momento dopo	L’utente la apre almeno una volta dal giorno 7 in poi	Il più alto, nasconde gli abbandoni

La rolling retention è la più lusinghiera e la meno informativa: un utente tornato una volta nel primo mese e mai più conta comunque come trattenuto.

La definizione non è l’unica variabile. La guida di Adjust sui benchmark di retention suddivide i risultati per regione, e la categoria allarga ancora la forbice, perché le app costruite attorno ad abitudini quotidiane tendono a trattenere gli utenti più a lungo degli strumenti aperti solo quando servono.

Cosa controllare prima di confrontarti con un benchmark?

• Definizione: classic, finestra o rolling.
• Ampiezza della finestra: giorno esatto o intervallo di giorni.
• Mix di piattaforme: iOS e Android riportati separatamente o insieme.
• Area geografica: quali mercati copre il dataset.
• Canale di acquisizione: a pagamento, organico e referral mescolati o separati.
• Categoria: la tua sottocategoria, non la media di tutte le app.

Se uno di questi elementi differisce, i due numeri non sono direttamente confrontabili, e uno scarto tra loro non ti dice nulla sulla tua app.

I business ad abbonamento hanno bisogno anche di una seconda distinzione: da un lato la retention comportamentale, dall’altro la retention pagante, i rinnovi, il churn involontario e la riattivazione. Un utente può smettere di aprire la tua app pur continuando a essere addebitato ogni mese; un altro può continuare ad aprirla ogni giorno dopo un pagamento fallito. Per il lato churn, vedi i benchmark del tasso di churn.

Quali sono i benchmark tipici al Day 1, Day 7 e Day 30?

La forma è la stessa in tutti i dataset: un calo ripido nella prima settimana, poi un declino più lento. I valori cambiano a seconda della fonte.

Benchmark	Day 1	Day 7	Day 30
OneSignal 2024, tutte le categorie pubblicate	28,29%	17,86%	7,88%
OneSignal 2024, app business	25,38%	16,85%	6,94%
Mediana globale Adjust 2024, citata da RapidNative	26%	13%	7%

I dati Adjust vengono dal playbook sulla retention delle app mobile di RapidNative, che li descrive come «il benchmark globale 2024 di Adjust» della retention mediana. OneSignal riporta medie; Adjust, per come è citato, riporta mediane. Basta questo a far differire le due righe, ed è proprio la lezione: citare «la media del settore» senza nominare la fonte e il metodo è come citare una temperatura senza dire in quale città è stata misurata.

Abbina la riga alla tua situazione. Un team che sviluppa uno strumento B2B dovrebbe leggere la riga OneSignal delle app business (6,94% al Day 30) invece di quella di tutte le categorie (7,88%). Qui la differenza è piccola, ma l’abitudine ti protegge dall’inseguire una media costruita su app che non somigliano affatto alla tua. Poi verifica che la fonte abbia usato la tua stessa regola di finestra.

Un ultimo limite: ogni riga qui sopra conta un utente come trattenuto quando riapre l’app. Nessuna dice se quell’utente sta ancora pagando.

In cosa la retention d’uso differisce dalla retention degli abbonamenti?

1. 01 Retention d’uso Utenti di una coorte di installazione che riaprono l’app. Fonte: analytics di prodotto.
2. 02 Retention dell’abbonamento Utenti che pagano ancora: rinnovi, pagamenti falliti, disdette, riconquiste. Fonte: fatturazione, App Store o Google Play.

Considera un’app in abbonamento con un uso stabile: le aperture settimanali restano al 40% della base, mese dopo mese. Poi i ricavi ricorrenti mensili iniziano a scendere, e nessuno sa spiegarlo, perché l’engagement sembra a posto.

La spiegazione di solito sta nel sistema di fatturazione, non nel prodotto. Una carta scade. Un rinnovo viene rifiutato. Un abbonato tocca disdici e non te lo dice mai. Le metriche d’uso non vedono nulla di tutto questo.

I benchmark pubblici sulle app contano un utente come trattenuto quando torna nell’app. L’economia degli abbonamenti dipende dalla conversione delle prove, dai tempi di rinnovo, dalla durata del piano, dai pagamenti falliti, dalle disdette e dai win-back. Il riepilogo di Deck dello State of Subscription Apps 2025 di RevenueCat è un punto in cui vedere come churn e retention variano per durata e prezzo del piano. Un’app può avere una retention d’uso modesta e produrre ricavi duraturi, oppure un uso forte e perdere abbonati a ogni data di addebito.

Sull’App Store e su Google Play, i rinnovi falliti passano per i periodi di nuovo tentativo e di tolleranza degli store stessi; vedi Billing Retry e grace period dell’App Store e grace period e account hold di Google Play.

Come combini coorti comportamentali e di fatturazione?

Abbina i segnali di engagement agli stati di fatturazione. Sei coorti coprono la maggior parte dei casi:

Coorte	Segnale di engagement	Segnale di fatturazione	Azione probabile
Attivo ma non pagante	Apre ogni settimana	Pagamento fallito	Invito ad aggiornare il pagamento e nuovi tentativi programmati
Pagante ma inattivo	Nessuna apertura da 14 giorni	Rinnovo in arrivo	Promemoria del valore prima del rinnovo
Prova vicina alla conversione	Apre ogni giorno	La prova finisce entro 3 giorni	Invito alla conversione con un vantaggio chiaro
Rinnovo fallito	Apre ancora l’app	Carta rifiutata	Nuovi tentativi di recupero e un link per aggiornare
Disdetta recente	Smette di aprire	Disdetto	Messaggi di win-back a 30, 60 e 90 giorni
Cliente di lunga data, uso basso	Apre una volta al mese	Prezzo pieno, piano annuale	Verifica dell’uso prima della data di rinnovo

L’attività al Day 1, Day 7 e Day 30 da sola non distingue un engagement basso dalla sensibilità al prezzo, da una carta in scadenza o da una disdetta voluta. Ognuno richiede una risposta diversa, e mandare uno sconto a qualcuno la cui carta è semplicemente scaduta spreca margine.

Una carta rimossa prima del rinnovo è uno dei segnali d’allarme più chiari. NoChurn dà a ogni nuovo cliente un punteggio di churn da 0 a 100 all’iscrizione, in base al metodo di pagamento, alla fonte di iscrizione e ai dati personalizzati che invii, e lo alza quando una carta viene rimossa prima della data di rinnovo, così puoi agire prima che il pagamento fallisca.

Attenzione ai campioni piccoli: con una base clienti modesta, i confronti tra attributi sono osservazioni su piccoli campioni. Tratta uno schema emerso da 40 clienti come un’ipotesi da testare, non come una prova.

Puoi inviare i tuoi attributi, come data di iscrizione, fonte di iscrizione, postazioni, uso, avanzamento dell’onboarding o NPS, in una sola chiamata API, e confrontare i clienti che se ne sono andati con quelli rimasti per vedere quali attributi vanno di pari passo con il churn (dati personalizzati e IA). La vista sui ricavi dello stesso problema è la net revenue retention: se la base pagante cresce o si riduce dopo upgrade, downgrade e disdette.

Come stabilisci la tua base di riferimento?

I benchmark ti dicono se sei più o meno nella norma. Solo il tuo andamento coorte dopo coorte ti dice se stai migliorando.

1. Costruisci la base dalle tue ultime tre coorti di installazioni. Misura Day 1, Day 7 e Day 30 per ciascuna, separati per piattaforma e canale di acquisizione, con la regola di finestra che hai scelto. Un 20% stabile al Day 1 ti dice meno di un 24% sceso al 17% in due coorti.
2. Confrontati con la riga di benchmark più vicina, non con la media globale. Se la maggior parte dei tuoi utenti è su Android in una categoria di nicchia, il valore aggregato è lo specchio sbagliato.
3. Aggiungi un livello di fatturazione se vendi abbonamenti. Per ogni coorte, conta gli utenti al Day 30 che stanno ancora pagando, quelli in stato di pagamento fallito o disdetto e quelli tornati tramite win-back.
4. Dai alla revisione un ritmo e una nota. Le revisioni mensili delle coorti funzionano. Accanto a ogni valore, scrivi definizione, piattaforma, canale e intervallo di date, così il confronto resta onesto quando qualcuno lo legge tra sei mesi.
5. Testa un cambiamento per coorte. I messaggi di win-back a 30, 60 e 90 giorni dalla disdetta sono un test pulito a variabile singola. Un cambiamento per finestra di coorte, o non saprai cosa ha mosso il numero.

Prima della prossima revisione, rispondi a una domanda: quale coorte sta perdendo più valore, e qual è il primo cambiamento che testerai su di essa?

Come aiuta NoChurn

Se la tua curva di retention sembra a posto mentre i ricavi scivolano, lo scarto di solito sta nella fatturazione più che nel comportamento, ed è il livello su cui lavora NoChurn. Si collega a Stripe in un clic e funziona con Chargebee, Recurly, Paddle, l’App Store, Google Play e altri, o con qualsiasi fatturazione tramite API. Sulla fatturazione web, recupera i pagamenti falliti con nuovi tentativi intelligenti ed email scritte dall’IA, gestisce un flusso di disdetta con offerte adatte al motivo e il pulsante di disdetta in un clic sempre visibile, e invia messaggi di win-back a 30, 60 e 90 giorni in base al motivo della disdetta. Sull’App Store e su Google Play, i nuovi tentativi di addebito e il pulsante di disdetta restano ad Apple e Google; NoChurn legge gli eventi di abbonamento e si occupa di punteggio e win-back. Il prezzo dipende solo dal MRR, è gratis fino a 300 $ di MRR e senza commissioni (un dominio di invio personalizzato richiede un piano a pagamento, da 9 $).