Retention Rate по вертикалям: как когортный разбор вскрывает реальный LTV

Retention Rate по вертикалям: как когортный разбор вскрывает реальный LTV

Давайте декомпозируем этот кейс на составляющие метрики. В арбитраже Retention нельзя смотреть «в среднем по больнице»: у dating, finance и nutra кривая возвратов живёт по разным законам. Нужны когорты по дате первого лида/депозита и разрез по источнику, гео, плейсменту, крео и офферу. Иначе вы видите не retention, а шум от смешения разных срезов.

Базовый минимум: **D1 / D3 / D7 / D14 / D30**, плюс доля повторных действий и время до второго события. В finance важнее ранний возврат и повторный депозит, в ecom — повторная покупка, в iGaming — возврат в активность и depth. Если кривая падает после первого касания, проблема часто не в трафике, а в прокле, онбординге, скорости обработки лида или слабом постклике.

Сравнивайте не абсолютный retention, а **delta между когортами**: один источник может давать меньше лидов, но лучше держать D7 и D30, а значит вытягивать LTV. Отдельно смотрите апрув и холд: высокий retention на сыром лидаже без апрува — это самообман. Цифры не врут, в отличие от авторов успешных кейсов.

Если когорта проседает на конкретном шаге, режьте по узкому месту: крео, преленд, форма, саппорт, скорость фоллоу-апа, повторный контакт. Итоговый ROI здесь вытягивают не «сильные креативы», а правильная связка cohort + payout + postback. Считайте retention как часть юнит-экономики, а не как красивый график.