Как рассчитать удержание (Retention Rate) в Excel: формулы, примеры и ошибки

Удержание клиентов (Retention Rate) — ключевой показатель для бизнеса, который демонстрирует, сколько пользователей продолжают взаимодействовать с продуктом или услугой через определённый период. Его расчёт в Microsoft Excel или Google Sheets позволяет оперативно анализировать лояльность аудитории, выявлять слабые места в стратегии и корректировать маркетинговые кампании. Однако многие сталкиваются с ошибками: путают когортный анализ с общим удержанием, неправильно выбирают временные интервалы или игнорируют сегментацию данных.

В этой статье вы найдёте пошаговые инструкции с формулами, примерами таблиц и визуализацией, а также разберёте типичные подводные камни. Мы покажем, как рассчитать удержание для разных бизнес-моделей (подписки, e-commerce, SaaS), автоматизировать процесс с помощью функций COUNTIFS, SUMIFS и даже построить динамический дашборд. Неважно, анализируете ли вы месячную активность мобильного приложения или годовую лояльность покупателей — после прочтения вы сможете адаптировать методы под свои задачи.

⚠️ Внимание: Если ваш бизнес работает с одноразовыми покупками (например, продажа недвижимости или автомобилей), удержание как метрика теряет смысл. В таких случаях лучше фокусироваться на повторных продажах или рекомендациях (NPS).

Что такое удержание и почему его считают в Excel

Удержание (Retention Rate) — это процент пользователей, которые вернулись к вашему продукту через заданный промежуток времени (день, неделю, месяц). Например, если в январе у вас было 1000 новых клиентов, а в феврале из них сделали повторную покупку 300 человек, то месячное удержание составит 30%.

Excel становится идеальным инструментом для таких расчётов благодаря:

• 📊 Гибкости формул: можно комбинировать COUNTIFS, DATEDIF и условное форматирование для анализа любых временных интервалов.
• 🔄 Автоматизации: один раз настроенная таблица обновляется при добавлении новых данных.
• 📈 Визуализации: графики удержания по когортам помогают быстро выявлять тренды (например, падение лояльности после 3-го месяца).

Ключевое отличие от других метрик (например, churn rate — показателя оттока) в том, что удержание фокусируется на положительной динамике. Это особенно ценно для бизнесов с подписочной моделью, где стоимость привлечения нового клиента (CAC) часто превышает прибыль от первой покупки.

Базовая формула удержания в Excel

Классическая формула для расчёта удержания выглядит так:

= (Количество вернувшихся пользователей / Количество пользователей в начале периода) × 100%

В Excel её можно реализовать с помощью функции COUNTIFS, если у вас есть данные о датах регистрации и активности. Например:

Чтобы посчитать месячное удержание для января:

1. Сначала найдите всех пользователей, зарегистрированных в январе: =COUNTIFS(B2:B100; ">="&ДАТА(2026;1;1); B2:B100; "<="&ДАТА(2026;1;31)).
2. Затем посчитайте, сколько из них были активны в феврале: =COUNTIFS(B2:B100; ">="&ДАТА(2026;1;1); B2:B100; "<="&ДАТА(2026;1;31); C2:C100; ">="&ДАТА(2026;2;1)).
3. Разделите второе значение на первое и умножьте на 100%.

⚠️ Внимание: Если в ваших данных есть дубликаты (один клиент зарегистрировался несколько раз), предварительно удалите их с помощью функции УНИК (в новых версиях Excel) или фильтра Уникальные значения.

Когортный анализ: расчёт удержания по группам пользователей

Когортный анализ позволяет сегментировать пользователей по времени регистрации и отслеживать их удержание в динамике. Это единственный способ выявить, как изменения в продукте (например, обновление интерфейса или ценовая политика) влияют на лояльность разных групп.

Алгоритм построения когортной таблицы:

1. Создайте сводную таблицу с полями Месяц регистрации (строки) и Месяц активности (столбцы).
2. В значениях используйте COUNT (количество уникальных пользователей).
3. Добавьте вычисляемое поле для удержания: =B2/$B2 (где B2 — количество пользователей в когорте в первый месяц).

Пример когортной таблицы для SaaS-сервиса:

В этом примере видно, что despite роста новых пользователей в феврале, удержание остаётся стабильно низким (20%) — сигнал для команды изучить причины оттока на 2-м месяце.

Собрать историю регистраций и активности|Удалить дубликаты клиентов|Преобразовать даты в формат "Месяц-Год"|Создать сводную таблицу с группировкой по месяцам|Добавить столбец с расчётом удержания-->

Автоматизация расчётов с помощью Power Query

Если у вас большие массивы данных (тысячи строк), ручной расчёт удержания станет неэффективным. Power Query в Excel позволяет автоматизировать процесс:

1. Импортируйте данные из источника (например, CSV с регистрациями и активностями).
2. В Power Query добавьте столбец с номером месяца относительно даты регистрации:

   = Date.Month([Дата активности]) - Date.Month([Дата регистрации])

3. Сгруппируйте данные по Месяцу регистрации и Номеру месяца активности, посчитав количество уникальных пользователей.
4. Загрузите результат в Excel и добавьте формулу удержания.

⚠️ Внимание: При работе с Power Query следите за форматом дат. Если Excel распознаёт их как текст, используйте функцию Date.From для преобразования:

= Date.From([Дата регистрации])

Визуализация удержания: графики и дашборды

Числа в таблице мало о чём говорят без наглядного представления. Для удержания подходят:

• 📉 Линейный график: показывает тренды удержания по когортам во времени.
• 🟥 Тепловая карта (Heatmap): выделяет цветом ячейки с высоким/низким удержанием (используйте условное форматирование).
• 📊 Сводная диаграмма: комбинирует данные удержания с другими метриками (например, ARPU — средний доход на пользователя).

Пример настройки тепловой карты:

1. Выделите диапазон с процентами удержания.
2. Перейдите на вкладку Главная → Условное форматирование → Цветовые шкалы.
3. Выберите палитру "Зелёный-Жёлтый-Красный" (зелёный — высокое удержание, красный — низкое).

Профессиональный лайфхак: Добавьте на график линию тренда (Щелчок ПКМ по графику → Добавить линию тренда). Если она идёт вниз — это сигнал о системных проблемах в продукте (например, ухудшение качества поддержки или появление конкурентов).

Типичные ошибки и как их избежать

Даже опытные аналитики допускают ошибки при расчёте удержания. Вот самые распространённые:

• ❌ Игнорирование "холодных" пользователей: Если клиент не был активен 3 месяца, но вернулся на 4-й, его часто исключают из расчётов. Решение: используйте MAXIFS, чтобы найти последнюю активность.
• ❌ Смешивание когорт: Сравнение удержания пользователей, зарегистрированных в разные сезоны (например, январь vs июль), может давать искажённые результаты из-за сезонности. Решение: анализируйте когорты отдельно или нормализуйте данные.
• ❌ Неучёт "естественного оттока": В некоторых нишах (например, фитнес-приложения) удержание падает после 3-го месяца независимо от качества продукта. Решение: сравнивайте себя с бенчмарками отрасли.

⚠️ Внимание: Если вы анализируете мобильное приложение, не путайте удержание (retention) с активностью (engagement). Например, пользователь мог открыть приложение на 10 секунд — это засчитается как "активность", но не означает реальной вовлечённости.

Продвинутые техники: прогнозирование и сегментация

Для глубокого анализа удержания можно использовать:

1. Прогнозирование с помощью FORECAST.ETS:

   Функция позволяет спрогнозировать удержание на следующие периоды на основе исторических данных. Пример:

   =FORECAST.ETS(Дата; Диапазон дат; Диапазон удержания; [Сезонность])

   Укажите сезонность 12 для месячных данных (учёт годового цикла).

2. Сегментация по RFM:

   RFM (Recency, Frequency, Monetary) — метод разделения клиентов на группы по трём критериям: давность последней покупки, частота покупок и сумма трат. В Excel его реализуют с помощью:

   • 📅 =TODAY()-MAX(Дата покупки) для Recency.
   • 🔄 =COUNTIF(ID клиента; ID клиента) для Frequency.
   • 💰 =SUMIF(ID клиента; ID клиента; Сумма покупки) для Monetary.

Пример RFM-сегментации:

FAQ: Ответы на частые вопросы

=COUNTIFS(Клиенты; "="&A2; Даты покупок; ">="&ДАТА(2026;2;1)) / COUNTIFS(Клиенты; "="&A2; Даты покупок; "<="&ДАТА(2026;1;31))