App-Retention

Definition: App-Retention bezeichnet den prozentualen Anteil der Nutzer, die eine App nach dem erstmaligen Download nach definierten Zeitspannen weiterhin aktiv nutzen. Gemessen wird sie als Kohorten-Retention: von allen Nutzern die in Woche X installiert haben, welcher Prozentsatz ist nach Day 1, Day 7 und Day 30 noch aktiv (hat die App mindestens einmal geöffnet). Branchenübergreifende Benchmarks (Adjust, AppsFlyer 2023): D1: 25–35 %; D7: 10–18 %; D30: 4–8 % – stark kategorieabhängig. Sociale und Messaging-Apps liegen deutlich höher (D30: 20–30 %); Utility-Apps niedriger (D30: 2–5 %). App-Retention ist die wichtigste Qualitätsmetrik für Apps: sie bestimmt den Customer Lifetime Value (LTV), beeinflusst Store-Rankings und ist Grundlage für jede UA-ROI-Berechnung.

Erläuterung

Retention-Verbesserungen haben überproportional positive Auswirkungen: Eine Steigerung der D30-Retention von 5 % auf 8 % (+60 %) bedeutet nicht einfach 60 % mehr Nutzer nach 30 Tagen – sie bedeutet drastisch höheren LTV, niedrigere effektive UA-Kosten und bessere Store-Rankings. Retention-Optimierung ist oft Return-on-Investment-stärker als mehr UA-Budget.

Retention-Messung

Classic Retention: «War der Nutzer am exakten Tag X aktiv?»; strikteste Messung; D7 Classic: Nutzer aus Installations-Kohorte war genau 7 Tage nach Install aktiv; typischerweise niedrigere Werte als Rolling Retention; gut für Vergleich mit Branchen-Benchmarks
Rolling/Range Retention: «War der Nutzer irgendwann zwischen Tag 7–13 aktiv?»; weniger strikt; zeigt ob Nutzer noch grundsätzlich aktiv sind; höhere Werte als Classic Retention; besser geeignet für wöchentlich oder monatlich genutzte Apps; Amplitude und Mixpanel: beide Methoden verfügbar
Kohorten-Analyse: Installations-Kohorte: alle Nutzer eines bestimmten Zeitraums (Woche/Monat); Vergleich: Kohorte Juli vs. August (saisonale Effekte); Vergleich nach Kanal: Google-UAC-Kohorte vs. Organic-Kohorte; Vergleich nach Onboarding-Variante (A/B-Test-Kohorte); Firebase Analytics, Amplitude, Mixpanel: native Kohorten-Visualisierung
Retention-Benchmarks nach Kategorie: Gaming-Casual: D1: 30 %, D7: 12 %, D30: 4 %; E-Commerce: D1: 28 %, D7: 14 %, D30: 6 %; Social/Messaging: D1: 40 %, D7: 25 %, D30: 15 %; Finance/Banking: D1: 35 %, D7: 22 %, D30: 12 %; Health/Fitness: D1: 32 %, D7: 16 %, D30: 7 %

Retention-Optimierung

Onboarding-Optimierung (D1-Retention): Aha-Moment so früh wie möglich: welche erste Aktion korreliert mit langfristiger Retention?; Registrierungsverzögerung: optional statt Pflicht; Progress-Indikatoren; Personalisierungs-Flow im Onboarding; Tooltip-Sequenz für Feature-Entdeckung; jeder Extra-Schritt im Onboarding verliert ~10–20 % der Nutzer
Push-Notification-Strategie (D7-Retention): Verhaltensbasierter erster Push: «Sie haben Feature X noch nicht ausprobiert»; Streak-Benachrichtigung: «Morgen: 7 Tage in Folge!»; personaliserter Content; Opt-in-Timing: nach positivem Erlebnis, nicht beim ersten Start; Frequenz-Capping: 1–2 Push/Tag max.
Habit-Formation (D30-Retention): Täglich nutzbare Features aufbauen; externe Trigger (Push, Calendar-Integration, Widgets); Commitment-Mechanismen (Streak, Ziele, Social Accountability); Content-Frische: neue Inhalte täglich/wöchentlich; Gamification: Punkte, Level, Abzeichen für regelmäßige Nutzung

Retention und LTV

LTV-Berechnung: LTV = Durchschnittsumsatz pro Nutzer × durchschnittliche Nutzungsdauer; höhere Retention = längere Nutzungsdauer = höherer LTV; LTV nach 30/90/180 Tagen: gängige Messpunkte; LTV/CPI-Ratio > 3: gesundes UA-Geschäftsmodell; LTV-Kurve flacht mit Zeit ab – «Plateau»-Nutzer extrem wertvoll
Retention nach Akquisitionskanal: Google UAC-Nutzer: oft bessere Retention als incentivierte Installs; Organic: typisch höchste Retention (Nutzer hatten genuine Kaufabsicht); Apple Search Ads: gute Retention (aktive Store-Suche = höhere Absicht); Influencer-Traffic: variiert stark; MMP: D7-Retention nach Kanal als UA-Qualitätsmetrik

Praxistipp: Messen Sie in Amplitude oder Firebase welche Aktionen während des Onboardings (Day 0) am stärksten mit D7-Retention korrelieren. Das ist Ihr Aha-Moment. Dann messen Sie wie viele Ihrer neuen Nutzer diesen Aha-Moment nicht erreichen – das ist Ihr größtes Optimierungspotenzial. Implementieren Sie eine Push-Notification-Sequenz für die ersten 72 Stunden: nicht als Broadcast sondern verhaltensbasiert (hat Nutzer Feature X noch nicht genutzt? → Push). Vergleichen Sie D7-Retention nach Akquisitionskanal: Wenn Organic-Nutzer 22 % D7-Retention haben und ein UA-Kanal nur 8 %, adjustieren Sie UA-Budget – D7-Retention ist ein besseres Kanal-Qualitätssignal als reiner CPI.