5 возможностей приложения, которые держат пользователя

Сейчас, в 2026 году, аппстор больше не прощает скучные мобильные продукты. Стоимость установки на iOS в коммерческих категориях ушла за 350-700 ₽, на Android — 90-220 ₽, а пользователь сносит приложение в среднем через 5,8 дня, если оно не дало повода вернуться. На этом фоне разговор о новых фичах перестал быть разговором про «вау» — он стал разговором про retention. Ниже разбираю пять возможностей приложения, которые в наших проектах 2025-2026 годов реально двигали DAU, удержание и NPS, плюс цифры по бюджетам, ROI и три типичных провала.

Почему 2026 — это не год новых фич, а год удержания

Короткая мысль, с которой стоит начать: пятая фича в продукте редко удваивает вовлечённость, а вот первая правильная — часто. Команды, которые в 2024-2025 годах гнали скоуп, в 2026 пришли к ситуации, когда у них в приложении есть и сторис, и лента, и магазин, и сообщество, и AI-помощник — а DAU/MAU держится на 0,16, ниже психологической отметки 0,2.

Причина почти всегда одинаковая. Возможности приложения наслоены без понимания, какую именно петлю поведения они закрывают. Push гонят всех подряд. Геймификация повешена на фронт без связки с задачами пользователя. Чат-бот отвечает по скрипту трёхлетней давности и злит больше, чем помогает.

В этой статье я не буду перечислять «топ-30 трендов». Возьму пять фич, которые повторяемо дают прирост retention на горизонте 90 дней — и при этом понятны команде из 5-15 человек без отдельного R&D-отдела.

Какие метрики мерим

• DAU — уникальные пользователи в сутки. Базовый индикатор живости.
• DAU/MAU stickiness — отношение дневной к месячной. Норма от 0,2, цель 0,3-0,35.
• Retention D1/D7/D30 — доля вернувшихся через 1, 7 и 30 дней. Здоровые значения для коммерческого продукта: 30-45% / 18-25% / 10-15%.
• Session length и frequency — длительность сессии и частота. Растут синхронно при правильной фиче.
• NPS — оценка лояльности, замер раз в квартал. Хорошо от 35, отлично от 50.

Сразу оговорка: рост одной метрики без остальных — это локальная победа, а не реальное улучшение продукта. Если DAU растёт, а retention D30 проседает — фича скорее эксплуатирует пользователя, чем помогает ему.

Возможность 1. Push-уведомления, которые не отключают

Push — самая дешёвая фича из всех пяти и одновременно самая часто загубленная. Базовая интеграция SDK типа OneSignal, Mindbox или Devino стоит 200-500 тысяч ₽ и месяц работы, а подписка идёт от 15 тысяч ₽/мес для базы до 50 тысяч пользователей.

Проблема в другом. В 2026 средняя доля отключивших push на iOS — 56-72%, на Android — 38-55%. Это потолок канала: даже идеальный креатив не попадает к большей части аудитории, если push выключен на уровне системы.

Что работает

• Поведенческие триггеры вместо расписания. «Вернись через 24 часа после первой покупки и забери +10% к балансу» вместо «Хорошая среда, не забудь про нас».
• Тихие часы. Любой push в 7:00 утра — потерянный подписчик. Окно 10:00-21:00 локального времени даёт CTR в 1,8-2,4 раза выше.
• Частотный лимит. Жёсткое правило: не больше 3-4 уведомлений в неделю на пользователя. Превышение — и доля отписок прыгает с 4% до 11% за месяц.
• Rich-push с картинкой. CTR в среднем в 1,6 раза выше, чем у текстового, особенно в e-com и медиа.

Числа из практики

В одном из наших проектов в категории «доставка еды» переход от массовых рассылок к 4 сегментам по поведению (новые / спящие 7-14 дней / спящие 30+ / лояльные) дал +18% к D7 retention за 8 недель и -23% к доле отключивших push. Бюджет миграции — 380 тысяч ₽ на CRM-маркетолога и аналитика на 2 месяца.

Берите push первым, если retention D7 у вас ниже 22%. Не стоит, если у вас меньше 5 000 MAU — на такой базе сегментация не окупает работу маркетолога.

Возможность 2. Геймификация без бейджей-фантомов

Геймификация прошла три волны. В 2017-2019 годах рисовали бейджи, в 2020-2023 строили прогресс-бары и стрики, в 2024-2026 поняли, что любая игровая механика без связи с реальной ценностью даёт всплеск на 4-6 недель и затухает.

Что реально работает в 2026

• Стрики с осмысленной наградой. Не «7 дней подряд = бейдж», а «7 дней подряд = -15% на следующий заказ». Конверсия второго варианта в действие выше в 3-4 раза.
• Ежедневные задания, привязанные к ядру продукта. Для маркетплейса — «посмотри 3 карточки в категории X», а не «открой приложение». Первое генерирует поведение, второе — пустое касание.
• Уровни с разблокировкой функций. Хорошо работает в финтехе и образовании: новые возможности приложения открываются по мере использования, а не висят все сразу.
• Лидерборды с микро-комьюнити. Глобальный рейтинг неинтересен, рейтинг друзей или района — заходит.

Бюджет и эффект

Полноценный геймификационный модуль — это 600-1500 тысяч ₽ на разработку (фронт, бэк, аналитика, иллюстрации) и 80-150 тысяч ₽/мес на сопровождение. В нашем кейсе с приложением для самообразования внедрение системы уровней с разблокировкой курсов подняло средний session length с 7,2 до 11,8 минуты за 12 недель — это +63% — и DAU/MAU с 0,21 до 0,29.

Авторская позиция: если вы запускаете геймификацию и через 6 недель видите всплеск активности без роста выручки или удержания — это симптом «бейджей-фантомов». Их нужно безжалостно резать, иначе через 3 месяца игроки разочаруются ещё сильнее.

Кстати, про визуал

Геймификация требует много мелкой графики — иконки уровней, бейджи, баннеры наград, заставки заданий. Если параллельно вы продаёте товары на маркетплейсе и нужно собрать акционные обложки или баннеры под промо-механику, можно создать карточку для OZON в нашем конструкторе за 5-10 минут: те же приёмы — крупный объект, один акцент, читаемость с миниатюры — работают и в карточке маркетплейса, и в баннере награды внутри приложения. Это не замена дизайнеру под игровую систему, но закрывает 70% задач «нужно срочно собрать промо-визуал к запуску ивента».

Возможность 3. Чат-бот, который не злит

2022-2024 годы были эпохой плохих чат-ботов. Дерево из 40 веток, «к сожалению, я вас не понял», 6-7 кликов до живого оператора. Эти боты снижали NPS на 8-12 пунктов и формировали у пользователя устойчивое «бренд не уважает моё время».

С 2025 года появились LLM-чат-боты на собственных корпусах: они умеют отвечать естественным языком, цитировать FAQ, а главное — быстро признаваться, когда не знают ответа, и переключать на человека.

Что должен делать чат-бот в 2026

• Решать 60-75% типовых вопросов за один-два сообщения без перевода на оператора.
• Иметь честный фоллбэк: после 2 неудачных попыток автоматически предлагать живого человека.
• Помнить контекст пользователя — заказы, статусы, тикеты — а не спрашивать «какой у вас номер заказа» при том, что он уже виден в профиле.
• Работать круглосуточно, но передавать в рабочее время те запросы, где нужно решение, а не информация.

Бюджет

Чат-бот на готовом провайдере (Just AI, Smartbot, наш собственный fine-tuning поверх Llama/Yandex GPT) — от 350 до 900 тысяч ₽ за первые два месяца с обучением на корпусе обращений и интеграцией в приложение. Поддержка — 30-80 тысяч ₽/мес плюс токены LLM (обычно 8-25 тысяч ₽/мес при 10-30 тысячах диалогов).

В кейсе с приложением финтех-проекта (200 тысяч MAU) замена дерева на LLM-бота с памятью клиента подняла CSAT с 3,8 до 4,4, сократила долю обращений к живому оператору с 47% до 19% и подняла NPS на 11 пунктов за квартал.

Не стоит брать чат-бота, если у вас меньше 500 обращений в неделю — экономически не окупится. Берите, если служба поддержки уходит в потолок и пользователи жалуются на время ответа в отзывах.

Возможность 4. Персонализация ленты

Самая «дорогая» из пяти возможностей и одновременно самая мощная по long-term retention. Персонализация — это не один алгоритм, а целая система: сбор сигналов, фичи пользователя, модель ранжирования, переобучение, A/B-инфраструктура.

Три уровня зрелости

1. Rule-based. Простые правила: «показывать новинки в категории, где пользователь покупал». Бюджет — 400-700 тысяч ₽, эффект — +8-15% к session length.
2. Коллаборативная фильтрация. Классика рекомендательных систем, ALS/SVD-подходы. Бюджет — 800-1300 тысяч ₽, эффект — +15-25% к session length и +5-10% к D30.
3. ML-ранжирование с переобучением. Полноценная модель с фичами поведения, контента и контекста, обучение раз в день-неделю. Бюджет — 1500-2000 тысяч ₽ на запуск и 150-300 тысяч ₽/мес поддержки. Эффект — +25-40% к session length, +12-20% к D30, +6-10% к ARPU.

Чек: вам нужна персонализация?

Нужна, если у вас:

• от 50 тысяч активных пользователей в месяц,
• каталог от 1000 единиц контента или товаров,
• средний пользователь видит ленту чаще 3-4 раз в неделю.

Не нужна, если каталог маленький (до 200-300 позиций) или пользователи приходят за конкретной транзакцией и сразу уходят — в таких сценариях лучше работают поиск и фильтры, а не рекомендации.

Подводные камни

Самая частая ловушка — холодный старт. На новой ML-модели в первые 2-3 недели рекомендации часто хуже хронологического порядка просто потому, что у модели мало данных. Команды нервничают, откатывают, и фича не доживает до момента, где даёт прирост. Правильный путь — A/B с долей 10-20% и горизонт 6-8 недель до решения.

Возможность 5. AR-фичи как мостик из офлайна

AR в собственном приложении в 2026 — это уже не «вау», а нормальный инструмент в beauty, мебели, моде, образовании и маркетплейсах. Spark AR закрылся в начале 2025 года (Meta признана экстремистской в РФ), но это закрыло канал масок в Instagram и Facebook, а не AR внутри своего продукта. ARKit на iOS и ARCore на Android — рабочая инфраструктура, плюс активно растёт WebAR.

Где AR реально двигает retention

• Beauty. Виртуальная примерка помад, теней, тонального — повышает конверсию в покупку на 25-40% и first-week retention на 30-60% относительно карточек без AR.
• Мебель. Размещение мебели в комнате через камеру — снижает долю возвратов на 18-25% и поднимает средний чек на 8-12% за счёт уверенности в выборе.
• Мода. AR-примерка очков, часов, обуви — даёт более скромный эффект, но устойчиво поднимает время в карточке товара в 2-2,5 раза.
• Образование. Интерактивные 3D-объекты в обучающих сценариях — поднимают завершаемость уроков на 15-22%.

Бюджет

Базовый AR-модуль (одна категория, 20-50 3D-моделей или одна примерочная функция) — 800-1400 тысяч ₽ на запуск и 100-180 тысяч ₽/мес на поддержку и пополнение моделей. Полноценная AR-экосистема с библиотекой из сотен моделей — 1500-2000 тысяч ₽ и больше.

Берите AR, если у вас офлайновая логика выбора (примерка, размещение, проба) и каталог не меньше 50 SKU. Не берите, если ваш продукт целиком цифровой (стриминг, новости, чат) — AR в таких категориях обычно не закрывает реальной боли пользователя.

Два сценария: рост retention с 20 до 40%

Дальше — два детальных сценария, как добраться от retention D30 в 20% к 40% за 6-9 месяцев. Цифры из живых проектов 2025-2026 годов.

Сценарий А. Маркетплейс одежды, 80 тысяч MAU, retention D30 = 19%

Точка входа: массовые push, никакой персонализации, дерево чат-бота 2022 года, без AR.

Шаги за 9 месяцев:

1. Месяцы 1-2. Миграция push на поведенческие триггеры с 5 сегментами. Бюджет — 420 тысяч ₽. Эффект к концу месяца 2: retention D30 = 23%.
2. Месяцы 2-4. LLM-чат-бот с памятью клиента и интеграцией со статусом заказа. Бюджет — 780 тысяч ₽. Эффект: NPS +9, retention D30 = 26% за счёт сокращения негативного опыта.
3. Месяцы 3-6. Базовая персонализация ленты (коллаборативная фильтрация). Бюджет — 1100 тысяч ₽ запуск + 180 тысяч ₽/мес. Эффект: session length +21%, retention D30 = 32%.
4. Месяцы 6-9. AR-примерка очков и часов (нишевая категория). Бюджет — 950 тысяч ₽. Эффект: D30 в категории = 47%, общий D30 по приложению = 38-40%.

Итого: бюджет 3,25 миллиона ₽ за 9 месяцев + ~200 тысяч ₽/мес поддержки. Прирост MAU не показан в шагах, но за счёт удержания база выросла с 80 до 122 тысяч MAU.

Сценарий Б. Финтех-приложение, 200 тысяч MAU, retention D30 = 21%

Точка входа: push есть, но нерегулярные; чат-бот по сценарию; ленты как таковой нет, экраны статичные.

Шаги за 6 месяцев:

1. Месяц 1. Чат-бот на LLM с памятью клиента. Бюджет — 850 тысяч ₽. Эффект: NPS +11, retention D30 = 25%.
2. Месяцы 1-3. Геймификация в формате «финансовые цели и достижения»: накопил X — открыл новый продукт, выполнил неделю без импульсивных покупок — получил кешбэк. Бюджет — 1,4 миллиона ₽. Эффект: DAU/MAU с 0,18 до 0,27, retention D30 = 32%.
3. Месяцы 3-6. Персонализация ленты предложений (rule-based с переходом на ML к концу периода). Бюджет — 1,8 миллиона ₽. Эффект: ARPU +14%, retention D30 = 41%.

Итого: 4,05 миллиона ₽ за 6 месяцев. Retention удвоился, ARPU вырос на 14%, MAU за счёт удержания и сарафана подрос со 200 до 268 тысяч.

В обоих сценариях AR и геймификация — это не первые шаги. Их ставим после того, как разобрались с push и поддержкой, иначе фича повисает на «грязной» воронке.

Расчёт ROI: что вернёт вложенный миллион

Возьмём упрощённую модель — приложение с 100 тысячами MAU и средним ARPU 380 ₽/мес.

До внедрения: retention D30 = 22%, удержанная база — 22 000 пользователей, выручка — 8,36 миллиона ₽/мес.

После одной возможности приложения (допустим, персонализация ленты, рост D30 +6 пунктов): retention D30 = 28%, удержанная база — 28 000, выручка — 10,64 миллиона ₽/мес. Прирост — 2,28 миллиона ₽/мес.

Вложения: 1,5 миллиона ₽ на запуск + 200 тысяч ₽/мес поддержки.

Окупаемость: 1,5 млн ₽ / (2,28 млн ₽ − 0,2 млн ₽) = 0,72 месяца. То есть за 3-4 недели фича выходит в плюс по чистым деньгам.

Годовой ROI: (2,08 млн ₽ × 12 − 1,5 млн ₽) / 1,5 млн ₽ × 100% = 1564%.

Цифра выглядит сказочной, и при разговоре с финансовым директором её нужно сразу резать на коэффициент реализма 0,4-0,6: часть прироста не реализуется в выручке (отток в смежные категории, временный buzz, ошибки атрибуции). Реалистичный годовой ROI — 600-900%. Это всё ещё очень хорошо, но уже честно.

Ключевая мысль расчёта: одна правильная фича в среднем продукте окупается за 1-3 месяца. Если прогноз показывает окупаемость дольше 6 месяцев — либо фича не нужна, либо вы её переоцениваете в бюджете.

3 ошибки → последствия → цифры

Ошибка 1. Включить push без сегментации «чтобы быстрее»

Последствие: рост отписок и потеря канала на месяцы вперёд.

Цифры: в нашем кейсе из e-com 2024 года команда запустила ежедневные общие push для 320 тысяч пользователей. За 6 недель доля отписавшихся выросла с 41% до 67%. Канал «умер» — даже после возврата к сегментации показатели вернулись только на 12-й неделе. Потерянный выручка-эквивалент — 4,8 миллиона ₽ за квартал.

Ошибка 2. Запустить ML-персонализацию на 5 000 MAU

Последствие: ML-модель не имеет сигналов, рекомендации работают хуже хронологии.

Цифры: в проекте с базой 5 200 MAU и каталогом из 7 800 SKU запуск персонализации съел 1,7 миллиона ₽ за 4 месяца. CTR ленты упал на 22% относительно простого «новинки + популярное». Команда откатилась на rule-based, фактическая ценность ML-движка проявилась только через год, когда база доросла до 35 тысяч MAU.

Ошибка 3. Поставить геймификацию на сломанное ядро продукта

Последствие: игровые механики усиливают негативный опыт, NPS падает быстрее, чем без них.

Цифры: приложение доставки, у которого был системный баг с потерей промокодов, добавило стрик «закажи 5 раз за неделю — получи скидку». 38% дошедших до награды получили баг и не получили скидку. NPS упал с 42 до 19 за 8 недель, отток вырос на 14%. Восстановление заняло полгода и стоило 6,3 миллиона ₽ на ретеншн-кампании.

Закономерность одна. Возможности приложения — это усилитель того, что уже работает. Они не чинят сломанный продукт и не компенсируют дыры в базовом сценарии. Сначала чините поток, потом наслаивайте фичи.

Как выбрать первую фичу: короткий чек

• Если retention D7 ниже 20% — push с сегментацией, бюджет 200-500 тысяч ₽.
• Если NPS ниже 25 и треть отзывов про поддержку — чат-бот на LLM, 350-900 тысяч ₽.
• Если session length меньше 4 минут — геймификация со смыслом или базовая персонализация, 600-1500 тысяч ₽.
• Если каталог большой и пользователи теряются — персонализация ленты, 800-2000 тысяч ₽.
• Если есть офлайн-фактор выбора (примерка, размещение) — AR, 800-1400 тысяч ₽.

В 80% проектов 2025-2026 первой стоит брать связку push + чат-бот: они дёшевы, быстро окупаются и дают чистую базу метрик, на которой потом видно эффект остальных фич.

Авторская позиция

Возможности приложения — это не каталог фич, а решение про петли поведения. Я видел продукты, в которых одна правильно настроенная push-логика дала больший прирост retention, чем три года предыдущих релизов вместе. И видел проекты, где команда добавляла шестую фичу за квартал, а DAU стоял.

Правило, которое в 2026 году спасает бюджеты: одна фича за один квартал, с честным A/B-замером, с горизонтом оценки минимум 6-8 недель. Если за этот срок прирост не виден — фичу нужно либо допилить, либо выключить, а не оставлять «висеть, пусть будет».

И ещё одна вещь, про которую часто забывают. Все пять возможностей приложения работают только тогда, когда их видно. Если push мигает в 3:00, бейдж нарисован серым в углу, AR-кнопка спрятана в подменю — фича технически есть, но её эффект — около нуля. UX-видимость важнее, чем техническая глубина.

Что взять с собой

• Считайте retention D7, D30 и DAU/MAU как базовый минимум — без этих трёх цифр обсуждать вовлечённость бессмысленно.
• Не делайте больше одной фичи за квартал — теряете способность атрибутировать прирост.
• Push, чат-бот, геймификация, персонализация, AR — в этом порядке по соотношению «эффект / сложность» для среднего продукта 2026 года.
• Бюджеты внедрения — от 200 тысяч ₽ за SDK push до 2 миллионов ₽ за ML-персонализацию или зрелый AR-модуль.
• Реалистичный годовой ROI правильной фичи — 600-900%, окупаемость 1-3 месяца.
• Фича не чинит сломанный продукт. Сначала поток, потом усилители.

FAQ