# Retention Analysis

Estructura un análisis de retención, investigación de churn o deep-dive de engagement...

- Repository: https://github.com/mohitagw15856/pm-claude-skills (1505 stars)
- Category: Engineering
- License: MIT
- Last updated: 2026-11-01
- Runs scripts: no, instructions only

## Install

Claude Code: `npx skills add mohitagw15856/pm-claude-skills --skill retention-analysis -g -a claude-code -y`
Codex: `npx skills add mohitagw15856/pm-claude-skills --skill retention-analysis -g -a codex -y`
Cursor: `npx skills add mohitagw15856/pm-claude-skills --skill retention-analysis -g -a cursor -y`
Gemini CLI: `npx skills add mohitagw15856/pm-claude-skills --skill retention-analysis -g -a gemini-cli -y`
Claude Code plugin marketplace: `/plugin marketplace add mohitagw15856/pm-claude-skills`

## Description

Estructura un análisis de retención, investigación de churn o deep-dive de engagement para cualquier equipo de producto. Utiliza cuando se te pida analizar la retención de usuarios, investigar churn, medir DAU/MAU o construir un plan de mejora de retención. Produce una snapshot de retención con hipótesis de causa raíz, correlación de aha-moment e intervenciones priorizadas.

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# Skill de Análisis de Retención

Diagnostica por qué los usuarios se van, identifica qué los mantiene y recomienda intervenciones específicas y testables, no sugerencias vagas como "mejorar onboarding".

## Fundamentos de Retención

**La curva de retención tiene dos componentes:**
1. **Inclinación de la caída inicial** (D1, D7), problema de onboarding
2. **Nivel base a largo plazo**, indicador de product-market fit

Un producto con PMF tiene una curva de retención que se aplana. Si tiende a cero, tienes un problema de PMF, no de onboarding. Nombra esta distinción explícitamente.

---

## Definiciones de Métricas de Retención

| Métrica | Fórmula | Qué te dice |
|---|---|---|
| Retención D1 | Usuarios que regresan el día 2 ÷ usuarios nuevos día 1 | Calidad de la primera experiencia |
| Retención D7 | Usuarios activos el día 8 ÷ usuarios que se unieron hace 7 días | Formación temprana de hábito |
| Retención D30 | Usuarios activos el día 31 ÷ usuarios que se unieron hace 30 días | Señal de product-market fit |
| Ratio DAU/MAU | Usuarios activos diarios ÷ usuarios activos mensuales | Stickiness (>20% bueno, >50% excelente) |
| Churn Rate | Usuarios perdidos en período ÷ usuarios al inicio del período | Mensual o anual |
| Net Revenue Retention | MRR al final del período ÷ MRR al inicio (misma cohorte) | Salud de ingresos incluyendo expansion |

---

## Marco de Investigación de Retención

### Paso 1: Segmenta el problema
No analices "retención", analiza retención para cohortes específicas:
- Usuarios nuevos vs retornantes
- Pagados vs free
- Canal de adquisición (orgánico vs pagado vs referral)
- Onboarding completado vs no completado
- Uso de features (power users vs lurkers)

### Paso 2: Encuentra los puntos de inflexión
¿Dónde ocurre la caída? ¿D1? ¿D7? ¿Mes 3?
- Caída D1 → Experiencia de primera sesión
- Caída D7 → Habit loop no formado
- Caída D30 → Valor no entregado en profundidad
- Caída Mes 3+ → Aburrimiento, competencia o evento de ciclo de vida

The rest: https://github.com/mohitagw15856/pm-claude-skills/blob/HEAD/i18n/es/skills/retention-analysis/SKILL.md