A métrica que mostra se o seu produto cria hábito ou só tráfego
Em algum momento, quase todo produto começa a crescer errado.
Os gráficos continuam subindo, o time comemora novos usuários, o DAU não cai de forma dramática. Ainda assim, a sensação interna é de esforço constante para ficar no mesmo lugar. Entra gente demais para sair gente demais. E ninguém consegue apontar exatamente onde está o furo.
O problema raramente é aquisição. O problema é que a maioria das métricas que usamos continua olhando para quem chegou, quando o risco real está em quem já estava ali.
É nesse ponto que a discussão sobre Current User Retention Rate, a CURR, começa a fazer sentido. Não como um conceito novo, mas como uma correção de foco que algumas das empresas mais bem sucedidas da última década fizeram cedo demais para parecer óbvio.
A pergunta que a CURR faz é simples e brutal: se um usuário estava ativo agora, qual a chance de ele continuar ativo no próximo período? Não importa quando ele se cadastrou. Não importa a campanha que o trouxe. Importa apenas se o produto conseguiu se repetir na vida dele.
Essa mudança de pergunta expõe a principal limitação da retenção tradicional por coorte. Métricas como retenção de 7, 14 ou 30 dias são ótimas para avaliar onboarding e ativação inicial, mas são lentas. Quando a curva cai, o dano já aconteceu. Aquela coorte não volta. O time só fica mais consciente do atraso.
A CURR opera em outro regime. Ela olha para o estado atual do usuário. E, ao fazer isso, força o produto a ser avaliado não pela promessa inicial, mas pela capacidade de sustentar hábito.
🔗 Construa uma carreira à prova do futuro, liderando produtos mais inteligentes e eficientes com IA. Acesse: https://go.pm3.com.br/ProductGurus-AI-Specialist
Cupom de 10%: PRODUCTGURUS
Foi exatamente esse raciocínio que o Duolingo formalizou quando começou a destrinchar seu DAU em estados comportamentais. Em vez de tratar usuários ativos como um bloco único, a empresa passou a separar novos usuários, usuários atuais, usuários reativados e usuários ressuscitados. O foco deixou de ser quantos usuários entravam e passou a ser quantos permaneciam no estado mais valioso: o de usuários atuais, aqueles que usaram ontem e usam hoje.
O modelo acima classifica os usuários em 7 estados mutuamente exclusivos:
Novos usuários: usuários que estão experimentando o Duolingo pela primeira vez.
Usuários atuais: usuários ativos hoje, que também estiveram ativos na semana passada.
Usuários reativados: usuários ativos hoje, que também estiveram ativos no mês passado (mas não na semana passada).
Usuários ressuscitados: usuários ativos hoje, que estiveram ativos pela última vez há mais de 30 dias.
Usuários ativos semanais em risco: usuários que estiveram ativos na última semana, mas não hoje.
Usuários ativos mensais em risco: usuários que estiveram ativos no último mês, mas não na última semana.
Usuários inativos: usuários que estão inativos há pelo menos 30 dias.
Quando a equipe fez essa leitura, o diagnóstico foi desconfortável. A aquisição seguia forte, mas o balde de usuários atuais estava vazando. Pessoas aprendiam a usar o app, mas não criavam hábito. A solução não foi mais marketing. Foi hábito explícito.
A ofensiva diária, descrita em detalhes por engenheiros e ex-funcionários da empresa, não foi pensada como gamificação genérica. Ela explora aversão à perda, um viés bem documentado na literatura de economia comportamental. Ao transformar a prática diária em algo acumulativo, perder um dia passou a ter custo psicológico. Isso aumentou a probabilidade de retorno no dia seguinte. A CURR subiu mais de 20% e, ao longo de alguns anos, esse efeito composto foi o principal motor por trás do crescimento de usuários ativos diários, como relatado em análises públicas sobre o modelo de crescimento do Duolingo.
O Facebook chegou a uma conclusão parecida por um caminho quase oposto. Estudos internos, depois discutidos em artigos e conferências sobre infraestrutura de notificações, mostraram que empurrar notificações demais aumenta abertura no curto prazo, mas corrói retenção no longo prazo. Usuários voltam para limpar alerta, não porque querem estar ali. O efeito colateral aparece depois: desativação de notificações ou abandono silencioso.
🔗 Pingback é a plataforma simples e rápida para automatizar marketing e vendas sem burocracia. Crie formulários, dispare e-mails e WhatsApp, segmente leads e automatize fluxos enquanto seu time acompanha tudo no CRM. Acesse: https://pbck.link/paulo-chiodi
Ao reduzir volume e aumentar relevância, a plataforma melhorou a relação sinal ruído. Menos interrupção, mais confiança. O resultado foi maior estabilidade entre usuários recorrentes, mesmo com menos estímulos artificiais. Nesse caso, melhorar CURR significou fazer menos, não mais.
No Spotify, a lógica muda de cadência, mas não de essência. O produto entende que hábito musical não é diário para todo mundo. Por isso, a retenção mais importante não é diária, mas semanal. O Discover Weekly, lançado toda segunda-feira, cria um compromisso recorrente. Usuários voltam porque esperam algo novo que só existe ali.
Engenheiros e líderes de produto da empresa já explicaram publicamente que a qualidade dessa recomendação é uma das principais defesas contra churn. Se ela cai, a retenção cai junto.
O Strava adiciona outra camada a essa leitura. A empresa identificou uma janela curta em que um novo usuário pode virar um usuário recorrente de verdade. Se a primeira atividade não acontece nos primeiros dias, a probabilidade de retenção despenca. Depois que o hábito se estabelece, o que mantém o usuário não é mais apenas rastreamento, mas validação social. Kudos, rankings e comparação com amigos passam a sustentar a recorrência. A CURR ali não é só técnica, é social.
Esses exemplos ajudam a esclarecer uma decisão que quase nunca aparece explícita, mas orienta todas as outras. Quando priorizar aquisição e quando priorizar retenção?
Uma forma pragmática de responder isso aparece na literatura de growth accounting. Basta olhar para a velocidade de churn. Multiplique o número total de usuários ativos pela taxa de saída, que é 1 menos a CURR. Esse é o volume de usuários que o produto perde por período. Compare isso com sua capacidade real de aquisição, dada pelo orçamento dividido pelo CAC. Quando a perda supera a reposição, o crescimento travou.
Em produtos pequenos, isso é tolerável. Perder algumas centenas de usuários ainda permite compensar com marketing. Em produtos grandes, o mesmo percentual representa milhões de pessoas. A partir daí, adquirir mais deixa de ser solução econômica. A única alavanca viável passa a ser retenção.
Financeiramente, o impacto é direto. A CURR é uma das principais alavancas do LTV. Quanto maior a probabilidade de retorno, maior o tempo de vida esperado do usuário. Um aumento de 80% para 90% de retenção praticamente dobra esse tempo. Isso melhora a relação LTV/CAC sem aumentar gasto. Não por acaso, investidores valorizam empresas com alta retenção líquida de receita, como já discutido amplamente por analistas como Andrew Chen e relatórios de benchmarks de SaaS.
Nada disso funciona sem infraestrutura. Medir CURR direito exige modelar usuários como estados ao longo do tempo. Empresas em escala constroem tabelas diárias de estado ou utilizam estruturas como Redis Bitmaps para calcular interseções de usuários ativos entre períodos, técnica já documentada em blogs técnicos do próprio Redis e estudos de engenharia de dados em empresas como Netflix. O objetivo é simples: responder rápido quem estava ativo e continuou ativo, sem consultas caras ou frágeis.
Existe ainda um cuidado crítico que muitos times subestimam. O que define um usuário ativo? Abrir o app pode inflar números e esconder erosão de valor. Empresas mais maduras usam eventos de valor real, como conteúdo consumido, ação concluída ou interação significativa. Mudar essa definição depois exige reprocessar histórico inteiro. Quem não pensa nisso cedo paga o preço mais tarde.
E há o tema inevitável da privacidade. Regulamentações como GDPR e CCPA criaram um conflito direto entre histórico analítico e direito ao esquecimento. Apagar usuários retroativamente distorce métricas passadas. Por isso, práticas modernas de analytics optam por anonimização, hashing e, em alguns casos, privacidade diferencial, técnica já adotada por plataformas como Snowflake e AWS para preservar utilidade estatística sem expor indivíduos.
No fim, a CURR não é uma métrica elegante para apresentação. Ela é um teste contínuo de honestidade do produto. Todos os dias, ela responde se o que você construiu merece continuar existindo na rotina de quem já entendeu a proposta.
Quando a resposta é não, nenhum volume de aquisição sustenta. Quando a resposta é sim, o crescimento deixa de ser empurrado e passa a ser consequência.
Como calcular o CURR? Com certeza você que leu o texto e ficou se perguntando isso, então deixa eu te explicar de maneira prática.
Escolha um período que faça sentido para o seu produto. Para muitos produtos, esse período é diário. Para outros, pode ser semanal.
Depois disso, você só precisa responder a duas perguntas objetivas:
Quantos usuários estavam ativos ontem?
Quantos desses mesmos usuários também estiveram ativos hoje?
A CURR é a relação entre essas duas respostas.
Se ontem você tinha 1.000 usuários ativos e, hoje, 800 desses mesmos usuários voltaram a usar o produto, sua CURR é de 80%.
Em forma de fórmula: CURR = usuários que estavam ativos no período anterior e continuaram ativos no período atual ÷ usuários ativos no período anterior
O ponto importante não é a formula em si, é o recorte.
Você não está medindo novos usuários.
Você não está medindo reativação.
Você está olhando apenas para quem já estava usando e perguntando se o produto conseguiu se repetir na rotina dessas pessoas.
Cuidados a serem tomados:
Um detalhe essencial é definir bem o que significa “ativo”.
Outro cuidado é alinhar o período à frequência natural de uso, ou seja, produtos de uso diário tendem a olhar para CURR diária. Produtos de uso recorrente, mas não diário, olham para CURR semanal ou quinzenal.
Não conhecia essa métrica e vou aplicar no produto em que trabalho!