---
title: "12 métricas de analytics de apps que importam em 2026"
description: "As métricas de analytics de apps que realmente importam em 2026: fórmulas, benchmarks, dados por setor e como acompanhar cada uma."
url: https://uxcam.com/br/blog/metricas-mobile-app-analytics-realmente/
language: pt-BR
date_published: 2026-04-23T00:00:00.000Z
date_modified: 2026-10-30T00:00:00.000Z
---

# 12 métricas de analytics de apps que importam em 2026

As **métricas de analytics de apps** mais importantes são: taxa de retenção por coorte de instalação, usuários ativos (DAU, WAU, MAU), razão DAU/MAU, taxa de conversão do funil, ARPU, LTV, CAC, taxa de usuários sem crash, taxa de rage taps e congelamentos de UI, duração média da sessão, tempo até a primeira ação relevante e nota na loja de apps. A retenção no dia 30 por coorte de instalação é o melhor indicador de sucesso no longo prazo.

| Métrica | O que mede | Fórmula ou meta |
| --- | --- | --- |
| Taxa de retenção (dias 1, 7 e 30) | Parcela de uma coorte de instalação ainda ativa no dia N | Usuários ativos da coorte no dia N ÷ tamanho da coorte × 100 |
| Razão DAU/MAU | Stickiness: parcela dos usuários mensais que voltam todo dia | DAU ÷ MAU × 100 |
| Taxa de conversão do funil | Parcela de usuários que avança para a etapa seguinte | Usuários que concluem a etapa N+1 ÷ usuários que chegam à etapa N |
| Lifetime value (LTV) | Receita total que um usuário gera ao longo do tempo | ARPU × tempo médio de vida do cliente |
| Razão LTV:CAC | Se o investimento em aquisição se paga | LTV ÷ CAC; acima de 3:1 é sustentável |
| Taxa de usuários sem crash | Parcela de usuários que não tiveram nenhum crash no período | Meta acima de 99% por dia |

A lista completa, somando todas as plataformas de analytics, passa de 50 métricas, e a maioria delas é duplicada ou de vaidade. As que estão abaixo são as que eu realmente acompanho e recomendo, ordenadas pela confiabilidade com que orientam decisões de produto.

Já trabalhei com dezenas de equipes mobile na configuração de analytics, e o padrão se repete: as equipes que lançam mais rápido e decidem melhor acompanham menos métricas, mas olham para elas com mais frequência. As equipes com dashboards sobrecarregados raramente agem com base em qualquer um dos números. Este guia cobre as métricas que valem a pena acompanhar, como calculá-las, as faixas de referência e os benchmarks do setor em que eu me apoio, e os erros comuns que vejo as equipes cometerem com cada uma.

## Principais conclusões

- Acompanhe bem 12 métricas, em vez de acompanhar mal 50. Dashboard inchado é inimigo da ação.
- A retenção no dia 30 por coorte de instalação é a métrica que melhor prevê o sucesso de um app no longo prazo. Todas as outras métricas ou decorrem da retenção ou explicam por que ela está onde está.
- Métricas de vaidade (downloads, cadastros, MAU bruto) são fáceis de mexer, mas não preveem resultados de negócio com confiança. Combine métricas de aquisição com métricas de qualidade.
- Sinais qualitativos (rage taps, congelamentos de UI, observações de gravações de sessão) importam tanto quanto as métricas quantitativas. Os números mostram que algo mudou; as gravações mostram por quê.
- [A UXCam](https://uxcam.com/br/) captura automaticamente a maioria dessas métricas, sem tagueamento manual de eventos, e a [Tara](https://uxcam.com/br/ai/), a analista de IA da UXCam, aponta anomalias nas métricas e recomenda as correções específicas com mais chance de movê-las.

## As 12 métricas de analytics de apps mais importantes

1. Taxa de retenção nos dias 1, 7 e 30 (por coorte de instalação)
2. Usuários ativos (DAU, WAU, MAU)
3. Razão DAU/MAU
4. Taxa de conversão em cada etapa do funil
5. Receita média por usuário (ARPU)
6. Lifetime value (LTV)
7. Custo de aquisição de cliente (CAC) e razão LTV:CAC
8. Taxa de usuários sem crash
9. Taxa de rage taps e congelamentos de UI
10. Duração média da sessão
11. Tempo até a primeira ação relevante (velocidade de ativação)
12. Nota na App Store e tendência do volume de avaliações

Além das 12 principais, o restante deste guia traz outras 19 métricas (da 13 à 31) agrupadas por categoria, junto com benchmarks por setor, um framework de seleção, um modelo de maturidade e as armadilhas de instrumentação específicas de mobile.

## As 12 métricas principais

### 1. Taxa de retenção (dias 1, 7 e 30)

A retenção é a métrica mais importante de um app: a parcela de usuários de uma coorte de instalação que continua ativa no dia N, expressa em porcentagem. Acompanhar por coorte, e não no agregado, é inegociável, porque senão o crescimento de novas instalações pode esconder a queda da retenção por meses. A retenção puxa quase tudo o que vem depois, incluindo receita, boca a boca e o prazo de payback da aquisição.

Um app com bom desempenho costuma ficar em torno de 30-40% no dia 1, 10-15% no dia 7 e 5-8% no dia 30, embora a categoria pese muito. As armadilhas que mais vejo são agregar coortes quando o volume de instalações está crescendo (o que esconde a tendência de queda), definir "ativo" como uma simples abertura do app (o que infla o número) e ignorar efeitos sazonais nas coortes. Uma coorte de instalação da Black Friday não se comporta em nada como uma coorte de fevereiro, e tirar a média das duas não ensina nada.

A UXCam mede a retenção nativamente, assim como o [Amplitude](https://amplitude.com/), o [Mixpanel](https://mixpanel.com/) e o Firebase. As faixas por categoria variam bastante; veja o [guia de benchmarks de retenção de apps](https://uxcam.com/br/blog/benchmarks-retencao-aplicativos-moveis-industria-2026/) e o [State of App Marketing da AppsFlyer](https://www.appsflyer.com/resources/reports/app-marketing-trends/) para os detalhes completos.

### 2. Usuários ativos (DAU, WAU, MAU)

DAU, WAU e MAU contam os usuários únicos que realizaram uma ação qualificada em um dia, em uma janela móvel de 7 dias ou em uma janela móvel de 30 dias, respectivamente. O detalhe decisivo é como você define "ativo". Uma ação relevante (registrou um treino, enviou uma mensagem, concluiu uma tarefa) gera um número que reflete engajamento real. Contar aberturas infla o número sem dizer nada de útil.

Três armadilhas para ficar de olho: contar o mesmo usuário duas vezes no iOS e no Android quando a estratégia de IDs não é unificada, contar pings em segundo plano do iOS como atividade e esquecer de excluir usuários internos e de QA. A UXCam, o Firebase, o Mixpanel e o Amplitude fazem bem essa contagem depois que você define direito a ação qualificada.

### 3. Razão DAU/MAU

DAU dividido por MAU, vezes 100, é o que o mercado chama de "stickiness". Ela mostra qual parcela dos seus usuários mensais volta todos os dias, o que é um indicador razoável de formação de hábito. Razões altas indicam uso habitual; razões baixas indicam uso esporádico.

As faixas de referência variam muito por categoria. Com base no [State of Mobile da data.ai (agora publicado pela Sensor Tower)](https://sensortower.com/blog/state-of-mobile-2026) e nos [benchmarks da AppsFlyer](https://www.appsflyer.com/resources/reports/app-marketing-trends/), apps sociais ficam em 50%+, produtividade em 25-35%, e-commerce em 10-20% e fintech em 15-25%. O ponto importante é que stickiness não é meta para todo app. Apps de declaração de imposto e de viagem foram feitos para uso esporádico, e compará-los com um benchmark de rede social vai fazer você otimizar para o resultado errado.

### 4. Taxa de conversão do funil

A conversão do funil é simplesmente a parcela de usuários que chegaram à etapa N e também concluíram a etapa N+1, medida em cada etapa dos fluxos críticos, como cadastro, checkout, onboarding e upgrade. Para a maioria das equipes de produto, é a métrica de maior impacto da lista, porque o ponto de abandono do funil indica exatamente qual atrito corrigir. [A análise de funis da UXCam](https://uxcam.com/br/product-analytics/funnels/) mostra isso automaticamente, com gravações de sessão anexadas a cada ponto de abandono, e é isso que transforma um número em uma correção.

Aqui, os números dos clientes são bem claros. A Recora usou a gravação de sessão para descobrir usuários que pressionavam e seguravam um botão que só precisava de um toque, e reduziu em 42% os tickets de suporte relacionados. A Inspire Fitness aumentou em 460% a atividade dos usuários no app. O Housing.com levou a adoção da busca em múltiplas áreas de 20% para 40% dos usuários. A Costa Coffee aumentou os cadastros em 15% depois que a análise de abandono do funil mostrou novos usuários desistindo do cadastro após digitar uma senha inválida. A única armadilha que vale destacar: se você define as etapas do funil de forma diferente em cada plataforma, os números de iOS e Android deixam de ser comparáveis, e você vai perder meses discutindo um artefato de medição.

### 5. Receita média por usuário (ARPU)

ARPU é a receita total de um período dividida pelo total de usuários no mesmo período, e é a métrica de monetização mais simples da lista. O ARPU agregado esconde diferenças importantes entre grupos de usuários, então eu sempre segmento por fonte de aquisição e por coorte antes de tirar qualquer conclusão.

O ARPPU (receita média por usuário pagante) é o primo próximo: tire os usuários gratuitos e você vê quanto o seu segmento que monetiza realmente vale. Em apps freemium, os dois números importam, porque o ARPU fala da base inteira e o ARPPU mostra se o comportamento de pagamento em si é saudável.

### 6. Lifetime value (LTV)

LTV é o ARPU multiplicado pelo tempo médio de vida do cliente, na mesma unidade de período, e projeta a receita total de um usuário ao longo da relação dele com o app. É indispensável para calcular a eficiência do custo de aquisição pela razão LTV:CAC.

A armadilha do LTV é que apps em estágio inicial tendem a superestimá-lo, porque ainda não observaram tempo de vida suficiente dos usuários para conhecer a curva real. O LTV preditivo de uma ferramenta como a [Adjust](https://www.adjust.com/) ou a AppsFlyer pode ajudar, mas use com cautela e sempre informe a janela de confiança junto com a estimativa pontual.

### 7. Custo de aquisição de cliente (CAC) e razão LTV:CAC

CAC é o investimento total em aquisição de um período dividido pelos novos usuários adquiridos no mesmo período. LTV:CAC é só o LTV dividido pelo CAC. O benchmark do mercado para crescimento sustentável é LTV:CAC acima de 3:1. Abaixo de 1:1, cada usuário adquirido custa mais do que retorna, e a faixa entre 1:1 e 3:1 costuma indicar um vazamento na retenção ou na monetização que a aquisição paga sozinha não resolve.

O erro comum é contar só o CAC pago e ignorar o custo de aquisição orgânica que vem de conteúdo, esforço de ASO e programas de indicação. Isso faz o CAC combinado parecer artificialmente baixo e distorce toda a conversa sobre crescimento.

### 8. Taxa de usuários sem crash

A taxa de usuários sem crash é a parcela de usuários que não tiveram nenhum crash no período, e minha meta é ficar acima de 99% por dia. Vale acompanhar as sessões sem crash separadamente, com uma régua mais alta, de 99,5%+. O motivo de isso afetar diretamente a retenção: um único crash na primeira sessão de um usuário multiplica a taxa de churn dele por cerca de 3.

Quanto a ferramentas, o [Firebase Crashlytics](https://firebase.google.com/products/crashlytics), o [Sentry](https://sentry.io/), o [Bugsnag](https://www.bugsnag.com/) e o [Instabug](https://instabug.com/) fazem bem esses relatórios. O Issue Analytics da UXCam adiciona a gravação da sessão que levou ao crash, e essa é a diferença entre um stack trace e um bug reproduzível.

### 9. Taxa de rage taps e congelamentos de UI

Rage taps (4+ toques em um segundo no mesmo elemento da interface) e congelamentos de UI (o app para de responder por 2+ segundos) são os sinais qualitativos transformados em quantitativos que uso para diagnosticar atrito. O [Issue Analytics da UXCam](https://uxcam.com/br/experience-analytics/issue-analytics/) detecta os dois automaticamente e os ordena por impacto no negócio. Um grupo de rage taps em um botão específico é uma das pistas de diagnóstico mais rápidas que você vai encontrar.

### 10. Duração média da sessão

A duração da sessão é o tempo total de sessão dividido pelo número total de sessões. O truque é restringir o cálculo ao intervalo entre a primeira e a última ação relevante no app, para medir usuários engajados, e não pessoas que abriram o app e se distraíram. Mais longo também nem sempre é melhor: um usuário travado em uma tela confusa também tem uma sessão longa, por isso eu sempre combino essa métrica com a taxa de conclusão de tarefas antes de tirar conclusões.

### 11. Tempo até a primeira ação relevante (velocidade de ativação)

É o tempo mediano entre a abertura do app e um evento de ativação definido, sendo que o evento de ativação é a ação no app que melhor prevê a retenção no dia 30 (registrou um treino, criou uma playlist, concluiu a primeira tarefa). Usuários que chegam a ela em menos de 60 segundos na primeira sessão retêm em taxas muito mais altas do que os que não chegam, e é por isso que cortar segundos da experiência da primeira sessão costuma ser um dos investimentos de maior retorno que uma equipe mobile pode fazer.

### 12. Nota na App Store e volume de avaliações

Aqui importam dois números: a média ponderada das notas dos usuários, numa escala de 5 estrelas, e quantas avaliações novas você recebe por semana.

Apps com nota acima de 4,5 estrelas têm posições visivelmente melhores no ranking da categoria e mais conversão de instalação orgânica do que apps com nota de 4,0-4,4. Volume de avaliações em alta significa que o seu app tem engajamento recente que gera conversa, e isso é um sinal real de crescimento. O [AppFollow](https://appfollow.io/) e a [Sensor Tower](https://sensortower.com/) (que comprou a data.ai em 2024) acompanham isso com confiabilidade.

## Catálogo ampliado de métricas por categoria

As 12 principais cobrem a maior parte das necessidades das equipes, mas, dependendo do seu estágio e da sua categoria, as métricas abaixo também entram na conversa.

### Métricas de aquisição

#### 13. Taxa de conversão de instalação

A conversão de instalação é o número de instalações dividido pelas visualizações da página na loja, e mede o quanto a sua página na loja converte visitantes em usuários. Conversão baixa costuma apontar para problemas nas capturas de tela, na descrição, no ícone ou na nota. Tanto o [Google Play Console](https://play.google.com/console) quanto o [App Store Connect](https://appstoreconnect.apple.com/) mostram esse dado nativamente, e uma faixa saudável é de 25-35% na App Store contra 15-25% no Google Play (o Play contabiliza mais visualizações de baixa intenção, o que puxa o número para baixo).

#### 14. Mix de instalações orgânicas e pagas

É o número de instalações orgânicas dividido pelo total de instalações, em porcentagem. Uma parcela orgânica alta costuma indicar product-market fit e crescimento eficiente. Quando a parcela paga cresce mais rápido que a orgânica, a aquisição está bancando um boca a boca fraco, e esse é um sinal de alerta que merece atenção. A AppsFlyer, a Adjust, a [Branch](https://branch.io/) e a [Singular](https://www.singular.net/) mostram essa divisão.

Uma ressalva: as mudanças do ATT no iOS 14.5+ deixaram a atribuição paga mais ruidosa, então as divisões entre orgânico e pago de antes e depois da mudança não são diretamente comparáveis. Não trace tendências atravessando esse limite sem anotar a quebra.

#### 15. Custo por instalação (CPI) por canal

CPI é o investimento no canal dividido pelas instalações vindas dele. É útil para comparar canais, mas enganoso isoladamente: um canal com CPI de US$ 2 que retém 2% é pior do que um canal com CPI de US$ 6 que retém 12%. Sempre combine o CPI com a retenção por coorte ou o LTV preditivo por canal antes de decidir orçamento. Os [benchmarks de CPI da AppsFlyer](https://www.appsflyer.com/resources/reports/app-marketing-trends/) mais recentes colocam o CPI médio global em cerca de US$ 1,50-5, dependendo da categoria e da região.

### Métricas de ativação

#### 16. Taxa de ativação

A taxa de ativação é a parcela de novos usuários que completaram o evento de ativação. Ativação é a ação que melhor prevê a retenção, e encontrar a sua significa correlacionar as ações da primeira sessão com a retenção no dia 30 e escolher o sinal mais forte. No Facebook, historicamente, era "7 amigos em 10 dias". Em um app de treino, registrar o primeiro treino. As faixas variam muito, mas, como regra geral, dobrar a taxa de ativação costuma dobrar a retenção no dia 30.

#### 17. Taxa de conclusão do onboarding

A conclusão do onboarding é a parcela de usuários que terminaram o onboarding entre os que começaram. Vale medir separadamente da ativação porque o onboarding costuma ser o primeiro lugar onde os usuários abandonam o app. Onboardings longos, com mais de 5 etapas, costumam perder 15-25% por etapa, e isso se acumula rápido.

### Métricas de engajamento

#### 18. Telas por sessão

Total de visualizações de tela dividido pelo total de sessões. Muitas telas podem significar engajamento ou confusão, então use essa métrica junto com a gravação de sessão para interpretar. Loops de navegação e idas e vindas aparecem nas telas por sessão antes de aparecer em qualquer outro lugar.

#### 19. Frequência de sessões

Sessões por usuário por semana, que mostram o quanto o hábito já se formou. Para um app de uso diário, a meta é 5+ sessões por semana por usuário ativo. Em categorias de uso semanal, 1-2 sessões por semana é basicamente o teto.

#### 20. Taxa de adoção de funcionalidades

A adoção de funcionalidade é a parcela de usuários ativos que usaram uma funcionalidade específica no período. Ela pesa muito depois de lançar algo novo: se a adoção empaca abaixo de 20% na semana 4, ou a funcionalidade não está sendo descoberta, ou resolve um problema que os usuários não têm. Os mapas de calor da UXCam mostram se o ponto de entrada está sendo visto, o que normalmente separa esses dois tipos de falha.

### Métricas de retenção e churn

#### 21. Taxa de churn

Churn é o inverso da retenção, normalmente reportado por mês em apps de assinatura e calculado como a queda de usuários em um período dividida pelos usuários no início dele. Um churn saudável em apps mobile de SaaS fica em 3-5% ao mês; apps de assinatura para consumidores costumam ficar em 5-10%.

#### 22. Taxa de reativação (resurrection rate)

A taxa de reativação é a parcela de usuários antes inativos (normalmente, sem nenhuma sessão há 30+ dias) que voltaram durante um período. Uma taxa de reativação saudável somada a uma retenção forte é sinal de lembrança de marca ou de campanhas de win-back eficazes.

#### 23. Tendência de stickiness (não só o DAU/MAU de um momento)

Em vez de ficar olhando um único número de DAU/MAU, coloque-o em um gráfico semanal ao longo de 12 semanas. Uma tendência de queda é um indicador antecedente de churn 30-60 dias depois, tempo mais do que suficiente para agir se você estiver de olho.

### Métricas de monetização

#### 24. Taxa de conversão de trial para pago

Usuários que passaram para o plano pago divididos pelo número de trials iniciados, em porcentagem. Em apps de assinatura, é a métrica de monetização mais importante. O [State of Subscription Apps 2024 da RevenueCat](https://www.revenuecat.com/state-of-subscription-apps-2024/) aponta uma conversão mediana de trial para pago de 28-32% em produtividade e de 40%+ em saúde e fitness.

#### 25. Taxa de renovação de assinaturas

Assinantes que renovaram divididos pelos assinantes com renovação prevista. Planos anuais costumam renovar em 50-60%; planos mensais em 80-90% a cada ciclo, mas o churn acumulado nos mensais é maior ao longo de um ano.

#### 26. Taxa de usuários pagantes

Usuários pagantes divididos pelos usuários ativos. Benchmarks de freemium: 2-5% é o típico, 5-10% é forte e acima de 10% é excepcional.

### Métricas de performance e qualidade

#### 27. Tempo de abertura do app (cold start / warm start)

Tempo mediano entre o toque no ícone do app e o primeiro frame interativo. A meta é ficar abaixo de 2 segundos no cold start e abaixo de 1 segundo no warm start. O [Android Vitals](https://developer.android.com/topic/performance/vitals) do Google marca apps como "lentos" acima de 5 segundos de cold start, o que prejudica diretamente o ranking na Play Store.

#### 28. Tempo de resposta da API (p50, p95, p99)

Meça sempre percentis, não médias. Uma média de 200 ms esconde o p99 de 2 segundos que está tornando 1% das sessões um tormento, e esses usuários abandonam o app em taxas excepcionais. [New Relic](https://newrelic.com/), [Datadog RUM](https://www.datadoghq.com/product/real-user-monitoring/) e [Sentry Performance](https://sentry.io/for/performance/) reportam percentis do jeito certo.

#### 29. Taxa de ANR (Android application not responding)

A parcela de usuários ativos diários que tiveram pelo menos um ANR percebido pelo usuário, em porcentagem. A meta é ficar abaixo de 0,47%, de acordo com o [limite de "mau comportamento"](https://developer.android.com/topic/performance/vitals/anr) do Google Play. Ultrapasse esse limite e o ranking na Play Store sofre na hora.

### Métricas de saúde do produto

#### 30. NPS e CSAT no app

Microquestionários no app disparados depois de uma tarefa concluída funcionam melhor, e combiná-los com a gravação de sessão permite ver o que aconteceu antes de um detrator dar a nota. Ferramentas que já usei para isso incluem o [Qualaroo](https://qualaroo.com/) e o [SurveyMonkey](https://www.surveymonkey.com/).

#### 31. Taxa de tickets de suporte a cada 1.000 sessões

Tickets de suporte divididos pelas sessões, por mil. Uma taxa de tickets subindo depois de um release é o sinal mais rápido de que algo quebrou para usuários reais, muitas vezes antes mesmo de aparecer no relatório de crashes.

## Como escolher de 5 a 8 KPIs para o estágio do seu produto

Nem toda métrica acima vale para todo estágio. Escolher as erradas desperdiça tempo de engenharia e, pior, foca a equipe nas decisões erradas.

### A métrica North Star

A sua North Star é a métrica que melhor captura o valor central que o seu produto entrega aos usuários. A do Spotify é o tempo de escuta. A do Airbnb são as noites reservadas. O candidato a evento de ativação da métrica 11 costuma ser o input mais próximo dela, e todo o resto é uma métrica de input (indicador antecedente) ou uma métrica de diagnóstico (explica por que a North Star mudou). Essa forma de pensar vem do [trabalho original de Sean Ellis sobre a North Star](https://growthhackers.com/articles/north-star-metric-sean-ellis) e do [playbook de North Star da Amplitude](https://amplitude.com/books/north-star).

### Pré-lançamento (beta, testes fechados)

Foque em sinais qualitativos e estabilidade técnica. As métricas que importam são taxa sem crash, taxa de ANR, conclusão do onboarding, taxa de tickets de suporte e gravações de sessão revisadas por semana. As curvas de retenção ainda não ajudam, porque as coortes são pequenas demais.

### De 0 a 1 (primeiros 12 meses após o lançamento)

Você está atrás do product-market fit. Acompanhe a retenção nos dias 7 e 30 por coorte, a taxa de ativação, o tempo até a primeira ação relevante e o NPS. Não otimize o CAC ainda: se a retenção é fraca, aquisição paga é jogar água numa peneira.

### Estágio de crescimento

A retenção está estável, agora é hora de escalar com eficiência. Acompanhe LTV:CAC, mix orgânico/pago, conversão do funil em cada etapa, razão DAU/MAU e adoção de funcionalidades nos principais lançamentos.

### Estágio de escala

Você está otimizando a economia unitária e defendendo a retenção. As métricas relevantes são retenção por coorte por segmento e canal, ARPPU, taxa de renovação de assinaturas, taxa de reativação e latência p95.

### Maturidade

Defender-se do churn e encontrar novos loops de crescimento. Acompanhe a taxa de churn por segmento, o declínio da adoção de funcionalidades, o NPS por coorte, a taxa de tickets de suporte a cada 1.000 sessões e a conversão de win-back.

## Benchmarks por setor

Benchmarks absolutos são perigosos isoladamente, mas mostram se você está jogando um jogo diferente do dos líderes da categoria. Os números de retenção no dia 30 abaixo seguem os nossos [benchmarks de retenção de apps](https://uxcam.com/br/blog/benchmarks-retencao-aplicativos-moveis-industria-2026/), que trazem a mediana e a faixa dos apps de melhor desempenho em cada categoria.

### Fintech

Com base nos [benchmarks de fintech da AppsFlyer](https://www.appsflyer.com/resources/reports/fintech-app-marketing/) e nas [tendências de apps mobile da Adjust](https://www.adjust.com/resources/), a retenção no dia 30 fica em torno de 7% na mediana e em 10-15% nos apps de melhor desempenho, o DAU/MAU em 15-25% e o CPI médio em US$ 4-8 nos mercados desenvolvidos. A régua da taxa sem crash é excepcionalmente alta (99,8%+), porque confiança faz parte do produto.

### E-commerce

Segundo o [State of Mobile da data.ai (agora publicado pela Sensor Tower)](https://sensortower.com/blog/state-of-mobile-2026) e o [relatório de e-commerce da CleverTap](https://clevertap.com/resources/), a retenção no dia 30 fica em torno de 2% na mediana e em 3-6% nos apps de melhor desempenho, a conversão de carrinho para checkout em 35-50%, a de checkout para compra em 50-65% e a duração da sessão em 2-4 minutos.

### Redes sociais e mensagens

Segundo a data.ai (hoje parte da Sensor Tower) e os [dados de apps mobile da Statista](https://www.statista.com/markets/424/topic/538/mobile-internet-apps/), espere retenção no dia 30 de cerca de 12% na mediana e de 15-20% nos apps de melhor desempenho, DAU/MAU de 50%+ e 8-15 sessões por dia nos apps de melhor desempenho.

### Games

Em apps de games, a retenção no dia 1 fica em torno de 32% na mediana e em 40-50% nos apps de melhor desempenho, e a retenção no dia 30 fica em torno de 3% na mediana e em 5-8% nos de melhor desempenho. Segundo os [benchmarks da GameAnalytics](https://gameanalytics.com/benchmarks/), o ARPDAU é de US$ 0,05-0,15 em hiper-casuais e de US$ 0,50+ em mid-core.

### Notícias e mídia

Segundo os [benchmarks da Adjust](https://www.adjust.com/resources/), a retenção no dia 30 é de 8-15%, os usuários engajados fazem 5-8 sessões por semana e a duração da sessão é de 3-5 minutos.

### SaaS mobile (B2B)

A retenção no dia 30 é de 20-30% (mais alta porque apps de fluxo de trabalho fazem parte do dia a dia do trabalho), a taxa de usuários pagantes é de 50%+ quando o mobile faz parte de um pacote SaaS pago, e o DAU/MAU fica em 30-50% nos principais apps de fluxo de trabalho.

### Saúde e fitness

Segundo o [State of Subscription Apps da RevenueCat](https://www.revenuecat.com/state-of-subscription-apps-2024/), a conversão de trial para pago é a mais alta de todas as categorias, com 40%+, e a taxa de renovação anual fica em 55-65%. A retenção no dia 30 fica em torno de 5% na mediana e em 8-12% nos apps de melhor desempenho.

## Antipadrões de métricas para evitar

### 1. Métricas de vaidade

Downloads, MAU bruto e usuários cadastrados são fáceis de mexer com um empurrão de mídia paga e têm pouca relação com retenção ou receita. Combine cada métrica de aquisição com uma métrica de qualidade, como a retenção daquela coorte, a taxa de conversão ou a taxa de ativação.

### 2. Excesso de instrumentação

Rastrear 200+ eventos porque "a gente pode precisar depois" é um erro comum. Se uma métrica não é consultada em 30 dias, remova o evento. O excesso de eventos também pesa na performance do app e infla a conta com fornecedores.

### 3. Correlação tratada como causalidade

"Usuários que adotam a funcionalidade retêm 3x mais, então a funcionalidade gera retenção." Talvez, ou talvez usuários engajados tenham mais chance tanto de adotar a funcionalidade quanto de permanecer. Rode um teste A/B de verdade ou procure experimentos naturais antes de afirmar causalidade.

### 4. Cegueira sazonal

Comparar o DAU de novembro com o de julho e chamar o aumento de vitória é um erro clássico. Compare ano contra ano ou com um período equivalente, e anote nos dashboards os eventos sazonais conhecidos.

### 5. Viés de amostragem

Uma gravação de sessão com amostragem de 10% deixa passar bugs raros que afetam 1% dos usuários, mas causam 20% do churn. Grave 100% dos fluxos críticos (onboarding, checkout, primeira sessão) e use uma amostragem menor no resto.

### 6. Contagem dupla entre plataformas

Contar iOS e Android como usuários separados quando se trata da mesma pessoa com a mesma conta distorce todas as métricas seguintes. Unifique por ID de usuário, e não por ID de dispositivo, em qualquer métrica ligada a receita ou retenção.

### 7. Relatórios só com médias

"A duração média da sessão é de 3 minutos" esconde uma distribuição bimodal de 30 segundos e 6 minutos. Mostre a mediana e o p95 junto com as médias.

### 8. Excesso de dashboards

Quinze dashboards, nenhum com dono. Todo dashboard precisa de um responsável nomeado e de uma revisão semanal, ou deve ser arquivado.

### 9. Redefinição de etapas do funil

Mudar a definição do evento de uma etapa do funil e depois comparar com períodos anteriores gera lixo. Quando redefinir, recalcule os dados históricos ou comece um novo gráfico e anote a quebra.

### 10. Ignorar sinais qualitativos

DAU alto com NPS em queda, mais grupos de rage taps que ninguém está revisando, é um padrão clássico em que o dashboard quantitativo está verde enquanto os usuários vão embora. Revisar gravações de sessão precisa ser um hábito semanal, não uma ferramenta sob demanda.

## Como montar um dashboard de métricas que as pessoas leiam

A maioria dos dashboards falha não porque as métricas estão erradas, mas porque ninguém sabe o que fazer quando uma métrica se mexe.

### Organize o dashboard em camadas

No topo, mostre a North Star com a tendência de 12 semanas e anotações dos releases. No meio, coloque as 3-5 métricas de input que movem a North Star (retenção, ativação, conversão). Embaixo, as métricas de diagnóstico que explicam por que um input mudou (abandonos no funil, taxa de crash por tela, adoção de funcionalidades).

### Ajuste a cadência ao tipo de decisão

O monitoramento em tempo real é para taxa de crash, taxa de ANR e latência p95, com alertas quando um limite é ultrapassado. A olhada diária cobre DAU, conversão dos principais funis e taxa de tickets de suporte. Análises semanais aprofundadas são para retenção por coorte, adoção de funcionalidades e NPS, em uma reunião de revisão de produto. As revisões mensais olham LTV:CAC, linhas de tendência, resumos de experimentos e impacto dos releases. O trimestral é para a revisão estratégica e a reseleção de KPIs, se o negócio mudou.

### Defina responsáveis

Toda métrica tem um responsável nomeado, e esse responsável escreve uma frase por semana sobre o que mudou e por quê. É a etapa que a maioria das equipes pula, e é o que separa um dashboard que orienta decisões de um que só decora um canal do Slack.

## Ferramentas de analytics por categoria de métrica

Nenhuma ferramenta cobre tudo. Um stack mobile típico tem de 4 a 6 ferramentas nas seguintes categorias:

- **Atribuição**: [AppsFlyer](https://www.appsflyer.com/), [Adjust](https://www.adjust.com/), [Branch](https://branch.io/), [Singular](https://www.singular.net/), [Kochava](https://www.kochava.com/).
- **Análise de produto**: [UXCam](https://uxcam.com/br/), [Amplitude](https://amplitude.com/), [Mixpanel](https://mixpanel.com/), [Firebase Analytics](https://firebase.google.com/products/analytics), [Heap](https://heap.io/).
- **Crashes e performance**: [Firebase Crashlytics](https://firebase.google.com/products/crashlytics), [Sentry](https://sentry.io/), [Bugsnag](https://www.bugsnag.com/), [Instabug](https://instabug.com/).
- **RUM e APM**: [Datadog RUM](https://www.datadoghq.com/product/real-user-monitoring/), [New Relic Mobile](https://newrelic.com/platform/mobile-monitoring), [Embrace](https://embrace.io/).
- **Gravação de sessão e análise de experiência**: UXCam, [LogRocket](https://logrocket.com/). O Smartlook não é mais vendido (a Cisco encerrou as vendas em 31 de maio de 2026).
- **BI e data warehouse**: [Snowflake](https://www.snowflake.com/), [BigQuery](https://cloud.google.com/bigquery), [Looker](https://cloud.google.com/looker), [Tableau](https://www.tableau.com/).
- **Inteligência de lojas de apps**: [Sensor Tower](https://sensortower.com/) (que agora inclui a data.ai), [AppFollow](https://appfollow.io/).
- **Pesquisas e feedback**: [Qualaroo](https://qualaroo.com/), [pesquisas do Instabug](https://instabug.com/surveys).

## O modelo de maturidade de métricas

Em que ponto dessa curva está a sua equipe? Cada estágio abre espaço para tipos diferentes de decisão.

### Estágio 0: nenhum rastreamento

Um relatório de crashes, a nota na App Store e intuição. As decisões de produto saem de tickets de suporte e da opinião de quem tem o cargo mais alto (HiPPO). Dá para lançar, mas não dá para saber se uma mudança funcionou.

### Estágio 1: rastreamento de instalações e sessões

Firebase ou algo parecido instalado, contando instalações, sessões e MAU. Você sabe se o app está crescendo ou encolhendo, e nada mais. Curvas de retenção ainda não existem.

### Estágio 2: retenção por coorte e funis

Uma ferramenta de análise de produto está implantada, com eventos personalizados rastreados nos fluxos principais. Você vê onde os usuários abandonam e quais coortes retêm. É a partir desse ponto que decisões orientadas por produto se tornam possíveis.

### Estágio 3: qualitativo + quantitativo integrados

Gravação de sessão, mapas de calor e issue analytics ficam lado a lado com as métricas quantitativas. Você vê tanto o que aconteceu quanto o porquê. A maioria dos clientes da UXCam opera aqui, e é daqui que vêm resultados como o aumento de 460% na atividade dos usuários no app da Inspire Fitness e a queda de 42% nos tickets de suporte da Recora.

### Estágio 4: cultura orientada a experimentos

Toda mudança relevante de produto passa por teste A/B, com hipóteses pré-registradas e critérios de sucesso claros. Você fechou o ciclo entre observação, hipótese, teste e lançamento. Poucas equipes chegam a esse estágio e conseguem se manter nele.

## Armadilhas de instrumentação específicas de mobile

Analytics mobile é mais difícil do que web analytics por motivos que a maioria das equipes só leva em conta depois de se queimar.

### Momento de inicialização do SDK

Se o SDK de analytics inicializa depois que a primeira tela é renderizada, você perde os primeiros eventos de cada sessão, incluindo os que mais importam para medir a ativação. Inicialize em `Application.onCreate` (Android) ou `application(_:didFinishLaunchingWithOptions:)` (iOS), antes de qualquer lógica de tela.

### Atribuição no cold start

Os eventos da primeira instalação precisam disparar antes que a atribuição seja resolvida, mas depois que o SDK tiver a chance de receber os dados do install referrer. Errar nisso faz instalações orgânicas serem contadas como pagas, ou o contrário, e os números parecem plausíveis o bastante para o bug ficar meses em produção.

### Duração da sessão em segundo plano

iOS e Android lidam com o segundo plano de formas diferentes. Uma sessão que "dura 4 horas" normalmente é o sistema operacional não encerrando o app, e não um usuário engajado por 4 horas. Limite a sessão a 30 minutos de inatividade ou use só o tempo em primeiro plano.

### Janelas de atribuição de push notifications

As janelas padrão variam: a AppsFlyer usa por padrão 7 dias para clique e 24 horas para visualização, e a Adjust usa outras. Se você compara a atribuição por canal entre ferramentas, confirme que as janelas são as mesmas, ou vai chegar a conclusões erradas.

### Efeitos do ATT e do IDFA no iOS 14.5+

Só 25-30% dos usuários de iOS aceitam o rastreamento, segundo os [dados de ATT da Adjust](https://www.adjust.com/resources/). Os postbacks do SKAdNetwork chegam atrasados e agregados, o que deixa a atribuição paga no iOS mais ruidosa do que no Android, e essa diferença continua. Não compare o CPI pago do iOS de antes e depois de abril de 2021 como se fossem equivalentes.

### Limites de eventos do Firebase Analytics

O Firebase limita a 500 nomes de eventos distintos e 25 parâmetros por evento no plano gratuito. Ao atingir o limite, os novos eventos são descartados sem aviso. Revise sua taxonomia de eventos a cada trimestre.

### Consistência nos nomes de telas

Se o iOS usa `CheckoutViewController` e o Android usa `checkout_fragment`, o seu funil entre plataformas quebra. Combine uma convenção de nomes de tela neutra em relação à plataforma antes da instrumentação, não depois.

### Bloqueio de eventos por consentimento

O GDPR e a CCPA exigem que os eventos fiquem bloqueados até o consentimento do usuário. Se o banner de consentimento carrega depois do seu SDK, pode ser ilegal armazenar os eventos anteriores ao consentimento. Configure os SDKs para inicialização tardia ou para um estado de consentimento desligado por padrão.

## Acompanhe as métricas certas com a UXCam

[A UXCam](https://uxcam.com/br/) é uma plataforma de análise de produto para apps mobile e sites que captura automaticamente cada interação dos usuários, sem tagueamento manual de eventos. A maioria das métricas principais desta lista vem pronta para uso, e a [gravação de sessão](https://uxcam.com/br/experience-analytics/session-replay/), os [funis](https://uxcam.com/br/product-analytics/funnels/), a [análise de retenção](https://uxcam.com/br/product-analytics/retention-analytics/), a [segmentação](https://uxcam.com/br/product-analytics/segmentation/) e a [detecção de problemas](https://uxcam.com/br/experience-analytics/issue-analytics/) trabalham sobre os mesmos dados. Viu um abandono? Clique e assista às sessões que explicam o motivo.

Esse é o fluxo por trás dos resultados da Recora, da Inspire Fitness, do Housing.com e da Costa Coffee citados na seção sobre conversão do funil.

[Tara](https://uxcam.com/br/ai/), a analista de IA da UXCam, processa sessões em escala para apontar anomalias nas métricas e recomendar ações específicas, e as equipes de produto têm as respostas de que precisam sem esperar por analistas.

O SDK mobile da UXCam está instalado em mais de 37.000 produtos. [Peça uma demo](https://uxcam.com/br/request-a-demo/) e veja como ela funciona no seu app.

Perguntas frequentes

### O que são métricas de analytics de apps?

Métricas de analytics de apps são os sinais quantitativos usados para medir o desempenho de um app mobile em relação aos objetivos do negócio e dos usuários. Elas cobrem a saúde geral (retenção, crashes), o engajamento (DAU, duração da sessão), a receita (ARPU, LTV), a experiência do usuário (rage taps, congelamentos de UI, tempo de carregamento) e o marketing (CAC, atribuição). Um bom analytics se concentra em um conjunto pequeno de métricas ligadas a decisões específicas, e não em um catálogo exaustivo.

### Quais métricas de apps mais importam?

Retenção por coorte de instalação, usuários ativos, razão DAU/MAU, conversão do funil, ARPU, LTV, CAC com a razão LTV:CAC, taxa de usuários sem crash, taxa de rage taps e congelamentos de UI, duração da sessão, tempo até a primeira ação relevante e nota na App Store, mais ou menos nessa ordem de confiabilidade para orientar decisões. Se eu tivesse que escolher três, ficaria com a retenção no dia 30 por coorte, a taxa de conversão em cada etapa do funil e a taxa de rage taps. Juntas, elas cobrem retenção, eficiência de aquisição e atrito de UX, que é a maior parte do que importa para a maioria dos apps.

### Como escolher as métricas certas de analytics de apps?

Para cada métrica candidata, faça três perguntas: que decisão ela vai orientar, quem é o dono dessa decisão e com que frequência essa pessoa vai revisá-la. Se você não consegue responder às três, não acompanhe a métrica. A maior parte do inchaço de analytics vem do "a gente pode precisar depois", e esse depois raramente chega.

### O que é uma boa taxa de retenção para um app?

Depende da categoria. Retenção no dia 30 acima de 5% é saudável para a maioria dos apps B2C, 15%+ para redes sociais, 10-15% para fintech e 3-6% para e-commerce. Veja o guia de benchmarks de retenção de apps para os detalhes completos.

### Quais ferramentas usar para acompanhar as métricas de um app?

A UXCam acompanha a maioria das 12 métricas principais sem configuração extra, além de oferecer gravação de sessão e uma analista de IA. Firebase Analytics ou Mixpanel dão conta do lado só quantitativo, se é tudo de que você precisa. Sua plataforma de atribuição (AppsFlyer, Adjust) cobre as métricas de aquisição. A maioria das equipes precisa de uma ferramenta de análise de produto e de uma de atribuição; o resto depende da situação.

### Com que frequência devo revisar as métricas do app?

Uma olhada diária nos 5-7 KPIs principais pega qualquer coisa claramente errada. As análises semanais aprofundadas de funis de conversão e retenção por coorte pertencem à revisão de produto. As retrospectivas mensais cobrem tendências, resultados de experimentos e impacto dos releases. O trimestral é para a revisão estratégica ligada às decisões de roadmap, incluindo se o próprio conjunto de KPIs ainda faz sentido.

### Qual é a diferença entre DAU e retenção?

O DAU mede os usuários ativos de hoje. A retenção mede se os usuários de uma coorte de instalação passada continuam voltando ao longo do tempo. Você pode ter um DAU estável com retenção em queda se estiver adquirindo novos usuários mais rápido do que os antigos abandonam o app. É um padrão instável, e olhar só para uma das duas métricas vai escondê-lo.

### Como medir o engajamento dos usuários em apps?

As principais métricas quantitativas são a razão DAU/MAU (stickiness), a duração da sessão (tempo engajado), a profundidade da sessão (ações por sessão) e a taxa de conclusão de tarefas. Os sinais qualitativos incluem rage taps e observações de gravações de sessão. É a combinação das duas coisas que permite diagnosticar mudanças no engajamento, e não só detectá-las.

### Quais métricas um app em pré-lançamento deve acompanhar?

Deixe de lado as curvas de retenção (as coortes são pequenas demais para dizer alguma coisa) e foque em estabilidade técnica e feedback qualitativo. Acompanhe a taxa sem crash, a taxa de ANR, a conclusão do onboarding e a taxa de tickets de suporte por sessão, e revise gravações de sessão toda semana. Quando tiver alguns milhares de instalações, acrescente a retenção no dia 7.

### Em que as métricas de apps B2B diferem das de B2C?

A retenção de apps B2B costuma ser 2-3x maior, porque apps de fluxo de trabalho fazem parte do dia a dia do trabalho, e um DAU/MAU de 30-50% é alcançável. A taxa de usuários pagantes muitas vezes é de 50%+ quando o mobile faz parte de um SaaS pago. As métricas que importam passam a ser adoção de funcionalidades por conta, engajamento por licença e taxa de tickets de suporte por conta, porque quem compra e quem usa não são a mesma pessoa.

### Como fazer analytics de apps respeitando a privacidade?

Condicione os eventos ao consentimento (ATT no iOS, GDPR/CCPA no mundo todo), evite armazenar dados pessoais (PII) nas propriedades dos eventos e use ferramentas de gravação de sessão que mascaram campos sensíveis por padrão. A UXCam mascara automaticamente campos de entrada e dados pessoais. Alinhe com o time de privacidade os prazos de retenção de dados e as restrições de transferência internacional antes de começar a instrumentar, e não depois.

### Como lidar com a atribuição do iOS 14.5+ nas minhas métricas?

Trate os postbacks do SKAdNetwork como indicativos, não como precisos, e separe as métricas pagas do iOS das do Android. Use atribuição probabilística quando o seu fornecedor oferecer, mas identifique isso nos dashboards. Não trace a tendência do CPI pago no iOS atravessando o marco de abril de 2021. Comece uma nova série e anote.

### O que fazer quando duas métricas se contradizem?

O DAU sobe, mas a retenção cai, ou a conversão sobe, mas o ARPU cai. Isso normalmente significa que o agregado está escondendo uma história de segmento. Quebre as duas métricas por coorte, fonte de aquisição e dispositivo, e uma delas vai mostrar onde está a divisão. Se nenhum segmento explicar, pegue gravações de sessão do período em que as duas métricas se moveram e procure a mudança de produto que causou isso.

### Com que frequência devo rever a seleção de KPIs?

No mínimo a cada trimestre, e também depois de qualquer mudança grande de produto ou estratégia, como um pivô, um novo modelo de monetização ou um novo público. KPIs que faziam sentido com 10 mil usuários raramente continuam servindo com 1 milhão. A nova seleção deve incluir eliminar métricas que já não orientam decisões, e não só adicionar novas.

### Duração da sessão é uma boa métrica de engajamento?

Sozinha, não. Um usuário travado em uma tela quebrada tem sessões longas. Um usuário avançado que conclui uma tarefa em 30 segundos tem sessões curtas. A duração da sessão só indica engajamento quando combinada com a taxa de conclusão de tarefas ou com um evento de valor específico, como um treino registrado ou uma mensagem enviada. Isolada, é uma das métricas mais enganosas em analytics de apps.