[Retention] 리텐션

예전 게임 사용자 분석을 하면서, KPI 포스팅을 진행했었다. 이번 포스팅에서는 Retention에 대해 다시 한 번 정리하고, 상황에 따라 어떤 방법을 사용해야할지 생각해보았다.

 

---

AARRR

AARRR

 

사용자가 특정 서비스를 사용하기 시작하면, 우리는 사용자의 이용 현황을 파악하고 그에 맞는 전략을 세워야한다. 이 때, AARRR을 사용할 수 있다. AARRR은 사용자 획득부터 전파까지 5단계의 유저 여정을 체계화한 프레임워크이다. 깔대기 모양으로 표현되며, 상단(사용자 획득)에서 아래 단계(전파)로 갈수록 유저 수가 감소하는 구조를 가지고 있다.

 

• Acquisition (사용자 획득): 광고, 홍보 등을 통해 새로운 사용자를 유치
• Activation (사용자 활성화): 획득된 사용자가 서비스의 핵심 가치를 경험하도록 유도
• Retention (사용자 유지): 활성화된 사용자가 서비스를 지속적으로 사용하도록 유지
• Revenue (매출): 사용자에게 서비스 이용 가치를 제공하고 대가를 받음
• Referral (전파): 만족한 사용자가 다른 사람들에게 서비스를 추천

만약, 쇼핑몰 서비스에 AARRR을 적용하면 다음과 같다.

• Acquisition: 검색 광고, SNS 광고 등을 통해 잠재 고객 유치
• Activation: 첫 구매 할인 쿠폰 제공, 제품 추천 기능 활용
• Retention: 개인화된 상품 추천, 멤버십 프로그램 운영
• Revenue: 상품 판매, 배송비 부과
• Referral: 친구 추천 프로그램 운영, 고객 후기 공유 기능 제공

AARRR의 과정은 모두 중요하지만, 오늘은 Retention에 주목해보자.

 

---

리텐션(Retention)

리텐션은 사용자들이 서비스를 지속적으로 사용하는지 측정하는 지표이다. '방문', '특정 페이지 방문', '특정 기능 사용' 등 상황에 맞춰 다양한 로그를 활용하여 측정한다.

 

1. 클래식 리텐션(Classic Retention) 

클래식 리텐션은 일정 기간(일, 주, 월등) 동안 서비스를 이용한 사용자의 비율을 계산하는 방법이다. 이 방법은 주로 매일 접속해서 사용할 것으로 기대되는 서비스(SNS 등)에 활용된다. 클래식 리텐션은 일정 기간 동안의 사용자 이용 패턴을 측정하므로, 매일 활용되는 서비스에서는 상당히 유용한 방법이다. 하지만, 사용 주기가 긴 서비스에서 사용자 유지 여부를 판단할 때 실제보다 훨씬 과소 계산될 수 있다는 단점도 존재한다. 즉, 주기적으로 사용되지 않는 서비스에서는 다른 방법을 사용해야한다.

 

2. 롤링 리텐션(Rolling Retention) 

롤링 리텐션은 기준일을 포함하여 그 이후에 한 번이라도 재방문한 사용자의 비율을 나타내는 방법이다. 이 방법은 사용 빈도가 높지 않은 서비스(여행 서비스, 쇼핑몰 등)에서 유용하게 활용된다. 특히, 사용자들의 이후 접속에 따라 기존 리텐션 값이 얼마든지 달라질 수 있다는 점에 주의해야한다. 이 방법은 사용자의 재방문 여부에 초점을 맞추므로, 사용 빈도가 낮은 서비스에서는 이 방법을 사용하면 더 정확한 값을 측정할 수 있다. 하지만, 롤링 리텐션의 특성상 리텐션이 개선되고 있는지에 대한 해석은 어려울 수 있다.

 

3. 범위 리텐션(Range Retention) 

범위 리텐션은 클래식 리텐션을 유연하게 확장한 개념으로, 구간을 나누어 계산하는 방법이다. 이 방법은 노이즈에 강하며, 서비스 사용주기가 길거나 주기적인 서비스에서 많이 사용된다. 범위 리텐션은 클래식 리텐션의 한계를 보완하여, 사용자의 이용 패턴에 따라 유연하게 리텐션을 측정할 수 있다.기간을 나눴기 때문에 우연히 하루정도 접속을 안 했다 하더라도, 리텐션에 영향을 주지 않는다.

클래식 리텐션과 롤링 리텐션은 바로 이해했는데, 범위 리텐션은 정확히 이해가 되지 않아서 데이터리안 블로그의 글을 보고 직접 예시를 만들어보았다. 예를 들어, 2월 8일에 사용자 A,B,C,D,E,F,G가 우리 서비스에 가입했다고 가정해보자. 데이터를 3일씩 묶어서 범위 리텐션을 계산하면, 다음과 같은 결과를 확인할 수 있다.

 

사용자	DAY 0	DAY 1	DAY 2	DAY 3	DAY 4	DAY 5	DAY 6
A	방문
B	방문	방문	방문	방문	방문	방문	방문
C	방문				방문
D	방문		방문
E	방문			방문
F	방문						방문
G	방문

 

	DAY 0	DAY 1 ~ 3	DAY 4 ~ 6
기간 내 방문유저수	7	3	3
범위 리텐션(%)	100%	43%	43%

 

 Day 1~3 구간에 사용자 B,D,E가 방문했고 Day 4~6 구간에는 사용자 B,C,F가 방문했다. 2개의 구간 중 Day 4~6 구간에 더 많은 방문이 발생했지만 데이터를 요약하면서 두 구간 모두 범위 리텐션은 60%로 계산된다. 예시를 확인하고, 노이즈에 강한 이유를 이해할 수 있었다.

 

---

사용자 지표

리텐션도 중요하지만, 사용자 지표 역시 중요하다. 여러가지 지표 중, DAU/WAU/MAU/Stickiness를 간단히 정리해보자. KPI 포스팅에서도 해당 주제를 다뤘지만, 서비스 내에서 사용자의 행태 분석은 이용자 수를 늘리고, 이탈 요인을 파악하는 데 필수적인 요소이다.

 

• DAU: 일간 활성 사용자 수
• WAU: 주간 활성 사용자 수
• MAU: 월간 활성 사용자 수
• Stickiness: 사용자 고착도, DAU를 MAU 또는 WAU로 나누어 계산
• DAU/WAU 비율: 일간 활성 사용자가 주간 활성 사용자 대비 얼마나 일관적으로 서비스를 이용하는지 보여줌
• DAU/MAU 비율: 일간 활성 사용자가 월간 활성 사용자 대비 얼마나 자주 서비스를 이용하는지 보여줌

예를들어, 100명의 사용자가 매일 서비스를 이용하고 150명의 사용자가 1주일에 한 번 이상 서비스를 이용하고, 200명의 사용자가 한 달에 한 번 이상 서비스를 이용한다고 가정해보자.

 

DAU/WAU 비율이 0.66 (66%)으로, 일주일에 한 번 이상 서비스를 이용하는 사용자 중 66%가 매일 서비스를 이용하고 있다. DAU/MAU 비율은 0.5 (50%)으로, 한 달에 한 번 이상 서비스를 이용하는 사용자 중 50%가 매일 서비스를 이용한다고 해석할 수 있다. Stickness를 분석하면, 다양한 이벤트 혹은 UX 개선을 통해 신규 사용자를 늘리고 기존 사용자의 이탈을 막을 수 있다.

---

이번 포스팅을 통해 리텐션과 사용자 지표에 대해 알아보았다. 데이터리안 선미님의 글 추천으로 리텐션을 높이는 두 가지 방법, 즉 초기 이탈 사용자 감소와 사용자와의 장기 관계 유지에 대해 배울 수 있었다. 데이터 분석에 있어서는 단순히 숫자를 해석하는 것보다 서비스를 직접 이용하며 사용자의 시각을 이해하는 것이 중요하다. 이를 통해 사용자가 어떤 요소를 선호하고, 어떤 부분이 불편한지 파악할 수 있는데, 해당 방법이 리텐션을 파악하는 가장 효과적인 방법이라고 생각한다. 또한, 데이터 분석가로서의 입장에서는 리텐션의 수치뿐만 아니라, 그 결과를 어떻게 비즈니스에 적용하고, 데이터에 익숙하지 않은 동료나 고객에게 어떻게 전달할지에 대한 고민이 필요함을 느꼈다. 혹시 데이터 분석이나 마케팅에 관심이 있지만 리텐션에 대해 잘 알지 못하는 분들에게는 데이터리안 블로그의 글을 추천드리고 싶다.

 

출처

리텐션 (1) Classic Retention

 

사진 출처 - https://boomboomba.tistory.com/41