<h1 id="43274707d0ec4f8baf094287bedaafa0">여러분의 DAU 차트는 안녕하십니까?</h1>많은 서비스들이 Active User를 서비스 주요 지표로 정의하고, 이를 높이기 위해 노력합니다. 총 인스톨이나 회원 수처럼 시간이 흐르면서 자연스럽게 축적되는 누적 지표들은 허무지표(Vanity metric)로 분류되는 경우가 많지만, DAU나 MAU 등의 유저 활동성 지표들은 서비스 성장을 잘 보여주는 지표로 인정받으며 IR이나 PR에서 중요하게 고려됩니다.대부분의 서비스는 아래와 같은 차트로 Active User를 모니터링합니다. 가로축에 날짜를 넣고, 세로축에 활성사용자 수를 넣는 형태죠. DAU와 MAU 등을 표시하고, 회사에 따라서는 DAU/MAU를 통해 계산되는 engagement 지표를 추가하기도 합니다.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-ec1e020e-35d0-4369-a0a1-e40c63cb12c0-IdTZf9aqQ3qYpHlbcDwe-BDO3drxZAktGX99WAdN6Ng.png" data-align="center" data-width="384" data-show-caption="true" style="width: 384px; max-width: 100%"><img src="https://attachments.datarian.io/production-ec1e020e-35d0-4369-a0a1-e40c63cb12c0-IdTZf9aqQ3qYpHlbcDwe-BDO3drxZAktGX99WAdN6Ng.png" width="384" /><figcaption>Active User 차트 예시 (GA4)</figcaption></figure>일별 활동 유저수를 모니터링 하는 건 좋지만, 이 차트를 본다고 해서 &quot;Active User를 늘리기 위해 무엇을 해야 하지?&quot; 혹은 &quot;우리가 Active User를 늘리기 위한 활동들을 잘 하고 있나?&quot; 라는 질문에 대한 답을 얻기는 어렵습니다. 이 차트를 보면서 할 수 있는 의사결정도 거의 없구요. Active User 수 자체는 전형적인 후행지표이기 때문입니다.그러다보니 많은 서비스들이 Active User에 영향을 줄 것 같은 선행지표를 함께 챙깁니다. 대표적으로는 가입자 수 (혹은 인스톨 수)와 리텐션(혹은 재방문율) 정도가 될텐데요. 가입자가 많고 + 꾸준히 사용하는 유저 비율이 높아서 이탈하는 유저가 적다면 Active User는 많아질테니, 선행지표로 유입과 재방문 지표를 보는 것은 합리적으로 보입니다. 이것으로 충분할까요?<h1 id="c35bc4e9bb34491c9647a7aae3b9b4aa">월간 재방문율 75%는 긍정적인 숫자일까요?</h1>예전에 <a href="https://medium.com/lightspeed-venture-partners/repeat-rate-is-a-vanity-metric-f5e78f256bfb" target="_blank">Repeat rate is a vanity metric</a> 이라는 글을 본 적이 있습니다. 글의 내용에 모두 동의하는 건 아니지만, 평소에 생각하지 못했던 포인트를 짚어주는 부분이 있어서 굉장히 흥미롭게 읽었는데요. 제가 공감했던 포인트를 살려서 (+제 생각을 덧붙여서) 살짝 소개해 드릴께요.*원 글에서는 repeat rate을 재구매율에 가까운 개념으로 사용했는데요. 이 글에서는 active user 이야기를 하고 있는 만큼, 재방문율에 해당하는 개념으로 설명하겠습니다.*무엇보다, 제가 생각하는 결론은 원 글의 결론과 약간 다릅니다. ^^;;;아래와 같은 서비스가 있다고 가정해 보겠습니다.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-1e023616-4b58-49d8-b7c9-fb7ef521c6e8-4xigh3fnQRfIMw1hH97sb5c6b5kEo4DvfdW3jOB4jxE.png" data-align="center" data-width="528" data-show-caption="true" style="width: 528px; max-width: 100%"><img src="https://attachments.datarian.io/production-1e023616-4b58-49d8-b7c9-fb7ef521c6e8-4xigh3fnQRfIMw1hH97sb5c6b5kEo4DvfdW3jOB4jxE.png" width="528" /><figcaption>User Activation 측면에서 건강한 서비스일까요?</figcaption></figure>75%가 M+1에 재방문하는 서비스라니 엄청나지 않나요? (서비스 카테고리에 따라 다르지만, 보통 인스톨 후 D+7 리텐션이 30%만 되어도 나쁘지 않은 수준으로 평가받습니다.) 게다가 매달 새로운 유저가 꾸준히 유입된다니, 이정도면 훌륭한 서비스라고 봐도 될 것 같은데요. 이 서비스의 월별 활성 사용자 그래프를 그려보면 어떻게 될까요?<figure data-type="image-block" data-src="https://attachments.datarian.io/production-aa84bd0c-be44-4218-9e16-7d98d3187004-C0QWTF_Kp_VKmIKxj47vmsWW5beIBtb-33Hif7YoQ7Y.png" data-align="center" data-width="528" data-show-caption="true" style="width: 528px; max-width: 100%"><img src="https://attachments.datarian.io/production-aa84bd0c-be44-4218-9e16-7d98d3187004-C0QWTF_Kp_VKmIKxj47vmsWW5beIBtb-33Hif7YoQ7Y.png" width="528" /><figcaption>서비스 A의 Active User 차트 (출처: <a href="https://medium.com/lightspeed-venture-partners/repeat-rate-is-a-vanity-metric-f5e78f256bfb" target="_blank">Alex Taussig</a>)</figcaption></figure>위 가정을 만족하는 서비스 A의 Active User 차트입니다. 위 그래프의 X축은 기간(월), Y축은 Active User 수를 의미합니다. 인스톨 시점이 동일한 코호트는 같은 색으로 표시되어 있는데요. 가령, 1월에 처음 인스톨한 유저는 하늘색으로 표시되어 있고, 이 유저의 75%는 2월에도 재방문을 한 것으로 나옵니다. 2월에 처음 들어온 주황색 유저도 마찬가지로 3월에 75%가 남아서 활동하고 있네요. 위에서 가정했던, 방문한 유저의 75%가 다음 달에도 들어오고 + 매달 새로운 유저도 꾸준히 유입되는 서비스라고 할 수 있습니다.그래프를 보면 놀라운(!) 사실이 발견됩니다. 재방문율이 무려 75%에 해당하는 서비스인데, 약 1년이 지난 시점부터는 Active User 성장이 거의 멈춰버립니다. 신규 유저도 꾸준히 늘고 있고 재방문율이 75%가 되는데도 1년만에 성장이 멈춰버린다니, 그렇다면 도대체 재방문율이 얼마나 높아야 Active User가 지속 성장할 수 있을까요?<figure data-type="image-block" data-src="https://attachments.datarian.io/production-5c2911d7-b2b7-41a4-89c8-5e39a75161bc-VBoCwd8BnqJXymwPe0AjUXExtx8z0f4UEOdMv5rclsU.png" data-align="center" data-width="528" data-show-caption="true" style="width: 528px; max-width: 100%"><img src="https://attachments.datarian.io/production-5c2911d7-b2b7-41a4-89c8-5e39a75161bc-VBoCwd8BnqJXymwPe0AjUXExtx8z0f4UEOdMv5rclsU.png" width="528" /><figcaption>서비스 B의 Active User 차트 (출처: <a href="https://medium.com/lightspeed-venture-partners/repeat-rate-is-a-vanity-metric-f5e78f256bfb" target="_blank">Alex Taussig</a>)</figcaption></figure>또다른 서비스 B를 살펴보겠습니다. 시작은 미미하지만, 굉장히 빠른 속도로 J커브를 그리며 Active User가 증가하는 것을 볼 수 있습니다. 위에서 봤던 서비스 A와는 전혀 다른 그래프처럼 보이네요. 성장이 정체된 서비스 A와는 대조적으로, 서비스 B는 앞으로 더 고속 성장할 것 같은 모습을 보여줍니다. 자 그렇다면 서비스 B의 월별 재방문율은 얼마일까요?놀랍게도, 서비스 B의 월별 재방문율은 (서비스 A와 같은) 75%입니다. 마찬가지로 동일한 색상으로 구분된 월별 코호트를 살펴보면, 전월 활동 유저의 75%가 다음달에도 들어오는 것을 볼 수 있습니다. 서비스 A와 서비스 B 모두 재방문율이 75%로 동일하다면, 무엇 때문에 Active User 그래프가 이렇게 차이나는 걸까요? 그 차이는 매월 유입되는 신규 유저의 수 때문입니다. 서비스 A는 매월 유입되는 신규 유저의 수가 항상 일정합니다. 반면 서비스 B는 매월 유입되는 신규 유저가 20%씩 꾸준히 증가합니다. (원문에서는 CCGR = Cohort/Cohort Growth Rate 라는 용어로 표현함)똑같은 재방문율을 가진 서비스라고 하더라도 신규 유저 수에 따라서 이렇게 극적인 차이가 난다면, 전사적으로 리텐션보다는 유입에 집중하는 것이 맞을까요? 그냥 다른 거 내려두고 마케팅팀이 열일해서 유입 마케팅을 열심히 하는 게 Active User를 늘리는 가장 좋은 방법일까요? <s>(마케팅팀 일해라!)</s>원 글에서는 재방문율이라는 지표를 단독으로 사용하지 말고, CCGR과 Churn의 함수 형태로 사용해야 한다는 결론으로 글을 마무리했는데요. 저는 여기에 부분적으로 동의하긴 하지만, 또 다른 포인트를 주목해야 한다고 생각합니다.위 그래프들이 놓치고 있는 것이 하나 있는데요. 위 그래프에는 &#039;한번 이탈한 유저는 절대 다시 돌아오지 않는다&#039; 라는 가정이 숨어있습니다. 즉, 어떤 코호트를 보던지 Active User는 일정하게 선형적으로 줄어들고, 한번 이탈한 유저가 다시 돌아오진 않습니다. 하지만 현실적으로, 유저의 활동성은 이렇게 단순한 형태로 표현되지 않습니다.<h1 id="283c89c2bd064e60b6a3c8f101bfe5d4">다양하고 입체적인 유저의 활동 패턴</h1>우리가 일반적으로 보는 DAU나 Retention 차트에서, 유저의 행동은 굉장히 평면적으로 표시됩니다.<ul><li>접속했다 / 미접속했다</li></ul>하지만 실제 서비스에서 마주하는 유저의 활동 패턴은 굉장히 다양하고 입체적입니다.<ul><li>가입했다</li><li>가입하자마자 이탈했다</li><li>꾸준히 잘 쓴다</li><li>핵심 사용자라고 할 수 있다</li><li>이탈하기 직전이다</li><li>일정기간 잘 쓰다가 이탈했다</li><li>이탈했다가 다시 돌아왔다</li><li>...</li></ul><a href="https://blog.duolingo.com/growth-model-duolingo/" target="_blank">언어 학습 서비스로 잘 알려진 듀오링고는 DAU라는 탑라인 지표를 서비스에 의미있는 여러 유저 세그먼트로 쪼개서 분석하는 Growth Model을 가지고 있다고 밝힌 적이 있습니다.</a> 실제 이런 방식으로 활동성 지표를 쪼개서 살펴보면 단순히 Active User 숫자를 모니터링하는 것과는 전혀 다른 차원의 인사이트를 얻을 수 있습니다.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-ae03a635-3df4-491d-a6b7-6ce3f2cc922c-M6il0WekJFA1tWzgCU5_MPJse2Jq5Ajj6POZbky3zlc.png" data-align="center" data-width="576" data-show-caption="true" style="width: 576px; max-width: 100%"><img src="https://attachments.datarian.io/production-ae03a635-3df4-491d-a6b7-6ce3f2cc922c-M6il0WekJFA1tWzgCU5_MPJse2Jq5Ajj6POZbky3zlc.png" width="576" /><figcaption>Duolingo Growth Model (출처: <a href="https://blog.duolingo.com/growth-model-duolingo/" target="_blank">Duolingo</a>)</figcaption></figure><h1 id="97798481e93340a89f2d9c39e251eb75">Alarmy 유저 분석 프레임워크</h1>알라미도 이와 유사한 방식으로 Active User 지표를 다양한 Segment로 나누고, 각 Segment 사이의 전환 추이를 기간별로 쪼개서 Active User를 분석하고 있습니다. 짧은 주기로 빈번하게 사용하는 &#039;알람&#039;이라는 서비스 특성 상, 연속 사용이나 초기 이탈을 빠르게 캐치해서 적절한 대응을 하는 것이 중요한데요. 단순 DAU 지표에서는 드러나지 않는 유저의 활동성 수준을 Segment별로 쉽게 확인하고 Segment Change 경로를 분석할 수 있도록 아래와 같은 유저 분석 프레임워크를 만들어서 활용하고 있습니다.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-385a563c-cfb4-44eb-8d70-27499495c24a-GDJbL3FHH-gGdekTsrhTwivT5zCZ23PLLcgKKxmhPfE.png" data-align="center" data-width="528" data-show-caption="true" style="width: 528px; max-width: 100%"><img src="https://attachments.datarian.io/production-385a563c-cfb4-44eb-8d70-27499495c24a-GDJbL3FHH-gGdekTsrhTwivT5zCZ23PLLcgKKxmhPfE.png" width="528" /><figcaption>Alarmy 유저 분석 프레임워크</figcaption></figure><figure data-type="image-block" data-src="https://attachments.datarian.io/production-131ae92a-5404-45e3-91dd-4bceafbdaeb1-ehoCeoFwamlaWPbkXyUaKME6znjuI1mK8yBn7Ok5gV8.png" data-align="center" data-width="480" data-show-caption="true" style="width: 480px; max-width: 100%"><img src="https://attachments.datarian.io/production-131ae92a-5404-45e3-91dd-4bceafbdaeb1-ehoCeoFwamlaWPbkXyUaKME6znjuI1mK8yBn7Ok5gV8.png" width="480" /><figcaption>User Segment Change</figcaption></figure>알라미의 유저 분석 프레임워크는 Stock에 해당하는 User Segment와 Flow에 해당하는 User Segment Change로 구분됩니다. 대외비라 구체적인 기준이나 지표를 말씀드릴 순 없지만, 아래와 같은 형태로 세부적인 지표를 쉽게 찾아볼 수 있도록 데이터 파이프라인과 대시보드가 만들어져 있습니다.<ul><li>User Segment(Stock) 과 User Segment Change(Flow)를 구분해서, 관련 지표들이 일별로 어떻게 움직이는지를 확인할 수 있음</li><li>1) 유입 2) 활동성 3) 유출 이라는 큰 카테고리로 구분해서 지표 흐름을 파악할 수 있음</li><li>N일 후의 User Segment 변화 지표를 추적해서, 기간에 따라 누적된 변화량을 파악할 수 있음</li></ul><figure data-type="image-block" data-src="https://attachments.datarian.io/production-d93d4d63-a356-4538-96fd-f02e47f47d0b-pj7v_21jris2auulyHoVaSmCV2gh39YWRVL1USGxU9U.png" data-align="center" data-width="693" data-show-caption="true" style="width: 693px; max-width: 100%"><img src="https://attachments.datarian.io/production-d93d4d63-a356-4538-96fd-f02e47f47d0b-pj7v_21jris2auulyHoVaSmCV2gh39YWRVL1USGxU9U.png" width="693" /><figcaption>일별 Segment 및 변화량 트렌드</figcaption></figure><figure data-type="image-block" data-src="https://attachments.datarian.io/production-a61504e7-870c-4a7e-a403-59fe3ec8c5d5-XjH0LcMtWU3vCSU19QxAzHPXU3UY4jFC6J416lxphaE.png" data-align="center" data-width="693" data-show-caption="true" style="width: 693px; max-width: 100%"><img src="https://attachments.datarian.io/production-a61504e7-870c-4a7e-a403-59fe3ec8c5d5-XjH0LcMtWU3vCSU19QxAzHPXU3UY4jFC6J416lxphaE.png" width="693" /><figcaption>N일 후 User Segment 변화량 모니터링</figcaption></figure>이렇게 활동성 지표를 다양한 형태로 쪼개서 볼 수 있게 되면서, Active User를 늘리기 위한 실험을 할 때 훨씬 해상도 높은 데이터를 확인할 수 있게 되었습니다. 단순히 앱 푸시를 보내고 DAU가 늘어나는 걸 보는 수준이 아니라, 유저들이 더 자주 들어오도록 서비스 기능을 고도화하면(eg. 기상 챌린지) 실제로 Light User가 Heavy User로 전이되는 효과가 있는지를 파악하는 식으로 말이죠. 또한 New User나 Heavy User의 N일 후 Segment 변화를 볼 수 있게 되면서 신규 유저의 온보딩 여정이 잘 구성되어 있는지, 핵심 사용자들의 이탈 방지 프로세스를 어떻게 설계해야 하는지에 대한 힌트도 얻을 수 있었습니다. 이처럼, 같은 지표라고 하더라도 어떤 관점으로 쪼개서 보느냐에 따라 훨씬 더 좋은 의사결정을 할 수 있습니다. 이런 데이터를 기반으로 더 촘촘하게 유저 커뮤니케이션이나 CRM 액션을 하려고 내부에서 준비중이고, 가까운 미래에는 가파르게 상승한 DAU 지표를 가지고 새로운 글을 쓸 수 있을거라고 기대!!! 하고 있는데, 잘 되었으면 좋겠네요ㅎㅎ<h1 id="2a57f4c16e7b4778bb8c86a136c2e1b4">마케터 절찬 채용 중!</h1>이상으로 Alarmy에서 User Activation 관련 지표들을 어떤 프레임으로 구조화해서 분석하고 있는지 간단히 소개해 드렸습니다. 이처럼 데이터에 기반해서 여러 가지 문제를 흥미롭게 풀어나갈 동료들을 열심히 찾고 있으니, <a href="https://team.alar.my/recruit/?utm_source=medium&utm_medium=leo&utm_campaign=alarmy_dau" target="_blank">딜라이트룸 채용 페이지</a>에도 많은 관심을 부탁드려요! (마케터 절찬 채용 중...)<div data-type="bookmark" data-url="https://team.alar.my/recruit/?utm_source=medium&utm_medium=leo&utm_campaign=alarmy_dau" data-title="알라미 팀 채용" data-description="Wake people up, fully and completely." data-icon="https://oopy.lazyrockets.com/api/rest/cdn/image/f243d1df-01b1-416c-ae0c-8f05e5e803da.png?d=16" data-cover="https://oopy.lazyrockets.com/api/rest/cdn/image/ae8f8e0d-c02c-4f11-8cff-c448bab9a193.png"></div><div data-type="callout" data-emoji="✍🏻" data-background-color="rgba(235, 236, 237, 0.3)" style="background-color: rgba(235, 236, 237, 0.3);">Editor 선미’s comment이 글의 원문은 양승화님의 블로그에 업로드 된 “<a href="https://blog.naver.com/leoyang99/223570520810" target="_blank">알라미에서 DAU를 분석하는 방법</a>”입니다.어떤 서비스에서는 잦고 반복적으로 사용하는 사용자의 ‘습관’ 그 자체가 서비스의 자산입니다. 대표적으로 인스타그램과 같은 SNS 서비스가 이에 해당하는데, 이 글을 읽어보니 듀오링고와 알라미도 이 카테고리에 해당하는 것 같습니다. 이런 서비스들은 눈치가 빨라야 합니다. 초기 이탈을 빠르게 캐치해서 사용자가 조금이라도 마음이 떠나는 것 같아보이면 얼른 붙잡아야 하거든요. DAU 지표를 중요하게 분석하는 것도 이런 이유이지 않을까 합니다. (더 나아가 HAU(Hourly Active User), CCU(Concurrent User)까지 보기도 합니다.)사용자 세분화 분석을 할 때, 저량(Stock)과 유량(Flow)를 함께 봐야 한다는 것도 간과하기 좋은 포인트입니다. 꼭 DAU 분석을 하는 것 뿐 아니라, RFM 분석 등 사용자를 세분화하는 분석을 하고 있다면 저량과 유량 차트를 나누어 각 세분화 그룹이 어떻게 변동하고 있는지 같이 살펴보기 바랍니다.</div>

여러분의 DAU 차트는 안녕하십니까?

월간 재방문율 75%는 긍정적인 숫자일까요?

다양하고 입체적인 유저의 활동 패턴

알라미에서 DAU를 분석하는 방법

혼자 SQL 공부하다 막힌 적 있다면?

Contents

데이터 분석 소식을
매월 받아보세요

함께 읽어보면 좋은 글

새로 출시한 이 기능은 DAU 얼마짜리 기능일까?

소셜 로그인, 전환율에 얼마나 효과가 있을까?

데이터 실험으로 성과를 만드는 방법

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요