DAU, WAU, MAU 그리고 Stickiness 알아보기
계속 리텐션 이야기를 해왔는데요. 이번 장에서는 조금 다른 이야기를 해보려고 합니다. 바로 사용자 고착도라고 부르는 Stickiness 라는 지표입니다. Stickiness는 DAU를 MAU 또는 WAU로 나누어 계산합니다.
Stickiness = \frac{DAU}{MAU}
먼저 DAU, WAU, MAU는 무엇인가? 부터 얘기를 시작해야겠네요.
DAU, WAU, MAU
해당 기간 동안 활동한 사용자 수를 의미하는 지표로 각각 Daily Active User, Weekly Active User, Monthly Active User를 의미합니다. 일간, 주간, 월간 활성 사용자 수라고도 부릅니다.
DAU(Daily Active User): 일간 활성 사용자 수
WAU(Weekly Active User): 주간 활성 사용자 수
MAU(Monthly Active User): 월간 활성 사용자 수
구글 애널리틱스에서도 활성 사용자 수 대시보드를 지원합니다. 아래는 데이터리안 블로그 구글 애널리틱스(GA4) 데이터인데요. GA4에서는 지난 30일 동안의 활성 사용자 수를 MAU, 7일 동안의 활성 사용자 수는 WAU, 24시간 동안의 활성 사용자수를 DAU로 정의하고 있습니다. GA4에서 정의하는 MAU, WAU, DAU가 궁금하신 분들은 GA4 참여 보고서를 참고하세요.
DAU 138명의 뜻
DAU는 맨 아래 보라색 라인 그래프이고 1월 28일 접속자는 138명입니다. 겉으로 보기에는 큰 변동이 없이 평평해보이지만, 지난 일주일간 방문자 수가 가장 적었던 1월 22일 DAU는 128명이고 방문자 수가 가장 많았던 1월 27일 DAU는 239명으로 날짜에 따라 확실한 변동이 있습니다.
대시보드에 y축 스케일이 큰 MAU, WAU와 함께 DAU를 표시할 때는 이런 점에 유의합시다. 특히 DAU 모니터링이 필요한 상황이라면 따로 대시보드를 만드는게 좋습니다.
WAU 1100명의 뜻
WAU는 중간에 있는 파란색 라인 그래프이고 지난 7일간 접속자는 약 1100명입니다. 대략 계산해보면 DAU의 합산이 WAU가 되었네요. 이런 경우 한 명의 유저가 일주일 동안 지속적으로 접속한 것이 아니라, 매일매일 새로운 유저가 들어왔다가 나간다는 것을 의미합니다.
이게 무슨 얘기일까요? 예시를 통해 WAU를 직접 계산 해보겠습니다.
일곱 명의 유저(A, B, C, D, E, F, G)가 있다고 가정합시다. 그 유저들이 아래와 같이 접속할 때 각각 DAU와 1월 28일의 WAU를 계산해보세요.
WAU 예제 1
WAU 예제 2
예제 1번에서 DAU는 1월 22일부터 1월 28일까지 매일 1이고, WAU는 일주일 동안 유저 7명이 방문했으므로 7입니다. 예제 2번에서 DAU는 1월 22일부터 28일까지 매일 7이고, WAU는 일주일 동안 유저 7명이 방문했으므로 7입니다.
예제 1번에서는 매일매일 새로운 유저가 들어오고 기존 유저의 재방문이 없으므로 DAU의 합산이 곧 WAU가 됩니다. 하지만 예제 2번에서는 기존 유저들이 계속해서 재방문하고 있으므로 재방문은 DAU에 매일 집계되지만 WAU에서는 유저 1명으로 계산되므로 일주일 동안 DAU의 합산(=49)은 WAU(=7)보다 훨씬 큰 숫자가 됩니다.
데이터리안 블로그의 WAU는 대략 일주일간 DAU의 합산과 비슷하니까, 아쉽지만 이 블로그는 예제 2번보다는 1번에 가까운 서비스 입니다. 기존 유저들이 재방문 하는 곳이라기 보다는 매일 새로운 유저들이 유입되는 곳이라고 볼 수 있겠지요.
이렇게 WAU와 DAU를 함께 본다면 WAU만 볼 때는 알 수 없었던 고객들의 방문 패턴을 알 수 있습니다. 이런 특성을 가지고 사용자들이 우리 서비스에 계속해서 방문하는지("딱 붙어있는지")를 측정하는 지표를 만들 수 있지 않을까요? 그게 바로 Stickiness(사용자 고착도)의 뜻 입니다. Engagement 지표라고 하기도 하고, WAU(또는 MAU) 대비 DAU의 비율 이라고 풀어서 말하기도 합니다. 이 지표에 대해서는 다음 섹션에 이어서 얘기하겠습니다.
MAU
이번에는 다른 데이터도 봅시다.
페이스북 사용 디바이스별 MAU 변화
아래 그래프는 페이스북의 2012년 4분기부터 2015년 2분기까지 MAU를 사용 디바이스별로 보여줍니다. 2012년 2분기까지만 해도 컴퓨터와 모바일을 함께 사용하거나(Computer-Mobile), 컴퓨터로만 접속하는 사람들(Computer-only)이 전체 MAU에서 대부분을 차지했지만 시간이 지나면서 모바일로만 접속하는 사람들(Mobile-only)가 빠르게 늘어나고 있습니다.
이렇게 MAU를 특정 유저 그룹별로 나누어서 분석하기도 합니다.
페이스북 YoY MAU Growth
아래 차트는 페이스북의 분기별 YoY(Year on Year)* MAU 성장 그래프 입니다. 전년도 같은 쿼터의 MAU 대비 몇 퍼센트 성장했는지를 그렸다고 생각하시면 됩니다. 북미대륙, 유럽, 아시아, 나머지 국가들로 나누어 봤을 때 아시아 지역(노란색 그래프)의 MAU 성장세가 눈에 띕니다. 2015년도 2Q의 YoY MAU가 약 90% 이므로 2014년 2Q의 MAU 대비 약 90% 성장했다라고 해석할 수 있습니다.
*YoY(Year on Year): 전년도 동기간 대비
팀장님이 우리 서비스의 DAU, MAU, Stickiness 물어볼 때 자신있게 대답하고 싶다면
클릭 세 번만으로 활성 사용자, 리텐션 지표 확인할 수 있는 GA4를 실무 경험이 탄탄한 분석가에게 배워보세요.

👉 GA4 데이터 분석 캠프 보러가기
Stickiness 계산하는 법
Stickiness는 DAU와 MAU 또는 DAU와 WAU의 비율로 계산합니다. DAU와 MAU의 비율로 계산하는 것이 좀 더 보편적입니다. 월간 순수 사용자 중 특정 일자에 접속한 사람의 비율을 보는 것이지요.
Stickiness = \frac{DAU}{MAU}
우리는 계산의 편의상 DAU와 WAU의 비율을 보겠습니다. 아래의 수식을 기반으로 예제 1, 예제 2 각각의 데이터에 대해서 1월 28일의 Stickiness를 계산해보세요.
Stickiness = \frac{DAU}{WAU}
예제 1에서 1월 28일의 DAU는 1명, 그리고 WAU는 7명이므로 Stickiness는 약 14% 입니다. 주간 방문한 순수 사용자 중 14% 만이 1월 28일에 방문했다고 해석할 수 있습니다. 예제 2에서 1월 28일의 DAU는 7명, WAU도 7명이므로 Stickiness는 100% 입니다. 주간 방문한 순수 사용자 중 100%가 1월 28일에 방문했다고 해석할 수 있습니다.
유저가 더 자주 방문할수록 Stickiness는 100%에 가까워집니다.
페이스북의 Stickiness 지표 해석하기
아래 그래프는 2010년 2분기부터 2014년 4분기까지 페이스북의 DAU/MAU 비율입니다. 각 지역별로 차이는 있지만 시간이 지날수록 유저 고착도는 높아지고 있습니다. 페이스북을 유저들이 점점 더 페이스북에 자주 접속하고 있다는 뜻입니다.
데이터를 조금만 더 자세하게 보면, 유저 고착도가 가장 낮은 지역은 아시아 지역입니다. 앞에서 본 데이터에 의하면 아시아 지역에 새로운 사용자가 유입되어 MAU 자체는 성장하고 있는 상황인데, 다른 지역에 비해서 유저의 서비스 고착도는 낮으니 저라면 신규 가입자와 기존 가입자들의 Stickiness를 분리하여 추가 분석을 진행해보겠습니다.
"Thoughts On Facebook's Q2 2015 Earnings" 를 읽어보면 당시 페이스북 전체 유저의 1/3이 아시아 지역에 있지만 전체 광고 매출의 16% 만이 아시아에서 발생하고 있다고 합니다. 페이스북의 광고 매출은 사람들이 더 많이 더 자주 접속하여 피드에 있는 광고에 노출되는 횟수가 늘어날수록(CPM, Cost Per 1000 Impression; 노출 당 과금) 그리고 광고를 클릭하는 횟수가 늘어날수록(CPC, Cost Per Click; 클릭 당 과금) 커지는 구조입니다. 때문에 아시아 사용자들이 아무리 많아도, Stickiness가 낮으면 매출로 연결되지 않죠.
이렇게 유저들이 더 자주 접속하고, 더 많이 접속하는 것이 중요한 페이스북, 인스타그램 같은 SNS 광고 비즈니스 또는 생필품을 판매하는 온라인 쇼핑몰 비즈니스에서 Stickiness 지표를 중요하게 봅니다.
데이터리안 블로그의 Stickiness
지금까지 Stickiness를 어떻게 계산하는지, 어떻게 분석하는지 이야기를 나눠봤습니다. 데이터리안 블로그의 Stickiness는 어떤가요? 여러분들이 보기에 현재 Stickiness 상황이 어떤지, 개선이 필요하다면 어떤 액션이 필요한지 의견을 남겨주세요.
참고 자료 & 데이터 출처
데이터리안 블로그 Google Analytics 대시보드
Thoughts On Facebook's Q2 2015 Earnings


conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

AARRR 프레임워크에서 가장 중요한 Retention, 사용자 유지와 관련한 지표 계산에 대해서 알아봅시다.

클래식 리텐션 Classic Retention

롤링 리텐션은 '사용자가 이탈하지 않고 남아있는가?'에 초점을 맞추기 때문에 Unbounded Retention 이라고도 부릅니다.

롤링 리텐션 Rolling(Unbounded) Retention

범위 리텐션(Range Retention)은 클래식 리텐션을 유연하게 확장한 개념입니다.

범위 리텐션 Range(Bracket) Retention

유저들이 더 자주 접속하는 것이 중요한 비즈니스에서는 Stickiness 지표를 중요하게 봅니다.

DAU, WAU, MAU 그리고 Stickiness 알아보기

"데이터가 지금 한 덩어린가요? 다섯 개로 쪼개보세요”

DAU, WAU, MAU 그리고 Stickiness 알아보기

Contents

데이터 분석 소식을
매월 받아보세요

리텐션 분석

함께 읽어보면 좋은 글

설명 변수를 이용하여 유저 생존 곡선 그리기

구독 서비스의 성장 지표 확인하기 #1. 구독자

매출 분석 (3) LTV(고객 생애 가치), LTR(고객 생애 매출) 왜 필요하고 어떻게 계산할까?

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

DAU, WAU, MAU 그리고 Stickiness 알아보기

Contents

데이터 분석 소식을 매월 받아보세요

리텐션 분석

함께 읽어보면 좋은 글

설명 변수를 이용하여 유저 생존 곡선 그리기

구독 서비스의 성장 지표 확인하기 #1. 구독자

매출 분석 (3) LTV(고객 생애 가치), LTR(고객 생애 매출) 왜 필요하고 어떻게 계산할까?

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요