리텐션 (1) Classic Retention
리텐션 시리즈 모아보기
Classic Retention
Rolling Retention
Range Retention
DAU, WAU, MAU 그리고 Stickiness
리텐션 차트, 리텐션 커브 [✨ 로그인 전용]
그로스 해킹의 대표적인 분석 프레임워크로 AARRR을 많이 사용합니다.
AARRR은 사용자 획득 → 신규 사용자가 서비스를 사용하기 시작 (사용자 활성화) → 지속적으로 서비스를 사용 (사용자 유지) → 구매 → 다른 사용자에게 추천 → 새로운 사용자 획득이라는 이제는 당연해 보이는 유저의 서비스 이용 사이클을 체계화한 프레임워크입니다.
A: Acquisition (사용자 획득)
A: Activation (사용자 활성화)
R: Retention (사용자 유지)
R: Revenue (매출)
R: Referral (전파)
흔히 이렇게 깔때기 모양으로 많이 그립니다. 위에 사용자 획득 구간에 유저가 가장 많고, 아래 단계로 내려갈수록 유저가 적어지는 구조를 (대체로) 가지기 때문입니다.
리텐션이 중요한 이유
오늘은 이 중에서도 가장 중요한 Retention, 사용자 유지와 관련한 지표 계산에 대해서 알아보려고 합니다. 다섯 가지 단계 중 가장 먼저 개선을 해야 하는 단계로도 알려져 있죠. 만약 사용자 유지가 되지 않는 서비스인데 광고를 늘려 Acquisition, Activation을 늘렸다고 생각해 봅시다. 새로 들어온 사용자들은 몇 번 서비스를 써보고는 매력을 느끼지 못해 이탈합니다. 이건 밑빠진 독에 물을 붓는 것과 다름이 없습니다. 따라서 새로운 사용자를 받는 것보다 선결되어야 하는 것은 기존 사용자들이 서비스를 만족스럽게 사용하고 있는지, 지속적으로 사용하는지 보는 것이고 이것이 바로 Retention입니다.
이 단계에서는 앞에서 얘기한 것처럼 사용자들이 우리 서비스를 1회성이 아니라 지속적으로 사용하는지, 핵심가치를 꾸준히 경험하는지를 측정합니다. 측정 방법에 정해진 공식이 있는 것은 아니지만 몇 가지 자주 사용하는 방법들이 있습니다. 오늘은 그중에서도 클래식 리텐션(Classic Retention)이라고 많이 부르는 계산 방법에 대해서 살펴보겠습니다. 클래식 리텐션은 N-Day Retention이라고도 합니다.
'지속적 사용'은 어떻게 측정하나요?
일반적으로는 '방문'을 기준으로 측정합니다. 하지만 꼭 '접속', '방문'으로 리텐션의 기준을 한정할 필요는 없습니다. '사용자가 서비스를 지속적으로 사용하는지를 보려고 한다'라는 목표 아래 다양한 로그가 리텐션을 정의하는데 사용될 수 있습니다.
특정 페이지 방문
특정 페이지 N번 방문
결제 버튼 클릭 또는 결제 완료
특정 기능 사용
등등...
예를 들어 어떤 서비스의 경우 단순히 사용자가 서비스에 '방문'한 것으로 서비스를 사용했다고 보기는 어렵다고 판단하고 '특정 기능을 사용'한 유저만 리텐션 계산에 포함시킬 수 있습니다. 
아래 서비스는 제가 잘 쓰고 있는 todo mate라는 일정관리 앱인데요. 제가 느끼는 이 서비스의 핵심 가치는 일정을 등록하고, 일정을 완료하면서 캘린더에 색색의 꽃을 피워내는 성취감에서 옵니다. 이런 경우 리텐션을 계산하는 서비스 담당자라면 '방문'보다는 '일정 등록' 또는 '등록된 일정 완료' 로그를 이용하여 리텐션을 계산해 볼 수 있을 겁니다.
꼭 서비스 전체 레벨의 지표가 아니더라도, 특정 기능을 개발했을 때 또는 우리의 핵심 기능을 유저들이 잘 쓰고 있는지 살펴보기 위해 '기능의 반복 사용'을 보는 기능 리텐션(Feature Retention)을 측정하기도 합니다.
클래식 리텐션 계산하기
자 우리는 일반적으로 많이 사용하는 '방문'을 기준으로 리텐션을 계산해 보겠습니다. 서비스의 특성에 따라 다양한 방법으로 계산을 하는데 이번 장에서는 클래식 리텐션(Classic Retention)이라는 가장 널리 사용되는 간단한 계산 방법을 알아보겠습니다.
202X년 12월 1일에 사용자 A, B, C, D, E 5명이 처음 서비스를 이용하기 시작했다고 생각해 봅시다. 그리고 아래 표와 같이 서비스에 방문했다고 합시다.
202X년 12월 1일에 가입한 사용자들의 접속을 요약해 보면 아래 표와 같습니다. 12월 2일에 방문한 유저는 5명 중 2명으로 40%이고 이 비율을 리텐션이라고 합니다.
클래식 리텐션의 한계
클래식 리텐션은 어떤 날(12월 2일)에, 특정 유저군(12월 1일에 가입한 유저 5명)의 몇 %가 접속(40%)했는지 계산합니다. 아마 조금 날카롭게 생각하시는 분들이라면 이런 질문을 할 수도 있을 것 같습니다.
"사용자 B를 Day 2 계산에서 빼도 되는 건가요? Day 3에도 접속을 하고 있는데, 이 정도면 Day 2 시점에는 서비스를 계속 사용하고 있다고 봐도 되는 게 아닐까요?"
사용자 B의 경우에 Day 0, Day 1, Day 3에 방문했으니까 사실 Day 2에도 관점에 따라 서비스 사용자로 볼 수 있습니다. 서비스 사용을 '유지(Retain)'하고 있느냐 물어봤을 때에 사용자 B는 Day 2 리텐션 계산에 포함되어도 괜찮은 것으로 보입니다. 이렇게 매일매일 사용하는 게 아니라, 사용 주기가 길 경우 클래식 리텐션으로 사용자 유지 여부를 판단했을 때 실제보다 훨씬 과소 계산하게 됩니다.
이렇기 때문에 리텐션 계산에는 다양한 방법이 있습니다. 클래식 리텐션은 사용자가 매일 접속해서 사용할 것으로 기대되는 서비스에 활용하기 적절한 지표입니다. 카카오톡 같은 메신저 앱이나, 트위터 같은 SNS 서비스가 여기에 해당합니다. 위와 같이 사용 주기가 긴 서비스들의 경우 롤링 리텐션(Rolling Retention)이라는 계산법을 많이 사용합니다. 롤링 리텐션은 이탈에 초점을 맞추기 때문에 언바운드 리텐션(Unbounded Retention)이라고 부르기도 합니다. 롤링 리텐션에 대해서는 리텐션 (2) Rolliing Retention 에서 더 얘기해 보겠습니다.
참고 자료
리텐션을 측정하는 세 가지 방법


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

리텐션 (2) Rolling Retention

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

'지속적 사용'은 어떻게 측정하나요?

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

리텐션 (1) Classic Retention

리텐션 (1) Classic Retention

Contents

함께 읽어보면 좋은 글

사용자 행동 데이터 분석 (3) 사용자 행동 데이터를 분석할 때 주의할 점 4가지

코호트 분석 Cohort Analysis

박스 플롯에 대하여

데이터 분석 소식을
한 달에 한 번 받아보세요

리텐션 (1) Classic Retention

Contents

함께 읽어보면 좋은 글

사용자 행동 데이터 분석 (3) 사용자 행동 데이터를 분석할 때 주의할 점 4가지

코호트 분석 Cohort Analysis

박스 플롯에 대하여

데이터 분석 소식을 한 달에 한 번 받아보세요

데이터 분석 소식을
한 달에 한 번 받아보세요