2020. 11. 3. 16:20ㆍMarketing/참고자료
지난 편에서는 ARPPU, PUR 등 구매 액션 관련 데이터를 살펴봤다.
오늘은 이런 유저들이 얼마나 오랫동안 서비스에 살아있는가, 즉 리텐션 Retention에 대한 것이다.
유저의 daily ARPPU가 매우 높아도,
하루만에 나가버리면 그 서비스는 지속 가능하지 않다.
그래서 리텐션이 매우 중요해진다!
Retention
- 정의: 유저가 일정 기간 이후에 서비스를 사용하는지 여부 (생존 여부)
- 반댓말 : churn (이탈)
1. N Day retention
- 가입한 지 정확히 N day에 서비스를 이용할 확률
- 클래식 리텐션. 보통 "리텐션" 이라고 하면 N day retention을 의미한다.
TIP! 1day / 7day / 30(28) day를 주로 본다.
[예시]
2/1 100명이 가입
2/2 50명이 로그인
2/8 23명이 로그인
3/1 7명이 로그인
- 1 day retention: 50% = 50/100
- 7 day retention: 23% = 23/100
- 30 day retention: 7% = 7/100
중요한 건 무조건 총 모수인 100명, 즉 가입/첫 액션을 기반으로 리텐션을 계산한다는 것이다.
2. Week retention
- 가입한 지 정확히 N week에 (한 번이라도) 서비스를 사용할 확률
- Week retention에선 일주일(=7일 동안) 1번이라도 로그인하면 생존 유저이다.
TIP1! daily retention보다 더 generous 한 기준이다.
다음 예시를 한번 보자. 각각 색은 W1 월요일에 가입한 3명의 유저를 상징한다.
- 핑크유저: 14일 중 13일을 로그인했지만, 7일 째인 w2 월에 로그인하지 않았으므로 7 day retention에서 이탈한 유저이다. 1 week retention으로는 생존유저이다.
- 주황유저: 7일째인 w2 월에 로그인했으므로 7 day retention에서는 생존이다. 그러나 w2 weekly retention (8-15일째: w2 화 - w3월)에 로그인하지 않았으므로, 2 week retention에서는 이탈이다.
- 녹색유저: 가입날을 제외하고 토/일에만 들어오는 유저이다. 7 day retention에서는 이탈유저이고, 1 week retention으로는 생존유저이다.
TIP2!
Week retention 기준은 어디에 쓸까?
일주일 중 사용하는 날이 정해져있는 서비스에 좀 더 적합하다.
위의 녹색유저 같은 패턴으로, 호텔, 취미, 엔터테인먼트 등이 해당할 수 있다.
보통 쓰는 날이 정해져 있기 때문에, 유저가 이탈하지 않아도 1/3 day 리텐션은 안 좋게 나올 수 있다.
실제 유저가 생존인지를 오히려 week retention이 더 잘 판별할 수 있다.
3. Rolling retention
- 가입한 지 N day 이후에 서비스를 사용할 확률
- 거의 안쓰니까 알아만 두자
TIP1!
롤링 리텐션은 N day retention과 달리 정확한 날짜를 지정하는게 아니라 그 뒤의 모든 날짜 중 아무때라도 다시 돌아오면 생존으로 간주한다.
1 day retention이 50% 인 경우, 가입자의 50%가 가입 d+1에 로그인했다는 것이고,
1 day rolling retention이 50%인 경우는, 가입자의 50%가 2일 이후 로그인을 했다는 것이다.
그래서 당연히 그래프는 이렇게 N day retention보다 rolling retention이 더 좋다.
TIP2!
있어보이고 싶다면, 리텐션을 구할 때 "90일 frame으로 롤링 리텐션도 함께 구해볼까요?" 라고 말해보라. 롤링 리텐션은 가끔 투자자에게 보여줄 용도로 사용하는 경우를 빼고는 없다. 그 이유는 롤링리텐션은 치명적인 단점을 2가지 가지고 있기 때문이다.
1. 이미 계산해놓은 데이터가 변동한다.
- 사용자가 d+0에 로그인하고 로그인 안 하다가 d+90인 오늘 로그인을 했다면, 어제까지 해당 유저는 이탈 유저였는데 오늘 부터는 아니기 때문에 그 이전의 모든 값을 수정해야한다.
2. 딱히 시사하는 바가 없다.
그렇다, 쓸모가 없다. 더 자세한 것은 아래 글을 참고하자.
gopractice.io/blog/day-n-retention-rolling-retention-and-the-many-facets-of-the-retention-metric/
4. Bounce rate 제거 retention
- Bounce rate 제거한 N day retention
*Bounce rate
- 서비스에 진입하자마자 나간 유저의 비율
- 주로 웹트래픽 분석에 사용하는데, 앱서비스에서도 가~끔 볼 수 있다.
- 웹에서는 들어온 그 한 페이지만을 보고 나가는 유저를 bounce해서 나갔다고 여기고, 앱은 각 서비스마다 적당히 bounce를 정의해줘야 한다.
- 주로, 앱은 다운로드 했으나 주요 액션인 XXX를 하지 않고 앱 삭제함 / 앱 다운로드 00분 안에 앱 삭제함 등으로 정의한다.
[배달앱 기준]
2/1 100명이 가입 & 그 중 20명은 주문 한번도 안하고 당일날 탈퇴 / 앱삭제
2/2 50명이 로그인
2/8 23명이 로그인
3/1 7명이 로그인
- 1 day Bounce rate 제거 retention: 62.5% = 50/80
- 7 day Bounce rate 제거 retention: 28.8% = 23/80
- 30 day Bounce rate 제거 retention: 8.8% = 7/80
중요한 건 무조건 총 모수인 100명이 아닌, bounce한 유저를 제외한 80명이라는 것이다.
리텐션의 종류는 위처럼 4가지가 있다.
잊지 말 것은 어느 회사, 어느 국가를 가도 1번이 국룰이다.
IR이나 보고에 절대로 다른 방식을 사용해서는 안된다!
그러나 각 서비스를 더 잘 이해하기 위해서,
다른 리텐션도 사용해야하는 경우가 있기 때문에 알고 넘어가는게 좋다.
실제로 현 회사에서는 1, 2와 monthly retention 세가지를 다 사용한다.
위 4 종류 리텐션을 기반으로,
유저구분과 엮으면, RU retention, PU retention 등이 나오고,
액션과 엮으면, 기능 사용 retention, 구매 retention 등이 나온다.
이는 각각 상황에 맞게 잘 사용할 수 있어야 한다.
리텐션은 처음 배우는 사람은 개념조차도 어렵다.
다음에는 좀 더 쉬운 데이터로 돌아오겠다.
'Marketing > 참고자료' 카테고리의 다른 글
SI란? 그리고 SI 개발자 임금은? (0) | 2020.12.16 |
---|---|
유저 액션 지표를 정의하고 분석하기 (0) | 2020.11.04 |
구매관련 지표와 데이터 (0) | 2020.11.03 |
RU, PU 유저구분과 유저 구매 데이터 분석 (0) | 2020.11.03 |
진짜로 문서로만 보고하는 PPT 작성 요령 (0) | 2020.10.11 |