[그로스해킹] 리텐션 분석 (Classic, Rolling, Range Retention), 리텐션 차트, 리텐션 커브의 이해

다음 글은 데이터리안 블로그의 리텐션과 관련된 글을 읽고 남기는 후기입니다.

 

목차

AARRR
리텐션
    • 클래식 리텐션
    • 롤링 리텐션
    • 범위 리텐션
리텐션 차트
리텐션 커브
후기

---

 

리텐션을 이해하기 위해서는 AARRR 프레임워크를 먼저 알아야 한다.

 

AARRR

AARRR은 사용자가 서비스를 이용하는 과정을 체계화한 프레임워크이다. 

사용자의 데이터를 바탕으로 서비스를 지속적으로 개선하기 위해

그로스해킹 분야에서 잘 쓰이는 프레임워크 중 하나이다. 

 

• A: Acquisition (사용자 획득) : 서비스 홈페이지에 사용자가 랜딩

• A: Activation (사용자 활성화) : 신규 사용자가 서비스를 사용하기 시작

• R: Retention (사용자 유지) : 지속적으로 서비스를 사용

• R: Revenue (매출) : 구매

• R: Referral (전파) : 다른 사용자에게 추천

이미지 출처: https://dwarves.foundation/playbook/aarrr-framework-zmjhde6izw/

 

흔히 이미지와 같이 깔때기 모양이라고 하는데

가장 위에 사용자 획득 구간에 유저가 가장 많고 아래로 내려갈 수록 유저가 적어지는 구조를 가지기 때문이다.

이중 사용자 유지 단계의 'Retention'에 대해 깊이 알아보고자 한다.

 

리텐션 (Retention)

사용자가 서비스를 지속적으로 이용하고 있는 정도를 나타내는 지표이다.

리텐션이 높다는 것은 고객들이 서비스에 만족한다는 의미이지만

리텐션이 낮다는 것은 밑 빠진 독과도 같다. 

신규 고객 유입을 위해 마케팅을 하더라도 핵심 가치를 경험하지 못하고

빠져나가기 때문에 마케팅 비용만 소모하게 되기 때문이다.

 

따라서 리텐션을 높이는 것은 서비스의 성공 여부를 판단하는 중요한 지표 중 하나이다. 

 

일반적으로는 '방문'을 기준으로 리텐션을 측정하긴하나

특정 기능을 사용하거나 결제 버튼 클릭 또는 결제 완료 등 

다양한 로그가 리텐션을 정의하는 데 사용될 수 있다. 

 

1. 클래식 리텐션 (Classic Retention, N-Day Retention)

특정 날짜(일/주/월)를 기준으로 얼마나 많은 사용자가 서비스에 방문했는지 측정하는 방법으로

'N-Day Retention'이라고도 부른다. 

모바일 게임이나 메신저같이 사용자가 매일 서비스를 사용하기를 기대하는 경우, 

클래식 리텐션으로 보는 것이 적합하다. 

 

계산해보기

사용자	Day 0	Day 1	Day 2	Day 3	Day 4	Day 5
A	방문	방문	방문	방문	방문	방문
B	방문	방문		방문
C	방문		방문	방문
D	방문					방문
E	방문
클래식 리텐션	100%	40%	40%	60%	20%	40%

 

 

2.  롤링 리텐션 (Rolling Retention, Unbounded Retention)

기준일을 포함하여 그 이후에 한 번이라도 재방문한 사용자의 비율을 측정하는 방법으로

'마지막 방문일 이전은 방문한 것으로 간주한다'고 생각할 수 있다. 

롤링 리텐션은 '사용자가 이탈하지 않고 남아있는가?'에 초점을 맞추기 때문에

'Unbounded Retention'이라고도 부른다.

이 리텐션은 부동산이나 여행 등 사용자가 서비스를 매일 사용하지 않는 경우에 적합하다. 

 

계산해보기

사용자	Day 0	Day 1	Day 2	Day 3	Day 4	Day 5
A	방문	방문	방문	방문	방문	방문
B	방문	방문	(방문으로 간주)	방문
C	방문	(방문으로 간주)	방문	방문
D	방문	(방문으로 간주)	(방문으로 간주)	(방문으로 간주)	(방문으로 간주)	방문
E	방문
롤링 리텐션	100%	80%	80%	80%	40%	40%

 

 

3. 범위 리텐션 (Range Retention, Bracket Retention)

클래식 리텐션과 같이 매일 계산되는 것이 아닌 1일차, 3일차, 7일차, 14일차 등 

운영하는 서비스의 특성에 맞는 커스텀한 기간에 따라 고객의 리텐션을 측정하는 방법이다.

범위를 유연하게 지정하는 게 특징이기 때문에 Bracket Retention이라고도 부른다.

 

기간을 묶어서 계산하기 때문에 노이즈에 강한 편이다. 

하루 정도 접속 안했다고 하더라도 리텐션에 영향을 주지 않기 때문이다.

주로 서비스 사용주기가 길거나 주기적인 경우에 적합하다. 

 

계산해보기

*기간 3일로 잡기 (Day 0, Day 1~3, Day 4~6)

사용자	12-01 (Day 0)	12-02 (Day 1)	12-03 (Day 2)	12-04 (Day 3)	12-05 (Day 4)	12-06 (Day 5)	12-07 (Day 6)
A	방문	방문	방문	방문	방문	방문	방문
B	방문	방문	ㅤ	방문	ㅤ	ㅤ	ㅤ
C	방문	ㅤ	방문	방문	ㅤ	ㅤ	ㅤ
D	방문	ㅤ	ㅤ	ㅤ	ㅤ	방문	ㅤ
E	방문	ㅤ	ㅤ	ㅤ	ㅤ	ㅤ	방문
범위 리텐션	100%	60%	60%	60%	60%	60%	60%

 

 

같은 데이터를 이용하더라도 리텐션 계산 방법에 따라 이렇게 리텐션이 달라질 수 있다. 

이미지 출처 : 데이터리안 블로그

 

리텐션 분석을 할 때 주의할 점은

데이터를 큰 덩어리로만 보면 인사이트를 얻기 어려울 수 있다.

 

보다 빈틈없는 분석을 위해 '코호트 분석' 이라는 개념이 도입되었는데,

이는 데이터를 여러 그룹으로 나누어 특정 집단별 특징을 보고

다른 집단과 비교하는 분석 방법이다.

 

주로 성별, 연령대 등으로 나누거나 

가입 시기별로 유저를 나누어 관찰하여

시간 흐름에 따라 리텐션이 좋아지고 있는지 나빠지고 있는지 흐름을 판단할 수 있다.

 

리텐션 차트 (Retention Chart)

이미지 출처 : 데이터리안 블로그 Google Analytics 사용자 유지율 차트

 

리텐션 차트는 사용자의 유지율을 시간에 따라 그래프로 표현한 것으로

가입 시기별로 나눈 코호트를 통해 얻은 정보를 시각적으로 보여준다.

이를 통해 시간이 지남에 따라 리텐션이 개선되고 있는지 확인할 수 있다. 

 

리텐션 커브 (Retention Curve)

이미지 출처 : 데이터리안 블로그

 

리텐션 커브는 초기에 이탈하는 사용자를 줄이고 

사용자와의 장기적인 관계를 유지하는 방법을 설명한다.

초기 이탈을 막기 위해서는 사용자의 처음 경험을 개선하는 것이 중요하며, 

장기적인 관계를 유지하기 위해서는 핵심 가치를 계속해서 사용자에게 제공하는 것이 중요하다.

 

후기

 

필자는 데이터 분석을 공부하면서 특히 사용자 데이터를 바탕으로

서비스를 지속적으로 개선하는 분야에 흥미를 느끼고 있었다.

다만 개념이 확실하지 않아서 공부가 필요한 시점이었는데

이번 데이터리안 블로그 글을 통해 리텐션에 대해 깊이 알아볼 수 있어서 유익하였다.

 

우선 2가지가 가장 와 닿았었는데,,

 

첫번째는 지표의 정의를 명확히 해야한다는 점이다. 

리텐션이 높으면 좋다는 건 알겠는데 리텐션에서

유저는 정확히 무엇을 의미하는지,

유저가 활동한다는 것은 정확히 어떤 활동인지,

리텐션은 어떤 방식으로 측정할 것인지 등

지표의 operational definition을 명확하게 정의하는 게 중요하다는 걸 깨달았다.

 

두번째는 서비스의 현재 상태를 깊이 이해해야한다는 점이다.

사용자가 매일 서비스를 사용하기를 기대하는 서비스인지,

매일 사용하지 않아도 적합한 서비스인지 등

현재 서비스의 상태를 깊이 이해해야한다는 것을 깨달았다.

서비스 특성에 맞는 리텐션 방법을 찾아 서비스 방향을 명확히 해야한다. 

 

---

참고

[데이터리안]
Classic Retention
Rolling Retention
Range Retention
리텐션 차트, 리텐션 커브

[추가 참고]
서비스 기획자를 위한 데이터분석 시작하기
사례와 함께 보는 리텐션율