DEVOCEAN

안녕하세요,

핵심 서비스가 기업 자체를 대변하는 서비스 시대를 살고 있는 것 같습니다.

서비스 또는 프로덕트를 개선하는데 있어서 핵심이 될 수 있는 리텐션 개선에 대해 이야기 해보고자 합니다.

서비스 데이터를 분석하는 여러 방법이 있지만, PA(Product Analysis) 솔루션을 사용해보고자 합니다.

대표적인 PA 솔루션인 Amplitude를 예로 들어 보겠습니다.

1. 리텐션 차트 정의

먼저 리텐션에 대해 정의해봐야겠죠.

리텐션 차트는 특정 기간 동안 사용자가 제품에 얼마나 자주 돌아오는지를 시각적으로 보여주는 도구입니다.

이 차트는 사용자가 처음으로 특정 이벤트(예: 앱 설치, 계정 생성 등)를 수행한 후, 일정 기간 동안 다시 돌아와서 활동하는 비율을 추적합니다.

통상 집계의 기준이 되는 Start Event 와 Return Event 를 지정하고, 측정의 주기, 측정 방식에 따라 다르게 보여줍니다.

1.1 리텐션 집계 방식에 의한 차이

1.1.1 N-day 리텐션

N-day 리텐션(또는 "Return On")은 사용자가 시작 이벤트를 트리거한 후 특정 일에 리턴 이벤트를 트리거한 비율을 나타냅니다.

예를 들어, Day 7의 N-day 리텐션 값은 첫 사용 후 정확히 7일째에 돌아 온 사용자의 비율을 나타냅니다.

아래 예시를 통해 살펴보겠습니다.

Start Event: 로그인

Return Event: Any Event

첫 주에 100명의 새로운 사용자가 있습니다.

7일째에 20명이 돌아옵니다. Day 7의 N-day 리텐션은 20%입니다.

14일째에 15명이 돌아옵니다. Day 14의 N-day 리텐션은 15%입니다.

N-day 리텐션은 특정 일에 돌아온 사용자를 기준으로 하므로, 시간이 지남에 따라 리텐션 비율이 증가하지 않습니다.

1.1.2 Unbounded 리텐션

Unbounded 리텐션(또는 "Return On or After")은 사용자가 시작 이벤트를 트리거한 후 특정 일 또는 그 이후에 리턴 이벤트를 트리거한 비율을 나타냅니다.

예를 들어, Day 7의 Unbounded 리텐션 값은 첫 사용 후 7일 이상 지난 후에 돌아온 사용자의 비율을 나타냅니다.

아래 예시를 통해 살펴보겠습니다.

Start Event: 로그인

Return Event: Any Event

첫 주에 100명의 새로운 사용자가 있습니다.

첫 주 동안 20명이 돌아옵니다. 첫 주의 리텐션은 20%입니다.

두 번째 주 동안 25명이 돌아오지만, 그 중 10명은 첫 주에 이미 돌아온 사용자입니다. 따라서 새로운 15명의 사용자가 돌아왔습니다.

첫 주의 리텐션은 이제 35%이고, 두 번째 주의 리텐션은 15%입니다.

세 번째 주 동안 20명이 돌아오고, 그 중 5명은 처음으로 돌아온 사용자입니다. 첫 주의 리텐션은 이제 40%입니다.

이처럼 시간이 지남에 따라 사용자가 돌아올 시간이 더 많아지므로 리텐션 비율이 점차 증가하게 됩니다.

1.1.3 차이점 요약

N-day 리텐션: 특정 일에 돌아온 사용자를 기준으로 리텐션 비율을 계산합니다. 시간이 지남에 따라 리텐션 비율이 증가하지 않습니다.

Unbounded 리텐션: 특정 일 또는 그 이후에 돌아온 사용자를 포함하여 리텐션 비율을 계산합니다. 시간이 지남에 따라 리텐션 비율이 증가할 수 있습니다.

따라서 서비스의 사용주기와 이용자 패턴, 경우에 따라서는 보고를 받는 사람의 이해도에 따라 다른 지표를 적절히 사용하여 분석하는 것이 좋습니다.

통상 아직 이탈하지 않은 잔존 개념으로 보고자 한다면 unbounded 리텐션을 사용할 수 있고,

요일이나 일자에 따른 주기성을 확인하고자 할 때는 n-day 리텐션을 확인해야 할 것입니다.

리텐션을 개선하고자 할 때 접근해야 하는 첫번째 관점은

전체 유저에 대해 리텐션을 관리 및 개선해야겠다는 접근 보다는,

여러개의 세그먼트로 고객을 나누고, 각 세그먼트에 대해 리텐션을 관리 및 개선하는 접근을 하는 것이 좋습니다.

이를 위해 고객 세그먼트 분류(클러스터링)에 대해서도 언급할 필요가 있는데, 이는 또 다른 시간에 논의 해 볼게요.

리텐션 이야기를 좀 더 이어가보겠습니다.

리텐션 측정에 앞서 확인해야할 조건

핵심 이벤트 결정

핵심 이벤트는 PMF(Product Market Fit)에 해당하는 유저가 우리 서비스의 핵심 가치를 느낄 수 있는 이벤트를 의미합니다.

핵심 이벤트를 제대로 정의하는 것부터 험난한 과정인데, 일단 잘 정했다고 보겠습니다. :)

그 뒤에는 현재 리텐션의 베이스라인을 먼저 확인하는 것이 좋습니다.

아래는 30일 기준 unbounded 리텐션의 예시입니다.

사용주기 결정

리텐션을 측정할 때 "주기"를 daily 로 해야할까요, weekly 로 해야할까요?

정답은 "실제 서비스의 사용주기에 맞추어 보는 것이 좋다"입니다.

Amplitude에서는 리텐션 차트에서 손쉽게 Interval 로 컨버팅할 수 있습니다.

위의 차트를 Usage Interval 로 변경한 예시입니다.

통상 시간이 더 지나도 증가하지 않는 구간의 0.8에 해당하는 날짜를 사용주기로 활용합니다.

계산에 따라 다르겠지만, 위 예시의 경우 대략 8일 전후로 지정하면 큰 문제가 없을 것 같습니다. 거칠게 요약하면 7일 weekly 로 볼 수 있겠네요.

라이프사이클의 이해

위의 그림과 같이 라이프 사이클 차트는 사용자의 여정을 다양한 사용자 유형으로 나누어 분석할 수 있는 유용한 도구입니다.

여기서는 새로운 사용자(New User), 현재 사용자(Current User), 휴면 사용자(Dormant User), 재활성화된 사용자(Resurrected User)라는

네 가지 주요 사용자 유형을 중심으로 라이프 사이클 차트를 설명하겠습니다.

사용자 유형별 라이프 사이클 차트

새로운 사용자 (New User):

• 정의: 제품이나 서비스를 처음 접한 사용자.

• 주요 지표: 신규 가입자 수, 첫 설치 수, 첫 로그인 수.

• 설명: 이 단계에서는 사용자가 제품이나 서비스에 대해 긍정적인 첫 인상을 받을 수 있도록 하는 것이 중요합니다.

  간단한 온보딩 과정, 첫 사용 가이드, 웰컴 메시지 등을 통해 사용자 경험을 최적화합니다.

현재 사용자 (Current User):

• 정의: 현재 활성 상태로 제품이나 서비스를 정기적으로 사용하는 사용자.

• 주요 지표: 일일 활성 사용자 수(DAU), 월간 활성 사용자 수(MAU), 잔존율.

• 설명: 현재 사용자는 이미 제품이나 서비스의 가치를 경험하고 있는 사용자입니다.

  이들의 유지율을 높이기 위해 지속적인 가치를 제공하고, 새로운 기능이나 업데이트, 개인화된 콘텐츠 등을 제공하여 참여도를 높입니다.

휴면 사용자 (Dormant User):

• 정의: 일정 기간 동안 제품이나 서비스를 사용하지 않는 사용자.

• 주요 지표: 비활성 사용자 수, 휴면 사용자 비율.

• 설명: 휴면 사용자는 한때 활발히 사용했지만 더 이상 사용하지 않는 사용자입니다.

  이들을 다시 활성화하기 위해서는 재참여를 유도하는 전략이 필요합니다. 이메일 리마인더, 특별 할인, 맞춤형 메시지 등을 통해 이들의 관심을 다시 끌 수 있습니다.

재활성화된 사용자 (Resurrected User):

• 정의: 휴면 상태에서 다시 활동을 시작한 사용자.

• 주요 지표: 재활성화율, 재활성화 사용자 수.

• 설명: 재활성화된 사용자는 재참여 전략의 성공을 보여주는 지표입니다.

  이 사용자들이 다시 이탈하지 않도록 특별한 혜택을 제공하거나, 지속적인 참여를 유도하는 프로그램을 운영합니다. 이들의 피드백을 통해 서비스 개선에도 활용할 수 있습니다.

마찬가지로 Amplitude 에서는 특정 이벤트와 세그먼트에 대해 라이프 사이클 차트를 제공합니다.

위에서 계산한 weekly 단위로 차트를 살펴 본 예시입니다.

New user와 current user, resurrected user 의 합이 현재 Active user 라고 볼 수 있겠습니다.

이 세그먼트 단위로 주로 하는 행동 패턴이 다르겠죠. 그 행동에 따라 리텐션을 개선하고자 하는 방향성도 다르게 될 것 같습니다.

앞으로 이어질 내용은

1. 이 행동에 따라 세부 세그먼트를 클러스터링하고

2. 각 단위별로 핵심 이벤트에 대한 stickness 를 산출하고

3. 집중해야하는 개선 방향을 탐색하고자 합니다.

감사합니다.