[AARRR] 리텐션(Retention) 지표 : 리텐션과 인게이지먼트

리텐션이란?

• 리텐션은 대표적으로 잘하고 있을 때일수록 더 세심하게 측정하고 관리해야 하는 지표
• AARRR 중에서도 특히 개선이 어려운 영역으로 꼽힘
  • 리텐션의 변화는 비교적 오랜 기간에 걸쳐 서서히 나타나기 때문에 어떤 개선이나 변경이 효과가 있었더라도 결과를 확인하는 데는 오랜 시간이 필요함
• 일반적으로 접속이나 로그인을 기준으로 리텐션을 측정
  👉 사용자가 서비스에 진입하는 것이 유의미한 행동이며, 이 행동이 반복되는지 살펴보는 것이 중요하므로
• 주요 이벤트는 시간의 흐름에 따라 반복 여부를 살펴보는 것이 의미가 있음
  • 상품 페이지 5개 이상 방문
  • 구매하기 클릭
  • 구매 완료
  • 재구매
  • 친구 초대
  • 메시지 주고받기
  • 콘텐츠 시청

 

리텐션을 측정하는 방법 3가지

1. 클래식 리텐션

클래식 리텐션

• 가장 일반적인 유지율 계산 방법
• 특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식 → Day N 리텐션 이라고도 함
• 클래식 리텐션 = Day N에 서비스를 이용한 사람 / Day 0에 처음 서비스를 이용한 사람
• 특정일에 접속했는지 여부는 고려하지만 그때까지 꾸준히 반복적으로 들어왔는지 여부는 고려하지 않음
• 단점 : 특정일의 노이즈에 민감하고, 일 단위의 로그인 데이터를 모두 확보하고 있어야 계산이 가능
• 일반적으로 매일 접속해서 사용할 것으로 기대되는 서비스에서 활용하기에 적절한 지표
  👉 짧은 주기로 반복적 사용하는 서비스 : 전화, 메신저, SNS 등
• 노이즈를 줄이기 위해 기준일을 여러 개 두고 각 기준일에 따른 Day N 리텐션을 각각 측정한 후, 이 값의 평균을 계산해서 N일 기준의 리텐션 지표를 구하는 방법을 사용할 수 있음

 

2. 범위 리텐션(Range Retention)

range retention

 

• 특정 기간에 이벤트를 발생시킨 유저의 비율을 계산
  • 특정 기간(예로, 7일이나 1개월)을 기준으로 함
• 기간 내 접속한 횟수는 고려하지 않으며, 1번 이상의 접속 기록이 있으면 해당 기간에는 접속한 것으로 인정
• 범위 리텐션 = Range N에 서비스를 이용한 사람 / Range 0에 처음 서비스를 이용한 사람
• 클래식 리텐션 대비 측정일에 따른 노이즈(Day-to-Day Noise)가 크지 않다는 장점이 있음
  • 단, 기준이 되는 기간이 길어질수록 리텐션이 과대 추정(Over-estimated)될 수 있다는 문제가 있음
• 단점 : 의미 있는 결과를 보기 위해 어느 정도 기간이 축적돼야 하기 때문에 리텐션 트렌드를 확인하는데 비교적 오랜 시간이 필요함
• 클래식 리텐션에 비해 사용주기가 길고 주기적인 서비스에서 많이 활용(가계부, 음식 배달 등)

 

3. 롤링 리텐션(Rolling Retention)

rolling retention

 

• ‘더 이상 해당 이벤트가 발생하지 않는 비율은 얼마인가?’를 살펴봄으로써 리텐션을 계산 → ‘몇 명이 돌아왔는가?’와 반대
• 롤링리텐션 = After N day에 서비스를 이용한 유저 / Day 0에 처음 서비스를 이용한 유저
• ‘마지막 로그인 날짜’를 활용해 리텐션을 계산한다고 생각하는 것
• 최초 로그인 시점과 마지막 로그인 시점에 대한 데이터만 있으면 계산할 수 있음
• 단 한 번이라도 로그인하는 경우, 그 이전까지의 모든 기간을 활동한 기간으로 인정한다는 특성 → 유지율 과대 추정되는 경향이 강함
• 사용자들의 이후 접속 패턴에 따라 기존에 계산했던 리텐션 값이 얼마든지 달라질 수 있음
  → 절대적인 수치보다 지표의 움직임 추이에 초점을 맞춰 활용하는 것이 좋음
• 사용빈도가 높지 않은 서비스에서 유용 (의류 쇼핑, 여행 서비스 등)

 

인게이지먼트

• 약식으로 보는 리텐션 지표라고 하며, Engagement = DAU / MAU로 계산
• 매일 동일한 사용자가 반복적으로 들어오는지 혹은 날마다 새로운 사용자가 들어오는지를 빠르게 가늠할 수 있음
• 사용자들이 꾸준히 들어와서 주기적으로 사용하는 서비스에 적합(클래식 리텐션처럼)
• 날짜에 따라 변화 추이를 살펴보는 것이 전반적인 리텐션 수준을 요약해서 살펴보는데 도움이 됨

 

코호트에 따른 리텐션 차이

 

• 일반적으로 리텐션을 분석할 때 활용하는 코호트의 기본은 날짜
• 가입 월별 리텐션, 첫 구매 월별 리텐션과 같이 날짜나 기간을 기준으로 한 리텐션 추이를 살펴봄(혹은 유입 채널별 리텐션을 비교하기도 함)

리텐션 차트

 

• 리텐션 차트 
  • 코호트에 따라 어떻게 리텐션이 움직이는지 시각화해서 확인 가능
  • 4가지 요소로 이루어짐 : 코호트, 볼륨, 기간, 유지율 
  • 살펴볼 요소 예시
    • 하나의 코호트 안에서 기간에 따른 유지율을 봤을 때 그 추이가 어떠한가? / 유지율이 급격하게 떨어지지 않고, 안정화되는 지점이 있는가? / 대략 어느 정도 기간이 지나야 안정화된다고 볼 수 있는가?
    • 서로 다른 코호트의 동일한 기간의 유지율을 비교하면 어떠한가?
    • 기간에 따라 나눈 코호트의 규모는 어떻게 달라지고 있는가? 가입자(혹은 접속자)가 꾸준히 증가하는 추세인가, 유지되거나 감소하는 추세인가?

 

리텐션 개선하기

1. 초기에 리텐션이 떨어지는 속도를 늦추기

• 활성화 프로세스의 영향을 많이 받음 → 활성화 단계에서 이탈이 많은 경로가 어디인지 살펴보기
  👉 NUX(New User Experience ; 신규 사용자 경험) 살피기

2. 리텐션이 안정화된 이후에는 기울기를 평평하게 유지해서 오래 유지되게 하기

• 정기적인 커뮤니케이션 플랜, CRM 마케팅 활동, 주기적 프로모션 등이 도움이 됨
• 일정기간 미사용 후 휴면고객이 되는 사용자를 대상으로 리마케팅(Re-Marketing) 등을 꾸준히 진행할 필요가 있음

 

 

 

---

본 포스팅은 도서 <그로스 해킹>을 참고하여 작성했습니다 👍 (도서를 직접 읽어보시는 것을 추천합니다)

https://product.kyobobook.co.kr/detail/S000001766457