<그로스 해킹> AA'R'RR: Retention 리텐션

 

 

<그로스 해킹> A'A'RRR: Activation 활성화

 

AARRR 프레임워크의 활성화 Activation 단계 다음인 리텐션(유지율) Retention에 대해 정리해 보았습니다.

 

리텐션 Retention

• 서비스의 성공을 예측할 수 있는 가장 기본적이면서 중요한 지표
• 잘하고 있을 때 더 세심하게 측정하고 관리해야 하는 지표
• 일반적으로 '접속'을 기준으로 측정(그 외에도 상품 페이지 5개 이상 방문, 구매하기 클릭, 구매 완료, 재구매, 친구 초대, 메시지 주고받기, 콘텐츠 시청 등)

개선이 어려운 영역, 사용자 경험 전반에 걸친 세심한 분석과 개선이 필요, 효과가 있더라도 결과를 확인 데 오랜 시간 필요

<-> 일정 수준 개선할 수 있다면 장기적으로 엄청나게 큰 효과

 

 

측정 방법

클래식 리텐션 Classic Retention = Day N Retention

가장 일반적인 유지율 계산 방법

특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식

클래식 리텐션 = Day N에 서비스를 이용한 사람 / Day 0에 처음 서비스를 이용한 사람

 

쉽고 계산이 간단하나, 특정일에 노이즈에 민감하고 일 단위의 로그인 데이터 모두 확보해야 계산 가능

매일 접속해서 사용할 것으로 기대되는 서비스에서 활용하기 적절한 지표 ex. 전화, 메신저, SNS

노이즈 줄이는 방법으로 기준일 여러 개 두고 평균 리텐션 계산

 

 

범위 리텐션 Range Retention

특정 기간에 이벤트를 발생시킨 유저의 비율을 계산하는 방식

클래식 리텐션과 동일하지만 "특정 기간"이 기준

접속 횟수는 고려하지 않고, 1회 이상의 접속 기록이 있으면 해당 기간에 접속한 것으로 인정

범위 리텐션 = Range N에 서비스를 이용한 사람 / Range 0에 처음 서비스를 이용한 사람

 

쉽고 직관적, 측정일에 따른 노이즈(Day-to-Day Noise)가 적으나, 기준이 되는 기간이 길어질수록 리텐션이 과대 추정(Over-estimated)될 수 있다는 문제, 의미 있는 결과를 보기 위해 어느 정도 기간이 축적돼야 하기 때문에 트렌드를 확인하는 데 비교적 오랜 시간 필요

굳이 매일 접속하지 않더라도 일정 간격으로 꾸준히 사용하는 가계부/음식배달 서비스 등 활용하기 적합

 

 

롤링 리텐션 Rolling Retention

 

더 이상 해당 이벤트가 발생하지 않는 비율은 얼마인가?를 살펴봄으로써 리텐션을 계산하는 방식

롤링 리텐션 = After N day에 서비스를 이용한 유저 / Day 0에 처음 서비스를 이용한 유저

 

'마지막 로그인 날짜'를 활용해 계산

 

최초 로그인 시점과 마지막 로그인 시점에 대한 데이터만 있으면 계산 가능하나 단 한 번이라도 로그인하는 경우 그 이전까지의 모든 기간을 활동한 기간으로 인정한다는 특성 때문에 유지율이 과대 추정되는 경향이 강하게 나타나므로 동일한 맥락에서 이상치의 영향이 매우 큼

또한 리텐션 수치가 계속 변할 수 있다는 것도 문제

 

롤링 리텐션은 절대적인 수치보다 지표의 움직임 추이에 초점을 맞춰 활용하는 것이 좋다.

 

 

사용 빈도가 높지 않은 서비스에 이용 ex. 의류 쇼핑 서비스, 여행 서비스 등 

 

 

인게이지먼트 Engagement

약식으로 보는 리텐션 지표

Engagement = DAU/MAU

 

매일 동일한 사용자가 반복적으로 들어오는지 혹은 날마다 새로운 사용자가 들어오는지 빠르게 가늠

클래식 리텐션에 잘 맞는 서비스(ex. 전화, 메신저, SNS)에 활용

 

 

리텐션 분석

코호트에 따른 차이 살펴보기

• 기본은 날짜 - 추이를 살펴보면 흐름에 따라 good/bad 판단
• 유입 채널별 리텐션 비교 - 충성 고객 전환 비율 확인

 

리텐션 차트 Retention Chart

코호트에 따라 리텐션이 어떻게 움직이는지를 시각화해서 확인

일반적으로 코호트, 볼륨(각 코호트 크기), 기간, 유지율의 4가지 요소로 구성

 

기본적으로 리텐션은 시간에 따른 변화 추이를 민감하게 살펴봐야 하는 지표

• 추이가 어떠한지, 안정화되는 지점이 있는지, 기간이 어떻게 되는지
• 서로 다른 코호트의 동일한 기간 유지율 비교하면 어떤지 ex. 2020년 1월 가입자 vs 2020년 5월 가입자의 60일 리텐션 차이
• 기간에 따른 나눈 코호트의 규모 변화는 어떤지, 가입자(or 접속자) 추세는 어떤지

 

리텐션 개선

시점에 따라 크게 2가지로 나눠 고려

• 초기에 리텐션 떨어지는 속도 늦추기
• 리텐션 안정화 이후 기울기를 평평하게 유지하여 오래 유지되게 하기

 

초기 속도: 활성화 프로세스의 영향 많이 받음, NUX(New User Experience, 신규 사용자 경험) 영역

ex. 활성화 단계에서 이탈이 많은 경로 확인하여 개선

 

안정화 구간: 사용자와의 관계 잘 유지하는 것이 중요 

ex. 정기적인 커뮤니케이션 플랜, CRM 마케팅 활동, 주기적 프로모션 등, 리마케팅 진행(일정 기간 미사용 후 휴면 고객 사용자 대상 복귀 명분 제공)

 

떨어진 리텐션을 끌어올리는 것보다는
애초에 떨어지지 않도록 관리하는 편이 현명하다

 

 

 

일반적으로 높은 리텐션 유지 방법 중 하나는 서비스를 통해 '축적되는' 가치를 만들고 이를 사용자에게 지속적으로 전달하는 것

반대로 후발주자 서비스는 경쟁 서비스에서 쌓은 가치를 손실 없이 이전하는 기능 제공 

ex. 노션은 가져오기 기능을 통해 에버노트 등의 데이터를 쉽게 가져오는 기능 제공

 

 

정리

단순히 리텐션 지표만 보지 말고 전반적인 사용자 경험을 고려하는 것이 필요

서비스 카테고리마다 권장되는 리텐션 수준이 다르다는 점도 유의

이미 잘 활동하는 사용자들을 불편하게 만들어야 함

 

리텐션은 늘 일관되게 유지되지 않으므로 기간에 따른 코호트 분석 꾸준히 필요