활성 사용자(Active User)의 정의 (2)
활성 사용자 수를 계산하기
웹분석에서는 방문 수(Visit), 방문자 수(Visitor) 등의 용어로 사이트의 방문 횟수를 측정하지만, 앱 분석에서는 DAU, WAU, MAU라는 지표로 앱 사용현황을 파악한다.
모바일 데이터 분석에서 사용하는 앱을 사용하는 유저에 대한 용어 = 활성 사용자(Active User)
웹 분석에서는 방문 수(Visit), 방문자 수 (Visitor) 등의 용어로 사이트의 방문 횟수를 측정, 앱 분석에서는 DAU, WAU, MAU라는 용어로 앱 사용환경을 파악한다.
Active User는 ‘기간’ 동안 앱을 사용한 사용자수
방문수(Visit)는 다른 말로 세션(Session)이라고도 하는데, ‘세션’은 쉽게 말해서 ‘총 방문한 횟수’라고 이해하면 된다. 그래서 세션은 방문할 때마다 증가하는 수치로 보면 된다.
GA에서 데이터를 살펴보면 (1) 세션 수, (2) 사용자 수, (3) 페이지 뷰 이 세 가지 데이터는 크게 차이가 없는 것 같은데 왜 굳이 나눠놨을까?
GA에서 정한 세션의 평균적인 시간은 30분이다. 예를 들어 만약 BMU 웹사이트에 접속했다고 가정해 보자.
1. 10시에 노트북으로 웹사이트에 방문 → 10시 20분에 스마트폰으로 다시 방문
= 세션 수 2번 → 이는 기기(Device) 별로 쌓이는 쿠키가 다르기 때문에, 다른 유저로 인식하기 때문
2. 10시 랩탑으로, 크롬 웹브라우저로 방문 → 10시 20분에 익스플로러로 방문
= 여전히 세션 수 2번 → 브라우저별로 쌓이는 쿠키가 다르기 때문
3. 23시 50분에 노트북 / 크롬으로 방문 → 24시 00분에 노트북 / 크롬으로 방문
= 여전히 세션 수 2번 → 24시가 되는 순간, (이미 접속 중인 유저 포함) 세션이 새로 부여되기 때문
세션 시간 30분을 채운 뒤에도 사이트에 머무르고 있다면? 그렇다면, 세션 1개가 완성됐고, 2번째 세션이 발행된 상태이다. 따라서 유저가 첫 번째 30분을 채우지 못하고 이탈한다면, 유의미한 액션을 하지 않은 채 이탈했다고 간주하는 것이다.
어떤 유저가 방문(30분이 되지 않음) → 어떤 이벤트 실행 → 30분이 되기 전에 이탈
= 방문자 수 1, 세션 수 1
이 세션 시간을 웹 페이지에 맞게 조정하는 것이 중요하다. 유저가 아무리 많은 행동을 하더라도 세션 시간을 너무 길게 잡아버린다면, 세션이 제대로 쌓이지 못할 것이기 때문이다.
기업 입장에서 궁금한 것은 '앱을 사용하는 실제 사용자 수'이다. 분석 툴은 이를 측정하기 위해 각각의 디바이스마다 UUID(Unique User ID)를 부여하여 조건 기간마다 단 1회만 측정하여 사용자 수를 판단한다. (웹에서도 역시 쿠키를 기준으로 사용자 수를 파악하는 데는 오류가 있기 때문에 user id를 부여하는 방법을 사용하고 있다.)
DAU(Daily Active User)
하루 동안의 사용자 수를 판단하는 ‘DAU’를 측정하는 방법은 아래와 같다.
유저가 하루동안 총 3번 방문했다면, 세션 3, DAU 1이 된다.
세션 수 기준으로는 3번 방문을 했기 때문에 3회가 측정되지만, DAU는 하루 동안의 중복을 제거한 최초 1회 방문만을 측정하기 때문에 “홍길동이란 한 명의 사용자가 오늘 들어왔다”는 의미로 1건이 증가하는 것이다.
WAU(Weekly Active User)
한 주간 사용자 수를 판단하는 ‘WAU’는 일요일부터 토요일까지 동일 사용자가 여러 번 사용하더라도 첫 실행만을 파악하여 주간 사용자를 파악한다.
1주일에 3번 방문했다면, 세션 3, WAU 1이 된다.
분석 툴마다 다르지만 보통 일요일부터 토요일까지를 1주로 계산한다.
MAU(Monthly Active User)
한 달 동안 동일 사용자가 여러 번 사용하더라도 첫 실행만을 파악하여 월간 사용자를 파악한다. ‘1달 동안 방문 여부’를 측정하는 것.
1달에 5번 방문했다면, MAU는 1이 된다.
일반적으로 사용자 수에 대한 데이터를 조회하면 방문수 > DAU > WAU > MAU 순의 규모를 갖게 된다.
앱 의존성(Stickiness) 확인 방법
유저가 앱이 제공하는 기능이나 서비스에 얼마만큼 의존하고 있는지를 수치로 표현할 수 있는데 이 수치를 ‘앱 의존성’이라고 부른다. 이를 점착성(Stickiness)이라고 하는데. 측정방식은 DAU/MAU 또는 WAU/MAU를 계산한 값이다. 어떻게 이 수치가 ‘앱 의존성’을 대표하는 것인지 이해를 돕기 위해 한 가지 예를 들어 보겠다.
앱을 막 론칭했고, 최근 한 달간 전체 유저가 1천 명에 도달했다고 가정한다. 그런데 앱이 너무 좋아 모든 유저가 하루에 한 번은 앱을 꼭 실행하고 있다. 다시 말해 전체 유저가 매일매일 빼놓지 않고 앱을 사용하고 있는 것이다. 의존성이 최대인 상황이다.
이 상황을 위의 수식에 대입해 보면. 한 달간 전체 유저가 1천 명이니 MAU는 1,000이고, 하루에 앱을 실행하는 사람이 1천 명이니 DAU는 1,000이다. 위 수식에 대입하면 1,000/1,000 = 1, doq 앱 의존성이 1이 나오게 된다. 퍼센트로는 100%, 수치 상으로는 의존성이 최대인 상황이다.
그런데 어느 날 앱이 업데이트되었는데 불편함을 느끼는 유저들이 늘어났다. 이 날은 전체 유저 중에 절반이 앱을 사용하지 않았다. 이렇게 되면 DAU는 500이다. 앱 의존성도 500/1,000 = 0.5인 절반으로 줄게 되는 것이다.
위와 같이 매일매일의 DAU를 MAU와 연산함으로써 하루하루 달라져가는 앱 의존성을 관찰할 수 있다. 유저들이 우리 앱을 잘 사용해 나가고 있는지에 대해서 빠르고 직관적으로 측정하는데 활용하면 좋은 수치이다.
*번외로 PV와 UV도 함께 살펴보자
PV와 UV
PV(Page Views)
페이지 뷰(Page Views)는 사이트 중 ‘한 페이지’가 사용자의 요청으로 사용자 화면에 표시되는 ‘요청 수’를 세는 단위이다. 쉽게 말해 페이지가 표시된 횟수라고 볼 수 있다. WWW(World Wide Web)에서 하나의 페이지는, HTML과 같은 구조로 되어 있는 다른 페이지들로 연결되는 하이퍼링크로 가지는데, 이들 페이지를 사용자가 클릭하여 요청하면 사용자의 컴퓨터로 그 내용이 전송되고 1PV로 찍히게 되는 것이다.
PV는 한 페이지의 열람 수를 의미하기 때문에 PV수가 증가한다면, 구글이나 네이버, 다음 같은 검색엔진의 평가 또한 높아져 검색 결과 상단에 노출되고 더욱더 인지도가 올라가게 된다. PV는 사이트의 장점을 시각화하는 요소 중 하나이기 때문에 특정 서비스의 경우에는 대표적인 KPI로도 활용할 수 있다.
사이트의 PV는 메뉴나 링크를 통해 다른 페이지로 이동하거나 ‘콘텐츠 더 보기’등의 특정 UI장치들을 통해 늘릴 수 있으며, 같은 페이지를 반복적으로 새로고침하더라도 PV 수는 증가하게 된다.
UV(Unique Visitor)
순 방문자 수라고 불리는 UV(Unique Visitor)는 한 명의 방문자가 여러 번 페이지를 요청하더라도 순수한 통계를 위해 중복되는 값을 제거하고 1번의 방문 기록만 잡아 나타내는 것을 의미한다. 보통 방문자가 자신의 컴퓨터에 기록되는 쿠키값을 남기는 것에 동의함으로써 혹은 IP기록에 의해 측정하게 된다.
그렇기 때문에 사실 ‘순 방문자수 = 사람 수’라고 말할 수 없다. 쿠키나 IP주소가 달라지는 경우에는 이들 사용자를 신규 방문자로 잡을 것이기 때문이다. 컴퓨터를 사용하다가 모바일 폰으로 다시 접속하면 쿠키가 달라서 2UV로 측정될 것이다.
UV는 웹 사이트에 방문한 고객을 IP주소나 쿠키 등으로 조합하여 식별하며 특정 기간 동안 웹 사이트를 방문할 때 ‘재방문’한 고객인지, ‘신규 방문’한 고객인지를 걸러낸다.
사이트 내 UV와 PV는 차가 클수록 좋다. 기본적으로 웹 사이트 전체를 아울러 UV와 PV의 차가 클수록, UV당 평균 PV가 높을수록 사용자가 ‘다른 페이지들도 궁금하니까 더 살펴보아야겠는걸?’라고 생각하기 때문에, 좋은 콘텐츠가 많은 사이트라고 평가 내릴 수 있다.
반면 사이트 전체 상, 이 두 지표의 차가 거의 없거나 적다면 콘텐츠의 질이 나빠 다른 콘텐츠를 더 살펴보려 하지 않거나, 메뉴나 다른 페이지로 이동할 UI상의 접근성이 어렵다고 해석할 수 있다. 나아가, 보편적으로 UV와 PV가 상대적으로 크게 차이가 날수록 많은 검색엔진들에서 ‘좋은 사이트’라고 높이 평가한다.
PV와 UV 지표 활용하기
먼저 PV(Page Views) 지표를 통해 ‘사용자 행동’을 분석할 수 있다. PV는 ‘고객의 관심’으로도 해석할 수 있는데, 인기가 집중되는 페이지가 무엇인지를 파악하여 그것이 상품 상세 페이지인지, 이벤트 페이지인지를 알 수 있고 콘텐츠 전략으로도 활용할 수 있다.
e커머스에서 PV수가 높은 상품 상세 페이지를 ‘인기 상품, 많은 사람들이 보는 상품’으로 제안하여 메인이나 개인화된 페이지에 노출하면 고객의 선택지를 좁혀줄 수 있다.
PV는 구글 애널리틱스와 함께 분석하면 기간 내 디바이스나 방문 지역과 같은 상세 조건으로 세그먼트를 걸 수 있는데, [행동-사이트 콘텐츠-모든 페이지] 메뉴에서 확인할 수 있다. PV수가 높은 페이지를 ‘어떤 검색 키워드’로 방문하는지를 분석하면 고객의 니즈를 파악할 수 있다. PV수가 높거나 낮은 페이지의 접속 디바이스를 확인하면, 구체적인 개선점 분석을 위한 디바이스 우선순위를 결정할 수 있다. PV수가 높은 페이지의 방문 지역이나 국가 통계를 확인하여, 다른 페이지에도 해당 고객의 방문 특성에 맞는 콘텐츠를 녹여낼 수 있다.
UV(Unique Visitors)는 ‘기간 내 방문한 사용자 수’를 알 수 있어 애널리틱스의 기간 설정을 2020년 1월 1일부터 2020년 12월 31일까지로 한다면, 아무리 수십 수백 번 접속하더라고 1UV로 찍힌다. 리 서비스를 이용하는 진짜 고객의 숫자를 파악할 수 있다고 해석할 수 있다. 이 기간 내 UV를 월 단위로 계산하는 것을 MAU, 주 단위로는 WAU, 일 단위로는 DAU라 부른다.
UV보다 PV 수를 늘리는 것이 우리의 일차적인 목표여야 한다. PV와 UV 모두 사이트에 중요하지만, 일차적으로는 PV 수 향상에 집중해야 한다. UV를 늘린다는 것은 외부에서 신규 방문자를 끌어와 늘린다는 의미를 갖지만, PV를 늘린다는 것은 이미 방문한 고객이 더 심도 깊게 사이트를 이리저리 탐색할 수 있도록 만드는 것이기 때문에 마케팅 비용을 들이지 않더라도 UX 개선을 통해 간단히 늘릴 수 있기 때문이다.
주의해야 할 점은 PV 수를 높이더라도 해당 페이지의 이탈률(Bounce Rate)이 높지 않도록 꾸준히 관리해주어야 한다. 방문을 많이 하더라도 무언가 마음에 들지 않아 튕겨져 나가 버릴 수 있기 때문이다.
출처:
https://m.blog.naver.com/dpszeagal33/222287746081
https://www.beusable.net/blog/?p=3781
두 챕터로 나누어 활성 사용자에 대해 알아보았다. 챕터를 나누어 정리하다 보니 첫 번째 챕터는 활성 사용자의 '의미'였다면 두 번째 챕터는 활성 사용자의 '수를 계산하는 방법'이다. 두 번째 챕터에서는 사용자 수에 집중해서 알아보다보니 PV와 UV도 언급할 필요가 있어 내용을 추가했다. 요즘엔 MAU가 대부분 서비스의 북극성 지표여서 활성 사용자에 대한 해석이 매우 중요하다고 생각한다. 활성 사용자의 의미에 대해 나처럼 헷갈렸던 사람이 있다면 두개의 글 다 읽어보면 도움이 될 것 같다.
