멍청이를 위한 IT 데이터 #3 - 리텐션
리텐션, 유저를 얼마나 오랫동안 붙잡아 둘 수 있는가
멍청이를 위한 IT 데이터 #2 - 구매 지표
아무도 가르쳐 주지 않는!
구글과 한국의 IT 대기업에서 보는 기초 데이터!
지난 2편에서는 ARPPU, PUR 등 구매 액션 관련 데이터를 살펴봤다
오늘은 이런 유저들이 얼마나 오랫동안 서비스에 살아있는가, 즉 리텐션 retention에 대한 것이다.
유저의 daily ARPPU가 매우 높아도,
하루만에 나가버리면 그 서비스는 지속 가능하지 않다.
그래서 리텐션이 매우 중요해진다!
[주의사항]
영어 약자들은 회사마다 틀릴 수 있다. 이 글에서는 가장 널리 사용되는 것을 사용했 ...
지만 심지어 나의 현 회사도 내 글과는 다른 약자들을 쓰고 있다. 케바케회바회.
Retention
정의: 유저가 일정 기간 이후에 서비스를 사용하는지 여부 (생존 여부)
반댓말 : churn (이탈)
1. N Day retention
= 가입한지 정확히 N day 에 서비스를 사용할 확률
클래식 리텐션. 보통 "리텐션" 이라고 하면 N day retention을 의미한다
TIP! 1 day/7 day/30(28) day 를 주로 본다.
2/1 100명이 가입
2/2 50명이 로그인
2/8 23명이 로그인
3/1 7명이 로그인
1 day retention: 50% = 50/100
7 day retention: 23% = 23/100
30 day retention: 7% = 7/100
중요한건 무조건 총 모수인 100명, 즉 가입/첫 액션을 기반으로 리텐션을 계산한다는 것이다.
2. Week retention
= 가입한지 정확히 N week 에 (한 번이라도) 서비스를 사용할 확률
Week retention에선 일주일(=7일 동안) 1번이라도 로그인하면 생존 유저이다.
TIP1! daily retention보다 더 generous 한 기준이다.
다음 예시를 한번 보자. 각각 색은 w1월요일에 가입한 3명의 유저를 상징한다.
핑크유저: 14일 중 13일을 로그인했지만, 7일 째인 w2 월에 로그인하지 않았으므로 7 day retention 에서 이탈유저이다. 1 week retention으로는 생존유저이다.
주황유저: 7일째인 w2 월에 로그인했으므로 7 day retention에서는 생존이다. 그러나 w2 weekly retention (8-15일째 : w2 화- w3월)에 로그인하지 않았으므로 2 week retention 에서는 이탈이다.
녹색유저: 가입날을 제외하고 토/일에만 들어오는 유저이다. 7 day retention 에서는 이탈유저이고, 1 week retention으로는 생존유저이다
TIP2!
Week retention 기준은 어디에 쓸까?
일주일중 사용하는 날이 정해져있는 서비스에 좀 더 적합하다.
위의 녹색유저 같은 패턴으로, 호텔, 취미, 엔터테인먼트 등이 해당할 수 있다.
보통 쓰는 날이 정해져 있기 때문에, 유저가 이탈하지 않아도 1/3 day 리텐션은 안 좋게 나올 수 있다.
실제 유저가 생존인지를 오히려 week retention이 더 잘 판별할 수 있다.
3. Rolling retention
= 가입한지 N day 이후에 서비스를 사용할 확률
거의 안쓰니까 알아만 두자
TIP1!
롤링 리텐션은 N day retention과의 달리 정확한 날짜를 지정하는게 아니라 그 뒤의 모든 날짜 중 아무때라도 다시 돌아오면 생존으로 간주한다.
1 day retention이 50 % 인 경우, 가입자의 50 %가 가입 d+1에 로그인을 했다는 것이고,
1 day rolling retention 이 50% 인 경우는, 가입자의 50 %가 2 일 이후 로그인을 했다는 것이다.
그래서 당연히 그래프는 이렇게 n day retention보다 rolling retention이 더 좋다.
TIP2!
있어보이고 싶다면, 리텐션을 구할때 "90알 frame 으로 롤링리텐션도 함께 구해볼까요?" 라고 말해보라.
물론, 필요없다고 할거다. 롤링 리텐션은 가끔 투자자에게 보여줄 용도로 사용하는 경우를 빼고는 없다.
그 이유는 롤링리텐션은 치명적인 단점을 2가지 가지고 있기 때문이다.
1. 이미 계산해놓은 데이터가 변동한다.
사용자가 d+0에 로그인하고 로그인 안 하다가 d+90인 오늘 로그인을 했다면, 어제 까지 해당 유저는 이탈 유저였는데 오늘 부터는 아니기 때문에 그 이전의 모든 값을 수정해야한다.
2. 딱히 시사하는 바가 없다.
그렇다, 쓸모가 없다. 더 자세한 것은 아래 글을 참고하자.
4. Bounce rate 제거 retention
= Bounce rate 제거한 N day retention
* Bounce rate
= 서비스에 진입하자마자 나간 유저의 비율
주로 웹트래픽 분석에 사용하는 데, 앱서비스에서도 가~끔 볼 수 있다.
웹에서는 들어온 그 한 페이지만을 보고 나가는 유저를 bounce해서 나갔다고 여기고, 앱은 각 서비스마다 적당히 bounce를 정의해줘야한다.
주로, 앱은 다운로드 했으나 주요 액션인 XXX하지 않고 앱 삭제함/ 앱 다운로드 00분 안에 앱 삭제함 등으로 정의한다.
[배달앱 기준]
2/1 100명이 가입 & 그 중 20명은 주문 한번도 안하고 당일날 탈퇴/앱삭제
2/2 50명이 로그인
2/8 23명이 로그인
3/1 7명이 로그인
1 day Bounce rate 제거 retention : 62.5% = 50/80
7 day Bounce rate 제거 retention : 28.8% = 23/80
30 day Bounce rate 제거 retention : 8.8% = 7/80
중요한건 무조건 총 모수인 100명이 아닌, bounce한 유저를 제외한 80명이라는 것이다.
리텐션의 종류는 위처럼 4가지가 있다.
잊지 말 것은 어느 회사, 어느 국가를 가도 1번이 국룰이다.
IR이나 보고에 절대로 다른 방식을 사용해서는 안된다!
그러나 각 서비스를 더 잘 이해하기 위해서,
다른 리텐션도 사용해야하는 경우가 있기 때문에 알고 넘어가는게 좋다.
실제로 현 회사에서는 1, 2와 monthly retention 세가지를 다 사용한다.
위 4 종류 리텐션을 기반으로,
유저구분과 엮으면, RU retention, PU retention 등이 나오고,
액션과 엮으면, 기능 사용 retention, 구매 retention 등이 나온다.
이는 각각 상황에 맞게 잘 사용할 수 있어야한다.
리텐션은 처음 배우는 사람은 개념조차도 어렵다.
근데 사실 계산하는건 더 어렵다. 이건 다음 기회에
다음 화에는 좀 더 쉬운 데이터로 돌아올게요!
:P
