3. 리텐션 라이프사이클 프레임워크
MASTERING RETENTION Chapter 3
이제 분석 상태, 현재의 메트릭스 및 제품 사용에 대해 몇 가지 조사를 마쳤으니 이 플레이북의 핵심에 대해 자세히 알아보시기 바랍니다. 이 챕터에서는 사용자가 제품과 상호 작용하는 방식을 기반으로 리텐션을 개선하기 위한 심층적인 프레임워크인 Retention Lifecycle Framework를 소개합니다.
이 챕터에서 배울 내용은 무엇입니까?
이번 챕터 전반에서는 사용자의 리텐션 상태를 분석할 수 있는 세 가지 방법과 Amplitude 플랫폼에서 이러한 분석을 수행하는 방법에 대해 알아보겠습니다. 후반부는 신규 사용자, 현재 사용자 및 복귀 사용자 등 세 가지 단계에서 사용자를 어떻게 그리고 왜 살펴봐야 하는지에 대한 것입니다. 이 세 단계 간의 사용자 흐름이 리텐션 라이프사이클 프레임워크를 구성합니다.
이 챕터에서는 다음과 같은 주제와 방법을 살펴보겠습니다.
3.1. 리텐션을 측정하는 세 가지 방법
3.2. 리텐션 라이프사이클 프레임워크
3.3. 라이프사이클 코호트 생성
3.4. Take action
3.1. 리텐션을 측정하는 세 가지 방법
챕터1에서 언급한 바와 같이, 리텐션은 시간이 지남에 따라 제품에서 계속 활동하는 사용자의 비율입니다.
리텐션에 대해 몇 가지 다른 방법을 생각할 수 있으므로 분석 플랫폼이 이를 정의하는 방법과 이것이 제품에 적합한지 여부를 파악하는 것이 중요합니다. (분석 플랫폼이 리텐션을 정의하는 방식이 명확하지 않다면, 더 진행하기 전에 이를 명확히 파악하십시오.)
Amplitude에서는 N-Day 리텐션, Unbounded 리텐션 및 Bracket 리텐션의 세 가지 리텐션 유형 중 하나를 선택할 수 있습니다.
어떤 유형의 리텐션 계산이 가장 적합한지 파악하는 것은 비즈니스 목표와 사용자가 제품을 어떻게 자연스럽게 사용하는지에 따라 달라집니다. 크리티컬 이벤트 및 제품 사용 간격(챕터2)을 잘 이해해야 합니다.
이제 제품에 가장 적합한 리텐션 유형을 결정할 수 있도록 각 리텐션 유형을 살펴보겠습니다.
N-Day 리텐션
챕터1에서 언급했듯이, 대부분의 사람들이 리텐션에 대해 논할 때 N-Day 리텐션에 대해 이야기합니다. N-Day 리텐션은 처음 사용한 후 특정 날짜 N일에 제품에서 활성 상태인 사용자의 비율을 측정합니다.
N-Day 리텐션은 게임이나 소셜 앱 또는 사용자가 정기적인 반복 동작을 보이도록 하는 제품에 적합합니다.
사용자가 제품에서 처음 활성화된 날은 "0일"로 지정됩니다. 이 날은 사용자가 처음으로 앱을 다운로드한 날, 등록한 날 또는 앱 내에서 사용자가 어떤 종류의 작업을 수행한 날, 즉 첫 곡을 재생하고 첫 번째 친구를 추가하는 날 등이 될 수 있습니다.
특정 날짜 0일에 처음 활성화된 모든 새 사용자에 대해 1일, 2일, 7일 등에 활성화된 사용자의 비율을 확인하여 이후 날짜에 대한 N일 리텐션을 계산할 수 있습니다.
예를 들어, 1일 차 리텐션에서는 처음 활성화된 후 하루 만에 구체적으로 얼마나 많은 사용자가 재방문하였는지, 3일 차 리텐션에서는 처음 활성화된 후 정확히 3일째에 얼마나 많은 사용자가 재방문하였는지, 7일 차 리텐션에서는 처음 활성화된 후 정확히 7일째에 재방문한 사용자를 살펴봅니다. 즉, 7일 리텐션을 살펴보면, 사용자가 7일째에 활성 상태여야 합니다. 1일 차부터 6일 차까지 사용자가 얼마나 많이 돌아왔는지, 혹은 8일째에 돌아왔는지는 중요하지 않습니다. 7일째에 활성화되어 있지 않다면 7일 차 리텐션으로 간주되지 않습니다.
아래의 N-Day 리텐션 커브는 0일~30일 기간 동안의 모든 N-Day 리텐션 수치의 가중 평균을 보여줍니다.
만약 사용자가 매일 사용하는 대신 매주 또는 매달 정기적으로 제품을 사용할 것으로 예상된다면 어떨까요? 이 경우 'N-Week 리텐션' 또는 'N-month 리텐션'이 더 적합합니다. 개념적으로는 N-Day 리텐션과 동일합니다.
예를 들어, 3주 리텐션은 처음 활성화된 후(0주 차) 3번째 주 중에 활성화된 사용자의 비율을 반영합니다. 마찬가지로, 3개월 리텐션은 처음 활성화된 후(0개월 차) 3번째 달 중에 활성 상태인 사용자의 비율을 반영합니다.
Unbounded 리텐션
Unbounded 리텐션은 특정 날짜 또는 그 이후 언제든지 돌아온 사용자의 비율을 보여 줍니다. 이러한 유형의 분석은 사용자가 정기적으로 제품 또는 서비스에 참여하지 않을 것으로 예상되는 기업에게 N-Day 리텐션보다 더 적합할 수 있습니다.
(다른 용어로 Rolling 리텐션이라고도 부릅니다. 그러나 실제 "rolling" 또는 이동 평균을 계산하지 않기 때문에 이 용어를 사용하지 않기로 선택했습니다.)
아래 그래프는 위의 N-Day 리텐션 그래프에서 살펴본 것과 동일한 데이터 포인트 집합을 나타내지만, 이번에는 Unbounded 리텐션 수치가 표시됩니다.
Unbounded 1일 리텐션율은 50% 이지만, N-Day 리텐션의 경우 21%에 불과합니다. 즉, 0일 차 신규 사용자의 50%는 1일 차 이후 언제든지 활성화되어 있는 반면, N-Day 리텐션은 1일 차에 나타난 사용자만 정확히 카운트합니다. Unbounded 2일 리텐션율은 약 38%인데, 이는 0일 차에 가입한 사용자의 38%가 2일 차 이후에 언제든지 활성화되었다는 뜻입니다.
다른 말로 하자면, Unbounded 리텐션은 실제로는 이탈률의 반대 수치입니다. Unbounded의 반대 수치를 측정하면 0일에 제품을 사용한 후 다시 돌아오지 않은 사용자 수를 정확하게 확인할 수 있습니다.
소셜 게임 예시 : App Store에서 가장 인기 있는 모바일 소셜 게임 앱 중 하나는 N-Day 리텐션으로 측정합니다. 이는 앱을 가장 많이 사용하는 사용자들이 세계의 다른 플레이어들에 도전하기 위해 날마다 돌아오기 때문입니다. 사실, 이 앱의 경우, 첫 번째 날 내에 특정 횟수로 게임을 완료하는 것이 장기 리텐션의 핵심 요소입니다.
명상 앱 예시 : 또 다른 고객인 명상 앱은 N-Week 리텐션을 측정합니다. 이 앱에 참여한 사용자는 매주 명상 세션을 완료하기 위해 다시 방문하므로, 앱을 처음 다운로드한 후 1, 2, 3주 차 등에 얼마나 많은 사용자가 계속 활동하는지 확인할 수 있습니다.
Bracket 리텐션
Amplitude를 사용하면 Bracket 리텐션도 계산할 수 있습니다. Bracket 리텐션은 N-Day 리텐션과 좀 더 미묘한 차이가 있습니다. 이를 통해 리텐션 분석을 일일, 주 또는 월 단위로 제한하는 대신 사용자 지정 기간으로 나눌 수 있습니다.
사용자의 예상 사용 패턴을 파악한 후에는 Bracket 리텐션 측정을 시작하여 고유의 사용자 지정 간격(일, 주 또는 월)을 정의할 수 있습니다.
위에서는 Amplitude로 4개의 bracket을 설정했습니다.
1. Day 0: (1일간)
2. Day 1-3 (3일간)
3. Day 4~6일 (3일간)
4. Day 7~11 (5일간)
이 예에서 활성 사용자는 다시 돌아와서 어떤 작업을 수행하고, 누군가는 다음처럼 잔존하는 것으로 가정해보겠습니다.
1. 0일 차 앱 등록
2. 1일 차, 2일 차, 3일 차 복귀
3. 4일 차, 5일 차, 6일 차 복귀
4. 7일 차, 8일 차, 9일 차, 10일 차, 11일 차 복귀
아래에서는 이러한 bracket에 있는 리텐션 커브의 모양을 볼 수 있습니다.
각각의 bracket은 버킷과 같으며 사용자가 해당 버킷 내에서 언제든지 활성 상태인 경우 리텐션된 것으로 간주됩니다. 각 버킷의 간격은 사용자가 보이는 패턴을 기준으로 합니다.
사람들이 3주에 한 번씩 가정용품을 비축하기 위해 사용하는 제품의 경우, 우리는 약 3주(+1주, -1주) 짜리 버킷을 만들 수 있습니다. 이 경우, 사람들이 정확히 1일 차나 3일 차나 2주 후나 1개월 후에 돌아올 것인지는 중요치 않습니다. 단지 그들이 서비스를 통해 가치를 얻고 있다는 것을 증명하는 리듬을 보고 싶을 뿐입니다.
주문배달 앱 예시 : 식료품 배달 서비스는 사람들이 매일 사용할 것으로 기대하지 않습니다. 사용자들은 예측 가능한 방식으로 비스를 사용하지 않을 수도 있습니다. N-Day 리텐션이 나타내는 7일 차 또는 30일 차 중 정확히 어떤 사람이 돌아오는지 살펴보는 대신, 7일 차 Unbounded 리텐션, 즉 첫 주 이후에 식료품을 구입하기 위해 돌아오는 신규 사용자 수를 살펴봄으로써 더 많은 가치를 얻을 수 있습니다.
핀터레스트의 bracket 리텐션 : 핀터레스트는"1d7"이라고 하는 하나의 리텐션 메트릭을 사용하여 새 사용자 중 몇 명이 제품에서 가치를 검색하는지 측정합니다(챕터2 참조). 이 메트릭은 1일 차-7일 차 사이에 핀터레스트를 방문한 새 사용자의 비율을 보여 줍니다. 또한, 그로스 팀은 가입 후 한 달 후에도 여전히 활성화되고 있는 신규 사용자의 비율을 파악하기 위해 28일 차-35일 차 버킷도 검토합니다.
어떤 리텐션이 적합할까요?
N-Day, Unbounded 및 Bracket 리텐션 간의 주요 차이를 요약하면,
N-Day 리텐션 : 특정일에 돌아오는 사용자의 비율
Unbounded 리텐션 : 특정일 또는 그 이후에 돌아오는 사용자의 비율
Bracket 리텐션: 유연한 버전의 N-Day 리텐션으로, 임의 기간으로 묶어 확인할 수 있습니다.
어떤 유형의 리텐션을 사용할지 어떻게 파악할까요? 빠르고 쉬운 답은 없지만 제품의 사용 패턴과 비즈니스 목표의 조합에 따라 다릅니다.
사용할 리텐션 유형을 파악하는 것은 사람들이 제품을 얼마나 자주 사용할 것으로 예상되느냐에 따라 크게 달라집니다. 모바일 게임의 경우는 일 단위, 운동 앱의 경우는 주 단위와 같이 정기적으로 사람들이 돌아오기를 기대한다면 N-Day 리텐션이 더 적합할 것입니다. 예를 들어, 식품 배달 앱과 같이 많은 사용자들이 안정적인 사용 패턴을 가지고 있지 않다면, Unbounded 리텐션이 비즈니스를 보다 정확하게 측정할 수 있습니다.
먼저 몇 가지 다른 방법을 통해 리텐션 상태를 측정하여 가장 의미 있는 정보를 제공하는 방법을 확인할 수 있습니다.
올바른 리텐션 메트릭은 개선점을 알려주고 비즈니스 상태를 정확하게 보여 줍니다.
PRO TIP
"활동적"인 사용자는 무엇을 의미할까요? 챕터2에서는 사용자가 실제로 활성 또는 리텐션된 것으로 간주하기 위해 수행하려는 작업인 크리티컬 이벤트의 개념을 소개했습니다. 사용자가 앱으로 돌아와서 크리티컬 이벤트를 수행하는지 여부에 따라 리텐션 상태를 측정하는 것이 좋습니다. 이를 통해 제품에서 가치를 창출하는 사용자 수를 보다 정확하게 파악할 수 있습니다.
3.2. 리텐션 라이프사이클 프레임워크
이제 위와 같은 일반적인 리텐션 커브에 익숙해졌으면 합니다.
이와 같은 리텐션 커브의 근본적인 문제는 여러 유형의 활성 사용자를 하나의 곡선으로 묶는 것입니다.
실제로는 모든 활성 사용자가 동일하게 생성되지는 않습니다. 리텐션을 의미 있고 장기적으로 개선하려면 리텐션의 여러 단계를 거치는 활성 사용자를 이해해야 합니다.
리텐션 라이프사이클 프레임워크는 이 목표를 달성하는 데 도움이 될 수 있습니다.
리텐션 라이프사이클 프레임워크란 무엇입니까?
리텐션을 분석하고 이를 개선하기 위한 전략을 수립하는 방법은 사용자가 제품 이용 중에 어떤 단계에 있는지에 따라 달라져야 합니다. 활성 사용자는 신규 사용자 리텐션, 현재 사용자 리텐션 및 복귀 사용자 리텐션의 세 가지 리텐션 단계를 거칩니다.
이 세 그룹은 지정된 특정 시간에 총 활성 사용자를 구성합니다. 일상적으로 사용하는 제품의 경우, 특정 날짜의 활성 사용자는 신규 사용자, 현재 사용자 또는 복귀 사용자로 구성됩니다.
이 세 그룹은 지정된 시간에 총 활성 사용자를 구성합니다. 일 단위 사용 제품인 경우, 이는 곧 특정 날짜에 제품의 활성 사용자가 새 사용자, 현재 사용자 또는 부활된 사용자 단계에 있게 된다는 뜻입니다.
이러한 이미지는 서로 다른 리텐션 단계 간의 사용자 흐름에 대한 생각을 매핑합니다. 리텐션 라이프사이클 프레임워크와 리텐션 플레이북의 주요 목표는 기존의 신규, 현재 및 복귀 사용자를 더욱 활성화하는 것입니다.
스냅챗 및 인스타그램과 같은 유형의 리텐션을 달성하려면 신규 사용자와 현재 사용자를 다르게 참여시키고, 비활성 사용자를 복귀시키기 위한 전략을 수립하며, 모든 사용자를 전반적으로 좀 더 인게이지되도록 움직여야 합니다.
챕터5~7에서는 이러한 각 사용자 단계에 대해 자세히 설명하지만, 먼저 간략한 개괄적인 개요를 제공합니다.
신규 사용자 리텐션
사용자 리텐션 개선과 관련된 기존의 많은 콘텐츠는 신규 사용자를 유지하는 방법에 초점을 맞추고 있습니다. 예를 들면 온보딩 작업 흐름의 개선이나 신규 사용자 드립 캠페인 전송과 같은 내용입니다. 많은 사용자가 처음 7일 이내에 이탈하기 때문에 이는 매우 합리적인 일입니다. 하지만 현재 사용자를 참여시키거나 비활성 사용자를 되살리는 방법을 찾는 데 집중하지 않는 것은 엄청난 낭비일 수 있습니다.
중요한 이유 : 신규 사용자의 경험은 제품의 첫인상입니다.
개선 방법 : 신규 사용자를 다시 불러오는 동작이나 기능을 파악합니다.
현재 사용자 리텐션
현재 사용자를 당연하게 생각하지 마십시오. 현재 모든 사용자는 높은 관심을 받는 파워 유저로 변신할 수 있습니다. 현재 사용자를 위한 목표는 고객에게 지속적으로 가치를 제공하고 다시 돌아올 수 있도록 하는 것입니다.
중요한 이유 : 현재 활동 중인 사용자의 경험을 이해하고 향상하는 것이 장기적인 성장을 위해 매우 중요합니다.
개선 방법 : 특정 사용자 그룹이 무엇을 하고 있는지(혹은 무엇을 하고 있지 않은지)를 파악합니다.
다음 챕터에서는 사용자를 서로 다른 행동 성격으로 클러스터링하는 방법에 대해 설명합니다. 이 방법을 통해 현재 사용자가 제품에서 얻는 가치를 이해하고 활용할 수 있습니다.
복귀 사용자 리텐션
실제로 휴면 사용자는 대부분의 제품에서 잠재적인 사용자 풀 중 가장 큰 비율을 차지하고 있습니다. 이러한 사용자들 중 많은 수가 경쟁사의 제품을 사용하고 있을 것이기 때문에 높은 가치가 있습니다. 또한 휴면 중인 사용자를 되살리는 것이 신규 획득보다 더 저렴하다는 것을 보여주는 수많은 연구들이 있습니다.
중요한 이유: 더 많은 활성 사용자로 전환될 수 있는 잠재력이 있습니다.
개선 방법: 사용자가 돌아오는 이유 분석
휴면 사용자가 제품을 다시 사용할 경우 그 이유를 파악하는 데 시간을 투자하는 것이 중요합니다. 그들이 특정 Win-back 캠페인에 응답했나요? 아니면 푸시 알림 때문이었을까요? 그들은 현재 사용자로 전환되었나요? 아니면 다시 사용을 중단했나요?
TERMS TO KNOW
신규 사용자 : 제품을 처음 사용하는 사용자
현재 사용자 : 일정 기간 동안 지속적으로 제품을 사용해 온 사용자
휴면 사용자 : 한 때 제품을 적극적으로 사용하다 비활성 상태가 된 사용자
복귀 사용자 : 한 때 제품을 적극적으로 사용하다 일정 기간 동안 비활성 상태가 된 후, 다시 활성화된 사용자
리텐션 라이프사이클 프레임워크가 필요한 이유는 무엇입니까?
너무 많은 제품이 단순히 신규 사용자를 획득하여 사용자의 활성 수를 인위적으로 늘리려고 하기 때문입니다. 물론 퍼널의 맨 윗부분도 중요하지만(신규 사용자를 유인할 수 없어 유지할 사용자가 없는 경우) 현재 사용자와 복귀 사용자 기반의 성장이 진정한 성장의 중요한 요소입니다.
아래의 예를 살펴보겠습니다.
여기 특정 제품의 총 활성 사용자 수를 12주 동안 보여주는 막대그래프가 있습니다. 이 제품은 6백만 명의 사용자가 사용하던 것에서 12주까지 8백만 명을 약간 넘는 활성 사용자로 성장했습니다. 그렇죠?
그러나 이러한 사용자를 신규 사용자, 현재 사용자 및 복귀 사용자로 세분화하면 이는 다른 이야기입니다.
신규 사용자(녹색)는 시간이 지남에 따라 확실히 증가하고 있지만 현재 사용자의 수(파란색)는 실제로 감소하고 있습니다. 한 단계 더 나아가 매주 휴면 상태가 되는 사용자 수(빨간색)를 그래프로 표시하면 시간이 지남에 따라 이 수가 점점 더 늘어나고 있음을 알 수 있습니다. 요컨대, 더 많은 신규 사용자를 확보할 수 있겠지만, 결국 많은 수의 사용자가 이탈하게 되고 지속할 수 없다면 진정한 성장을 경험하지 못할 것입니다.
PRO TIP
활성 사용자 기반을 신규 사용자, 현재 사용자 및 복귀 사용자로 세분화하면 제품이 진정한 성장을 경험하는지 여부를 알 수 있습니다.
3.3. 라이프사이클 코호트 생성
제품 분석에서 코호트의 가장 광범위한 정의는 일부 공통 특성을 공유하는 사용자 그룹입니다. 다음 몇 챕터의 신규 사용자, 현재 사용자 및 복귀 사용자를 분석하려면 첫 번째 단계가 이러한 코호트를 만드는 것입니다.
사용 중인 분석 소프트웨어에 따라 해당 소프트웨어 내에서 또는 raw 데이터에서 이러한 코호트를 정의할 수 있습니다.
챕터2에서 언급했듯이, 제품의 사용 간격은 리텐션 라이프사이클 프레임워크의 모든 단계에서 사용자의 리텐션 상태를 정확하게 측정하는 데 중요한 부분입니다. 이 간격은 신규, 현재, 복귀 사용자뿐만 아니라 휴면 중인 사용자에 대한 타임프레임을 정의하는 방법을 결정합니다.
신규 사용자 : 제품을 처음 사용하는 사용자
현재 사용자 : 이전 사용 구간과 현재 사용 구간에 제품을 사용한 사용자
복귀 사용자 : 현재 사용 구간에서 활성화되었지만 이전 사용 구간에서는 활성화되지 않았던 사용자로, 그보다 이전 사용 구간(즉, 신규 사용자가 아님)에 활성화되었었던 사용자입니다. 이 사용자는 휴면 상태가 된 후에만 "복귀"될 수 있습니다. 따라서 이 정의에는 한 번의 비활성 구간이 필요합니다.
휴면 사용자 : 현재 사용 구간에서 제품을 사용하지 않고 있는 이전 사용 구간에서 활성화된 사용자입니다.
라이프사이클을 사용하여 신규 사용자 코호트, 현재 사용자 코호트 정의
Amplitude에서는 라이프사이클 기능을 사용하여 리텐션 라이프사이클에 대한 분석을 확인하고 몇 번의 클릭만으로 코호트를 생성할 수 있습니다. 라이프사이클은 활성 사용자를 신규 버킷, 복귀 버킷 및 현재 버킷으로 구분하며, 각 기간 동안의 변화도 보여 줍니다. 이 예에서는 매주 사용 간격을 가진 제품을 보여줍니다.
막대 중 하나를 가리키면 도구 설명이 표시됩니다. 이 기능은 Amplitude의 마이크로스코프 기능으로, 모든 데이터 지점을 더 깊이 파고들어 그 뒤의 사용자와 동작을 확인할 수 있습니다. 코호트를 만들려면 'Create Cohort'를 클릭하고 이름을 지정하십시오. 새로 생성되거나 다시 생성된 사용자에 대해 이 작업을 반복합니다.
리텐션 라이프사이클 분할 측정
코호트를 생성했으면 라이프사이클의 각 단계에서 활성 사용자의 비율을 확인할 수 있습니다. 다음은 특정 주에 제품 사용자를 분할한 예시입니다.
이렇게 테이블을 만들면 자신의 장단점이 어디에 있는지 알 수 있습니다. 위의 예에서 해당 기간의 활성 사용자 중 70% 이상이 신규 사용자입니다. 이 회사는 제품의 지속적 성장을 위해 기간마다 새로운 사용자를 잘 유지하여 현재 사용자 기반을 확장하도록 해야 하며 신규 사용자 확보에만 초점을 맞출 필요가 있습니다.
또한 전체 활성 사용자에 비해 이탈률이 상당히 높은 것을 볼 수 있습니다. 그들은 확실히 이러한 이탈을 줄이고 싶어 하지만, 이 또한 복귀할 수 있는 잠재적 대규모 사용자 기반입니다. 이 내용은 7장에서 다루겠습니다.
다른 예시입니다.
이 제품은 활성 사용자에게 훨씬 더 건강하게 분배되어 있습니다. 사용자 중 거의 70%가 이전 기간 동안 활성 상태였던 현재 사용자이며, 전체 활성 사용자 수에 비해 이탈 사용자 수가 매우 낮습니다. 이와 같은 분포를 가진 기업은 이미 리텐션 상태가 매우 양호하며, 더 많은 신규 사용자를 유치하고 성장을 가속화하기 위해 더 많은 노력을 기울일 수 있습니다.
리텐션 라이프사이클의 분할에 주목하려면 이 챕터 끝에 있는 "리텐션 라이프사이클" 워크시트를 작성해야 합니다.
Pulse를 사용하여 성장 "신호"를 확인하세요.
Pulse는 제품 성장에 대한 빠른 신호를 얻을 수 있는 라이프사이클의 차트입니다. 특정 일, 주 또는 월에 대해 이탈 사용자 대비 유입 사용자의 비율을 나타내며, 이탈한 사용자로부터 얼마나 많은 활성 사용자를 획득했는지 확인할 수 있습니다.
Pulse 비율은 다음과 같이 계산됩니다.
(신규 사용자 수 + 복귀 사용자 수) / (휴면 사용자 수)
새로 획득한 사용자와 복귀 사용자 모두 활성 사용자 풀을 증가시키기 때문에 전체 사용자 유입에 기여합니다.
고급 레벨
Pulse 비율 > 1 : 사용자를 잃는 것보다 얻는 게 많다는 뜻입니다. 진정한 성장 중이라고 할 수 있습니다.
Pulse 비율 < 1 : 사용자를 얻는 것보다 잃는 게 많다는 뜻입니다. 진정한 성장을 경험하지 못하고 있습니다.
위 도표는 11월 28일에서 12월 4일 사이에 이 제품의 전반적인 성장세를 보여줍니다.
가장 높은 지점인 11월 28일, Pulse 비율은 2.19로, 사용자를 1명 잃을 때마다 2명을 얻었습니다. 가장 낮은 지점인 12월 3일에서 Pulse 비율은 0.36입니다. 즉, 1명의 사용자를 얻을 때마다 대략 3명의 사용자를 잃었다는 뜻입니다.
Amplitude를 사용하지 않는 경우에도 사용자 기반을 섹션 3.3에 나와 있는 라이프사이클 코호트로 분할한 후, 이 비율을 수동으로 계산할 수 있습니다.
3.4. Take Action
이 챕터의 목적은 라이프사이클 프레임워크와 리텐션을 분석하는 다양한 방법을 소개하는 것이었습니다. 비즈니스에서 어떤 리텐션 분석을 선택하든 프레임워크는 동일하게 유지됩니다. 먼저 사용자가 라이프사이클의 각 단계에서 어떻게 유지되는지 깊이 파악한 다음 활성 사용자를 현재 사용 중인 사용자로 전환하기 위한 전략을 수립합니다.
다음 몇 챕터에서는 신규 사용자, 현재 사용자 및 복귀 사용자 리텐션의 보다 깊은 뉘앙스를 설명할 것입니다.
이러한 챕터에 대비하려면 다음을 수행해야 합니다.
적합한 리텐션 분석 유형 결정(N-Day, Unbounded 또는 Bracket)
리텐션 라이프사이클 워크시트를 작성하여 라이프사이클 코호트를 정의하고 리텐션 라이프사이클 분할을 측정하고 Pulse 비율을 계산합니다.
PRO TIP
리마인더 : 파워 사용자만을 과도하게 최적화하는 걸 주의하세요. 파워 사용자의 사용을 이해하는 것도 중요하지만 모든 사용자를 하루아침에 파워 사용자로 변환할 수는 없습니다. 제품 주기를 반복할 때는 최상의 사용자뿐만 아니라 가장 많은 수의 사용자를 유지할 수 있도록 최적화해야 합니다.
예를 들어 주문형 배달 애플리케이션이라고 가정하면, 한 번에 7개 이상의 항목을 구매하면 장기 리텐션이 크게 증가하지만 실제로 이러한 작업을 수행하는 사용자는 2%에 불과합니다. 최소 카트 크기를 늘려서 사용자가 더 많이 구매하도록 권장하는 것은 좋지 않습니다. 현재 사용자 기반에서 큰 부분을 제외할 수 있기 때문입니다. 결과적으로 그들 중 많은 수가 이탈할 수도 있습니다!
추가 자료
Accounting for User Growth (Jonathan Hsu, Partner at Social Capital)
You're Measuring Daily Active Users Wrong (Archana Madhavan, Amplitude Blog)
원문 출처 : https://www.productanalyticsplaybook.com by Amplitude
