happy coding
[데이터리안] 리텐션 본문
데이터 분석 SQL 수업을 듣다가, 리텐션에 대해 배웠다.
먼저, 리텐션은 AARRR의 3번째 단계인 R, retention이다.
여기서 AARRR은 스타트업이나 제품이 성장하는 과정을 5단계로 나눈 그로스 해킹 프레임워크이다.
사용자가 서비스에 1. 유입되고, 2. 활성화되고, 3. 유지되고, 4. 매출을 발생시키고 5. 추천하는 과정을 말한다.
일단 AARRR은 사용자의 전환 퍼널을 분석하는 데 유용해서 어디에서 사용자가 이탈하는지 파악하고 최적화하는 데 활용한다.
그리고 그로스해킹(Growth Hacking)은 데이터 기반으로 빠르게 성장할 수 있도록 마케팅, 제품 개발 그리고 분석을 최적화하는 전략이다.
적은 비용과 창의적인 방법을 사용해 사용자를 빠르게 확보하고 유지하는 것에 초점을 둔다.
대표적인 그로스 해킹 방법으로는,
1. 바이럴 루프 : 사용자가 친구를 초대하는 혜택을 주는 방식 (Dropbox에서 친구를 초대한 사용자에게 용량을 추가 제공한다.)
2. FOMO(Fear of Missing Out) 활용 : 한정판, 시간 제한 등을 활용해 사용자의 행동을 유도 (쿠팡의 타임세일)
3. 온보딩 최적화 : 사용자가 처음 서비스를 쉽게 이해하고 빠르게 경험하도록 유도
마지막으로, 분석 프레임워크란 데이터를 체계적으로 정리하고 분석할 수 있도록 돕는 구조나 모델이다.
예를 들어,
AARRR는 스타트업 성장 분석에, RICE(Reach, Impact, Confidence, Effort)는 우선순위 결정에, 그리고 SWOT 분석은 강점, 약점, 기회 그리고 위협 분석을 중점으로 분석한다.
리텐션은 문제가 생겼을 때 가장 먼저 개선을 해야 하는 단계이다.
1. 클래식 리텐션(N-Day Retention)
기능 리텐션(Feature Retention)이라고 불린다.
특정 기능을 개발했을 때 또는 우리의 핵심 기능을 유저들이 잘 쓰고 있는지 살펴보기 위해 '기능의 반복 사용'을 보는 방법이다.
사용자가 매일 접속해 사용할 것으로 기대되는 서비스에 활용하기 적절한 지표이다. ⇒ 카카오톡, 트위터
2. 롤링 리텐션(Rolling Retention)
이탈에 초점을 맞추기 때문에 unbounded retention이라고 부른다.
사용주기가 긴 서비스는 이 리텐션을 대체로 사용한다.
여행 서비스, 쇼핑몰, 부동산 서비스 등 사용 빈도가 높지 않은 서비스에서 유용하게 활용
롤링 이텐션은 절대적인 수치가 중요하다기보다 지표가 어떻게 움직이는지 트렌드를 보는 정도로 활용하기를 추천
3. 범위 리텐션(Range Retention)
범위를 지정하기 때문에 Bracket Retention이라고 부른다.
서비스 사용주기가 길거나 주기적인 서비스에서 많이 사용 ⇒ 노이즈에 강함
리텐션 비교할 때 주의할 점
- 남과 비교하려면, 같은 리텐션 방식
- 서비스에 맞는 계산 방법 사용
- 형식에 얽매이지 말기 : 정해진 공식은 없음
- 하나만 볼 필요는 없음 : 가장 쉬운 방법으로 일단 계산해 현상을 파악해야 함
4. 사용자 고착도(Stickiness)
사용자 고착도는 사용자가 우리 서비스에 계속해서 방문하는지(”딱 붙어있는지”)를 측정하는 지표이고, Engagement 지표라고 부른다.
WAU(또는 MAU) 대비 DAU의 비율
DAU(Daily Active User) - 일간 활성 사용자 수
WAU(Weekly Active User) - 주간 활성 사용자 수
MAU(Monthly Active User) - 월간 활성 사용자 수
5. 리텐션을 높이는 방법
1. 초기에 이탈하는 유저 줄이기
주로 유저의 가입 동선, 처음 받아보는 이메일, 처음 보는 화면, 처음 경험하는 서비스의 핵심 가치 개선을 통해 이 초기 이탈을 막을 수 있음
2. 유저와 장기적인 관계를 유지하기
유저와 장기적인 관계를 유지하는데 가장 중요한 것은 우리의 서비스의 핵심 가치를 고객들이 계속 경험하게 할 수 있느냐와 같이 좀 더 근본적인 곳에 있는 것 같습니다.
6. Smile Curve
일반적인 리텐션 곡선과 다른 패턴. 시간이 지날수록 사용자에게 가치를 더 많이 제공하는 서비스에서 발생
리텐션 곡선 : 시간이 지날수록 사용자의 이탈이 발생하기 때문에, 리텐션율(잔존율)이 감소하여 보통 우하향하는 곡선
초반 : 새로운 유저들이 사용하지만, 일부는 적응하지 못하고 이탈 -> 리텐션 하락
중반 : 남아 있는 사용자들은 서비스에 익숙해지고 데이터를 쌓아가며 점점 더 많이 사용 -> 리텐션 안정화
후반 : 데이터가 쌓이고 네트워크 효과가 생기면서, 서비스 의존도가 높아짐 -> 리텐션 상승
1주차 강의는 SQL 특히 서브쿼리에 대해 실습하며, 리텐션관련 글을 읽었다.
항상 데이터 분석 공부에 대한 목마름이 있었는데 리텐션에 대해 처음으로 배우면서 조금 해소할 수 있었다. 특히 리텐션 커브에서는, 지금 아르바이트를 하고 있는 카페의 스탬프나 단골 이벤트 등 여러 가지로 대응되는 부분이 있는 것 같아 신기했다.
이 과정을 모두 마무리한다면, 지금 개발 중인 서비스가 오픈될 때 이 사용자 데이터를 분석해볼 수 있을 것 같다. 이 서비스는 사용주기가 길기 때문에 롤링 리텐션 또는 범위 리텐션을 사용해야 하지 않을까. 그리고 리텐션 커브가 어떻게 그려질지 궁금하다. 이탈자를 어떻게 관리할 수 있을지 또한 고민해보고 싶은 부분이 되었다. 등 많은 것을 배운 1주차 리텐션 강의였다.
P.S.
LeetCode 푸는 데는 진짜 오래 걸린다. 왜 계속 같은 실수를 반복하는 걸까. 그래도 이 글을 한 달 뒤에 본다면 많이 성장한 나를 볼 수 있을 거라 생각한다.