[그로스 해킹] AA"R"RR - 리텐션 (Retention)

Retention 리텐션

이 단계에서는 활성화 과정을 통해 경험한 핵심 가치를 꾸준히 경험하게 하고, 그 수준을 측정할 수 있는 지표를 정의하고 관리해야 합니다.

리텐션은
서비스의 성공을 예측할 수 있는
가장 기본적이면서도
중요한 지표

입니다.

 

리텐션은 어떤 개선이나 변경이 효과가 있었더라도 결과를 확인하는 데는 오랜 시간이 필요합니다.

그만큼 개선하기 어려운 지표지만, 반대로 리텐션을 일정 수준 개선할 수 있다면 장기적으로 큰 효과를 볼 수 있습니다.

 

이러한 리텐션은 서비스의 특성이나 사용 환경에 따라 다양한 기준으로 측정됩니다.

 

1. 클래식 리텐션 (Classic Retention)

• 가장 일반적인 유지율 계산 방법입니다.
• 특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식이라 'Day N 리텐션'이라고도 합니다.
  • 클래식 리텐션 = Day N에 서비스를 이용한 사람 / Day 0에 처음 서비스를 이용한 사람
• 특정일에 접속했는지 여부는 고려하지만 그때까지 꾸준히 반복적으로 들어왔는지 여부는 고려하지 않습니다.
• 단점 >> 노이즈에 민감하고 일 단위의 로그인 데이터를 모두 확보하고 있어야 계산할 수 있다는 단점이 존재.
  • 노이즈를 줄이려면 기준일을 여러 개 두고 각 기준일에 따른 Day N 리텐션을 각각 측정한 후 이 값의 평균을 계산해서 N일 기준의 리텐션 지표를 구하는 방법을 사용할 수 있습니다.
• 주기적으로 자주 사용하는 서비스에 적합합니다. e.g.(전화, 메신저, SNS 등)

 

2. 범위 리텐션 (Range Retention)

• 특정 기간에 이벤트를 발생시킨 유저의 비율을 계산합니다.
• 클래식 리텐션 (개별 날짜) <-> 범위 리텐션 (특정 기간 e.g.(7일 or 1개월))
  • 범위 리텐션 = Range N에 서비스를 이용한 사람 / Range 0에 처음 서비스를 이용한 사람
• 장점 >> 설명하기 쉽고 직관적. 클래식 리텐션 대비 측정일에 따른 노이즈 (Day-to-Day Noise)가 크지 않음.
• 단점 >> 기준이 되는 기간이 길어질수록 리ㅌㄴ션이 과대 추정 (Over-estimated) 될 수 있다는 문제가 있고, 의미 있는 결과를 보기 위해서는 어느정도 기간이 축적돼야 하기 때문에 리텐션 트렌드를 확인하는 데 비교적 오랜 시간이 필요하다는 단점 존재
• 굳이 매일 접속하지 않더라도 일정 간격으로 꾸준히 사용하는 서비스에 적합합니다. e.g.(가계부, 음식배달 서비스 등)

 

3. 롤링 리텐션 (Rolling Retention)

• 더 이상 해당 이벤트가 발생하지 않는 비율은 얼마인가? 즉, 몇 명이 나갔는가?
  • 롤링 리텐션 = After N day에 서비스를 이용한 유저 / Day 0에 처음 서비스를 이용한 유저
• 장점 >> 최초 로그인 시점과 마지막  로그인 시점에 대한 데이터만 있으면 계산할 수 있기 때문에 계산에 필요한 데이터가 간단하고 계산 자체도 쉽고 간편함.
• 단점 >> 단 한 번이라도 로그인하는 경우 그 이전까지의 모든 기간을 활동한 기간으로 인정한다는 특성 때문에 유지율이 과대 추정되는 경향이 강하게 나타나므로 동일한 맥락에서 이상치의 영향을 매우 크게 받는 특성 있음.
• 사용자들의 이후 접속 패턴에 따라 기존에 계산했던 리텐션 값이 얼마든지 달라질 수 있다는 점이 롤링 리텐션의 고유한 특징입니다.
  • => ㄸ라서 절대적인 수치보다 지표의 움직임 추이에 초점을 맞춰 활용하는 것이 좋습니다.
• 접속/사용 빈도가 드물게 나타나는 서비스에 적합합니다. e.g.(의류 쇼핑 서비스, 여행 서비스 등)

 

인게이지먼트 (Engagement)

• Engagement = DAU / MAU
• 매일 동일한 사용자가 반복적으로 들어오는지 혹은 날마다 새로운 사용자가 들어오는지를 빠르게 가늠할 수 있게 해줍니다.
  • -> 사용자들이 꾸준히 들어오는 클래식 리텐션에 잘 맞는 서비스 (전화, 메신저 등)가 여기에 해당합니다.

 

코호트에 따른 차이

• 퍼널 분석과 마찬가지로 리텐션을 분석할 때도 코호트에 따른 차이를 확인하고 그 원인이 되는 요소를 규명하는 것이 대단히 중요합니다.
• 리텐션은 쪼개서 볼 때 의미 있는 지표입니다.
• 일반적으로 리텐션을 분석할 때 활용하는 코호트의 기본은 날짜입니다.
  • 혹은 유입 채널별 리텐션을 비교해서 어떤 채널을 통해 들어온 사용자들이 오랜 기간 남아서 활동하며 충성 고객으로 전환되는 비율이 높은지 확인할 수 있습니다.

 

리텐션 차트 (Retention Chart)

코호트에 따라 리텐션이 어떻게 움직이는지를 시각화해서 확인할 수 있습니다.

 

1. 코호트
   '동일 기간 가입' 또는 '동일 기간 결제'
2. 볼륨
   각 코호트의 크기 기록.
   가령 코호트가 2025년 4월 가입자였다면 해당 코호트에 속한 유저 수 기록.
3. 기간
   유지율을 구분해서 보기 위한 날짜 기준을 기록.
   사용자들의 평균 서비스 방문 주기를 고려해서 일별, 주별, 월별 중 선택.
4. 리텐션
   각 코호트별로 집계된 기간별 리텐션 기록.

 

리텐션 차트로 유용한 인사이트를 얻기 위한 다음 질문

• 하나의 코호트 안에서 기간에 따른 유지율을 봤을 때 그 추이가 어떠한가? 
  유지율이 급격하게 떨어지지 않고, 안정화되는 지점이 있는가?
  대략 어느 정도 기간이 지나야 안정화된다고 볼 수 있는가?
• 서로 다른 코호트의 동일한 기간의 유지율을 비교하면 어떠한가?
  2025년 1월 가입자와 2025년 5월 가입자의 60일 리텐션에 차이가 있는가?
• 기간에 따라 나눈 코호트의 규모는 어떻게 달라지고 있는가?
  가입자 (혹은 접속자)가 꾸준히 증가하는 추세인가, 그렇지 않다면 유지되거나 감소하는 추세인가?

 

리텐션 개선

시점에 따라 2가지로 나눌 수 있습니다.

1. 초기에 리텐션이 떨어지는 속도 늦추기.

• Activation 프로세스의 영향을 많이 받습니다.
  -> 이 단계에서 이탈이 많은 경로가 어디인지 살펴보면 초기 유지율이 떨어지는 것을 보완하는 데 도움이 됩니다.
  흔히 NUX (New User Experience, 신규 사용자 경험)라고 부르는 영역입니다.

2. 리텐션이 안정화된 이후에는 기울기를 평평하게 유지해서 오래 유지되게 하기.

• 정기적인 커뮤니케이션 플랜이나 CRM 마케팅 활동, 주기적으로 진행하는 프로모션 등이 도움이 됩니다.
• 특히 일정 기간 미사용 후 휴면 고객이 되는 사용자들을 대상으로 적절한 복귀 명분을 만들어주는 리마케팅 (Re-Marketing)을 꾸준히 진행할 필요가 있습니다.

 

[출처] 양승화(2021), "그로스 해킹", 위키북스, 03장 3.4