왜 Retention을 보려고 하는가?
Retention은 사용자가 서비스에 최초 가입한 이후 해당 서비스를 지속적으로 사용하는가를 측정하기 위한 지표이다. 사용자들이 충분히 서비스를 사용하지 않고 "이탈"한다면 의미가 없을 것이다. 기본적으로 AARRR에서 가장 먼저 개선을 고려해야 하는 사항이기도 하다.
Remark. AARRR이란? 유저의 이용 사이클을 체계화한 프레임워크
A : Acquisition (사용자 획득)
A : Activation (사용자 활성화)
R : Retention (사용자의 유지)
R : Revenue (매출)
R : Referral (타 사용자에게 추천, 전파)
Retention의 종류
이러한 Retention도 어떻게 보냐에 따라서 다양한 기준들이 존재한다.
(1) Classic Retention
특정 정해진 유저군이, "딱 특정 날짜"에 해당 서비스를 이용했는지를 보는 지표이다.
문제는 사용 주기가 긴 유저일 경우 해당 유저의 리텐션을 어떻게 할 것인지가 문제이다.
클래식 리텐션의 경우는 사용자가 매일 접속해서 사용할 것으로 기대되는 서비스에 적합하다.
Day0 | Day1 | Day2 | Day3 | Day4 | |
가 | O | O | O | O | O |
나 | O | O | |||
다 | O | O | O | ||
라 | O | O |
위의 상황에서 day0에 방문한 유저 기준으로 Classic Retention을 계산하면
Day1 = 50%, Day2 = 75%, Day3 = 25%, Day4 = 50%이다.
유저 다의 경우는 2일 간격으로 꾸준히 쓰고 있는데 이 지표로 보면 1,3일차는 이탈인데.. 이것이 납득이 안 갈 때는 다른 지표를 써야한다.
(2) Rolling Retention
롤링 리텐션은, 사용자가 이탈하고 남아있는가에 초점을 둔다 다시 말해 간격이 길어도 여전히 서비스를 쓴다면, 방문으로 간주한다고 보면 된다. 즉, 기준일 이후 방문 기록이 있다면 그 당시까지는 이탈하지 않았다고 취급한다.
Day0 | Day1 | Day2 | Day3 | Day4 | |
가 | O | O | O | O | O |
나 | O | 미이탈 간주 | O | ||
다 | O | 미이탈 간주 | O | 미이탈 간주 | O |
라 | O | O |
이 경우, Day1 = 100%, Day2 = 75%, Day3 = 50%, Day4 = 50%를 얻는다.
롤링 리텐션은 사용 텀이 긴 서비스에 더 좋을 것이다.
Remark. 이렇게 계산되기에 특정 기준일의 Rolling Retention은 시간이 지남에 따라 변화한다.
(3) Range Retention
(1)의 개념을 확장하는 개념이다. 범위를 조금 더 유연하게 잡는 것으로, 특정 기간을 묶어서 계산한다.
Day0 | Day1 | Day2 | Day3 | Day4 | |
가 | O | O | O | O | O |
나 | O | O | |||
다 | O | O | O | ||
라 | O | O |
다시 앞의 표를 기준으로 하면 이제는 Day1~2, Day3~4를 묶어서 생각하는 것이다. 즉 묶은 2일중 1일 이상 들어올 경우 이탈로 취급하지 않는 것이다. 이럴때는 하루 정도 서비스에 접속 안해도 문제가 없는 경우들에 유용할 것이다.
'Archive > 데이터 분석 관련' 카테고리의 다른 글
[Data] RFM 분석이란? (이론편) (0) | 2024.01.17 |
---|---|
[Data] A/B Test 사용해보기 : Cookie-Cats (0) | 2024.01.16 |
[Data] CLV (0) | 2024.01.13 |
[Data] A/B test 간단 정리 (1) | 2023.12.31 |
[Data] Logistic Regression의 이탈도, 성능 측정 (0) | 2022.07.27 |