분석 상식 : 리텐션편(Retention) (feat . AARRR)

오늘도 신세를 지고 있는 데이터리안 님들께 무한한 영광을 돌립니다. 보통은 학습을 하다보면 쓸 내용은 쓰고 버릴 내용은 버리거나 요약을 하는데.. 필요한 내용이 딱 필요한 만큼만 있으니 감사할 따름 ㅠㅠ

 

출처 : 리텐션(Classic Retention) 1, 2 일부
링크(https://datarian.io/blog/classic-retention)

 

그로스 해킹의 대표적인 분석 프레임워크로 AARRR을 많이 사용합니다.

 

AARRR은 사용자 획득(Acquisition)→ 신규 사용자가 서비스를 사용하기 시작 (사용자 활성화 : Activation) → 지속적으로 서비스를 사용 (사용자 유지 ; Retention) → 구매 → 다른 사용자에게 추천 → 새로운 사용자 획득이라는 이제는 당연해 보이는 유저의 서비스 이용 사이클을 체계화한 프레임워크입니다.

 

• A: Acquisition (사용자 획득)
  사용자를 획득하는 단계로, 서비스 안정화를 거친 후 시장 진입을 위해 공격적인 마케팅을 할 때 집중하는 지표입니다. 여러 채널을 통해 얼마나 많은 사용자가 유입되고 있는지, 신규 사용자는 얼마나 획득했는지 등을 파악합니다. 적은 비용으로 높은 볼륨을 일으키는 채널이 좋은 채널이라 할 수 있습니다.
  KPI : 신규 방문자 수, DAU, MAU, CTR 등

• A: Activation (사용자 활성화)
  사용자가 서비스를 이용하기도 전에 이탈하는 비율은 얼마나 되는지, 서비스 이용을 시작했다면 이후의 engagement는 어떻게 되는지 등을 파악합니다. Bounce Rate(반송률)는 첫 페이지에서 서비스를 종료한 비율로, 부정적 사용자 경험을 나타내는 지표입니다.
  KPI : 이탈율, PV, 체류시간, 회원가입, CAC, CPC 

• R: Retention (사용자 유지)
  사업 초기 단계에서 가장 중요한 지표 중 하나가 바로 Retention입니다. Retention Rate은 서비스의 만족도를 가장 잘 대변하는 지표로, 서비스 만족도가 높다면 꾸준한 사용으로 높은 재사용률을 나타낼 것입니다. 반대로 재방문율이 낮으면 해당 서비스는 오랫동안 존속하기 힘듭니다. 이럴 경우 낮은 Retention을 끌어올리기 위한 푸시, 메일링, 리뉴얼 등의 다양한 노력이 필요합니다.
  KPI : 재방문율, 장바구니 이용횟수 등

• R: Revenue (매출)
  서비스가 존속하기 위해서는 분명한 수익모델이 있어야 합니다. 이를 판단하는 지표는 서비스마다 다르겠지만, 서비스를 이용하는 사용자의 Conversion Rate를 높이는 것이 목표인 것은 동일할 것입니다.
  KPI : 재방문기간, 객단가, 전환율, LTV, 평균 주문율 등

• R: Referral (전파)
  최근 신규 앱을 받아 설치한 경험이 있으신가요? 설치하는 데 영향을 끼친 것은 무엇이었나요? 아마 지인의 추천을 통해 설치하는 경우가 다수일 것입니다. 이미 사용자 디바이스에 설치된 앱은 포화상태이기 때문에, 지인의 추천이 아니면 새로운 앱을 설치할 이유도, 목적도 쉽게 제시하지 못하는 상황입니다. 그렇기 때문에 서비스가 안정화되고 성장하는 단계에서 중요한 데이터가 바로 Referral입니다. 우리 서비스가 어디에 얼마나 공유되고 있으며, 그 채널로 인해 얼만큼의 사용자를 다시 확보하는지 등을 살펴봐야 합니다. 결국 Referral 단계는 Acquisition과 맞물려 선순환을 만들게 됩니다.
  KPI : SNS 공유/댓글 수, 바이럴 개수 

출처 : 스타트업을 위한 AARRR(해적지표) 개념잡기 (링크)

이미지 출처: https://dwarves.foundation/playbook/aarrr-framework-zmjhde6izw/

 

※ 단계별로 이탈률이 높을 때 고려해 볼 사항은 다음과 같다.

Acquisition 단계

유저 획득 자체가 어려운 상황이라면 현재 광고들을 전체적으로 점검해 볼 필요가 있다. 특히 우리 서비스 가치를 제대로 전달하지 못한다거나 광고가 노출되는 영역이 우리가 타겟으로 설정한 고객군과 맞지 않을 가능성이 높기 때문이다. 이 경우에는 현재 우리 서비스 활성 사용자를 분석하여 해당 타겟에 맞는 광고와 서비스(또는 상품)를 엮어 광고를 변경할 필요가 있다.

 

Activation 단계

사용자가 일단 유입되었으나 서비스를 이용하지 않고 이탈된다는 것은 사용자가 보는 첫 화면에 문제가 있을 가능성이 있다. 첫 화면에서 서비스 소개가 제대로 이루어지지 못하고 있다거나, 사용자가 볼 컨텐츠가 없었거나, 버튼이 적절한 위치에 있지 못했을 가능성이 있습니다. 이 경우 이탈이 일어나는 페이지를 검토하여 요소들의 변경이 필요하다.

 

Retention 단계

사용자의 서비스를 다시 이용하지 않는 것은 서비스 자체에 관심이 없거나, 서비스를 잊고 있을 가능성도 있습니다. 서비스 자체에 관심 없는 사용자를 계속해서 유지시킨다는 것은 어렵기 때문에 서비스를 잊고 있는 사용자에게 서비스를 상기시키는 방안을 고려해볼 필요가 있습니다. 예컨대 앱 푸시 알림이나 SMS 등으로 서비스를 상기시킬 필요가 있다.

 

Revenue 단계

사용자가 서비스 내에서 충분히 활성화되었음에도 구매로 전환되지 못하는 것은 구매까지의 경로가 까다롭거나 구매 유인을 제대로 하지 못하고 있을 가능성이 있습니다. 일반적으로 신규 사용자를 획득하여 구매 전환 시키는 비용보단 이미 구매한 사용자를 재구매시키는 비용이 더 저렴하기 때문에 구매 전환이 일어나지 않는다면 인센티브(쿠폰, 무료배송 등)를 제공해서라도 구매 전환을 시킬 필요가 있습니다.

 

Referral 단계

사용자가 직접 추천이나 공유를 한다면 비용 없이 신규 사용자를 획득할 수 있어 선순환을 만들 수 있습니다. 사용자 추천과 공유가 부족하다면 아마 우리 서비스를 쉽게 공유하거나 추천할 수 있는 방법이 없지는 않은가 고민해보아야합니다. 이 경우 친구 추천이나 공유 버튼을 잘 보이도록 하는 등 개선이 필요합니다.

 

>>> 지금까지 소비자, 고객으로서 경험했던 것들이 다 이 AARRR 전략에 따라 도출된 것이었다니 놀라울 정도였다. 대체 친구추천에 목메는 이유가 무엇일까? 신규와 복귀유저들에게 각 다른 아이템을 제공하는 이유가 무엇이었을까? 잘 만든 어플과 웹페이지의 UI가 주기적으로 변경되는 이유는 무엇일까? 생각해보니 이러한 전략에 따라 도출되었다고 하니 신기하고 레퍼런스들이 많아서 공부하기 좋을 것 같다는 생각도 든다.

 

출처 : 마케팅 믹스 전략 : AARRR 퍼널 분석 ( https://brunch.co.kr/@hae-ra/10 )

 

 

리텐션이 중요한 이유

다섯 가지 단계 중 가장 먼저 개선을 해야 하는 단계로도 알려져 있죠. 만약 사용자 유지가 되지 않는 서비스인데 광고를 늘려 Acquisition, Activation을 늘렸다고 생각해 봅시다. 새로 들어온 사용자들은 몇 번 서비스를 써보고는 매력을 느끼지 못해 이탈합니다. 이건 밑빠진 독에 물을 붓는 것과 다름이 없습니다. 따라서 새로운 사용자를 받는 것보다 선결되어야 하는 것은 기존 사용자들이 서비스를 만족스럽게 사용하고 있는지, 지속적으로 사용하는지 보는 것이고 이것이 바로 Retention입니다.

이미지 출처: https://blog.ab180.co/posts/retention-series-1

 

이 단계에서는 앞에서 얘기한 것처럼 사용자들이 우리 서비스를 1회성이 아니라 지속적으로 사용하는지, 핵심가치를 꾸준히 경험하는지를 측정합니다. 측정 방법에 정해진 공식이 있는 것은 아니지만 몇 가지 자주 사용하는 방법들이 있습니다. 오늘은 그중에서도 클래식 리텐션(Classic Retention)이라고 많이 부르는 계산 방법에 대해서 살펴보겠습니다. 클래식 리텐션은 N-Day Retention이라고도 합니다.

 

※ '지속적 사용'은 어떻게 측정하나요?

일반적으로는 '방문'을 기준으로 측정합니다. 하지만 꼭 '접속', '방문'으로 리텐션의 기준을 한정할 필요는 없습니다. '사용자가 서비스를 지속적으로 사용하는지를 보려고 한다'라는 목표 아래 다양한 로그가 리텐션을 정의하는데 사용될 수 있습니다.

 

• 특정 페이지 방문

• 특정 페이지 N번 방문

• 결제 버튼 클릭 또는 결제 완료

• 특정 기능 사용

• 등등...

 

예를 들어 어떤 서비스의 경우 단순히 사용자가 서비스에 '방문'한 것으로 서비스를 사용했다고 보기는 어렵다고 판단하고 '특정 기능을 사용'한 유저만 리텐션 계산에 포함시킬 수 있습니다.

>>> 예컨대 쇼핑몰은 구매까지 이어져야겠지

 

아래 서비스는 제가 잘 쓰고 있는 todo mate라는 일정관리 앱인데요. 제가 느끼는 이 서비스의 핵심 가치는 일정을 등록하고, 일정을 완료하면서 캘린더에 색색의 꽃을 피워내는 성취감에서 옵니다. 이런 경우 리텐션을 계산하는 서비스 담당자라면 '방문'보다는 '일정 등록' 또는 '등록된 일정 완료' 로그를 이용하여 리텐션을 계산해 볼 수 있을 겁니다.

 

todo mate 캡처 화면

 

꼭 서비스 전체 레벨의 지표가 아니더라도, 특정 기능을 개발했을 때 또는 우리의 핵심 기능을 유저들이 잘 쓰고 있는지 살펴보기 위해 '기능의 반복 사용'을 보는 기능 리텐션(Feature Retention)을 측정하기도 합니다.

 

※ 클래식 리텐션 계산하기

자 우리는 일반적으로 많이 사용하는 '방문'을 기준으로 리텐션을 계산해 보겠습니다. 서비스의 특성에 따라 다양한 방법으로 계산을 하는데 이번에는 클래식 리텐션(Classic Retention)이라는 가장 널리 사용되는 간단한 계산 방법을 알아보겠습니다.

 

202X년 12월 1일에 사용자 A, B, C, D, E 5명이 처음 서비스를 이용하기 시작했다고 생각해 봅시다. 그리고 아래 표와 같이 서비스에 방문했다고 합시다.

 

사용자	12-01 (Day 0)	12-02 (Day 1)	12-03 (Day 2)	12-04 (Day 3)	12-05 (Day 4)
A	방문	방문	방문	방문	방문
B	방문	방문	ㅤ	방문	ㅤ
C	방문	ㅤ	방문	방문	ㅤ
D	방문	ㅤ	ㅤ	ㅤ	ㅤ
E	방문	ㅤ	ㅤ	ㅤ	ㅤ

 

202X년 12월 1일에 가입한 사용자들의 접속을 요약해 보면 아래 표와 같습니다. 12월 2일에 방문한 유저는 5명 중 2명으로 40%이고 이 비율을 리텐션이라고 합니다.

 

ㅤ	12-01 (Day 0)	12-02 (Day 1)	12-03 (Day 2)	12-04 (Day 3)	12-05 (Day 4)	12-06 (Day 5)
방문유저수	5	2	2	3	1	2
리텐션 %	100%	40%	40%	60%	20%	40%

 

※ 클래식 리텐션의 한계

클래식 리텐션은 어떤 날(12월 2일)에, 특정 유저군(12월 1일에 가입한 유저 5명)의 몇 %가 접속(40%)했는지 계산합니다. 아마 조금 날카롭게 생각하시는 분들이라면 이런 질문을 할 수도 있을 것 같습니다.

 

"사용자 B를 Day 2 계산에서 빼도 되는 건가요? Day 3에도 접속을 하고 있는데, 이 정도면 Day 2 시점에는 서비스를 계속 사용하고 있다고 봐도 되는 게 아닐까요?"

 

사용자 B의 경우에 Day 0, Day 1, Day 3에 방문했으니까 사실 Day 2에도 관점에 따라 서비스 사용자로 볼 수 있습니다. 서비스 사용을 '유지(Retain)'하고 있느냐 물어봤을 때에 사용자 B는 Day 2 리텐션 계산에 포함되어도 괜찮은 것으로 보입니다. 이렇게 매일매일 사용하는 게 아니라, 사용 주기가 길 경우 클래식 리텐션으로 사용자 유지 여부를 판단했을 때 실제보다 훨씬 과소 계산하게 됩니다.

>>> 분석을 위한 분석은 지양해야한다. 우리는 무엇을 하더라도 왜? 하는데 우리가 뭘 보고 싶은데? 를 꼭 살펴보아야 한다.

 

이렇기 때문에 리텐션 계산에는 다양한 방법이 있다.

클래식 리텐션은 사용자가 매일 접속해서 사용할 것으로 기대되는 서비스에 활용하기 적절한 지표입니다. 카카오톡 같은 메신저 앱이나, 트위터 같은 SNS 서비스가 여기에 해당합니다. 위와 같이 사용 주기가 긴 서비스들의 경우 롤링 리텐션(Rolling Retention)이라는 계산법을 많이 사용합니다. 롤링 리텐션은 이탈에 초점을 맞추기 때문에 언바운드 리텐션(Unbounded Retention)이라고 부르기도 합니다.

 

※ 롤링 리텐션 계산하기

롤링 리텐션은 기준일을 포함하여 그 이후에 한 번이라도 재방문한 유저의 비율을 나타냅니다. 좀 더 쉽게 이해하자면 '마지막 방문일 이전은 방문한 것으로 간주한다'로 생각하셔도 됩니다. 기준일 이후에 방문 기록이 있다면, 기준일 당시에는 이탈하지 않은 사용자로 계산하겠다는 뜻입니다.

 

사용자	12-01 (Day 0)	12-02 (Day 1)	12-03 (Day 2)	12-04 (Day 3)	12-05 (Day 4)	12-06 (Day 5)
A	방문	방문	방문	방문	방문	방문
B	방문	방문	(방문으로 간주)	방문	ㅤ	ㅤ
C	방문	(방문으로 간주)	방문	방문	ㅤ	ㅤ
D	방문	(방문으로 간주)	(방문으로 간주)	(방문으로 간주)	(방문으로 간주)	방문
E	방문	ㅤ	ㅤ	ㅤ	ㅤ	ㅤ

 

그러면 롤링 리텐션을 아래와 같이 계산할 수 있습니다.

 

ㅤ	12-01 (Day 0)	12-02 (Day 1)	12-03 (Day 2)	12-04 (Day 3)	12-05 (Day 4)	12-06 (Day 5)
이탈하지 않은 유저 수	5	4	4	4	2	2
롤링 리텐션 %	100%	80%	80%	80%	40%	40%

 

클래식 리텐션과 롤링 리텐션을 비교하는 그래프를 그려보면 둘의 차이가 명확하게 보입니다. 같은 데이터로 리텐션을 계산했어도 어디에 초점을 맞추느냐에 따라 결과는 이만큼 달라질 수 있습니다.

 

클래식 리텐션 VS 롤링 리텐션

 

롤링 리텐션은 여행 서비스, 쇼핑몰, 부동산 서비스 등 사용 빈도가 높지 않은 서비스에서 유용하게 활용됩니다. 매일매일 이용하는 것이 중요하다기보다는 사용자가 니즈를 가진 시점에('이사를 해야 되는데') 방문하면 되는 서비스('다방을 열어볼까?')의 경우에는 클래식 리텐션으로 사용자 유지 여부를 계산할 필요는 없는 것이죠. 오히려 클래식 리텐션으로 매일의 접속 여부를 확인하면서 이 지표를 높이기 위해 앱 푸시를 보낸다든지, 과한 할인을 한다든지 하는 것은 장기적인 사용자 유지에 악영향을 미칠 수도 있습니다. 이렇게 다양한 리텐션 계산 방법들을 알고 있으면 상황에 맞게, 서비스에 맞게 사용자 유지율을 분석할 수 있습니다.

 

>>> 오늘은 분석가로서 데이터 분석은 합리적 의사결정 도구로 활용할 줄 알아야한다는 것을 다시금 상기했다. 리텐션이 높으면 높을 수록 좋다고 알고는 있었지만 어떤 의미인지도 정확하게 파악할 수 있었다.