날씨가 점점 더워지고 있다.🌞

☘ 그로스해킹

[인프런] 그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법 by 양승화님

Retention

Retention이란

• Activation과정을 통해서 경험한 A-ha!! Moment를 꾸준히 경험하도록 하는 것
• 서비스의 성공을 예측할 수 있는 기본지표 중 하나
• 일반적으로는 재방문을 통해 측정

측정 방법

1. Classic Retention(Day-n retention)

• 특정일에 comeback한 유저의 비율
• 각 날짜에 접속한 유저는 독립적으로 계산됨(반복적으로 들어왔는지 여부는 고려하지 않음)
• 계산 Day n에 서비스 사용한 사람 수/Day 0에 처음 서비스를 사용한 사람 수
• 장점 : 설명하기 쉽고, 계산하기 쉽다.
• 단점 : 특정일의 노이즈에 민감하다. 특정일에 우연히 접속or접속x 사람이 있을수있음
• 적합활용
  • Daily Use가 중요한 서비스에 활용
    (짧은 주기로 반복적인 사용이 보편적인 서비스)(ex:전화서비스,메신저톡)
  • 노이즈 줄이려면? 기준일을 여러개 설정 여러개 측정 Dan n리텐션 평균값을 활용
    ex) Day0 Day7 Day14 Day28을 1/1기준 계산, 1/2기준계산, 1/3기준계산 후 각 Day값 별로 평균내기

2. Range Retention

• 특정기간에 Comeback한 유저의 비율
• Classic retention과 기본적으로 동일, but 기준을 특정일이 아닌 기간을 사용함
• 각 기간에 접속한 유저는 독립적으로 계산됨
  (반복적으로 접속 여부는 고려하지 않음)
• 기간 중 N회이상 접속하였는지 여부도 고려하지 않음
• 계산 : Range n에 서비스 사용한 유저의 수 / Day0에 서비스 사용한 유저 수
• 장점
  • 설명 쉬움
  • 일자별 변동에 영향을 적게 받음
  • 일정기간 트렌드,변화 관찰 가능
• 단점
  • Range가 길어질수록 과대평가 됨
  • 의미있는 결과를 보기 위해서는 꽤 오랜시간이 필요함
• 적합활용
  • Daily Use가 덜 중요한 서비스(ex:가계부)
    

3. Rolling Retention

• 몇명이 남았는가? 가 아닌 몇명이 이탈했는가를 봄
• 계산 : After n day까지 서비스 사용기록 있는 유저 수/Day0에 처음 서비스 사용 유저 수
• 장점
  • 계산이 쉽다.(가입일,마지막접속일만 필요)
  • Retention의 기준을 임의설정하는 것이 아닌 사용자에게 맡김
• 단점
  • 전반적으로 매우 과대평가됨(엄청 가끔 들어오더라도 계산 포함)
  • 이상치의 영향이 매우 큼
  • 계속 측정값이 변화(n에 측정값과 5일후 측정값이 계속 변화)
• 적합활용
  • Daily Use가 없는 자주 쓰이지 않는 서비스(ex:항공권 예약 서비스)

간편 Retention

• Engagement = DAU/MAU
  • DAU/MAU 비율을 통해 사용자가 특정 서비스에 얼마나 Engage되었는지 가늠할 수 있음.
  • 단 Daily Use가 전제된 서비스에서만 유효함
  • Retained 유저와 그렇지 않은 유저를 나눠서 드릴다운 분석해야함
    (왜 들어왔고 왜 안들어왔을까?)
  • 서비스간 비교는 not easy
    • DAU,MAU측정기준이 각각 다름
    • 트레킹 서비스에서 보여주는 수치도 추정치에 가까움
  • 동일 서비스에서의 기간별 추이를 보는 게 나음
    (ex:페이스북의 기간별로 지역에 따른 Engagement추이)

Retention Chart

• Retention Chart
  : 리텐션이 어떻게 변화하는지를 측정
  시간의 흐름에 따른 변화를 살펴보고 인사이트 도출할 수 있다.
  • 선그래프를 그려보면 좋음
  • 가로축 : 전반적인 리텐션 좋아졌는지 추이
  • 세로축 : 처음 들어오는 사용자들 같은 시간동안 얼만큼 변화

코호트 again :)

• 단순 Day별 리텐션 %도출을 기본
• 퍼널분석과 마찬가지로, Retention도 코호트를 쪼개서 차이를 보는 게 핵심
  • Retention 분석 시 활용하는 코호트의 기본은 날짜(ex:가입일, 첫구매일...)
  • 가입월별, 첫 구매 월별로 구분
• 데이터를 보면 Activation x Retention x Revenue는 자연스럽게 이어지는 과정

접속이 Retention의 유일한 기준은 아니다

• 로그인이 유의미한 행동이라서 반복하는지 시간에 따라 보는 것
• 다른 유의미한 행동 기준으로 시간에 따른 반복을 보는 것도 좋음
  (ex: 상세 페이지~개 방문, 구매하기 클릭, 구매 완료(재구매율체크), 메세지 주고받기, 컨텐츠 소비 등

Retention 개선하기

• 시점에 따라 접근

  • 초기에 떨어지는 속도를 늦추기
    • Actiavtion프로세스 점검하기
    • 신규 유저 경험 개선시키기
  • 생존 유저 보존하기
    • 지속적인 care plan
    • 휴면 고객 복귀 구실 만들어주기

• Retention개선 시도 시 두가지 중에 어떤 부분을 개선해야 하는지 체크

• 지표에 매몰되면 안됨

  • 푸시,이메일,SMS사용하면 당근 Retention 일시증가 > 장기적 악영향
  • 유저 커뮤니케이션 채널은 유저 피로도 관리 위해서 일원화해서 한번에 하는게 좋음
  • 당근 유저 자극시 이탈율 증가
  • 접속말고 핵심기능 사용,N페이지 이상 방문 ,결제하기 등 핵심기능 기준으로 모니터링
  • 당장 끌고오려는 계획보다는 추후 수요생기면 연어처럼 돌아오도록 만들자

• 축적된 가치 전달(이전) 잘 하나?

  • 서비스에 축적된 Value가 많은 경우 Retention이 높아짐(ex:에버노트,랭커가 된 게임 등)
  • 경쟁사에서는 축적된 가치를 가져올 수 있어야(ex:노션에서 에버노트 자료 불러오기 지원, 핸드폰 변경 시 자료이동, 음원서비스 플레이리스트 가져오기)

• 습관

  • 책'Hooked'
  • 계기>행동>가변적 보상>투자
    (게임도 어떻게 보면 같은 알고리즘 )
  • SNS사용을 계획적으로 하는게 아닌 그냥 습관적으로 키고 서핑

Retention 기타

• 장기간의 리텐션이 중요하다는 게 어려운 점
  • 현재 status 측정하는데 시간이 오래 걸림
  • 개선위한 testing을 해도, 효과확인까지 시간걸림
  • Retention은 복리효과를 가져온다.
• 일관성있게 유지되지 않는다.
  • so 기간에 나눠 코호트 분석을 해야 함
  • 외부요인도 많은 영향
• 서비스마다 적정 retention은 다름
  • 과도하게 올리려다 보유한 유저 피로도 증가
• AARRR에서 Activation과 함께 가장 먼저 개선해야 하는 항목으로 꼽힘
  • 그로스 실험의 시작이 되는 경우가 많음
  • Acquisition을 늘리기 앞서서 내부 로직을 먼저 탄탄히 해야

📃 개인프로젝트

• 공공데이터포탈과 통계청에서 주제와 관련있어 보이는 데이터들을 다운받았다.
• 태블로로 만져보려고 시도했으나 아직 숙련도가 낮다보니 들인시간대비 결과가 형편없었다.
• 또 데이터를 스토리로 풀어내려고 하니 어렵다는 사실을 깨달았다.

🏝 마무리

의식적 노력이 정말 중요하다. 매일매일 흘러가버리는 하루를 붙잡고 기록해야겠다.