리텐션 분석하기

📘

잠깐, Data Analytics 사용을 위해서는 이벤트 수집 코드 작업이 필요합니다. 이에 대해서는 각 언어 별 SDK 문서의 작업 순서 항목을 참고해주세요.

이곳에서는 데이터 분석(Analytics) > 리텐션 분석을 활용해서 제품을 사용하는 고객의 재사용율을 깊이있게 이해하는 방법을 설명합니다.
리텐션 분석은 데이터 분석에서 Retention 탭을 클릭하여 사용할 수 있습니다.

리텐션이란?

얼마나 많은 사용자가 시간이 지난 후 제품을 다시 사용하는지를 나타낸 것으로, 사용자의 반복된 제품 사용주기를 살펴봄으로써 제품의 방향성을 찾는데 도움을 받을 수 있습니다.

예를 들어 최근 한 달 동안 홈 화면을 방문한 사용자 중 다시 방문한 사용자를 최근 한 달간 일별로 본다고 하면, 홈 화면 방문의 일별(N-day) 리텐션이 됩니다. 이때 최초 방문 일자별로 사용자를 그룹(코호트)으로 나누어 볼 수도 있고, 전체 기간을 합산하여 볼 수도 있습니다.

리텐션은 단순 방문 기준으로 분석하는 것이 일반적이지만, 가입/구독/구매와 같이 제품의 주요한 사용자 행동 데이터(이벤트)를 기준으로도 분석할 수 있습니다. 보고자 하는 제품의 주요 퍼널별로 리텐션을 점검하면, 퍼널 분석과는 또 다른 인사이트를 발견할 수 있습니다.

리텐션을 신경써야 하는 이유
제품을 만드는 사람들은 사용자가 제품을 일회성이 아닌 지속적으로 사용하길 바랍니다. 일반적으로 리텐션율이 높으면 유저가 앱을 주기적으로 사용한다는 뜻으로 해석할 수 있어, 유저의 참여와 관심, 충성도 같은 지표를 높이기 위한 제품 방향성을 정하는데 중요한 지표로 활용됩니다.

리텐션 커브

[그림1-1][그림1-1]

[그림1-1]

[그림1-2][그림1-2]

[그림1-2]

[그림 1-1]은 10명의 사용자가 같은날 처음(Day0)으로 서비스를 이용하기 시작했고, Day7에 7명의 사용자가 이벤트를 수행했다면, 7/10=70%가 Day7의 리텐션이라고 설명할 수 있습니다. 같은 방법으로 28일을 기준으로 리텐션을 보고자 한다면 Day28의 N-day 리텐션은 20%가 됩니다.

일반적인 서비스의 리텐션 그래프는 [그림1-2]처럼 초기 진입이후 사용자의 행동주기가 서서히 감소하기 때문에 그래프 모양도 [그림1-1]처럼 시간이 지남에 따라 서서히 하락하는 우하향 하는 곡선을 그리게 됩니다. 따라서 이러한 사용자의 추이를 파악하려면 차트보다 그래프를 먼저 보고 사용자의 행동주기가 어떻게 변화하는지 파악해 보는 것을 추천합니다.

리텐션 스마일 커브
한 때 화제가 되었던 에버노트의 Smile curve를 아시나요? 위에 설명드린 것처럼 보통 리텐션 커브는 우하향 하는 곡선을 그리는데, 에버노트와 같이 시간이 지날수록 사용자가 늘어나는 제품은 아래와 같이 스마일 커브(Smile curve) 곡선을 그려지게 됩니다. 유저에게 서비스 가치가 높아졌다고 볼 수 있습니다. 스마일 커브가 보여지기까지 기간을 얼마나 걸리는지를 파악해 보는 것도 리텐션 그래프를 보는 하나의 방법이 될 수 있을 것 같습니다.

[이미지 출처 : https://techcrunch.com/2012/11/04/should-your-startup-go-freemium/][이미지 출처 : https://techcrunch.com/2012/11/04/should-your-startup-go-freemium/]

[이미지 출처 : https://techcrunch.com/2012/11/04/should-your-startup-go-freemium/]

리텐션 분석툴 학습하기

1단계 : 이벤트 선택

[그림2-1][그림2-1]

[그림2-1]

Start event와 Return event는 제품의 첫 번째 사용 시점(start event) 이후 일정 기간(N-day)이 지난 시점에 제품을 재사용(return event) 하는 것을 의미합니다.

Start event는 최초 사용 기준이 됩니다. Start event로 "방문"을 선택하면 기간중에 "최초로 방문"한 사용자 중에 Return event를 한 사용자 수를 구하는 것이며, Return event로 "구매"를 선택하면 기간중에 "최초로 구매"한 사용자 중에 Return event를 한 사용자 수를 구하는 것입니다.
Return event는 재사용 기준이 됩니다. Return 이벤트로 "방문"을 선택하면 기간중에 최초로 Start event를 한 사용자 중에 "방문"을 한 사용자 수를 구하는 것이며, Return event로 "구매"를 선택하면 기간중에 최초로 Start event를 한 사용자 중에 "구매"를 한 사용자 수를 구하는 것입니다.

아래 샘플질문을 통해 행동데이터(이벤트)를 선택하여 리텐션을 분석할 수 있습니다.

  • 예시1 : 재구매를 완료한 사용자를 7일 기간으로 리텐션을 분석하고자 함.
    • Start event : product_purchase
    • Return event : product_purchase
    • 기간 : 일별, 7일 선택
  • 예시2 : 로그인한 사용자 중 상품 상세페이지에 방문한 사용자를 한 달 기간으로 분석하고자 함.
    • Start event : Main_Login
    • Return event : View_productdetailpage
    • 기간 : 일별, 30일

2단계 : 결과 시각화

1단계 분석 항목을 선택하면 코호트에 따른 리텐션(재방문)을 시각화로 확인할 수 있습니다.
핵클 리텐션 분석은 Start event, Return event를 모두 선택 시 [그림3-1], [그림3-2]처럼 하단에 차트와 테이블이 즉시 표현됩니다.
조회 기간도 자유롭게 설정해보세요. 차트 영역에서는 전체 사용자 그룹의 리텐션 추세를 파악할 수 있고, 마우스를 가져가면 특정 기간의 리텐션 %와 실제 사용자 수를 확인할 수 있습니다.

[그림 3-1][그림 3-1]

[그림 3-1]

[그림 3-2][그림 3-2]

[그림 3-2]

핵클 리텐션 차트의 구성
[그림 3-2]와 같이 핵클의 리텐션 차트 테이블의 구성은 크게 코호트, 볼륨, 기간, 유지율의 4가지 요소로 이루어집니다.

  1. 코호트 : 각 행의 첫 번째 열은 이벤트와 날짜를 기준으로 동일 집단을 표현합니다.
  2. 코호트의 크기(볼륨) : 각 코호트의 크기를 나타내며, Start event를 수행한 모수를 나타냅니다. 예를 들어 로그인한 사용자 중 상품 상세페이지에 방문한 사용자를 본다라고 한다면, 로그인한 사용자의 카운트된 유저가 각 코호트의 볼륨이 되며, 볼륨을 기준으로 return event를 완료한 unique count가 day0의 리텐션이 됩니다.
  3. 기간 : 기간을 설정하면 기간내 재방문한 데이터를 볼 수 있습니다. 예를 들어 7일을 선택하면 day0 ~ day7 까지의 재방문 데이터를 볼 수 있습니다.
  4. 리텐션 : 하나의 행을 날짜 기준으로 코호트로 묶어 집계된 기간별 리텐션을 확인 할 수 있습니다. 볼륨을 기준으로 유니크 유저(unique count)와 전환율(%)를 확인 할 수 있습니다. 전환율 or 유지율?이 높을수록 각 테이블의 음영은 진해집니다.

3단계 : 리텐션 저장하기

[그림 4-1][그림 4-1]

[그림 4-1]

리텐션을 저장하면 좌측 데이터인사이트 메뉴에서 저장된 것을 확인할 수 있습니다.
중요한 리텐션차트는 저장하여 지속적으로 모니터링 해보세요.


Did this page help you?