Retention
•
Activation 과정을 통해서 경험한 A HA Moment를 꾸준히 경험하도록 하는 것
•
서비스의 성공을 예측할 수 있는 가장 중요한 지표중 하나
•
일반적으로는 재방문을 통해 측정 But, 꼭 방문이 기준이 되어야 하나? 생각해 볼 지점
•
비용 대비 개선 효과!
•
복리효과!
Retention을 측정하는 세가지 방법
•
Classic Retention
•
Range Retention
•
Rolling Retention
Classic Retention(Day-N Retention)
•
특정일에 come back한 유저의 비율
•
각 날짜에 접속한 유저는 독립적으로 계산
•
계산 : Day M에 서비스를 사용한 사람 / Day 0에 처음 서비스를 사용한 사람
•
장점
◦
설명, 계산하기 쉽다
•
단점
◦
특정일의 noisie에 매우 민감, 일 단위 로그인 데이터를 모두 쌓아둬야 함
•
활용
◦
Daily Use가 중요한 서비스(전화)
◦
Noise를 줄이려면? 기준일을 여러 개 두고, 여러 번 측정해서 Day N 리텐션의 평균값을 활용
Range Retention
•
특정 기간에 come back한 유저의 비율
•
기준을 개별 날짜가 아닌 특정 기간(주, 월)으로 한다
•
각 기간에 접속한 유저는 독립적으로 계산됨
•
계산 : Range N에 서비스를 사용한 사람 / Range 0에 처음 서비스를 사용한 사람
•
장점
◦
설명이 쉬움, Day-to-Day Noise에서 자유로움
•
장점
◦
Range가 길어질수록 over-estiamte
◦
의미있는 결과를 보기 위해서는 꽤 오랜 시간이 필요
•
활용
◦
Daily Use가 덜 중요한 서비스(가계부)
Rolling Retention
•
몇 명이 남아있는가? 가 아니라, 몇 명이 나갔는가?에 초점을 맞춘 리텐션 계산
•
계산 : After N day에 서비스를 쓴 기록이 있는 사람 / Day 0에 처음 서비스를 사용한 사람
•
장점
◦
계산하기 쉬움, Retension의 기준을 임의의 기간으로 설정하지 않고, 온전히 사용자에게 맡김
•
단점
◦
전반적으로 over-estimate
◦
아상치의 영향이 매우 큼
◦
계속 변화하는 숫자
•
활용
◦
자주 쓰이지 않는 서비스에서의 리텐션 측정
약식으로 보는 Retention
•
Engagement = DAU(Daily Active User) / MAU(Montly Active User)
◦
Engagement 비율을 통해, 사용자가 특정 서비스에 얼마나 engage 되었는지를 가늠
◦
단, Daily use가 전제된 서비스에서만 유효한 지표(전화, 문자, 카톡 등)
◦
Retained유저와 그렇지 않은 유저를 나눠서, Drill-down하는 분석이 뒤따라야 함
◦
서비스 간 비교는 쉽지 않음
◦
동일 서비스에서의 기간별 추이를 보면 유용함
•
Cohort
◦
Funnel 분석과 마찬가지로, Retention도 Cohort를 쪼개서 차이를 보는게 핵심
▪
retention 분석 시 활용하는 Cohort의 기본은 날짜
▪
가입 월별, 첫구매 월별 로 구분
◦
데이터를 들여다보면 Activation * Retention * Revenue는 자연스럽게 이어지는 과정
Retention의 기준
•
Log-in이 유의미한 행동이기 때문에, 이를 시간에 따라 반복하는지 보는 것
•
다른 유의미한 행동을 기준으로, 시간에 따른 반복을 보는 것도 괜찮음
Retention 개선하기
•
시점에 따른 접근
◦
초기에 떨어지는 속도를 늦추기
▪
activation 프로세스 점검
▪
New User Experience 개선 (온보딩)
•
오랜 기간 유지시키기
◦
정기적인 커뮤니케이션 plan
◦
휴면 고객 복귀 이유 만들어주기
•
함정카드가 많은 영역 : 지표에 매몰되기 쉽다.
◦
푸시보내기, 이메일 보내기, SMS 보내기 → 어쨌든 일시적인 리텐션은 늘어난다
◦
피로 관리가 제대로 되지 않으면, 장기적으로 악영향
◦
유저 커뮤니케이션 채널은 사내에서 일원화해서 관리하는 게 좋음
◦
촉발제를 사용하면 당연하게도 uninstall이 늘어남
•
Key feature를 기준으로 리텐션 모니터링
◦
단순히 접속이 아니라
◦
핵심기능 사용하기, N 페이지 이상 방문, 결제하기 등 핵심기능을 기준으로 모니터링
◦
무조건 지금 다시 데려오는 것보다는, 추후 필요하다고 느낄 때 돌아오도록 해도 괜찮다.
•
추적된 가치
◦
서비스에서 오랜 시간을 보내면서 축적해 놓은 데이터가 많은 경우 리텐션이 높아질 수 밖에 없음
◦
경쟁사 입장에서는? 축적된 가치 이동시키기
▪
mist play 빼오기 고민
•
습관
◦
계기 → 행동 → 가변적 보상 → 투자
◦
친구 소식이 궁금해서 페이스북에 들어가는 게 아니라, 페이스북에 일단 들어간 뒤에 뭘 할지 고민한다.
Retention 개선 : 그 밖에 생각해야 할 것들
•
장기간의 리텐션이 중요하다는게 어려운 포인트
◦
현재 status를 측정하는 데 시간이 오래 걸리고
◦
개선을 위해 실험을 하더라도, 효과를 확인하는 데 오래 걸린다
◦
리텐션은 복리 효과를 가져온다 (긍정적으로든, 부정적으로든)
•
일관되게 유지되지 않음
◦
기간에 따른 코호트분석을 해야하는 이유
◦
내가 잘하는 것도 중요하지만, 경쟁사의 출현 등 외부적 요인도 많은 영향을 미친다.
•
카테고리마다 권장되는 리텐션 수준이 다름 So 목표 수준을 잘 정의
◦
이게 중요한 이유는 Retention을 높이기 위한 장치들이 이미 Retained 된 User를 불편하게 만들 수 있기 때문
•
보통 AARRR에서 activation과 함께 가장 먼저 개선해야 하는 항목으로 꼽힘
◦
그로스 실험의 시작점이 되는 경우가 많음
스마일 그래프
•
제품을 오래 사용한 사람일수록 사용을 지속할 가능성이 높은데 이를 보여주는 그래프
•
에버노트가 이러한 그래프를 보이는 이유는 시간이 가면서 서비스의 유용성이 계속 개선되기 때문
1.
초기 유지기
•
새로운 사용자가 제품이나 서비스를 계속 사용할지 혹은 구매할지 확실하게 마음먹게 되는 중요한 시기
•
제품이나 서비스의 가치를 확실히 인식시키려면 고객이 일정 기간 내에 일정 횟수만큼 되돌아와서 추가적으로 제품을 경험해야 한다.
•
핀터레스트의 경우 가입 후 첫 두 주 동안 최소한 세 번 방문하지 않을 경우 사용을 중단할 가능성이 높다는 판단을 내림
2.
중기 유지 단계
•
제품의 참신성 때문에 생긴 관심이 시들해지는 시기
•
사용자를 유지하기 위해서는 제품의 사용을 습관으로 만드는 일을 해야한다.
3.
장기 유지 단계
•
제품이 끊임없이 고객에게 더 많은 가치를 제공하도록 도움을 주어야 한다.
•
제품이 ‘머스트 해브’라는 고객의 인식을 늘 새롭게하는 것