Data Analysis/Data

Data Analysis - AARRR(3) Retention

BS Ryu 2021. 11. 12. 16:04

3. Retention : Activation 과정에서 A HA Moment를 꾸준히 경험하도록 하는것

  • 일반적으로 재방문을 기반으로 측정

    • 접속을 기준으로 꼭 해야하는지에 대해서는 고민해볼필요 있음
  • 개선효과

    • 비용대비 효과가 큼
  • Retention 측정 방법

    • Classic Retention(= Day-N Re~)

      • Day N에 서비스를 사용했는지에 대한 여부만 지표로함
      • N 일이 지나고 재방문을 했는가에 대한 Retention
      • (+) 계산과 설명이 쉬움
        • 짧은 주기로 반복적 사용이 중요한 서비스에 적합
      • (-) Noise에 취약
        • Noise를 줄이기 위해서, N의 값을 여러개로 두고, DayN Retention의 평균값을 활용
    • Range Retention

      • 특정 기간에 재방문한 user의 비율
      • (+) 설명하기 쉬움. Day-to-Day Noise에 자유로움
        • 가계부 어플리케이션처럼 특정 간격으로 주기적 사용을 하는 부분에 활용 가능
      • (-) Range가 길어질수록 over-estimate됨
    • Rolling Retention(이탈에 초점을 맞춤)

      • 남은 user를 기준으로 계산
        '''

        N day뒤 서비스 사용 기록 있는 사람의 수 / 0일에 처음 서비스를 사용한 사람의 수
        '''

      • (+) 계산이 쉬움(첫사용, 마지막 사용 날만 있으면 됨)

      • (-) 이상치,Noise에 굉장히 취약

        • 서비스 사용이 많지 않을 때 활용
          (ex. 여행어플)
    • 약식

      • Engagement=(DAU/MAU)
        • 얼마나 Engage되었는지의 지표로 사용
        • 하지만, DAU/MAU측정이 서비스별로 차이가있음.
  • Retention Chart
    image
    21분까지..

    • Cohort별로 retention이 어떻게 변해가는지 확인하는 차트
      • ex. 일별(cohort)로 기간이 지날수록 어떤 retention을 보이는지 확인
    • 단순 표 뿐만아니라 차트로 표현하는것도 좋은 방법
    • Activation * Retention * Revenue로 엮어서 생각
  • Retention의 기준

    • 접속(log-in)이 유일한 기준인지?
      • 클릭이나 여러 대체 지수를 활용
  • Retention 개선

    • 시점을 기준으로 접근
      • 초기 user retention 제어
        • Activation 프로세스 점검
        • 새로운 UX 개선
      • 유지
        • 고객과의 정기적 커뮤니케이션 플랜
        • 휴면 고객 복귀 이벤트 등의 액션
    • 유의점
      • 지표에 매몰되지 말아야함
        • 푸시/이메일/SMS자주 보내기 -> 일시적 Retention의 향상은 있겠지만 피로관리의 사이드이펙트가 존재
        • 유저 커뮤니케이션 채널의 일원화
      • Key Feature 기준 모니터링
        • 접속이라는 단순한 기준이 아닌 핵심기능 사용 이력, 결제, 방문횟수 등 핵심기준을 기준으로 모니터링
        • 당장의 User의 복귀를 바랄것이 아니라, 장기적 관점에서 들어올 이유를 만드는 방법도 고려
      • 축적된 가치
        • 축적 데이터가 많은 경우 당연히 리텐션이 높음
        • 파이가 작은입장이면 축적 가치를 이동할 수 있도록
      • 습관
        • 유저가 app을 습관적으로 들어올 수 있도록 고민
      • etc
        • 장기적 Retention의 중요성
          • 하지만 현 status를 측정하고, 새로운 실험과 효과확인이 어려움
        • 기간에 따라 유동적으로 변해감
          • 시기에 따라 코호트 분석을 해야함
          • 외부요인(ex. 경쟁사 출현 등)
        • 카테고리별 권장되는 retention의 수준이 다름
          • 여행, 쇼핑, 가계부 등등 카테고리별로 차이가 있음
          • 피로관리가 중요함
        • AARRR에서 Activation과 함께 가장 우선적으로 개선해야하는 지수

'Data Analysis > Data' 카테고리의 다른 글

Data Analysis - AARRR(5) Referral  (0) 2021.11.12
Data Analysis - AARRR(4) Revenue  (0) 2021.11.12
Data Analysis - AARRR(2) Activation  (0) 2021.11.04
Data Analysis - AARRR(1) 지표와 Acquisition  (0) 2021.11.03
Data Analysis - PMF  (0) 2021.11.01