오늘은 "데이터 리터러시" 강좌에서 지표 설정 chapter의 내용이 너무 유익해서 정리하여 글로 내재화 하고자 한다.
[ 지표란? ]
- 문제 정의를 통해서 '어떤 문제를 풀고자 하는가?'를 정의했다면
> 문제 정의 : 둘 이상의 해석이 나오지 않도록 구체적으로 표현하고 정의하였는가?
- 지표는 '어떤 결과를 기대하는가?'에 대한 정량화된 기준
> 지표 설정 : 정의한 문제를 확인하는데 적합한가?
주요 지표
[ Active User (활성유저) ]
- 정의에 따라 범위가 다름
1) 사이트 진입 유저
- 메인 홈 화면에 진입 시 활성 유저로 정의
- 허들이 가장 낮음
- AU 지표가 가장 높게 측정됨
- 그러나 해당 유저 대상 액션 효율이 떨어짐
2) 사이트 진입 후 추가 행동을 한 유저
- 허들이 두 번째로 낮음
- 사이트 진입 후 강의를 하나라도 진입한 유저
- 1) 유저 보다 액션 효율이 높을 수 있음
3) 서비스의 최종 액션까지 수행한 유저
- 가장 허들이 높음
- 자사 서비스의 Goal 액션을 한 유저
- 자사 서비스의 핵심과 효용성을 경험한 유저
- 해당 유저 대상 액션을 할 때 효율과 이익이 가장 높음
- AU 지표가 가장 낮게 측정됨.
[ Retention Ratio (재방문율) ]
- 몇 %의 유저가 우리 서비스를 다시 사용하는가?
> 정의: 서비스를 사용한 사람이 다시 서비스를 사용하는 비율 %
> 리텐션이란 한번 획득한 유저가 서비스로 다시 돌아왔는가?에 대한 지표
> 리텐션이 높은 서비스는 획득비용에 투자한 비용을 빠르게 회수할 수 있음
> 리텐션은 서비스(특히 앱서비스) 성장에 있어서 매우 중요한 지표
* 리텐션이 높은 세그먼트를 발굴하는 작업이 필요함
* 서비스의 사용 주기에 따라 리텐션 조회 기간을 늘려야 함
* 사후 분석 시에 용
1) N-Day 리텐션
- 최초 사용일로부터 N일 후에 재방문한 Active User 비율
- 일반적으로 사용하는 리텐션 지표는 N-Day 리텐션
- 게임, 소셜 등 습관적으로 사용하거나 반복적으로 행동을 유도하는 제품에 적합
- 유저가 Active User로 집계된 최초 날을 Day 0으로 설정
- Day 0에 액티브 상태가 된 모든 유저들의 N일차 리텐션을 계산
- N-Week, N-Month도 가능
- N-Day 리텐션은 사용자가 매일 접속하는 서비스에 활용하기 적절한 지표
> 카카오톡, 인스타 그램, 모바일 게임
2) Unbounded 리텐션
- 특정 날짜를 포함하여 그 이후에 재방문한 유저긔 비율
- 특정일을 포함하여 그 이후에 한 번이라도 재방문한 유저의 비율
- 유저가 정기적으로 반복해서 방문하는 서비스가 아닐 경우 적합
- 해석: Day 5는 5일 차 이후에 한 번 더 들어온 유저의 비율
- Unbounded 리텐션은 이탈률의 반대 개념
- 사용 빈도가 높지 않은 서비스에 활용하기 적절한 지표
> 채용사이트, 쇼핑몰, 부동산 매물 서비스
3) Bracket 리텐션
- 설정한 특정 기간을 기반으로 재방문율을 측정
- Bracket 리텐션은 N-Day 리텐션을 확장한 개념 (일/주/월 단위가 아닌 지정한 구간으로 나눔)
- 1(0일차) / 2(1-3일차) / 3(4-6일차) / 4(7-11일차)
- 활성유저가 특정한 활동을 위해 각 Bracket 내 서비스에 재방문시 잔존 유저로 해석
- 서비스 사용주기가 길거나 주기적인 경우 사용하기 적합
> 식료품 배달 서비스, 세차 서비
'[Data analyst] Today I Learn > 본 캠프 TIL (24.09.30~)' 카테고리의 다른 글
[TIL Day 11] WINDOW FUNTION과 자주 쓰는 함수들 (0) | 2024.10.16 |
---|---|
[TIL Day 10] 실무에서 쓰이는 지표 (Funnel & LTV) (2) | 2024.10.15 |
[WIL Week 2] 온 보딩 2주차 마무리 (1) | 2024.10.11 |
[TIL Day 8] SQL 풀이와 아티클 정리 (8) | 2024.10.11 |
[TIL Day 7] SQL 집중 탐구 시간 (0) | 2024.10.10 |