[Data analyst] Today I Learn/본 캠프 TIL (24.09.30~)

[TIL Day 9] 실무에서 쓰이는 지표 (Active User와 Retention)

pjw250 2024. 10. 14. 21:40

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