AARRR
AARRR은 그로스 해킹의 대표적인 분석 프레임워크로, 사용자 획득 → 신규 사용자의 서비스 사용자 시작 (사용자 활성화) → 지속적인 서비스 사용 (사용자 유지) → 구매 → 다른 사용자에게 추천 → 새로운 사용자 획득이라는 유저의 서비스 이용사이클을 체계화한 프레임워크이다.
- Acquisition: 사용자 획득
- Activation: 사용자 활성화
- Retention: 사용자 유지
- Revenue: 매출
- Referral: 전파
리텐션이 중요한 이유
AARRR 중에서도 가장 중요한 Retention, 사용자 유지와 관련한 지표 계산은 다섯 가지 단계 중 가장 먼저 개선을 해야 하는 단계로 알려져 있다. 만약 사용자 유지가 되지 않는 서비스인데 광고를 늘려 Acquisition, Activation을 늘린다면, 새로운 사용자들이 곧장 이탈하게 될 것이다. 따라서 새로운 사용자를 받는 것보다 기존 사용자들이 서비스를 사용하고 있는지, 지속적으로 사용하는지를 먼저 확인해야 하고, 이것이 바로 Retention이다. 이 단계에서는 사용자들이 서비스를 지속적으로 사용하는지, 핵심 가치를 꾸준히 경험하는지 측정한다.
지속적 사용을 측정하는 방법
일반적으로는 방문을 기준으로 측정하지만, 사용자가 서비스를 지속적으로 사용하는지를 보려고 한다는 목표 하에 다양한 로그가 리텐션을 정의하는 데 사용될 수 있다.
- 특정 페이지 방문
- 특정 페이지 n번 방문
- 결제 버튼 클릭 또는 결제 완료
- 특정 기능 사용
꼭 서비스 전체 레벨의 지표가 아니더라도, 특정 기능을 개발했을 때 또는 유저들이 핵심 기능을 잘 사용하는지 살펴보기 위해 기능의 반복 사용을 보는 기능 리텐션(Feature Retention)을 측정하기도 한다.
클래식 리텐션 (Classic Retention)
클래식 리텐션(Classic Retention)은 어떤 날에 특정 유저군의 몇 %가 접속했는지 계산하며, 가장 널리 사용되는 간단한 계산 방법이다.
예시
2025년 1월 1일에 사용자 A, B, C, D, E 5명이 처음 서비스를 이용하기 시작했으며, 아래와 같이 서비스에 방문했다.
사용자 | 2025-01-01 | 2025-01-02 | 2025-01-03 | 2025-01-04 | 2025-01-05 |
A | 방문 | 방문 | 방문 | 방문 | 방문 |
B | 방문 | 방문 | 방문 | ||
C | 방문 | 방문 | 방문 | ||
D | 방문 | ||||
E | 방문 |
2025년 1월 1일에 가입한 사용자들의 접속을 요약하면 아래와 같다. 1월 1일에 방문한 유저는 5명 중 2명으로 40%이며, 이 비율을 리텐션이라고 한다.
2025-01-01 | 2025-01-02 | 2025-01-03 | 2025-01-04 | 2025-01-05 | |
방문 유저 수 | 5 | 2 | 2 | 3 | 1 |
리텐션 (%) | 100 | 40 | 40 | 60 | 20 |
클래식 리텐션의 한계
위의 예시에서 사용자 B의 경우 2025년 1월 1일, 2일, 4일에 방문했기 때문에, 어떤 관점에서는 3일에도 서비스 사용자라고 볼 수 있다. 서비스 사용의 유지(Retain)가 기준이라면 사용자 B는 3일 리텐션 계산에 포함될 것이다. 이렇게 사용 주기가 긴 경우 클래식 리텐션으로 사용자 유지 여부를 판단하면 실제보다 과소 계산하게 된다.
클래식 리텐션은 사용자가 매일 접속해서 사용할 것으로 기대되는 서비스에 활용하기 적절한 지표이다. 카카오톡 같은 메신저 앱이나 트위터 같은 SNS 서비스가 이에 해당한다. 위와 같이 사용 주기가 긴 서비스들의 경우 롤링 리텐션(Rolling Retention)이라는 계산법을 많이 사용한다. 롤링 리텐션은 이탈에 초점을 맞추기 때문에 언바운드 리텐션(Unbounded Retention)이라고 부르기도 한다.
참고
리텐션 (1) Classic Retention
AARRR 프레임워크에서 가장 중요한 Retention, 사용자 유지와 관련한 지표 계산에 대해서 알아봅시다.
datarian.io
'etc' 카테고리의 다른 글
데이터리안 SQL 데이터 분석 캠프 입문반을 마무리하며 (0) | 2025.02.02 |
---|---|
활성 사용자 (Active Users) (0) | 2025.02.01 |
RFM 고객 세분화 분석 팁 (2) | 2025.01.20 |
RFM 고객 세분화 분석에서 합리적으로 기준 설정하기 (0) | 2025.01.20 |
RFM 고객 세분화 분석 (0) | 2025.01.19 |