일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- 군집화
- 전처리
- cross join
- lambda
- 서브쿼리
- pandas
- 프롬프트 엔지니어링
- da
- 기초프로젝트
- 팀프로젝트
- 시각화
- 머신러닝
- streamlit
- If
- 데이터 분석
- 기초통계
- 클러스터링
- GA4
- Chat GPT
- SQL
- 히트맵
- 크롤링
- Python
- 데이터분석
- SQLD
- data analyst
- jd
- 프로젝트
- 태블로
- 최종 프로젝트
- Today
- Total
세조목
AARRR - 리텐션(클래식 리텐션 / Classic Retention) 본문
https://datarian.io/blog/classic-retention
※ 이 포스팅은 위 클래식 리텐션 정리 포스팅을 공부하며 정리한 내용들을 담았습니다.
리텐션의 중요성
AARRR
- Acquisition : 사용자 획득
- Activation : 사용자 활성화(서비스를 사용하기 시작)
- Retention : 사용자 유지(지속적으로 서비스를 사용)
- Revenue : 매출(구매)
- Referral : 전파(지인 추천)
이 중 가장 중요하며 가장 먼저 개선해야하는 단계는 어디일까?
바로 세번째 단계인 Rretention이다.
why?
아무리 새로운 사용자를 유입시키고 활성화시키더라도 Retention이 낮으면
들어오는 족족 다시 빠져나가기 때문이다.
이같은 Retention은 어떻게 측정할 수 있을까?
여러가지 방식이 있는데 많이 사용되고 있는 방법 중 하나가 바로
클래식 리텐션(or N-Day Retention)이다.
일반적으로는 '방문'을 기준으로 Retention을 측정한다.
그렇다고해서 꼭 '접속', '방문'으로 리텐션의 기준을 한정할 필요는 없다.
우리가 Retention을 통해서 확인하고자 하는건 결국
'사용자가 서비스를 지속적으로 사용하는지'이기때문에
이같은 목표를 달성할수만 있다면 측정 기준은 중요하지 않다.
'사용자가 서비스를 지속적으로 사용하는지'를 측정할 수 있는
측정 기준 예시는 아래와 같다.
- 특정 페이지 방문
- 특정 페이지 n번 방문
- 결제 버튼 클릭 또는 결제 완료
- 특정 기능 사용
'알라미'라는 알람 어플을 예로 들어보자
이 어플의 Retention 측정 기준이라고 한다면
- 알람 등록
- 알람 수정
- 알람 강화하기
등이 될 수 있을 것이다.
이같은 특정 기능을 유저들이 잘 쓰고 있는지 살펴보는 것을
'기능 리텐션(Feature Retention)이라고 한다.
클래식 리텐션 계산
클래식 리텐션은 어떻게 계산할 수 있을까?
다음 예시를 살펴보자
24.02.06 (Day 0) |
24.02.07 (Day 1) |
24.02.08 (Day 2) |
24.02.09 (Day 3) |
24.02.10 (Day 4) |
|
철수 | 방문 | 방문 | 방문 | ||
영희 | 방문 | 방문 | 방문 | ||
관우 | 방문 | 방문 | 방문 | 방문 | |
지명 | 방문 | 방문 | 방문 | ||
동휘 | 방문 |
철수, 영희, 관우, 지명, 동휘 다섯명이 24년 2월 6일 처음 서비스 이용을 시작했고,
이후 3일간 위 표에서와같이 사이트에 방문했다.
24년 2월 6일 가입자들의 접속 현황을 요약해보면 아래와 같다.
24.02.06 (Day 0) |
24.02.07 (Day 1) |
24.02.08 (Day 2) |
24.02.09 (Day 3) |
24.02.10 (Day 4) |
|
방문 유저수 | 5 | 2 | 2 | 3 | 2 |
클래식 리텐션 비율 | 100% | 40% | 40% | 75% | 40% |
가입일자인 24년 2월 6일 이후 7일부터 10일까지의 리텐션 비율은
각각 40%, 40%, 75%, 75%인 것을 확인할 수 있다.
이같은 클래식 리텐션의 측정 방식의 경우
'영희는 1일차, 2일차에는 방문하지 않았지만 3일차에는 방문했으니 서비스를 계속 이용하고 있는거 아닌가?'
라고 생각할 수 있다.
맞다.
클래식 리텐션이 절대적인 계산법은 아니기때문에
내 서비스의 특징에 맞춰서 측정 기준을 달리하면 된다.
클래식 리텐션 같은 경우는 매일 접속해서 사용할 것으로
기대되는 서비스에 활용하기 적절한 지표이다.
카카오톡, 페이스북과 같은 SNS 서비스가 대표적인 예다.
앞서 소개한 예시와같이 사용주기가 다소 긴 서비스의 경우
'롤링 리텐션(Rolling Retention)'이라는 계산법을 사용하는 것이 더 적절하다.
'데이터 분석 공부 > 이커머스 데이터 분석' 카테고리의 다른 글
AARRR - 리텐션(롤링 리텐션 / Rolling Retention) (1) | 2024.02.06 |
---|