이 글은 데이터리안의 리텐션 (1) Classic Retention, 리텐션 (2) Rolling Retention, 리텐션 (3) Range Retention, 리텐션 (4) DAU, WAU, MAU 그리고 Stickiness, 리텐션 (5) 리텐션 차트, 리텐션 커브를 읽고 작성한 글입니다.
AARRR
AARRR은 사용자 획득 → 신규 사용자가 서비스를 사용하기 시작 (사용자 활성화) → 지속적으로 서비스를 사용 (사용자 유지) → 구매 → 다른 사용자에게 추천 → 새로운 사용자 획득이라는 이제는 당연해 보이는 유저의 서비스 이용 사이클을 체계화한 프레임워크입니다.
A: Acquisition (사용자 획득)
A: Activation (사용자 활성화)
R: Retention (사용자 유지)
R: Revenue (매출)
R: Referral (전파
이미지 출처: https://dwarves.foundation/playbook/aarrr-framework-zmjhde6izw/
리텐션이 중요한 이유
Retention은 사용자 유지와 관련한 지표로 가장 먼저 개선을 해야 하는 단계로 알려졌습니다.
리텐션의 종류
-
클래식 리텐션(Classic Retention): 어떤 날에, 특정 유저군의 몇 %가 접속했는지 계산, 실제보다 과소 계산하는 한계가 있음
-
롤링 리텐션(Rolling Retention): 기준인을 포함하여 그 이후에 한번이라도 재방문한 유저의 비율 나타냄, '사용자가 이탈하지 않고 남아있는가?'에 초점을 맞추기 때문에 Unbounded Retention이라고도 함
-
범위 리텐션(Range Retention): 클래식 리텐션을 유연하게 확장한 개념으로 구간을 유연하게 나누고 범위를 지정하는게 특징
DAU, WAU, MAU
해당 기간 동안 활동한 사용자 수를 의미하는 지표로 각각 Daily Active User, Weekly Active User, Monthly Active User를 의미합니다. 일간, 주간, 월간 활성 사용자 수라고도 부릅니다.
- DAU(Daily Active User): 일간 활성 사용자 수
- WAU(Weekly Active User): 주간 활성 사용자 수
- MAU(Monthly Active User): 월간 활성 사용자 수
Stickiness
월간 순수 사용자 중 특정 일자에 접속한 사람의 비율을 보는 것(유저의 방문빈도가 높을수록 Stickiness는 100%에 가까워짐)
인상깊었던 부분
- 데이터 분석 관련 글을 보다보면 DAU, MAU, WAU 등의 개념을 많이 볼 수 있었는데, 해당 개념에 대해 배울 수 있어서 좋았음
- 현엽에서 많이 쓰일법한 분석방법론이라고 생각되며 잘 익혀둬야겠다는 생각이 들었음
