AARRR
- 사용자의 이용 흐름에 따른 핵심 지표를 정의하는데 매우 효율적으로 사용할 수 있는 프레임워크
- 고객유치, 활성화, 리텐션, 수익화, 추천이라는 다섯 카테고리를 정의
- 각 카테고리에서 핵심이 되는 지표를 발굴하고 이를 측정/개선하는 지표관리 방법론
가장 먼저 개선되어져야하는 Retention
- 비용 효율성
➡️ 신규 고객을 유치하는 것보다 기존 고객을 유지하는 것이 훨씬더 적은 비용이 사용
- 수익성 증가
➡️ 리텐션이 높은 고객은 충성도가 높으며, 이는 시간이 지남에 따라 더 많은 서비스를 이용하고, 제품을 구매할 가능성이 높음
Retention 측정 방법
| 사용자 |
DAY-0 |
DAY-1 |
DAY-2 |
DAY-3 |
DAY-4 |
| A |
방문 |
방문 |
방문 |
방문 |
방문 |
| B |
방문 |
방문 |
|
방문 |
|
| C |
방문 |
|
방문 |
|
|
| D |
방문 |
|
|
|
|
Classic Retention
- Day N / Day 0
- 사용자가 자주 방문하는 메신저 앱, SNS 서비스에 사용
|
DAY-0 |
DAY-1 |
DAY-2 |
DAY-3 |
DAY-4 |
| 방문자수 |
4 |
2 |
2 |
2 |
1 |
| 리텐션% |
100% |
50% |
50% |
50% |
25% |
Rolling Retention
- 마지막 방문일 이전은 방문한 것으로 간주
- 방문 주기가 긴 여행 서비스, 쇼핑몰 등에서 사용
- 이후 접속에 따라 기존에 계산했던 리텐션 값과 달라질 수 있음
|
DAY-0 |
DAY-1 |
DAY-2 |
DAY-3 |
DAY-4 |
| 방문자수 |
4 |
3 |
3 |
2 |
1 |
| 리텐션% |
100% |
75% |
75% |
50% |
25% |
Range Retention
- Day-0, Day-1~2, Day-3~4으로 구간을 나눠 계산
- 기간을 묶어서 계산하기 때문에 노이즈에 강함
- 사용주기가 길거나 주기적인 서비스에서 사용
|
DAY-0 |
DAY-1~2 |
DAY-3~4 |
| 방문자수 |
4 |
4 |
3 |
| 리텐션% |
100% |
100% |
75% |
