PV, UV 계산하기
PV (Page View)
한 페이지가 조회된 총 횟수.
예시: 사용자 A가 같은 페이지를 50번 새로고침하면 PV는 50.
PV는 단순히 트래픽이 몰린 정도를 보여주지만, 실제 사용자 행동을 제대로 반영하지 못할 수 있음(허수 주의).
예를 들어, 원클릭 결제 등으로 PV가 줄어들 수 있으니, PV가 무조건 긍정적 신호는 아님.Unique PV
중복 뷰를 제거한 PV.
예시: 사용자 A가 50번 새로고침해도 Unique PV는 1.
페이지별로 실제 몇 명이 방문했는지 파악할 때 사용.Visits
사이트에 방문한 총 사용자 수(방문자 수).
세션 기준으로 집계됨. 즉, 세션 내 재방문은 1회로 처리.UV (Unique Visits)
중복을 제거한 방문자 수.
특정 기간 내 한 명의 사용자는 1회만 집계.분석 시 주의 사항
UV↑, PV↑ : 순 방문자와 방문 페이지 모두 증가 → 트래픽과 관심 동시 증가.
UV↓, PV↑ : 방문자는 줄었지만, 1인당 페이지 조회가 늘어남.
UV↑, PV↓ : 방문자는 늘었지만, 1인당 페이지 조회는 줄어듦.
UV↓, PV↓ : 방문자와 페이지 조회 모두 감소.ARPU와 ARPPU 구하기
ARPU (Average Revenue Per User)
전체 유저당 평균 수익.
계산식: 전체 매출 / 전체 유저 수ARPPU (Average Revenue Per Paying User)
결제한 유저만 대상으로 한 평균 수익.
계산식: 전체 매출 / 결제 유저 수문제 풀이 팁
NULLIF 함수 사용: 결제 유저가 0명일 때 0으로 나누는 오류 방지.
예시: SUM(revenue) / NULLIF(COUNT(DISTINCT user_id), 0)퍼널 분석: 사람들은 어디에서 이탈하고 있는지
퍼널 분석이란?
사용자의 유입부터 최종 목표(구매 등)까지 단계별 이탈을 분석하는 프레임워크.
예시: 쇼핑몰 앱 방문 → 상품 상세 조회 → 장바구니 → 결제수단 선택 → 구매AIDA 모델
Attention(관심) → Interest(흥미) → Desire(욕구) → Action(행동)
각 단계별 이탈 원인과 핵심 지표 선정해서 분석.AARRR 프레임워크
Acquisition(획득) → Activation(활성화) → Revenue(수익) → Retention(유지) → Referral(추천)
디지털 서비스에서 이용자 행동 분석 및 문제 진단에 유용.리텐션 분석
리텐션이란?
사용자가 서비스에 재방문하거나 남아 있는 비율을 분석하는 프레임워크.
예시: 10만 명 중 7일 후 재방문자 1천 명 → 7일 리텐션 1%
목표: 고객이 계속 서비스를 사용하게 만드는 것!리텐션 계산법
Classic Retention
N-day 유지율 = N일째 다시 방문한 사용자 수 / Day 0 방문자 수
예시: D+7, D+14, D+30 등
첫 사용일을 Day 0으로 잡고, 그 후 N일째 재사용 비율 측정
재구매 주기가 긴 서비스는 D+30, D+90 등 사용
Rolling Retention
N일 이후 1번이라도 사용한 사용자 / Day 0 방문자
1번이라도 재사용하면 리텐션으로 인정 → 수치가 높게 나올 수 있음
측정일이 바뀌면 결과도 계속 바뀜
Range Retention
특정 기간(N구간) 내 이용자 / Day 0 방문자
예시: 7일 단위, 30일 단위 등 구간별로 설정
재방문 주기가 긴 서비스에 적합
구간이 길면 리텐션이 과도하게 높아질 수 있음리텐션이 중요한 이유
리텐션이 높으면 서비스가 매력적이라는 신호 → 신규 유입에 집중하는 전략 사용 가능
리텐션이 낮으면, 유입만 늘려도 장기적으로 서비스 유지가 어려움RFM 분석
RFM 분석이란?
사용자의 구매 최신성(Recency), 빈도(Frequency), 금액(Monetary) 기준으로 그룹화하는 방법계산법
각 척도별로 점수 부여(일반적으로 1~5점)
RFMScore = Recency 점수 + Frequency 점수 + Monetary 점수
이론상 555 = 125개 세그먼트로 나눌 수 있음활용
VIP 고객, 이탈 위험 고객, 신규 고객 등 다양한 유형으로 고객 세분화 가능
마케팅 타겟팅, 리텐션 전략 수립 등에 활용