리텐션 분석

1. AARRR

이미지 출처: https://dwarves.foundation/playbook/aarrr-framework-zmjhde6izw/

AARRR이란

Acquisition   사용자 획득	어떻게 우리 서비스를 접하고 있는가	- 고객 획득 비용(CAC, Customer Acquisition Cost)  - 일간/월간 활성 유저 (DAU / MAU)
Activation 사용자 활성화	사용자가 처음 서비스를 이용할 때 긍정적인 경험을 제공하는가	-체류 시간(DT, Duration Time)  -페이지 뷰(PV, Page View)  -아하 모먼트(Aha Moment)
Retention  사용자 유지 - 중요	이후의 서비스 재사용률은 어떻게 되는가	-리텐션율(Retention Rate)  -이탈률(Churn Rate)
Revenue   추천 - 바이럴	사용자가 자발적 바이럴, 공유를 일으키고 있는가	-사용자 언급 댓글 수  -SNS 공유된 횟수 레퍼럴 트래픽(Referral Traffic)
Revenue  매출	최종 목적(매출)으로 연결되고 있는가	-고객 생애 가치(LTV, Life Time Value)  -결제 유저(PU, Paying User)  -유저 당 평균 수익(ARPU, Average Revenue Per User)

가장먼저 달성해야한 지표  Retention → Activation → Referral → Revenue → Acquisition 

 

2. 코호트 분석 

코호트란 공통적인 특성을 지닌 사람들의 집단

=>  사용자 행동을 그룹으로 나눠 지표별로 수치화한 뒤 분석하는 기법

 

얻을수 있는것

• 고객 유지율
• 고객 이탈률
• 신규 회원가입자의 유지율
• 시간 경과에 따른 마케팅 효과 분석
• 시간 경과에 따른 구매 빈도/액수 비교
• 플랫폼별 사용자 유지율 등

3. 클래식 리텐션 (Classic Retention, N-day Retention)

유저들이 처음 데이터 사용한떄를 기준으로 얼마나 많은 사람들이 접속했는지를 계싼하는 지표로 

매일 날짜를 기준으로 측정되기 때문에 Day-N 리텐션이라고도 합니다

 

• D+N 날짜에 사용자가 서비스를 재방문한 비율

 

이는 주로 매일 사용하는 서비스에 적합합니다.

 

장점 : 간단하게 계산할수있다

단점 : 노이즈에 따라 과대,과소 측정될수 있고 일단위 데이터 모두 확보 필요하다 

 

4. 롤링 리텐션 (Rolling Retention, Unbounded Retention)

사용자가 이탈하지 않고 남아있는지에 초점을 맞춘 기법으로

• 기준일을 포함하여 기준일 이후에 사용자가 재방문한 비율

 

장점  : 최초 로그인 시점 , 마지막 로그인 시점만 있음된다 

단점 : 단한번이라도 로그인시 활동기간으로 인정되여 과대추정될수 있고  리텐션 수치는 변동될수있다

 

여행, 부동산등 사용빈도가 높지않은 서비스 에 적합합니다

 

 

 

본 내용은 데이터리안 'SQL 데이터 분석 캠프 실전반' 을 수강하며 작성한 내용입니다.