리텐션 분석 / 데이터 기반 사용자 유지 지표

안녕하세요!
저는 최근 데이터리안의 'SQL 데이터 분석 캠프 실전반' 을 수강하며 데이터 분석을 공부하고 있습니다.

수업 중 서비스 성장과 사용자 유지의 핵심 지표인 리텐션 분석, DAU/WAU/MAU, Stickiness 개념을 정리했습니다.

---

리텐션(Retention) 

1. 리텐션

• Retention(사용자 유지): 일정 기간 동안 가입한 사용자가 서비스를 계속 사용하고 있는 비율을 나타내는 지표
• 핵심: 사용자가 서비스의 핵심 가치를 반복 경험하고 있는지 확인
• 단순 방문, 기능 사용, 결제 등 서비스 목적에 맞는 다양한 로그로 측정 가능
• AARRR 프레임워크에서 핵심 단계: Acquisition → Activation → Retention → Revenue → Referral
• 사용자 유지가 되지 않으면 신규 사용자 확보(Acquisition) 확대는 효과 없음 → 밑 빠진 독에 물 붓기
• 목표: 기존 사용자가 서비스 핵심 가치를 지속적으로 경험하도록 확인

---

2. 지속적 사용 측정 기준

• 기준은 서비스 성격에 따라 달라질 수 있음:
  • 단순 방문
  • 특정 기능 사용
  • 결제 완료
• 기능 리텐션(Feature Retention): 핵심 기능 반복 사용 여부 측정
  예: 일정관리 앱 → ‘일정 등록/완료’ 로그 사용

---

3. 리텐션 계산 방법

3-1. 클래식 리텐션 (Classic / N-Day Retention)

• 가입일 기준 특정 날짜 재방문율 계산
• 예시:

사용자	12-01	12-02	12-03	12-04	12-05
A	방문	방문	방문	방문	방문
B	방문	방문		방문
C	방문		방문	방문
D	방문
E	방문

• Day 1 리텐션 = 12월 2일 방문자 ÷ 가입자 = 2/5 = 40%
• 한계: 사용 주기가 길거나 매일 사용하지 않는 서비스는 과소 계산

3-2. 범위 리텐션 (Range / Bracket Retention)

• 일정 기간 내 재방문을 기준으로 계산 → 노이즈 감소
• 예: Day 1~3 방문자 3명 → 60%
• 적합: 주기적인 사용, 사용 주기가 긴 서비스

3-3. 롤링 리텐션 (Rolling / Unbounded Retention)

• 기준일 이후 한 번이라도 재방문하면 ‘남아있음’으로 계산
• 적합: 사용 빈도가 낮은 서비스(여행, 쇼핑몰 등)
• 장점: 실제 사용 여부 반영, 트렌드 관찰 용이

---

4. 리텐션 시각화

4-1. 리텐션 차트 (Retention Chart)

• Google Analytics 제공
• 코호트별 재방문율 색상으로 시각화 → 삼각형 모양
• 예시: 1월 초 첫 방문자
  • 1주차 리텐션: 4%
  • 2주차 리텐션: 7% → 개선 추세 확인 가능
• 포인트: 코호트 분석을 통해 개선 효과 확인

4-2. 리텐션 커브 (Retention Curve)

• 시간에 따른 리텐션 변화 시각화
• 개선 전략:
  1. 초기 이탈 유저 감소 → NUX 개선, 가입 과정/첫 경험 최적화
  2. 장기적 유저 관계 유지 → 핵심 가치 지속 경험 제공

---

5. DAU, WAU, MAU와 Stickiness

지표의미

DAU	하루 활동 사용자 수
WAU	7일간 순수 사용자 수
MAU	30일간 순수 사용자 수

• Stickiness: DAU / WAU 또는 DAU / MAU → 유저 재방문 빈도
• 예시:
  • DAU=1, WAU=7 → Stickiness ≈ 14% → 낮음
  • DAU=7, WAU=7 → Stickiness = 100% → 높음
• 핵심: 유저가 서비스에 얼마나 “딱 붙어 있는지” 확인 가능

---

6. 실무 적용 팁

• 단순 DAU/MAU보다 Stickiness와 코호트별 추세 관찰 필수
• 초기 이탈 방지 + 재방문 유도 + 핵심 가치 제공 중심 개선
• 서비스 특성에 맞는 리텐션 계산 방식 선택 (클래식 / 범위 / 롤링)
• 단일 수치보다는 코호트별 변화와 트렌드 관찰이 중요

---

 

이번 SQL 데이터 분석 캠프 실전반 수업을 통해 단순 수치가 아닌 ‘사용자의 반복 경험’을 중심으로 한 지표 분석의 중요성을 이해할 수 있었습니다. 특히 인상 깊었던 점은 다음과 같습니다.

• 리텐션은 단순 재방문이 아니라 ‘핵심 가치를 반복 경험하는지’의 지표라는 점
• 서비스 특성에 맞춰 클래식 / 범위 / 롤링 리텐션을 구분 적용해야 정확한 분석이 가능하다는 점
• DAU, WAU, MAU 같은 수치 외에도 Stickiness를 통해 유저의 서비스 몰입도와 재이용 성향을 파악할 수 있다는 점
• 코호트 분석과 리텐션 커브 시각화를 통해 이탈 시점과 개선 효과를 정밀하게 추적할 수 있다는 점

데이터는 결국 ‘사용자 경험’을 수치로 보여주는 도구라는 걸 다시 한 번 느꼈고, 데이터 기반의 서비스 개선이란 결국 사람을 더 잘 이해하는 과정이라는 생각이 들었습니다.

---

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

[ 리텐션 자료 ]
• 클래식 리텐션 Classic Retention
• 롤링 리텐션 Rolling(Unbounded) Retention
• 범위 리텐션 Range(Bracket) Retention
• DAU, WAU, MAU 그리고 Stickiness 알아보기
• 리텐션 분석하기: 리텐션 차트와 리텐션 커브

 

데이터 분석, 데이터리안과 시작하세요