리텐션 계산 방법 3가지

📌 “기존 고객의 재구매를 유도하는 것이신규 고객에게 구매를 유도하는 것보다 최대 25배 가량 더 비용이 적게 듭니다”
- 하버드 비즈니스 리뷰 中 -

‍

👀 우리 고객은 과연, ‘자신의 시간과 돈’이라는 비용을 다시 투자 하면서 까지 우리 제품을 찾아줄까요?
‍✅ 만약 고객이 다시 돌아온다면, 주로 어떤 사람들이 무슨 이유 때문에 돌아오는 걸까요?
❓ 정말 고객이 돌아오는 이유가 ‘그것’ 때문이라고 생각하시나요?

거의 모든 비즈니스는 ‘적은 비용으로 단골 손님 찾기’라는 미션을 갖고 있습니다. 그래서 우리 제품을 한 번 경험한 사람들은 언제 다시 찾아오는지,
돌아온다면 어떤 사람들이 무슨 이유에서 돌아오는 것인지 파악하는 것이 굉장히 중요한데요, 이 부분에 대한 의문을 해소하기 위해 ‘리텐션’을 분석합니다.

어떤 유형의 비즈니스를 운영 하느냐에 따라 적합한 리텐션 계산 및 분석에 차이가 있는데요, 이 글에서는 리텐션 계산 방법 3가지를 함께 알아보겠습니다.

‍

1. 리텐션 계산 방법 대표적인 3가지 유형

고객의 무슨 행동을 리텐션 지표로 삼을지는 비즈니스별로 다릅니다.
구매 완료 이후, 다시 로그인 하는 것을 리텐션으로 볼 것이냐, 구매 완료 이후 다시 구매 완료하는 것을 리텐션으로 볼 것이냐 등을 정하기 나름입니다.
중요한 것은 ‘그 행동이 정말 비즈니스에서 중요하게 생각하는 고객의 핵심 행동인가?’에 초점을 맞춰, 분석하는 것입니다.

이 글에서는 편의상 고객이 A 행동을 하고 나서, 다시 A 행동을 한 것을 리텐션으로 간주하겠습니다.

1) “딱 N일차 시점에 재방문 했는가?” - 클래식(On) / N-Day 리텐션

N-Day 리텐션이라고도 불리는 클래식 리텐션은 고객이 처음 A 행동을 한 날짜를 기준으로, 몇 일차에 다시 A를 수행 했느냐를 계산하는 방식입니다.

📌 클래식(N-Day) 리텐션율 계산= Day N에 다시 A 행동을 수행한 사람 / 기준 날짜 Day 0에 A 행동을 수행한 사람

• Day 1에 대한 N-Day 리텐션율 = 잭 / (잭 + 조엘 + 지니) = 1 / 3 = 0.33
• Day 2에 대한 N-Day 리텐션율 = 조엘 / (잭 + 조엘 + 지니) = 1 / 3 = 0.33
• Day 3에 대한 N-Day 리텐션율 = x / (잭 + 조엘 + 지니) = 0 / 3 = 0
• Day 4에 대한 N-Day 리텐션율 = (잭 + 지니) / (잭 + 조엘 + 지니) = 2 / 3 = 66.66

‍

클래식 리텐션은 ‘기준일로부터 며칠 뒤 돌아왔는지 여부만 판별’ 하면 되기에, 쉽고 간단하게 계산이 가능합니다.
하지만 Day 3 리텐션율은 0%가 나오는 것 처럼, 특정일에 고객이 행동을 수행하지 않으면, 이탈로 계산 되기에 노이즈에 굉장히 민감한 계산 방식이라는 특징이 있습니다.

👀 이런 서비스일 때, N-Day 리텐션 분석을 해보세요.페이스북, 인스타그램, 유튜브, 틱톡, 습관 앱 등 매일매일 접속하는 서비스
👍 하루 단위로 집계하는 방식이다보니, 설명과 계산이 쉽습니다.
🤔 하지만, 100번 중 99번 들어왔는데도 1번 안 들어온 날을 기준으로 집계하면 재방문하지 않은 사용자로 집계되기 때문에 특정일 노이즈에 민감하다는 단점이 있어요.
이를 보완하기 위한 방법으로, 기준일을 여러개 두고, 기준일 리텐션들의 평균값을 활용해보시는 방법이 있어요.

‍

믹스패널에서 N-Day 리텐션을 보는 경우, 여러 날짜들의 N-Day 리텐션 데이터들에서 유입 날짜별 유저 수에 따라 가중치를 반영한 평균값을 그래프와 표 데이터들로 표현해주고 있습니다.
(자세한 계산 방식이 궁금하시다면, 믹스패널 공식 문서의 리텐션 평균 계산 방식을 살펴보시기 바랍니다)

‍

2) “기간 내에 재방문 했는가?” - 범위(Bracket) 리텐션

특정일 노이즈에 민감한 N-Day 리텐션를 어느 정도 보완하기 위해, 기간으로 기준을 설정하여 보는 방식인 Bracket 리텐션입니다.

📌 범위(Bracket) 리텐션율 계산= Range N 기간 내에 A 행동을 수행한 사람 / Range 0 기간 내에 A 행동을 수행한 사람

• 위 예시는 ‘첫 방문 후 일주일 간격으로 돌아왔는가?’를 나타냅니다.
• Range 1 리텐션율 = (잭, 조엘, 지니, 카야) / (잭, 조엘, 지니, 카야, 안도) = 4/5 = 0.8
• 기간 중 N회 이상 여러 번 접속 해도, 1회로 간주해요.
• 서비스를 이용하는 고객의 주기를 고려하여 범위를 설정하시는 것이 좋아요.

‍

믹스패널에서는 N-Day 리텐션에서 기준을 Week로 변경만 해주면 기간 범위(Bracket) 리텐션 분석이 가능합니다.

👀 이런 서비스일 때, Bracket 리텐션 분석을 해보세요.가계부, 세차, 이사, 식료품 배달 등 일정 간격의 주기가 의미있는 서비스
👍 사용자의 예상 사용 패턴(사용 간격)을 주기로, 얼마나 많은 사용자가 돌아오는지 확인하실 때 유용해요.
🤔 Range가 길어질수록 과다 계산(over-estimate)이 될 수 있어요. 또한, 기간 단위로 지표를 확인하다 보니, 의미있는 결과를 보기 위해서는 꽤 오랜 시간이 필요해요.

‍

3) “이탈한 사람 제외하면?” - 롤링(On or After) / Unbounded 리텐션

자주 쓰이지 않는 서비스의 경우, “이탈한 유저를 제외하고 언제든지 돌아온 사람”을 중심으로 리텐션을 분석해요. 이때 보는 것이 Unbounded 리텐션입니다.

📌 Unbounded 리텐션율 계산= (Day 0 첫 A 행동을 수행한 사람 - Day N 이후 이탈한 사용자) / Day 0 첫 A 행동을 수행한 사람

• Day 3의 Unbounded 리텐션율 = (잭, 조엘, 지니, 카야, 안도) / (잭, 조엘, 지니, 카야, 안도) = 1

• Day 6의 Unbounded 리텐션율 = (잭, 조엘, 지니, 카야) / (잭, 조엘, 지니, 카야, 안도) = 0.8

‍

👀 이런 서비스일 때, Unbounded 리텐션 분석을 해보세요. 여행, 차량 구매, 사무실 임대 등 정기적으로 제품, 서비스에 돌아올 것으로 예상되지 않는 유형의 서비스
👍 first_date, last_date 만 있으면 되기에 Unbounded 리텐션은 계산이 쉽습니다.
🤔 하지만, 언제든 돌아오기만 하면 리텐션 유저로 간주하기에, 전반적으로 과다 계산(over-estimate)되는 경향이 있어요.

‍

2. 우리 서비스에 적합한 리텐션 계산 방식은?

여기까지 N-day, Bracket, Unbounded 리텐션 계산 방법 3가지를 알아보았습니다. 고객의 의견을 듣고, 행동을 관찰하며 어떤 핵심지표를 얼만큼 올려야 할 지 등의 전략적인 부분에 있어서는 서비스마다 정의하기 나름이기에, 어떤 분석 방법이 옳은 방법인지에 대한 정답은 없습니다.

익숙하지 않은 상태에서 리텐션을 분석하려 하시면 무엇부터 어떻게 분석을 하고 전략을 만들어가야 할 지 막막함을 많이 느끼시는데요,
이러한 경우에는 다른 기업은 어떻게 리텐션을 파악하고 활용하는지 사례를 많이 알아보시면 좋습니다.
하지만, 회사 차원에서 고객 행동 데이터 활용 전략을 공개할 의무는 없기에, 기업들의 데이터 활용 사례집은 얻어내기 정말 어렵습니다.

감사하게도, 마켓핏랩 솔루션즈 고객사 분들이 다양한 사례집을 공유해주셨는데요,
리텐션 분석을 어떻게 활용하고 있는지 아래 글들을 함께 살펴보시면 분명 도움 받으실 포인트가 있을 것 같습니다.

🚀 [LG CNS 하루조각]에서는 믹스패널을 어떻게 활용하고 있을까?

👀 [티맵 대리]에서는 믹스패널을 어떻게 활용하고 있을까?

‍

3. 끝마치며

마켓핏랩 솔루션즈는 티맵 모빌리티, LG 전자, LG CNS, 홈플러스, 드림어스 컴퍼니 등 유수의 대기업들과 믹스패널 계약 및 도입 경험으로,
다양한 도입 사례에 대한 대응이 가능합니다. PA툴 도입에 대해 궁금한 점이 있으시거나, 안정적인 도입을 원하신다면 mixpanel@mfitlab.com 으로 문의 부탁드립니다.

‍

‍