Amplitude 'Retention Chart'를 활용하여 고객이 돌아오도록 해보자!

Retention Chart

최초 서비스 진입 후(이벤트 실행 후) 다시 돌아오는(돌아와서 이벤트를 실행하는) 평균 고객의 수를 기간에 따라 보여주는 차트

* 리텐션 차트는 대부분의 회사에서 중요시하지만 대부분 회사에 그냥 쳐다만 보는 지표 

ex. “우리 서비스 3일 차 리텐션이 14.6%구나! 올리고 싶다… 정도”

 

* 리텐션을 제대로 확인하기 위해서는 서비스의 핵심 이벤트가 정의하고, 해당 이벤트의 리텐션을 확인하는 것이 중요하다

ex. 우리 서비스가 ‘음식 배달 서비스'라면 ‘주문완료' 이벤트를 바탕으로 유저 리텐션을 확인하는 것이 중요하다.

 

1. 리텐션 종류

1) N-Day Retention : Day-0에 들어온 고객 중 정확히 Day-N에 들어온 평균 고객의 수

- 1명의 고객이 Day-1, Day-7에 들어왔으면 둘 날짜 모두에 카운트됨

- Google Analytics에서의 리텐션

- N-Day Retention은 주기적으로 사용하는 서비스에 적합 

ex. 모바일 게임, 페이스북, 배달의 민족(최소 1주일에 1번 주말에는 고객이 돌아왔으면 좋겠다!) 등

 

2) Unbounded Retention : ‘정확히 Day-N에 돌아온 고객’  + ‘해당 날짜가 지나서 돌아온 고객’을 모두 카운팅

- N-Day Retention에서 Day-1 Retention은 정확히 1일이 지나고 들어온 고객을 카운팅 하지만, Unbounded Retention에서 Day-1 Retention은 1일이 지나고 들어온 고객뿐만 아니라, 2일이 이나고 들어온 고객, 4일이 지나고 들어온 고객, 28일이 지나고 들어온 고객 등 Day-1 이후에 돌아온 고객도 포함하여 카운팅 한다.

- 일반적으로 불특정 한 주기로 사용하도록 설계된 대부분의 서비스에 적합하다 ex. 커머스

 

3) Custom Bracket Retention : 특정 주기로 돌아오는 고객의 수를 보고 싶을 때 사용하는 리텐션 

ex. 배달의 민족과 같은 배달 서비스에서 ‘최소 주말에는 1번씩 썼으면 좋겠다’는 생각으로 7일 단위로 Custom Bracket을 설정하여 볼 수 있음

2. 리텐션 집계 방식 Retention Window

1) 24-hours windows : day-0 이벤트 발생 후 24시간이 지나야 day-1으로 집계된다

ex. 23:59에 이벤트를 발생시킨 뒤, 자정이 지나서 이벤트를 다시 발생시킨다고 day-1에 집계되는 것이 아니라 다음날 23:59분 이후에 이벤트를 발생시켜야 day-1에 집계됨 (정확히는 24시간 이상 48시간 미만의 내)

 

2) strict calendar dates : 정확히 날짜를 기준으로 리텐션 집계

ex. 23:59분에 이벤트를 발생시키고, 자정이 지나서 00:10에 이벤트를 발생시키면 day-1에 카운팅 됨

ex. starting event를 ‘주문’, then the return event를 ‘배달완료’로 찍고 strict calendar dates로 보면 밤늦게 배달 음식을 시켜 다음날 새벽에 받은 유저를 확인할 수 있음

3. Change Over Time 

- 시간 변화에 따라 리텐션이 어떻게 변화하고 있는지 확인할 수 있음

- N-day Retention의 변화를 볼 수 있고, Unbounded Retention의 변화 또한 볼 수 있음

- 이 서비스는 금요일, 토요일에 리텐션이 줄어드는 양상을 보이는데, 이러한 내용을 바탕으로 금요일, 토요일에 유저들을 돌아오도록 푸시 메시지를 보내는 등의 전략을 수립할 수 있음

4. Usage Interval View

- 고객들이 특정 이벤트를 실행하는 주기를 확인할 수 있다

- Play Song or Video 이벤트를 최근 30일간 수행하는 고객들의 이벤트 실행 주기를 나타낸 곡선

- 예를 들어 위에 표시된 2 days의 데이터는 55.2% 유저가 2일 이하의 주기로 ‘Play Song or Video’ 이벤트를 실행한다는 것을 말해준다(2 days 데이터는 1 days 데이터를 포함함)

- Usage Interval은 각 유저가 돌아온 기간의 중앙값을 바탕으로 데이터를 생성한다. 

예를 들어 Day-0에 이벤트를 실행한 뒤, 1일, 2일, 7일에 이벤트를 실행했다면 해당 유저는 Usage Interval은 2일이고, 1일, 4일, 10일, 28일에 이벤트를 실행했다면 해당 유저의 Usage Interval은 7일(= (4+10) / 2)에 카운팅 된다.

- 고객들이 설정한 이벤트를 어떤 주기로 사용하는지 볼 수 있다

- 일반적으로 고객이 이벤트를 실행하는 주기를 결정하기 위해서는, 곡선의 변곡점을 보라고 Amplitude는 가이드함

- Amplitude 차트에서 변곡점을 파악하는 공식은 가장 많은 고객들이 돌아오는 지점(대부분 마지막 날짜)의 데이터에 80%를 곱하여 나오는 %의 고객이 돌아오는 데이터 포인트가 해당 이벤트의 사용주기

ex. 마지막 날짜에 74.8%의 유저가 돌아왔다면, 74.8% * 0.8 = 59.84%, 59.8% 정도의 유저가 돌아오는 시점은 3 days. 따라서, 이 이벤트는 3일을 주기로 고객들이 실행한다고 볼 수 있음

- 변곡점을 바탕으로 계산한 데이터로 Custom Bracket Retention을 설정하여 다시 분석할 수 있음

5. 리텐션 분석 활용 사례

1) 뮤직 앱 이탈 고객 특성 파악 및 CRM

- 서비스의 핵심 이벤트인 ‘Play Song or Video’ 이벤트를 기준으로 고객 리텐션 확인 - Bar Chart 확인

 

- ‘Play Song or Video’ 이벤트 실행 후 30일이 지나도 안 돌아온 고객 Cohort 생성

 

- 해당 Cohort 특성 분석 - Segmentation 분석을 통해 해당 유저가 어떤 장르를 선호했는지 확인 후 가장 선호했던 장르 ‘Pop’에 대해 Cohort 생성

 

- 생성한 Cohort를 대상으로 CRM 진행 - Pop 장르의 인기곡을 추천하는 푸시 메시지 발송 등

*Amplitude에서 Cohort로 생성한 유저 데이터를 Braze(연동되어 있어야 함)로 넘겨 캠페인 진행할 수 있음

 

 

2) 리텐션에 영향을 주는 이벤트를 확인하여 활용하기

- Favorite Song or Video 이벤트를 수행한 유저와 수행하지 않은 유저의 리텐션 차이 확인하고, 해당 데이터를 통해 기본적으로 유저 리텐션을 높이기 위해서는 ‘Favorite Song or Video’를 유도할 수 있음

* 해당 자료는 AB180의 교육자료와 Amplitude 문서를 바탕으로 작성되었습니다.
* 잘못된 부분이나 궁금한 부분, 보강되었으면 하는 부분을 댓글로 알려주시면 큰 힘이 됩니다!