데이터를 활용해 제대로 된 사용자 유지율과 측정 지표를 만드는 방법
본문은 위시켓과 번역가 전리오가 함께 만든 해외 콘텐츠 기반 번역문입니다. 세계 최대의 프로덕트 매니지먼트 커뮤니티인 프로덕트 콜리션(Product Coalition)에서 발행한 글입니다. 작가인 데니스 마이스너(Dennis Meisner)는 페이스북 그로스팀에서 제품 성장에 대해 연구하고 있습니다.
본문은 아마존과 스포티파이 등 다양한 플랫폼에서 어떻게 사용자를 유지하고, 그 비율을 측정했는지 알아보는 내용으로 데이터를 활용하는 방법 등을 함께 생각해볼 수 있겠습니다.
아마존 프라임(Amazon Prime) 서비스의 회원들은 가입하고 1년이 지난 후에도 무려 93%가 다시 구독을 갱신합니다. 2년이 지나면 이 수치는 더욱 증가해서 자그마치 98%가 됩니다! 그리고 스포티파이(Spotify)는 고객의 참여율을 높이기 위한 가장 중요한 요인이 팟캐스트라는 사실을 깨달은 이후에 이 부분에 더욱 많은 심혈을 기울이고 있습니다. 넷플릭스(Netflix)와 아마존, 스포티파이 등의 기업들은 사용자들을 유지하는 방법을 잘 알고 있으며, 안정적인 수익의 흐름을 만들어주는 충성스러운 고객 기반을 굳건하게 다졌습니다.
이들 기업에게는 고객 유지 모델이 단지 자사의 제품이나 비즈니스 전략의 성공 여부를 판단하기 위한 수단만이 아닙니다. 이들의 고객 유지 모델은 각자의 미래 전략을 알리기 위한 핵심적인 도구이기도 한 것입니다. 이번 글에서는 이들 기업이 이탈률(churn rate)과 유지율(retention rate)을 측정하는 지표의 사례를 살펴봄으로써, 향후 비즈니스 전략에 도움이 될 수 있기를 바랍니다.
유지 > 확보
새로운 고객을 확보하는 것이 기존의 고객을 유지하는 것보다 훨씬 더 비용도 많이 들고 힘든 일입니다. 따라서 사용자들이 계속해서 제품을 사용하도록 만드는 것이 중요합니다. 온라인 마켓이든 모바일 앱이든 소셜미디어 플랫폼이든 상관없습니다. 고객을 유지하는 것이 거의 모든 온라인 비즈니스에 있어서 가장 중요한 필살기와도 같은 것입니다.
성장에 있어서 가장 중요한 한 가지 요소를 꼽는다면, 그것은 바로 고객을 유지하는 것이다.
- 알렉스 슐츠(Alex Schulz), 페이스북(Facebook) 성장 부문 부사장
고객 유지와 관련한 지표들은 얼마나 많은 사람들이 제품을 다시 사용하는지를 파악하는 데 도움이 됩니다. 고객 유지에 대해서 생각할 때는 우선, 고객들이 어떤 행동을 했을 때 이것을 ‘유지되었다’고 판단할 수 있는지를 정의해야 합니다. 그런 이벤트로는 이커머스 사이트에서 주문을 하거나 유료 음악 스트리밍 서비스에서 어떤 노래를 재생하는 것이 될 수도 있습니다.
그런 다음에는 고객 유지와 관련한 측정 지표를 이용해서 얼마나 많은 사용자들이 그런 이벤트를 실행하는지를 집계하고, 그러고 나면 그 수치를 유지된 고객의 수라고 해석할 수 있습니다. 그리고 지정된 시간 동안 그 이벤트를 실행하지 않는 사용자들은 이탈한 것으로 생각할 수 있습니다.
온보딩(Onboarding)vs 충성도(Loyalty)
고객 유지 전략을 고려할 때는, 다음과 같은 두 가지의 개념을 구분해서 생각할 수 있습니다.
- 온보딩: 온보딩에 대해서 생각할 때는 새로운 사용자들에게 초점을 맞추어서, 그들이 며칠이나 몇 주, 또는 몇 개월 동안 계속해서 사용할 수 있도록 그 과정을 잘 설계해야 합니다.
- 충성도: 어느 정도의 시간이 지나면, 사람들이 10개월을 사용했는지 아니면 2년을 사용했는지의 여부가 그다지 중요해지지 않는 시점이 있습니다. 이 단계에 있는 사용자들은 제품에 대해서 충분히 파악하고 있으며, 그것을 이용해서 무엇을 얻을 수 있는지도 잘 알고 있습니다. 따라서 이 단계에서는 사용자들이 그들의 삶에서 언제 이탈하는지를 예측하는 것보다는, 그들이 일상 속에서 계속 사용하게끔 만들고 있는지를 파악하는 것이 더욱 중요합니다.
두 가지 모두 고객들과의 장기적인 관계를 구축해야 하는 모든 기업들에게 중요한 개념입니다. 그렇다면 이제는 우리가 두 가지의 항목에 대해서 얼마나 성과를 내고 있는지를 측정할 수 있는 다양한 지표들을 살펴보도록 하겠습니다.
온보딩의 성공 여부를 측정하기
트위터나 페이스북 앱을 다운로드한 이후에 여러분이 거치는 온보딩 퍼널(onboarding funnel)의 과정을 전부 생각해 보십시오. 그런 앱에서는 여러분에게 친구를 찾아보거나, 다른 사람들의 계정을 팔로우하거나, 해당 서비스에서의 혜택을 가능한 한 빨리 누리려면 알림 수신을 설정해야 한다는 메시지를 보게 됩니다.
기업들이 이러한 사용자 경험을 최적화하기 위해서 수많은 노력을 투입하는 이유는 한 가지입니다. 사용자들을 적절하게 온보딩의 절차로 안내하지 못한다면, 충성스러운 사용자 기반을 키울 수 없기 때문입니다.
이런 온보딩 과정에서는, 신규로 확보한 사용자들 중에서 일정한 기간이 지난 후에도 남아 있는 사람들이 얼마나 되는지를 알아야 합니다. 이때는 다양한 사용자 집단에서의 유지율을 비교함으로써, 시간이 지남에 따라서 우리의 노력이 성공을 거두고 있는지를 평가할 수 있습니다. 이러한 유지율을 평가할 수 있는 세 가지의 지표를 살펴보고, 이러한 지표들이 가장 적합한 비즈니스 모델이 무엇인지에 대해서도 알아보겠습니다.
1) N일차 유지율(N-Day Retention)
N일차 유지율은 아마도 가장 직관적이면서도 많이 쓰이는 지표일 것입니다. 여기에서는 특정한 일수에 얼마나 많은 사용자들이 지정된 이벤트를 수행하는지를 측정합니다. 모바일 앱의 경우에는 다음과 같은 방식으로 계산할 수 있습니다.
- 0일은 사용자가 앱을 다운로드한 날입니다.
- 그다음에는 0일 이후에 하루하루가 지날 때마다 다시 처음으로 앱을 다시 실행시키는 사용자들이 몇 명인지를 계산합니다.
N일차 유지율을 측정하면, N일이 경과한 이후에 얼마나 많은 사람들이 다시 앱을 사용하는지를 정확하게 파악할 수 있습니다. 이 정보는 게임이나 온라인 학습 서비스처럼 일반적으로 사용자의 참여율이 높은 앱에서 아주 유용하게 활용될 수 있습니다. 그리고 초기에 다운로드 한 사람들보다는 나중에 다운로드 한 사용자 집단의 N일차 유지율이 더 높은 것이 이상적이라고 할 수 있습니다.
듀오링고(Duolingo)는 새로운 언어를 배우기 위해서 사용하는 가장 인기 있는 앱 중에 하나입니다. 대부분의 온라인 학습 앱과 마찬가지로, 이 서비스는 매일 사용할 수 있게끔 만들어졌으며, 고객들이 온보딩 하는 과정에 상당히 많은 비중을 두고 있습니다.
듀오링고에서는 앱을 매일 연속해서 사용하면 그 대가로 보상을 줍니다. 듀오링고가 이러한 연속 사용 기능을 개선하던 당시에, 이들은 수많은 아이디어들을 실험했습니다. 이러한 실험의 궁극적인 목표는 앱을 다운로드 한 이후에 다시 사용하는 사람들의 수를 늘리는 것이었습니다.
듀오링고가 매일 사용하는 것을 의도해서 만든 앱이라는 점을 감안하면, N일차 유지율은 이들의 성과를 추적하기 위한 완벽한 지표라고 할 수 있습니다.듀오링고는 새로운 변경사항을 적용한 이후에 1일 차, 7일 차, 14일 차의 유지율이 높아진다는 사실을 확인했고, 이러한 변화가 비즈니스적으로 상당한 도움이 된다는 것을 파악할 수 있었습니다.
2) 지정 기간 유지율(Bracket Retention)
그러나 어떤 제품들에서는 사용자들이 다운로드 후에 다시 사용하는 날짜가 정확히 언제인지는 중요하지 않은 경우도 많습니다. 대신에 사용자가 5일 이내, 또는 2주일 이내에 다시 사용하게 되었는지의 여부가 더욱 중요할 수도 있습니다. 이런 경우에는 며칠이나 몇 주, 또는 몇 달 동안의 기간을 지정해서 온보딩이 성공했는지를 평가할 수 있습니다.
온라인 쇼핑이나 음식 배달 서비스처럼 사람들이 사용하는 빈도가 아주 높지 않은 비즈니스를 운영하는 기업들은 이러한 지표가 자신들의 사업에서는 더욱 유의미한 데이터가 될 수 있습니다.
3) 무기한 유지율(Unbounded Retention)
무기한 유지율은 어떤 앱을 다운로드 한 이후에 언제가 되었든 다시 사용하는 사람들의 수가 얼마나 되는지를 측정하는 것입니다. 따라서 기본적으로 무기한 유지율은 이탈률의 반대라고 할 수 있습니다. 무기한 유지율을 측정하면 사용자가 이탈하는 시점이 언제인지, 그리고 제품의 어떤 측면을 개선해야 하는지를 파악하는 데 도움이 됩니다.
아래의 그래프는 온라인 게임이나 캘린더 앱처럼 매일 사용하는 것을 의도해서 만든 애플리케이션에 대한 무기한 유지율을 보여주는 것입니다.
위의 그림을 보면 최초의 하루 사이에, 그리고 4일부터 9일 사이에 상당한 수의 사용자들이 빠져나가고 있음을 알 수 있습니다. 그리고 8일 이상 어떻게 해서든 유지시킨 사용자들은, 이후에 충성스러운 고객으로 전환되고 있다는 사실도 짐작할 수 있습니다.
사용자들이 어느 시점에서 이탈하는지를 아는 것이 무척 중요한 이유는, 그러한 분석을 통해서 제품에서 개선이 필요한 부분이 어디인지를 추정할 수 있기 때문입니다.
- 만약 사람들이 1일 차 이후에 이탈했다면, 사용자들이 해당하는 제품으로부터 얻을 수 있는 가치가 무엇인지를 온보딩 과정에서 제대로 전달하지 못했기 때문이었을 가능성이 있습니다.
- 7일 차 이후에 이탈한 사람들은 제품을 사용하는 데 어려움을 겪었을 가능성이 있습니다.
- 1개월 이후에 이탈한 사람들이 있다면, 해당 제품의 기능이나 콘텐츠가 충분하지 않았거나 지루했기 때문이었을 가능성이 있습니다.
따라서 무기한 유지율은 사용자들을 붙잡아 두기 위해서 개선해야 하는 부분이 무엇인지에 대한 통찰력을 얻어내는 데 있어서 유용한 도구라고 할 수 있습니다.
온보딩 관련 지표들은 사람들이 어떤 제품을 사용하기 시작한 초기의 짧은 기간에만 관심을 가지고 있습니다.따라서 이러한 지표들은 일반적으로 우리가 어떤 실험에 대한 빠른 결과를 얻어내야 하는 온라인 테스트에서 이용되는 경우가 많습니다. 고객 유지율이 제품의 성장이라는 보다 커다란 관점에서 어떻게 도움이 되는지를 알고 싶다면, 마지막에 첨부한 참고 자료를 확인하세요.
고객의 충성도를 수치로 표현하기
그런데 특정한 기간 동안 계속해서 사용하는 사람들의 비율(유지율)이 증가했는지의 여부가 크게 중요하지 않을 수도 있습니다. 때로는 새롭게 도입한 어떤 기능 때문에 이탈하는 사람들의 수가 얼마나 줄었는지를 아는 것이 더 중요할 수도 있습니다. 이런 경우에는, 이탈률(churn rate)이라는 지표를 활용해서 활성 사용자(active user)들의 비율을 살펴보는 것이 더욱 도움이 됩니다.
이탈률이 낮은 사용자 집단에 대해서 연구하면 고객들의 충성도를 높이는 데 도움이 되는 기능이나 특징들이 무엇인지를 파악하는 데 도움이 될 수 있습니다. 예를 들어서, 스포티파이는 팟캐스트를 청취하는 사용자들의 이탈률이 상대적으로 낮다는 사실을 발견했고, 이를 통해서 고객 유지율을 더욱 높이는 데 있어서 팟캐스트가 상당히 중요하다는 것을 알 수 있었습니다.
이러한 정보를 바탕으로, 스포티파이는 자신들의 앱에서 팟캐스트 메뉴를 더욱 눈에 잘 띄게 만들 수도 있었을 것입니다. (그리고 실제로 그렇게 했습니다.) 일정한 기간 동안의 이탈률을 계산하는 것은 생각보다 훨씬 더 복잡합니다. 이탈률을 계산하기 위해서 일반적으로 사용하는 몇 가지의 기법을 살펴보도록 하겠습니다.
전통적인 기법
이탈률이라는 것은 특정한 기간 동안 제품을 다시 사용하지 않는 사람들의 수를 집계해서 계산할 수 있습니다. 하지만 안타깝게도, 특정한 기간을 설정해 두고 그 기간 동안의 활성 사용자와 이탈한 사람들의 수를 비교해서 계산할 수는 없습니다. 왜냐하면 같은 기간 동안 새로 유입되는 사용자들도 있기 때문입니다. 이탈률을 계산하기 위해서 전통적으로 널리 사용되는 방식은 다음과 같은 공식으로 표현할 수 있습니다.
해당 기간 동안 이탈한 사용자의 수를 해당 기간이 시작하는 시점과 끝나는 시점의 사용자 수의 평균값으로 나누었습니다. 너무 자세히 설명하지 않더라도, 이 공식에는 몇 가지의 결함이 있습니다.
- 여기에서는 해당 기간 동안 사용자들이 일정한 비율로 이탈한다는 가정이 전제되어 있습니다. 만약에 우리가 직전 분기의 이탈률을 계산하는데, 그중의 한 달은 서비스 이용률이 극히 낮아서 신규 사용자도 거의 없고 이탈한 고객들도 거의 없다면, 이러한 공식은 오해를 불러일으킬 수 있습니다. 따라서 그 이전 분기의 수치와 비교한다면 잘못된 결론에 도달할 수도 있습니다.
- 또한, 과거 사용자 집단의 이탈률을 현재의 사용자 기반과 비교하고 있습니다. 만약에 이탈하는 사용자들의 수치가 해당 기간 동안 거의 동일하게 유지되었는데, 마지막 달에 갑자기 신규 사용자의 수가 급격하게 하락했다고 가정해 보겠습니다. 이런 상황에서 위의 공식대로 계산하면, 이탈률이 급격하게 상승한 결과가 나올 것입니다!
쇼피파이(Shopify)가 수정해서 사용하는 이탈률
전통적인 기법이 가진 이러한 결점 때문에, 쇼피파이에서는 아래와 같은 이탈률 공식을 만들어냈습니다.
- 위의 공식에 대해서 설명하자면, x라는 변수는 해당하는 기간에 속하는 날짜들입니다. 즉, 측정하고자 하는 기간이 2021년 4월이라면, x라는 변수는 4월 1일부터 30일까지가 됩니다. Σ(시그마)라는 기호는 x라는 날짜를 기준으로 오른쪽 괄호(예, x일이 시작하던 시점의 사용자 수)에서 설명하는 수치들을 집계하고, 각 x일을 기준으로 집계한 이러한 수치들을 전부 더하라는 것입니다.
2021년 4월을 대상으로 이탈률을 계산한다면, 우선 4월 한 달 동안 매일매일 달라지는 사용자의 수를 집계합니다. 그리고 4월 1일 시점에서의 사용자들 중에서 30일이 지난 5월 1일 현재 비활성화된 사람들의 수를 집계합니다. 그리고 4월 2일의 사용자 수와 그 후 30일이 지난 5월 2일 현재 비활성화된 사람의 수를 집계합니다.
이렇게 매일매일을 기준으로 4월과 5월의 수치들을 집계합니다. 그리고 5월에 매일 집계한 비활성화된 사람들의 수를 모두 더한 값(위 공식의 분자)을 4월에 매일 집계한 사용자들의 수(위 공식의 분모)로 나눕니다.
이 공식이 조금 어려워 보일 수도 있지만, 그 이면에 있는 논리는 비교적 간단합니다. 즉, 해당하는 기간 동안 매일매일 사용자의 수를 집계하고, 그중에서 해당하는 날짜로부터 30일 이후에 비활성화하는 사람들의 수도 30일 이후에 매일매일 집계해서 계산하는 것입니다. 매일매일 변화하는 양상을 반영하는 것이기 때문에, 이것은 이탈률에 대한 가중 평균(weighted average)이라고 할 수 있습니다.
쇼피파이에겐 30일이라는 기간이 사용자들의 이탈 여부를 판단하기에 충분한 기간이었으며, 대부분의 비즈니스 모델에서도 똑같이 적용할 수 있습니다. 이런 식으로 계산하면, 앞에서 살펴본 전통적인 기법의 오류가 다음에 설명하는 것처럼 해결된다고 볼 수 있습니다.
- 이러한 가중 평균은 며칠이나 몇 주, 또는 몇 달 동안 특이한 수치가 나타나더라도 이를 잘 처리할 수 있습니다.
- 동일한 기간 동안 비활성화된 사용자 수와 전체 사용자 수를 비교하는 것이기 때문에, 이 지표는 특정한 날짜나 주, 또는 어떤 월에 활성 상태였던 사용자들 중에서 실제로 이탈한 사람들의 비율을 반영하고 있습니다.
올바른 고객 유지율 지표를 적절하게 사용하기
스포티파이, 아마존, 듀오링고 등의 기업들이 성공한 이유는, 사용자들이 계속해서 다시 사용할 수 있는 제품을 만들 수 있었기 때문입니다. 이처럼 뛰어난 기업들의 사례에서 알 수 있듯이, 충성스러운 사용자 기반을 다지는 것은 지속 가능한 비즈니스를 만드는 데 있어서 매우 중요합니다.
고객 유지와 관련한 수치들은 제품을 변경하고 전략적인 결정을 할 때 세심하게 모니터링해야 하는 중요한 지표입니다. 이러한 지표는 시간이 지남에 따라서 고객 그룹을 안정적으로 키워나가는 데 있어서 기업이 얼마나 성공을 거두고 있는지에 대한 정보를 알려주는 용도로 사용될 수 있습니다. 그리고 N일차 유지율이나 무기한 유지율은 온라인에서 수행되는 실험에서도 중요한 지표로 활용될 수 있습니다.
기업이 추구하는 사용자들의 이상적인 사용 패턴은 기업이 만들어 놓은 비즈니스 모델에 의해서 크게 좌우됩니다. 스포티파이와 듀오링고는 매일 사용하는 패턴을 추구하고 있지만, 온라인 스토어는 주간이나 월간 사용 패턴에 더욱 많은 관심을 가지고 있을 것입니다. 따라서 고객 유지의 측면에서는 한 가지의 지표로 모든 것을 알 수 있는 완벽한 솔루션은 없습니다.
여러분이 설정한 목표와 고객 유지율을 측정하기 위해서 사용하는 지표는, 여러분의 제품이나 서비스의 속성에 따라서 크게 달라질 수밖에 없습니다.
원문: 요즘IT
참고 자료
함께 읽으면 좋은 글
