[워밍업클럽 4기 PM] 4주차 발자국

내용 요약

5-4 Engagement

⇒ 리텐션에 영향을 끼치는 지표들

1. Breadth: 얼마나 많은 유저들이 이용하나?

• Daily Active Users(DAU), WAU, MAU : 여기서 active란? 단순 로그인 or 접속 X. “핵심 기능 관련 행동”을 한 user

2. Depth: 프로덕트의 기능들을 얼마나 깊이 있게 이용하나?

• active 유저 중, N가지 이상의 기능을 이용한 사용자 수 or 시간(얼마나 오랜 시간 이용하는가 ㅡDAU, WAU)

3. Frequency: 프로덕트를 얼마나 자주 이용하나?

• DAU/MAU: 한 달 간 DAU 평균

  • 지표가 높을 수록 사용자들이 제품을 자주 이용함.

  • 지역별로도 확인 가능 EX) 0.2 → 한달에 6일 이용

• Lness 지표: 평균이 아닌, 다른 각도에서 이용 빈도 측정

  • ex) L5+/7: 1주일 중 5일, 혹은 그 이상 제품을 이용한 유저

• Sticky한 프로덕트 = 리텐션이 높다 = 유저가 사용하는 습관을 들였다

4. Efficiency: 프로덕트에서 성공적으로 과업을 완수하는가?

제품에 따라 유저들이 수행하는 과업이 다름 = 하나로 정의X

• 과업 완수 = 유저 만족도가 높다 = 고객 이탈 방지한다

ex) 우버: 매칭 성공률

• 택시 호출 건수 중, 실제 매칭 성공률

5-5 Retention

: “특정 기간”동안 고객이 “원하는 핵심 행동”을 계속 하는 것

• 리텐션율 측정 기간 단위: 제품 이용 주기에 따라 다름. ex)모바일 게임-일 단위 / 에어비앤비-월or분기 단위

코호트 리텐션

• 코호트(Cohort): 동질적인 특성을 공유하는 사람들의 집합

• (리텐션 측면에선 주로) “같은 시기”에 가입한 사용자들 지칭. ex) 1월에 가입한 사용자 코호트

• 코호트 리텐션: 특정 코호트 유저들이 / 시간 경과에 따라 / 유지되는 비율

• 왜 보는지? 시간 경과에 따라 변화되는 수치를 보고 알고 그에 대해 대응

• 어떻게 계산? product analytics tool말고 계산하기 어려움. but SQL로도 계산 가능 (사진참고+검색하면 나옴)

리텐션 커브

• 코호트 리텐션을 시각적으로 표현 ⇒ 얼마나 유저가 남는지(사용자 이탈) “직관적”으로 볼 수 있음

Day N Retention

• : “N일째”에 유지된 사용자 비율

• 일 단위로 측정 → 모바일 게임에서 주로 사용함 → 초반 며칠동안 붙잡아둬야 함

Bracket (Bounded) Retention

• : “어떤 기간 내” 유지된 사용자 비율

• 1주일 or 1개월 단위 등

Unbounded (On and After) Retention

• 활용도 좀 낮음 pass

5-6 Monetization, Metric Hierarchy

Monetization 수익화

• 기본적으로 널리 사용하는 지표

  • 매출, 기간별(전주/전월 대비) 매출 성장률, Paying Users 수

  • 인당 매출 지표 ARPU(Average Revenue per user) or ARPPU: active 혹은 paying 유저 1명당 매출

• 코호트를 ‘이용’기준이 아닌 ‘매출’ 기준으로 시간 경과에 따라 모니터링! ⇒ 추이를 볼 수 있음

Metric Hierarchy 지표의 위계 구조

지표 계층 구조는 최종 목표(Output)에 영향을 주는 요인들(Input)을 파악해서 팀이 어디에 집중해야 할지 명확히 알려줍니다.

ex) 매출(Output)에 영향을 끼칠 수 있는 요인(Input)

• 수식으로 표현할 수 있는: 신규 활성 사용자 수 C 구매 고객 수 C 구매 건수 C 매출 등등

• 수식으로 표현X: 상품 카테고리 개수, 상품 다양성, 검색 용이성 등등

  • how? 그냥 열심히 고민하고, 가설 세우기

  • “시행착오”를 겪으며, “가설”을 세우고 팀의 역량을 집중하여 검증함 → 엄밀한 지표가 아니더라도 “성과에 도움이 된다면” 유용한 지표

회고

현재로선 추구하는 방향이 Tech쪽 PM이라 그런지 와닿지 않는 지표도 조금 있었다. 그래도 개념을 알아두고 용어를 알아두는 것 자체만으로도 큰 수확이라고 느꼈다.

미션 해결

먼저 예시로 다음과 같이 목표를 설정해보았다. 사내 프로덕트에 대한 수익성 20% 향상이라는 명확한 목표를 설정하고, 이를 달성하기 위해 데이터 품질 확보, 사용 편의성 개선 등의 기회를 정의해보았다. 각 솔루션은 실제 페인 포인트를 바탕으로 도출했고, 이 과정을 통해 목표→기회→솔루션 간 연계가 뚜렷해졌다. 이런 식으로 구조화시키면 팀 내부에서도 설득과 우선순위 합의가 쉬워질 수도 있겠다는 생각이 들었다.