1. Classic Retention(N-Day Retention)
2. Rolling Retention(Unbounded Retention)
3. Range Retention(Bracket Retention)
4. DAU, WAU, MAU 그리고 Stickiness
5. 리텐션 차트, 리텐션 커브
데이터리안의 리텐션 관련 5개 아티클을 읽었다. 그 중 4. DAU, WAU, MAU 그리고 Stickiness 자료에서 DAU, WAU, MAU의 정의를 읽고 DAU, WAU는 간단한 예제로 직접 구해보면서 각 지표의 의미를 이해할 수 있었다. 다음 나오는 내용은 해당 아티클의 내용을 요약한 것이다.
DAU는 일간 활성 사용자 수로 일일 활동한 순수 사용자의 수를 나타낸다. WAU, MAU는 각각 주간, 월간 활성 사용자 수로 한 주 동안, 한 달 동안 활동한 순수 사용자 수를 의미한다. 예컨대 어떤 서비스에 7일 간 각기 다른 유저가 매일 1명씩 방문했을 경우 DAU는 매일 1이며, 1일 당 1명씩 7일 간 총 7명의 유저가 방문했으므로 WAU=7이다. 어떤 서비스에 7일 간 각기 다른 유저 7명이 모두 매일 방문했을 경우를 가정해보자. 7명이 각각 매일 방문했으므로 DAU는 매일 7이며, 7일 간 총 7명의 유저가 방문했으므로 WAU=7이다.
사례1(7일 간 각기 다른 유저가 매일 1명씩 방문)과 사례2(7일 간 각기 다른 유저 7명이 모두 매일 방문)의 DAU, WAU지표를 표로 만들면 다음과 같다.
| 사례1(7일 간 각기 다른 유저가 매일 1명씩 방문) | 사례2(7일 간 각기 다른 유저 7명이 모두 매일 방문) | |
| DAU | 1*7일 | 7*7일 |
| WAU | 7 | 7 |
| 7일 간 DAU 합과 WAU 비교 | 7(DAU 합) = 7(WAU) | 49(DAU 합) > 7(WAU) |
사례1은 매일 새로운 유저가 들어왔고 기존 유저의 재방문이 없는 경우였으며, 이 때 DAU 합 = WAU였다.
사례2는 매일 기존 유저가 재방문했고 새로운 유저의 유입이 없는 경우였으며, 이 때 DAU합 > WAU였다.
즉, 주간 DAU 합이 WAU와 같거나 비슷할 경우 유저의 신규 유입이 두드러지며, 주간 DAU 합이 WAU보다 클 경우 기존 유저의 재방문이 두드러진다는 결론을 도출할 수 있다.
이를 미루어봤을 때 DAU, WAU, MAU의 활성 사용자 지표는 단순히 사용자 수와 그 수의 흐름만 볼 수 있는 데이터가 아니라 유저들이 어떤 주기로 방문하는지, 기존 유저가 들어오는지 신규 유저가 유입되는지 등의 서비스 특성에 관한 인사이트를 낼 수 있는 지표임을 알 수 있다.
→ DAU와 WAU를 함께 보면 각 지표를 따로 볼 때는 알 수 없는 유저들의 이용 패턴을 알 수 있다
지표를 통한 현황 파악의 중요성은 알았지만, 각 지표를 어떻게 해석하고 어떤 결론을 도출해야 하는지는 이해하기 어려웠다. 특히 DAU/MAU가 증가해서 긍정적이다, 하락하는 추세라 유저들이 이탈하고 있다 등과 같은, 시각화만 보면 누구나 할 수 있는 말 외에 다른 의견을 덧붙이기 어려워서 '인사이트를 도출하라'에서 인사이트가 도대체 무엇인지 고민이 많았다. 그러나 이러한 어려움은 결국 무지에서 기인하는 것임을 알게 되었다. 딱 지표의 정의만 알고 구체적으로 어떤 세부 종류가 있는지, 각 세부 종류별 차이는 무엇인지, 서비스마다 어떤 지표를 사용하는 게 적절한지, 지표를 통해 어떤 것을 유추할 수 있는지 등의 깊이 있는 내용은 알지 못하니 피상적인 인사이트만 도출할 수밖에 없었던 것이다. 다양한 지표를 아는 것보다 하나의 지표를 깊게 아는 것이 중요하다는 생각이 들었다. 하나의 지표를 깊게 알면 다른 새로운 지표를 마주했을 때도 깊이 접근할 수 있게 되니 말이다. 눈에 보이는 정의 그 너머의 내용을 보는 공부를 해야겠다.