앱 리텐션 지표 분석하는 법, 5단계로 정리
- 앱 리텐션은 재방문이 아니라 핵심 기능 재사용 여부로 판단해야 정확합니다.
- N-Day·Unbounded·Bracket 3가지 측정 방식은 서비스 사용 주기에 따라 다르게 선택해야 합니다.
- 리텐션 분석은 활성 유저 정의부터 코호트 분류, 커브 시각화, 세그먼트 비교까지 5단계로 진행합니다.
- 신규 고객 획득 비용이 기존 고객 유지 비용보다 5~25배 높아 리텐션 점검이 마케팅 확장보다 먼저입니다.
앱 리텐션 지표란? 정의부터 명확히 짚기
앱 리텐션(Retention) 지표는 특정 시점에 앱을 설치하거나 사용을 시작한 사용자 중, 이후에도 계속 돌아와 서비스를 이용하는 비율을 뜻합니다. 단순히 앱을 켰는지가 아니라 구매, 콘텐츠 시청, 메시지 전송 같은 핵심 기능을 다시 수행했는지를 봐야 실제 리텐션을 정확히 파악할 수 있습니다. 리텐션율을 구하는 기본 공식은 다음과 같습니다.
리텐션율(%) = (기준일 이후 특정 시점에 다시 활동한 사용자 수) ÷ (기준일에 신규 유입된 사용자 수) × 100
예를 들어 특정일에 1,000명이 앱을 설치했고 30일 후에도 그중 200명이 여전히 앱을 열었다면 D30 리텐션율은 20%입니다. 이 지표를 분석해야 하는 이유는 명확합니다. 신규 사용자 획득 비용(CAC, Customer Acquisition Cost)은 계속 오르는 반면, 기존 사용자를 유지하는 비용은 신규 획득 비용의 5분의 1에서 25분의 1 수준으로 훨씬 낮기 때문입니다. 광고 예산을 늘리기 전에 리텐션 지표부터 점검해야 마케팅 효율을 지킬 수 있으며, 이 지표는 광고 성과 측정 지표 중에서도 사업의 지속 가능성을 가장 직접적으로 보여주는 지표로 꼽힙니다.
헷갈리는 리텐션 개념 3가지, 먼저 구분하기
유저 리텐션 vs 고객 리텐션
유저 리텐션(User Retention)은 앱 접속, 화면 조회처럼 서비스를 사용하는 행위 자체를 기준으로 측정합니다. 반면 고객 리텐션(Customer Retention)은 실제 결제나 구독 갱신이 발생했는지를 기준으로 측정하는, 재무적 성격이 강한 지표입니다. 예를 들어 구독형 서비스라면 앱에 매일 접속하는 유저 리텐션은 높지만 결제를 갱신하지 않아 고객 리텐션은 낮을 수 있습니다. 두 지표가 같은 방향으로 움직이는지, 따로 움직이는지를 보는 것만으로도 문제가 어디에 있는지 단서를 얻을 수 있습니다.
리텐션율과 이탈률(Churn Rate)의 관계
이탈률(Churn Rate)은 리텐션율의 반대 개념으로, 특정 기간 동안 서비스를 떠난 사용자의 비율입니다. 리텐션율과 이탈률을 더하면 항상 100%가 되므로 리텐션율이 20%라면 이탈률은 80%입니다. 어느 쪽을 주요 지표로 볼지는 조직 성향에 따라 다르지만, 이탈이 언제·어느 구간에서 급격히 발생하는지를 함께 봐야 원인 파악이 쉬워집니다.
앱 리텐션 지표 분석 방법 5단계
리텐션을 실제로 분석하려면 다음 5단계를 순서대로 진행하는 것이 효과적입니다.
- 활성 유저와 측정 기간 정의하기
- 코호트를 나누고 측정 방식 선택하기
- 리텐션 커브를 그려 이탈 시점 파악하기
- 세그먼트·기능별로 비교 분석하기
- 분석 도구로 자동화하고 반복 추적하기
1단계: 활성 유저와 측정 기간 정의하기
가장 먼저 해야 할 일은 무엇을 활성 유저로 볼지 정하는 것입니다. 앱을 열기만 해도 활성으로 볼지, 핵심 기능(구매·시청·글쓰기 등)을 실제로 수행해야 활성으로 볼지에 따라 리텐션율이 크게 달라집니다. 여기에 더해 측정 기간도 정해야 합니다. 게임처럼 하루 단위 사용이 중요한 서비스는 D1·D7·D30을, 재무 관리 앱처럼 월 단위 사용이 자연스러운 서비스는 월간 코호트를 기준으로 삼는 것이 합리적입니다. 이 기준이 팀 내부에서 통일되지 않으면 부서마다 다른 숫자를 놓고 논쟁하게 됩니다.
2단계: 코호트를 나누고 리텐션 측정 방식 선택하기
코호트(Cohort, 설치일·유입 채널·최초 사용 기능 등 특정 조건을 공유하는 사용자 묶음)를 나눈 뒤에는 서비스 특성에 맞는 측정 방식을 골라야 합니다. 대표적으로 3가지 방식이 있으며, 어떤 방식을 쓰느냐에 따라 같은 데이터에서도 완전히 다른 숫자가 나올 수 있습니다.
| 측정 방식 | 정의 | 적합한 서비스 |
|---|---|---|
| N-Day 리텐션 | 기준일로부터 정확히 N일째 되는 날 다시 활동했는지 측정 | 게임, 메신저처럼 매일 접속이 중요한 서비스 |
| Unbounded(범위) 리텐션 | 기준일 이후 한 번이라도 다시 활동했는지 측정 | 이커머스, 여행 앱처럼 사용 주기가 불규칙한 서비스 |
| Bracket(구간) 리텐션 | 지정한 기간 구간(예: 8~14일차) 안에 활동했는지 측정 | 주간·월간 사용 리듬을 파악해야 하는 서비스 |
서비스 주기와 맞지 않는 측정 방식을 쓰면 실제보다 리텐션이 지나치게 낮거나 높게 보일 수 있습니다. 매일 쓰지 않아도 되는 서비스에 N-Day 방식만 적용하면 실제로는 잘 쓰고 있는 유저까지 이탈로 오분류하게 됩니다.
3단계: 리텐션 커브로 이탈 시점 파악하기
리텐션 커브는 시간 경과에 따른 리텐션율을 시각적으로 표현한 그래프입니다. 설치 직후 급격히 떨어지다가 특정 시점부터 평평해지는 모양이 일반적인데, 커브가 얼마나 빨리 평평해지는지, 얼마나 높은 수준에서 안정화되는지가 곧 제품의 장기 가치를 보여줍니다. 반대로 커브가 계속 완만하게 우하향한다면 온보딩이나 활성화 단계에 구조적인 문제가 있다는 신호입니다. 초반 1~7일 구간에서 급락이 보인다면 온보딩 흐름을, 30일 이후에도 계속 하락한다면 콘텐츠·기능 갱신 주기를 먼저 점검해야 합니다.
4단계: 세그먼트·기능별로 비교 분석하기
전체 평균 리텐션만 보면 원인을 찾기 어렵습니다. 아래 기준으로 나눠 비교해야 실질적인 개선 지점이 보입니다.
- 유입 채널별(광고 채널, 오가닉, 추천) 리텐션 차이
- 최초 사용 기능별(첫 세션에 어떤 기능을 썼는지) 리텐션 차이
- 디바이스·OS·가입 시점(요일, 캠페인 기간)별 리텐션 차이
예를 들어 특정 광고 채널로 유입된 유저의 리텐션이 유독 낮다면 광고 소재와 실제 제품 경험 사이에 기대치 불일치가 있다는 뜻일 수 있습니다.
5단계: 분석 도구로 자동화하고 반복 추적하기
Amplitude, GA4(Google Analytics 4, 구글의 웹·앱 통합 분석 도구), Firebase, Mixpanel 같은 제품 분석 툴을 쓰면 코호트 생성과 리텐션 커브 시각화를 자동화할 수 있습니다. 다만 툴마다 활성 유저와 리텐션의 기본 정의가 조금씩 다르므로, 도입 전에 우리 제품의 활성 기준과 툴의 기본 설정이 일치하는지 반드시 확인해야 합니다. 정의가 다른 툴 두 개를 나란히 놓고 숫자만 비교하면 잘못된 결론에 이르기 쉽습니다.
실무에서 자주 하는 실수와 주의할 점
측정 정의를 통일하지 않는 실수
같은 회사 안에서도 마케팅팀과 제품팀이 서로 다른 활성 유저 기준으로 리텐션을 보고하는 경우가 흔합니다. 이 상태로는 어떤 캠페인이나 기능 개선이 실제로 효과가 있었는지 판단할 수 없습니다.
짧은 기간 데이터만 보고 판단하는 실수
일주일치 데이터만 보고 리텐션이 개선됐다고 판단하면 계절성이나 일시적 이벤트 효과를 개선 효과로 오해할 위험이 있습니다.
- 단발성 프로모션 직후의 급증을 정상 수준으로 착각하는 것
- 표본 수가 너무 적은 코호트(수십 명 단위)로 전체 트렌드를 단정하는 것
- 리텐션 개선을 신규 유입 증가와 혼동해 지표를 잘못 해석하는 것
산업별 리텐션 벤치마크, 어떻게 참고해야 할까
업종별 벤치마크 참고하기
CustomerGauge의 State of B2B Account Experience 리포트(B2B 11개 업종 대상 1차 조사)에 따르면 에너지·유틸리티 업종의 리텐션율이 89%로 가장 높았고, 도매 업종이 44%로 가장 낮았습니다. 업종 간 격차가 이렇게 크기 때문에, 다른 회사가 발표한 절대적인 리텐션 수치를 그대로 우리 목표로 삼는 것은 의미가 없습니다.
우리 서비스만의 목표치 정하는 법
업종 평균은 참고선일 뿐이며, 실제 목표는 우리 서비스의 과거 데이터를 기준으로 잡아야 합니다. 지난 몇 개 코호트의 리텐션 커브가 안정화되는 지점을 찾고, 그 지점보다 조금 더 높은 수준을 다음 목표로 설정하는 방식이 현실적입니다.
리텐션을 끌어올리는 실전 전략
- 온보딩 단계에서 사용자가 핵심 가치를 최대한 빨리 경험하도록 흐름을 단순화하기
- 이탈 징후가 보이는 코호트에 맞춤 혜택이나 리마인드 메시지를 보내기
- 사용 패턴을 분석해 재방문이 필요한 시점에 알림을 보내기
- 충성 사용자에게 추천 보상을 제공해 자연 유입과 리텐션을 함께 높이기
유입 채널별로 리텐션 효과가 다르게 나타난다면, 채널 성과를 어트리뷰션 모델과 함께 분석해야 어느 채널이 진짜 좋은 유저를 데려오는지 정확히 판단할 수 있습니다.
자주 묻는 질문
Q. 좋은 리텐션율의 기준은 얼마인가요?
업종과 서비스 성격에 따라 크게 달라 절대적인 기준은 없습니다. 참고용 조사 사례로 CustomerGauge의 B2B 업종별 벤치마크 조사에서는 업종별 리텐션율이 44%~89%까지 넓게 나타났으며, 절대 수치보다 자사의 과거 코호트 대비 개선 여부를 목표로 삼는 것이 더 실질적입니다.
Q. N-Day 리텐션과 Unbounded 리텐션 중 무엇을 먼저 봐야 하나요?
매일 접속이 자연스러운 서비스(게임, 메신저)는 N-Day 리텐션이 적합하고, 사용 주기가 불규칙한 서비스(이커머스, 여행)는 Unbounded 리텐션이 더 정확한 그림을 보여줍니다. 두 방식을 병행해 결과를 비교해보는 것도 도움이 됩니다.
Q. 리텐션 분석에 꼭 유료 툴이 필요한가요?
필수는 아닙니다. 초기에는 스프레드시트로 코호트별 활성 유저 수를 정리해도 기본적인 리텐션 커브를 그릴 수 있습니다. 다만 세그먼트가 많아지고 데이터 양이 늘어나면 Amplitude, GA4, Firebase 같은 분석 툴이 코호트 생성과 시각화를 자동화해 분석 속도를 크게 줄여줍니다.
Q. 리텐션이 낮게 나오면 가장 먼저 무엇을 확인해야 하나요?
리텐션 커브에서 급락이 시작되는 시점을 먼저 확인해야 합니다. 설치 직후 며칠 내에 급락한다면 온보딩 흐름의 문제일 가능성이 크고, 몇 주 뒤부터 완만하게 하락한다면 콘텐츠나 기능 갱신 주기, 즉 재방문할 이유가 충분한지를 점검해야 합니다.
