Toss PO SESSION I Retention & Activation

Retention를 위한 과정

들어가기전, 스타트업과 스타트업이 아는 것을 나누는 기준은 제품, 시장, 고객에 대한 Uncertainty(불확실성)이다. 이것이 확실하다면 경영의 단계로 넘어간다. 그리고 불확실성을 확실성으로 바꿔나가는 것이 Lean startup 개념이다. 그리고 린 스타트업 프레임워크 중 고객의 마음을 읽는 핵심지표를 AARRR이라 한다. 유명한 개념이라 설명은 생략하고 대게 AARRR 퍼널을 앞에서부터 개선하려고 하는데 실은 뒤에서부터 고쳐야한다. 리텐션이 개선되어야지 나머지를 개선하는 의미가 있다. 그런 리텐션은  P/M Fit을 찾은 제품이라야 존재한다.

 

P/M Fit을 찾았다면 무얼 해야할까? 

그전에 P/M Fit을 어떻게 알 수 있나? 현재로선 리텐션 Curve를 보는 수 밖에 없다. 리텐션 그래프에서 Plateau 지점이 발견된다면 Fit을 찾았다고 볼 수 있다. 만약 리텐션 Plateau를 발견했다면 서비스에 가치를 느끼고 잔존한 유저와 그렇지 않은 유저(잠재 유저)를 나눌 수 있다. 그렇다면 이 두 유저 그룹을 위한 Retention & Activation 개선을 해야한다.

 

잔존하지 않은 유저를 위해선 "User Test"를, 잔존한 유저를 위해선 "데이터 분석"

잔존하지 않은 유저를 위해 UT를 해야하는 이유는 아래와 같은 흐름을 이해해야한다. 물론 이것이 장기적으로 필요한 전략일지 모르나 당장은 잔존한 유저가 누구인지를 아는 것이 더 시급하다. 사업을 꾸준히 영위하기 위해선 P/M Fit(리텐션 Plateau)는 물론이고 그 비율은 일정 수준 이상되어야 하기 때문이다.

P/M Fit를 갖췄다면 CC를 계산할 수 있고 그 말은 우리가 어디까지 도달할 수 있을지를 판단할 수 있다는 것이다.그런데 만약 우리 서비스가 CC에 도달했다면, UT는 다음 CC를 위한 실마리를 제공해준다. 왜냐하면 UT의 핵심 질문은 "우리의 잠재고객은 누구이며 어떻게 해야 획득할 수 있을까?"이기 때문이다.

 

그렇다면 잔존하는 유저의 리텐션 개선을 위한 데이터 분석은 어떻게 해야할까?

우선 남는 유저들은 공통되는 행동을 가지고 있다고 가정한다. 그렇다면 행동을 무엇인지 알고 유도하는 것이 리텐션(Plateau)을 높이는데 가장 중요할 것이다. 그리고 그 행동 중 리텐션 향상에 가장 크게 기여하는 행동을 우리는 그 행동을 Aha Moment(아하모먼트)라고 부른다.

 

아하모먼트란?

흔히 서비스를 계속 쓰게하는 특이점을 뜻한다. 자세한 설명은 다음과 같다. 특이점인만큼 "이 행동을 한 유저의 95%는 리텐션이 생긴다" 정도의 높은 기준을 사용하는데 실제로 업무에 적용해본 결과, 그만큼 높은 기준을 달성하면서 다음에 나올 RPV와 교차값을 달성하는 액션을 발굴하는 것은 쉽지 않다. 실제로 업무에 적용해본 결과 매직 넘버, 매직 액션은 존재하지 않았다.

 

아하모먼트 구하기

실무에서는 SHAP을 쓰지 않고 가설 기반으로 액션 후보군을 추출한 후 인앱 액션 트래킹 툴을 통해 값을 추출했다. 인원도 적은데다 전문적인 DS팀이 없는 상황에서 최선의 방법이었다.

1. 액션 XX 후보군 찾기
직관을 활용하거나 Shap Value 같은 도구를 활용해서 리텐션에 영향도가 높은 액션 후보군을 추출할 수 있다. SHAP Value에서 리텐션에 영향도와 임계점이 명확히 보이더라도 RPV/교차값을 구해서 충분한 조건을 만족하는지 확인해야한다. 

2. 액션의 횟수에 따라 RPV와 교차값을 구한다.
- RPV : 리테인 된 유저가 해당 액션을 할 확률
- 교차 : "액션을 했거나 리테인 된 유저 중", "액션과 리테인 된 유저 비율"

3. RPV는 95% 이상, 교차는 최대인 ZZ 값을 구한다.

 

Activation이란

Activation는 The First Happy Experience이다. 즉, 처음으로 서비스가 제공하는 핵심가치를 경험하는 과정을 한다. 따라서, 액티베이션은 퍼널이 아니다. 결국, 액티베이션 개선은 회원가입 과정 같은 퍼널을 개선하는 것이 아니라 더 많은 유저가 더 빨리 더 손쉽게 아하모먼트를 경험하게 하는 것이다. 

 

핵심 내용 요약

중요한것은 Conversion rate이 아니라 기간이다. 예를 들어 계좌 등록 퍼널에서 전환율이 35%라고 하면 문제일까? 실은 해당 전환율은 세션 기준이었고 월 기준으로는 65%에 달했음. 이러면 오히려 문제가 아닐 수 있다. 목표는 퍼널 개선이 아니라(퍼널에서의 경험 개션이 아니라) Aha moment를 경험하게 하는 것이기 때문이다. 액티베이션 퍼널은 모든 Growth Dynamics에 영향을 미치기 때문에 중요하다. 화면 단위로 전환율을 보다보면 단위마다 큰 격차를 보이는데, 이 경우 어디서 이탈하는지 파악하기 어렵다. 연관 분석, 단위마다 누구는 전환되고 누구는 전환되지 않는가, 그 이유는 무엇인가