스타트업 성장 회계 Part 4. 코호트 그리고 인게이지먼트 LTV (Engagement LTV)

http://blog.blominvestbank.com/wp-content/uploads/2017/05/growth.jpg

https://medium.com/@jonathanhsu

 

---

 

Part 1, 2에서 우리는 그로스 어카운팅을 알아보고 사용자와 매출에 적용하는 방법을 알아봤다. Part 3에서는 비즈니스가 만드는 매출 측면에서의 LTV에 대해 논의했다. 이번 Part 4에서 우리는 Part 3의 LTV 접근방식을 비즈니스의 인게이지먼트/리텐션에 적용해 볼 것이다.

 

매출 LTV의 핵심 포인트는 현존하는 사용자의 생애주기 동안 창출되는 실제 가치를 살펴보고, 그러한 LTV의 트랜드를 파악하는 것에 있었다. 사용자를 늘리고 그들로부터 미래수익을 이끌어내는 비즈니스에 있어서, 서비스 운영 기간이 길어질수록 핵심은 수익화(monetization)에서 사용자 리텐션으로 옮겨가게 된다. 소셜 컨텐츠로 사용자 경험을 제공하는 B2C 앱이 있다고 가정하자. 이 앱이 나타내는 리텐션 그래프는 일반적으로 아래와 같은 형태를 가질 것이다:

 

주간 리텐션 커브 예시

 

우측의 코호트 기준일 정보에서 괄호 안 숫자는 코호트 크기다. 4주에 걸쳐 이 앱의 주간 리텐션은 15-40% 수준이다. 초록색 2014-03-03 코호트는 유난히 리텐션이 낮고, 다른 코호트에서도 시간에 걸쳐 리텐션이 감소하는 동안 특정 주에 급감하는 양상이 보인다. 위의 리텐션 커브 그래프는 리텐션 하락의 형태를 보여준다는 점에서 유용하다. 그러나 코호트의 숫자가 너무 많으면 선이 뒤엉켜 알아보기가 매우 힘들어지므로, 예시에서는 1달에 1개 코호트만을 다뤘다. 또, 트랜드를 확인하는 목적으로는 적절하지 않은데 이 경우 리텐션 히트맵을 사용하는 것이 좋다. 

 

리텐션 히트맵 예시

 

2014-02-03에 유입된 고객 코호트는 144명으로 구성되고 첫번째 방문으로부터 4주차에 41%의 주간 재방문율을 나타냈다. 최상단에 동그라미 친 부분은 시간에 따른 리텐션 하락율이 대략 비슷하게 나타나는 트랜드를 나타낸다. 그 아래 동그라미는 다른 코호트에 비해 리텐션 하락이 빠르게 일어나는 부분이다. 좌측 축에서 코호트 사이즈를 살펴보면, 신규고객 획득수가 이전 대비 3-4배 급증한 시기의 코호트에서 매우 특징적인 리텐션 드랍이 일어났음을 알 수 있다. 앞서 살펴본 리텐션 커브 그래프의 녹색 선(2014-03-03, 코호트 사이즈 500)은 바로 두 번째 동그라미에 속한 2014년 3월 코호트 중 하나다. 이러한 현상은 기업이 유료 마케팅 활동을 두드러지게 늘릴 때 종종 발생한다. 유료 마케팅 활동으로 인게이지먼트 경향성이 낮은 사용자들이 유입되고, 다른 organic 코호트에 비하여 더 나쁜 리텐션 퍼포먼스를 보이게 되는 것이다. 이 회사는 2주 뒤 유료 마케팅 활동을 중단하였으며, 그 이후 코호트 사이즈는 유료 마케팅 이전 수준으로 돌아갔다. 새로운 코호트 데이터는 대각선 형태로 추가되며, 따라서 특수한 이벤트 또한 대각선 라인에서 확인할 수 있다(히트맵 하단 화살표 부분). 화살로 표시한 2014/6/2 주간에는 앱 접속 이슈가 발생한 것으로 추정되며, 이는 모든 코호트의 주간 리텐션에 악영향을 끼쳤다. 다행히 해당 이슈 주간 이후에는 뚜렷한 장기적인 이상징후 없이 본 궤도로 코호트 리텐션이 복구된 것으로 보인다. 여러 해에 걸친 히트맵 시각화에서는 크리스마스, 여름 휴가 시즌, 부활절과 같은 시즈널 이펙트가 대각선 형태로 반복됨을 확인할 수 있다.

 

맨 처음 살펴본 리텐션 커브 그래프는 Part 3에서 본 LTV 커브 그래프와 유사하다. 그러나 LTV 커브는 누적 수치를 그린 것이고 리텐션 커브는 주간별 증가/감소한 코호트 사이즈를 시각화했다는 점에서 다르다. 매출 지표에서 월 매출을 합하면 (경험적으로 실현된) LTV 값이 나온다. 동일한 방식으로 사용자 지표에서 월 리텐션을 합하면 누적 활성도 LTV 값이 나올 것이다. 그래서 우리는 주간 리텐션을 합쳐서 주간 활성 사용자(Weekly Active User) LTV를 그려볼 것이다. 예를 들면, 첫주에 100%로 시작된 어느 코호트는 2주차가 되자 활성 사용자가 50%로 감소했다. 이 코호트는 LTV 개념을 응용하면 "최초 코호트가 만들어진 시점 이후 2주 동안 1.5개의 누적 active weeks를 갖는다"라고 말할 수 있다. 간단히 말하면, "첫 2주간 WAU LTV는 1.5였다."

 

위에서 가정한 샘플 리텐션을 누적 활성기간 LTV로 시각화하면 아래와 같다.

 

누적 WAU LTV 예시

 

위 그래프로부터 2014년 첫째주에 시작된 110명짜리 코호트는 6달에 걸쳐 5.5개의 누적 active weeks를 만들어냈음을 알 수 있다. 초록선으로 그려진 아웃라이어 코호트는 다른 코호트에 비해 훨씬 낮은 WAU LTV를 갖는다. 매출 그래프와 비슷하게, 사용자 활성도 LTV 커브 또한 아래의 형태로 그려진다.

 

• 수평 Flat: 특정 시점 이후로 재방문의 증감이 발생하지 않음
• 준선형 Sub-linear: 조금씩 재방문이 감소하는 형태로, 이 포스팅에서 든 예시가 준선형에 해당한다. 모든 사용자는 시간이 지남에 따라 제품에 흥미를 잃게 되는 경우다.
• 선형 Linear: 코호트 생애주기에 걸쳐 재방문율이 지속적으로 유지된다. 핵심 사용자층이 제품을 매우 꾸준하게 이용하는 경우다. 그래프의 기울기는 코호트에서 핵심 사용자 비중이 얼마나 높은가에 달렸다.
• 초선형 Super-linear: 코호트 생애주기에 걸쳐 재방문이 지속적으로 증가한다. 사용자가 서비스를 오래 이용할수록 사용량도 늘어나는 형태다.

 

수치값이 감소하지 않으므로, 우리는 리텐션 트랜드를 매출기반 LTV와 동일한 방식으로 파악할 수 있을 것이다

 

WAU LTV 트랜드 예시

 

세로 막대는 각 주에 획득된 코호트 사이즈를 나타낸다. ~205명으로 구성된 2014-04-07 코호트를 보자. 이 코호트의 첫 주 WAU LTV는 1이었다(i.e. 해당 코호트가 획득된 첫 주에는 모든 코호트 사용자가 활성 상태였다). 최초 획득 시점 이후 첫 달 동안 이 코호트의 누적 active weeks는 2.7이며, 12주 동안의 누적 WAU LTV는 ~4.5(weeks)로 나타난다. 2014-04-07 이후 획득된 코호트의 경우, 충분히 기간이 지나지 않았으므로 12주 WAU LTV를 알 수 없다. 유료 마케팅 활동의 영향은 이 그래프에서도 명확하게 드러난다. 2014-03-03 및 2014-03-10 코호트 사이즈가 급증했고, 이로 인해 해당 코호트 시점의 누적 WAU LTV가 급감했다.

 

인게이지먼트 기반 B2C 비즈니스에서, 기존 코호트가 나이를 먹어가고 새롭게 획득된 코호트 사이즈가 커져나감에도 불구하고, 코호트 리텐션이 유지되거나 더 늘어나는 상황이 바람직하다. 이는 곧 누적 활성도 LTV(DAU, WAU or MAU)가 선형 또는 초선형으로 나타나야 한다는 것을 의미한다.

 

리텐션 커브와 동일하게, WAU LTV 트랜드를 히트맵으로 살펴볼 수도 있다. 그러나 위에서 본 히트맵과는 반대로, 아래 히트맵은 주간 리텐션이 아니라 누적 active weeks를 보여준다는 것을 기억하자.

 

WAU LTV 히트맵 예시

유료 마케팅으로 코호트 사이즈가 급증하고 WAU LTV가 급락한 2014년 3월 코호트를 제외하면, 획득 후 4주차 시점(+3 weeks since first week)에서 모든 코호트는 평균적으로 ~2.3개의 누적 active weeks를 갖는다는 것을 알 수 있다. 셀 색상은 특정 시점에서 각 코호트가 갖는 누적 WAU를 나타낸다. WAU LTV 히트맵은 앞서 살펴본 주간 리텐션 히트맵과 상보적이다. 주간 리텐션 히트맵은 일정한 시간이 지난 뒤의 사용자 리텐션이 코호트별로 어떻게 변화하는지 대략적으로 파악하기에 좋지만, 코호트 간에 존재하는 미세한 차이들을 파악하기 힘들다. 예를 들면, 수 개월이 지난 뒤 한 코호트는 9-10% 범위에서 주간 재방문율을 갖고 다른 코호트는 8.5%-10.5% 범위에서 주간 재방문율을 갖는다고 하자. 어느 코호트가 다른 코호트보다 리텐션 퍼포먼스가 낫다고 판단하기 힘든데, 재방문율에 노이즈가 존재하기 때문이다. 이 때는 코호트 간의 누적 활성도를 비교해 봄으로써, 장기간에 걸쳐 작은 차이들이 반영된 누적 활성도 수치로 코호트 간의 작은 차이들을 보다 명확하게 파악할 수 있게 된다. 히트맵 또는 트랜드 시각화를 통한 누적값 시각화는 그러나 단기성/일회성 리텐션 하락을 유발하는 기술 이슈 등의 미시적 영향들을 보기가 좀 더 어렵다는 단점이 있다. 달리 말해, 1주 간 발생한 작은 이슈는 그 영향이 오래 가지 않았고, 앱 생애주기 전체에 걸친 누적 활성도에 유의미한 차이를 만들어내지 못한다. 이것은 분석에 시계열 요소를 결합하는 것 자체가 단기적 시계열 요소를 noise로서 배제(=smoothing)하는 경우에 해당한다.

 

 

다른 모든 것들의 생애가치

 

이상 살펴본 코호트 & LTV 프레임워크는 기간별 / 누적 매출 파악에 유용하며, 리텐션(active weeks/days/months)에 대해서도 동일하게 적용될 수 있다. 이러한 프레임워크는 사용자가 당신의 비즈니스에서 만드는 어떤 종류의 행동에 대해서도 동일하게 적용할 수 있음을 기억하자. 매출, 리텐션이 아닌 다른 예를 들어보자면 추천(referrals) 지표에 대해서도 코호트 & LTV 프레임워크를 적용할 수 있다. 친구 추천을 통해 사용자를 획득하려는 앱을 당신이 갖고 있다고 하자. 한 사용자가 다른 사용자에게 추천하는 행동은 한 사용자가 구매를 결정하는 행동과 크게 다르지 않으며 ㅡ 기간별 PMF 달성도를 의미하는 것이기도 하다. 따라서 각 코호트가 경과함에 따른 기간별 / 누적 추천 행동을 분석하여 "N-week referral LTV"를 도출할 수 있다. 위에서 가정한 데이터를 추천 행동 관점에서 해석한 추천 LTV 트랜드 예시를 보자.

 

추천 LTV 트랜드 예시

 

이 관점에서 코호트는 "최초로 추천 행동을 일으킨 주"를 기준으로 획득된다(물론 최초 방문이나 최초 가입 등 기존 방식도 가능하다). 위 그래프에서 2014-04-07 코호트는 첫 추천을 전송한 200명의 사용자로 구성되며, 코호트 사용자 1명이 첫 추천 이후 12주 동안 평균 4.5회의 추천을 전송했다. 이 그래프에서 매우 많은 사용자들이 첫 추천을 전송한 2개의 주(2014-03-03, 2014-03-10)를 확인할 수 있는데, 아마도 매우 공격적인 추천 up-selling 캠페인이 진행되었고 이로 인해 해당 2개 코호트 주간에 추천 LTV가 급감했다.

 

이러한 접근방식은 대량 추천 발송의 퍼포먼스를 비교하는 것(before/after 비교 또는 통제된 A/B 테스트에서의 순수한 일별 비교)과 궁합이 잘 맞는데, 왜냐하면 그 차이값이 작을 경우 장기간에 걸쳐 그 차이값을 쌓아서 눈에 띄게 보여주기 때문이다. 예를 들어, 매일 또는 매주 추천 발송을 진행할 때 그 차이는 크지 않을 것인데, 두 개의 그룹 간에 월간 추천 LTV로 비교해 본다면 그 차이를 명확하게 확인할 수 있게 된다. 추천 LTV 커브를 그려봄으로써, 고객 생애주기 초반에 추천이 반짝 일어나고 그 뒤로 급감하는지, 아니면 생애주기 전반에 걸쳐 지속적으로 추천이 일어나는지 이해할 수 있게 된다.

 

그로스 어카운팅 프레임워크와 함께 소개된 LTV 프레임워크는 수치 기반 기업실사 프로세스에 큰 역할을 한다. 우리가 마지막으로 살펴볼 분야는 고객 전반에 걸쳐 나타나는 가치 분포(distribution of value) 측면이 될 것이다. 장기 방문횟수의 관점에서는 각 코호트가 관여도 높은 소수의 핵심 고객과 관여도 낮은 다수의 비핵심 고객으로 구성되어 있는지, 아니면 적당한 관여도를 가진 대다수의 고객으로 구성되어 있는지 알 수 없다. 이것을 우리는 다음 포스팅에서 알아볼 것이다.

 

 

[전체 글 목록]

스타트업 성장 회계 Part 1. 사용자 성장을 확인하는 그로스 어카운팅(Growth Accounting)

스타트업 성장 회계 Part 2. 매출 성장을 확인하는 그로스 어카운팅(Growth Accounting)

스타트업 성장 회계 Part 3. 코호트 그리고 매출 LTV (Revenue LTV)

스타트업 성장 회계 Part 4. 코호트 그리고 인게이지먼트 LTV (Engagement LTV)