고객 이탈 기준 정하기

고객 여정을 파악하기 위해 AARRR 다섯 단계로 고객의 현주소를 파악할 수 있다

 

AARRR

• Acquisition(획득): MAU/DAU, 고객획득비용
• Activation(활성화): 페이지뷰, 체류시간, 아하 모먼트
• Retention(유지): 리텐션, 이탈률
• Referral(추천): 사용자 댓글, SNS
• Revenue(수익): LTV(고객 생애 가치), 고객 당 평균 수익

 

 

좋은 이탈 기준의 조건

1. 최대한 빨리 이탈을 탐지한다

• 사용자가 서비스에서 이탈했는지 구분하는 이유는 이에 대한 대응을 빨리 하려는 목적이 크다. 마지막 접속이 1년을 넘은 사용자를 이탈 유저로 정의한다면, 이탈의 확실성은 크지만 이 정보를 통해서 할 수 있는 일이 없다
• 1년 전에 마지막으로 접속한 유저는 고객 재확보(reacquisition) 전략이 필요하며, 통상적인 이탈 유저 관리와는 다르다

 

2. 최대한 확실한 이탈을 탐지한다

• 빨리 이탈을 탐지하기 위해서 마지막 접속이 하루만 지나도 이를 이탈 사용자로 정의한다면, 이탈 가능성이 낮은 사용자도 이탈 유저로 분류하게 된다.
• 이탈 사용자를 관리하기 위해서는 비용이 들어가기 마련이며, 이탈 가능성이 낮은 유저에게 이탈 관리를 한다면 자원을 낭비하게 된다. 따라서, 이탈 가능성이 높은 사용자를 이탈 유저로 구분할 수 있는 적절한 기준이 필요하다

 

위의 두 가지 조건을 종합하면, (1)가장 빨리 이탈을 탐지할 수 있으면서도 (2)이탈 가능성을 어느 정도 담보할 수 있는 이탈 정의가 필요하다. 이를 위해서 사용자의 접속 세션 데이터를 활용하여 어떤 이탈 기준이 적절한지 탐색한다

 

 

 

기본 가정

데이터를 보기 전 접속과 이탈의 기준을 정한다. 사용자 접속 세션 데이터를 일별/월별 로 하여 단위 내 여러 번 접속했더라도 한 번으로 로그를 기록한다.

완전한 이탈의 기준은 일 단위일 경우 100일, 월 단윌일 경우 3개월로 본다. 만약 3개월 전에 마지막으로 접속했던 사용자가 그 이후에 재접속하는 경우가 많다면 이 기준은 확장되어야 한다. 기본적인 집계 작업으로 측정이 가능하므로 서비스 특성에 맞도록 조정할 수 있다

 

 

이탈의 기준이 3개월 일 경우

3개월이 지나고 사용자가 더 이상 접속하지 않을 때는 특별한 이벤트가 없으면 재접속할 가능성이 거의 없다.

 

1. 3개월 안에 사용자에게 이벤트로 서비스에 대한 흥미를 유발한다

2. 더 작은 단위인 일별로 데이터를 쪼개서 실제 이탈 가능성이 높은 사용자를 걸러낸다

• n일을 변경하면서 실제 이탈이 가장 높은 n일을 찾는다

 

 

• 초반 n일 동안의 접속 일수가 0일 경우에 사용자가 이탈할 확률 p(churn=1∣countdaysn​=0) 의 추이를 n의 변화에 따라 관찰하면 적절한 n의 값을 정할 수 있다
• n이 커질수록 이탈률을 높아진다

 

 

데이터를 보고 이탈 기준을 정의할 수 있지만 관찰 시점에 따라 결과가 달라 질 수 있다

요일이나 계절에 따른 차이가 존재할 수 있으므로 이를 충분히 고려하여 요일에 따른 차이와 월별 자료나 서비스 특성에 따른 특수한 시기에 대해서도 비교가 필요하다

 

 

개별 사용자를 고려한 이탈 측정하기

개별 사용자의 행동 특성도 고려해야 한다. 서로 다른 행동 특성을 가진 사용들에게 일괄적인 기준을 제시하는 것은 문제가 될 수 있다. 예를 들어, 기존 / 신규 사용자 로 분류하여 신규 사용자에 대한 이탈이  높인지 트래핑해볼 수 있다.

 

 

이탈 곡선에 따른 유저 분류

이탈 곡선을 사용하여 유저의 이탈 가능성에 따라 유저 구분이 가능하다. 이탈 가능성이 높은 유저를 따로 관리하고 싶다면, 이탈 곡선을 활용하여 해당 그룹만 추출하여 타켓 마케팅의 대상으로 삼을 수 있다. 또한, 이미 확실히 이탈한 유저에 대해서는 re-acquisition 전략을 수립하여 대응한다. 개별 유저의 이탈 가능성 추이를 추적하여 유저의 접속 패턴을 기민하게 관찰할 수 있다.

 

 

 

 

 

[출처]

https://datarian.io/blog/make-a-criterion-for-churn

이탈 기준 정하기

https://boxnwhis.kr/2015/02/09/predict_churns.html

이탈 예측하기