사용자의 ‘인게이지먼트’를 측정하는 방법
[프로덕트 지표 설정 프레임워크] ④인게이지먼트(Engagement) 지표
이번 글에서는 프로덕트를 보는 다섯 가지 렌즈* 중 인게이지먼트(Engagement) 관련 지표들을 소개하겠습니다.
*작가가 제시하는 프로덕트 지표 설정 프레임워크 5가지를 의미하며, 5가지는 각각 획득(Acquisition),활성화(Activation), 인게이지먼트(Engagement), 리텐션(Retention), 수익화(Monetization) 지표임.
인게이지먼트란, 사용자들이 프로덕트에 관심을 갖고, 참여하고, 이용하고, 관계를 맺는 것을 뜻합니다.
인게이지먼트 측면에서는 이런 질문에 대한 답을 찾는 것이 중요합니다.
- 얼마나 많은 유저들이 프로덕트를 이용하나?
- 유저들이 프로덕트의 기능들을 얼마나 깊이 있게 이용하나?
- 유저들이 프로덕트를 얼마나 자주 이용하나?
- 유저들이 프로덕트에서 성공적으로 과업을 완수하는가?
1번, 얼마나 많은 유저들이 프로덕트를 이용하나를 Breadth(브레스, 너비)라고 부르고,
2번, 유저들이 프로덕트의 기능들을 얼마나 깊이 있게 이용하나를 Depth(뎁스, 깊이)라고 부르고,
3번, 유저들이 얼마나 자주 프로덕트를 이용하나를 Frequency(프리퀀시, 빈도)라고 부르고,
4번, 유저들이 프로덕트에서 얼마나 성공적으로 과업을 완수하는가를 Efficiency(에피션시, 효율)라고 부릅니다.
1. 얼마나 많은 유저가 프로덕트를 이용하나?
1번 Breadth, 즉 얼마나 많은 유저들이 프로덕트를 이용하는지에 대한 답을 얻기 위해 다음과 같은 지표를 설정합니다.
여기서 AU는 액티브 유저(active user)의 줄임말입니다. 말 그대로 프로덕트를 액티브하게 이용하는 유저를 가리킵니다.
DAU는 daily active user, 말 그대로 일자별 액티브 유저 수입니다. WAU는 weekly active user, 주간 액티브 유저 수입니다. MAU는 monthly active user, 월간 액티브 유저 수입니다. 아마 이 지표들은 모르는 분이 거의 없으실 거라서, 길게 설명하지 않고 넘어가도 될 것 같습니다.
2. 유저가 프로덕트 기능을 얼마나 깊이 있게 이용하나?
2번 Depth, 유저들이 프로덕트의 기능들을 얼마나 깊이 있게 이용하는지에 대한 답을 얻기 위해 다음과 같은 지표를 설정합니다.
액티브 유저 중, N가지 이상의 기능을 이용한 사용자의 수
액티브 유저 중에서도 특히 더 깊이 있게 프로덕트를 이용한 유저들, 우리 프로덕트의 파워 유저가 몇 명인지 알고 싶을 수 있습니다. 예를 들어서 배달의 민족에는 그냥 배달, 한집배달 배민1, 포장, B마트, 신선관, 배민스토어 등 주요 기능들이 있는데, 이런 주요 기능들 중 3가지 이상을 이용한 사용자가 몇 명인지 모니터링하는 게 필요할 수 있습니다. 제품에 깊이 있게 인게이지하는 사용자가 많을수록 좋은 거니까요.
유튜브나 넷플릭스, 스포티파이처럼 유저들이 오랫동안 이용하는 것을 목표로 하는 프로덕트의 경우, 시간을 기준으로 한 depth 지표를 설정할 수도 있습니다.
Time spent/DAU, Time spent/WAU
액티브 유저 한 명이 평균적으로 얼마나 오랜 시간 프로덕트를 이용하는지를 측정하는 지표입니다. 어제 DAU가 1만 명이고 그들의 이용 시간이 총 10만 분이면 어제 Time Spent/DAU(소요 시간/DAU)는 10만 분 나누기 1만 명 해서 10분이라고 계산됩니다.
Time spent/session
여기서 세션은 한 번 프로덕트를 접속하는 것을 뜻합니다. Time Spent per Session(세션 당 소요 시간)은 유저들이 한 번 프로덕트에 접속할 때 얼마나 오랜 시간 이용하는지 측정하는 지표입니다.
3. 유저가 프로덕트를 얼마나 자주 이용하나?
3번 Frequency, 유저들이 프로덕트를 얼마나 자주 이용하는지에 대한 답을 얻기 위해 다음과 같은 지표를 설정합니다.
DAU/MAU, DAU/WAU
사용자들이 얼마나 자주 프로덕트를 이용하는지 보여주는 지표입니다.
DAU/MAU 지표는 한 달 동안 DAU 평균을 MAU로 나눈 지표입니다. 예를 들어, 지난달 DAU 평균이 500명이었고, MAU는 15,000명이었다고 해 보겠습니다. DAU/MAU는 30분의 1인데, 이건 뭘 뜻할까요?
월 1일, 2일, 3일, 4일, … 30일까지의 DAU가 한 번도 겹치지 않아야만 MAU가 15,000명이 될 수 있으니까, 모든 사용자들이 한 달에 딱 하루만 프로덕트를 이용했다는 뜻입니다.
만약 지난달 DAU 평균이 500명이었고, MAU도 500명이었다는 건 뭘 뜻할까요? 500명이 모두 매일 하루도 빠지지 않고 프로덕트를 이용했다는 뜻입니다. 즉, DAU/MAU 지표가 높을수록, 사용자들이 프로덕트를 자주 이용한다는 걸 뜻합니다.
DAU/WAU 지표도 마찬가지로 계산합니다. 한 주 동안 DAU 평균을 WAU로 나눈 지표입니다. 예를 들어 2023년 5월 첫째 주 DAU가 평균 300명이고, WAU가 700명이라면 DAU/WAU 지표는 7분의 3이 됩니다. 이는 이 주의 액티브 유저 700명이 평균적으로 한 주에 3일 프로덕트를 액티브하게 이용했다는 뜻입니다.
DAU/MAU 지표와 마찬가지로, DAU/WAU 지표가 높다는 것은 사용자들이 프로덕트를 자주 이용한다는 것과 같은 말입니다.
Lness 지표
DAU/MAU 지표나 DAU/WAU 지표는 사용자들이 평균적으로 얼마나 자주 프로덕트를 이용하는지 보여주는 지표였습니다. 그런데, 인게이지먼트를 볼 때는 평균 말고 다른 각도에서도 보고 싶을 때가 있습니다. 아까 Depth 측면에서 ‘주요 기능을 N개 이상 이용한 유저 비율’ 지표를 소개해 드렸는데요, 이와 비슷하게 frequency 측면에서도 ‘7일 중 N일 이상 이용한 유저 비율’ 같은 지표를 보고 싶을 수 있습니다.
이를 보는 지표가 바로 Lness 지표입니다.
Lness 지표는 L5+/7이나 L21+/28 같은 식으로 표시하는데요.
L5+/7은 1주일 7일 중 5일 혹은 그 이상 프로덕트를 이용한 사용자를 가리킵니다. 예를 들어서 5월 첫째 주 액티브가 1,000명이었는데, 이 중에서 하루만 이용한 사람은 500명, 2일 이용한 사람은 200명, 3일 이용한 사람은 100명, 4일 이용한 사람은 80명, 5일 이용한 사람은 70명, 6일 이용한 사람은 40명, 7일 내내 이용한 사람은 10명이라고 해 보겠습니다. 이 경우 L5+/7 유저 수는 5일, 6일, 7일 이용한 사용자를 다 더해서 120명입니다. WAU 중 L5+/7 유저의 비율은 120 나누기 1,000으로 12%가 됩니다.
주 단위뿐만 아니라 월 단위로도 이런 지표를 볼 수 있는데요, L21+/28 같은 식으로 지표를 볼 수 있습니다. 월 단위로 하면 28일, 29일, 30일, 31일 등 한 달의 날짜 수가 들쭉날쭉하기 때문에 4주 단위로 보는 건데요. L21+/28은 4주 중에서 21일 이상 프로덕트를 액티브하게 이용한 사용자 수를 가리킵니다.
이 지표가 높을수록 우리 프로덕트를 사용자들이 더 자주 이용하는 것입니다.
이렇게 사용자들이 자주 이용하는 프로덕트를 sticky(스티키)한 프로덕트라고 부르는데요. 우리 프로덕트가 얼마나 Sticky한지 보는 데는 이유가 있습니다. Sticky한 프로덕트일수록, 즉 사용자들이 자주 이용하는 프로덕트일수록 리텐션 지표가 높기 때문입니다. Sticky한 프로덕트는 그만큼 사용자들이 우리 프로덕트를 이용하는 것을 습관화했다는 뜻인데, 습관이 되면 리텐션이 높아지는 건 당연한 거겠죠.
4. 유저가 프로덕트에서 과업을 성공적으로 완수하나?
마지막으로 4번 Efficiency, 유저들이 프로덕트에서 얼마나 성공적으로 과업을 완수하는지에 대한 답을 얻기 위해 다음과 같은 지표를 설정합니다.
Efficiency 지표는 Breadth, Depth, Frequency와는 다르게 모든 종류의 프로덕트에 공통적으로 적용되는 지표를 정의하기가 쉽지 않은데요. 프로덕트에 따라서 유저들이 수행하는 과업이 천차만별로 다르기 때문입니다. 그래도 몇 가지 예시를 들어 보면, 이런 것들이 있을 수 있습니다.
매칭 성공률
우버 같은 앱에서는, 사용자들이 택시를 호출한 건수 중 몇 퍼센트가 실제로 매칭이 됐는지 볼 수 있습니다. 사용자들이 어느 날 택시 호출을 1,000건 했는데 실제로 매칭이 950건이 됐다면 매칭 성공률은 95%가 되겠죠. 반면 다른 어느 날에는 택시 호출을 1,000건 했는데 실제로 매칭은 800건만 됐다면 매칭 성공률은 80%가 되고요. 이렇게 매칭 성공률이 낮아지면, 매칭에 실패한 사용자들은 불만을 품고 제품을 떠날 수 있기 때문에, 매칭 성공률을 모니터링할 필요가 있습니다.
주문 건 중 제시간에 배송완료된 건 비율
주문하면 다음 날까지 배송을 해 주는 커머스가 있다고 해 보겠습니다. 어제 주문건수 100건 중 실제로 오늘까지 배송 완료된 건수가 90건이라고 하면 이 지표는 90%가 됩니다. 유저 만족도를 높이고, 이탈을 방지하기 위해서는 이런 지표를 높게 유지하는 게 필요하겠죠.
인게이지먼트 관련해서 여러 지표를 소개해 드렸는데요. 이 지표들이 중요한 이유는 바로 이것들이 리텐션에 영향을 끼치기 때문입니다. 사용자들이 프로덕트를 더 자주 이용하고, 더 깊이 이용하고, 더 효율적으로 이용하는 것은 리텐션에 직결이 됩니다. 지금까지 소개해 드린 지표만 숙지하고 모니터링하면 프로덕트의 인게이지먼트를 꼼꼼하게 파악할 수 있고, 지표의 변화에 따라서 이후 리텐션이 어떻게 변화할지까지도 어느 정도 예상할 수 있습니다.
[프로덕트 지표 설정 프레임워크] 시리즈
④ 인게이지먼트(Engagement) 지표 (현재 글)
⑤ 리텐션(Retention) 지표 (발행예정)
⑥ 수익화(Monetization) 지표 (발행예정)
⑦ Metric Hierarchy, 인풋 지표와 아웃풋 지표 (발행예정)
©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
