안녕하세요, 스포카의 데이터 분석가 손현석입니다.

스포카에서는 고객이 도도 포인트를 사용하는 과정에서 축적된 여러 가지 데이터를 활용하여 제품과 고객을 이해하고 이를 바탕으로 제품에 대한 의사결정을 내리고 있습니다. 이번 시리즈를 통해 스포카가 어떻게 데이터를 활용하여 제품을 회고하고, 개선하고, 새로운 기회를 찾아 나가는지에 대해 살펴볼 예정입니다.

제품 데이터 분석은 제일 먼저 제품의 현 상태를 파악하는 것에서부터 출발합니다.

제품의 현 상태를 파악한다는 것이란 크게 PMF(Product Market Fit, 제품 시장 적합성)를 검증하고, 그것의 강도를 측정하고, 고객 LTV(Lifetime Value, 생애주기 가치)를 계산하고 성장의 모멘텀을 분석하는 것으로 구성됩니다.

Retention

PMF의 정량적 또는 정성적 증거는 다양한 방법을 통해 찾을 수 있지만, 그중에서도 가장 강력한 증거 중의 하나로 리텐션을 꼽을 수 있습니다.

도도 포인트는 정적인 소프트웨어가 아니라 지속적으로 발전하고 변화하는 SaaS 제품입니다. 또한, 시기에 따라 세일즈와 마케팅 전략도 변화하고 그에 따라 유입되는 고객들의 집단의 성격도 변화하게 됩니다. 따라서 리텐션을 분석할 때, 고객이 첫 구독을 시작한 시점(즉, 고객획득 시점)에 따라 집단을 구별하여 코호트 분석을 하는 것이 중요합니다.

Cohort Retention Trend

이 차트는 도도 포인트 월 구독 서비스의 N개월차 리텐션율이 코호트에 따라 어떻게 변화하는지를 나타낸 그래프입니다(전체 데이터 중 일부 기간을 랜덤하게 선정하였습니다). 앞서 언급했듯 여기서 코호트는 첫 가입 시기에 따라 나눈 것이므로, N개월차 리텐션율의 코호트에 따른 변화란 시간이 지남에 따라 리텐션율이 어떻게 변화했는가를 말합니다(즉, PMF가 얼마나 더 강력해졌는가를 말합니다).

이 그래프의 가로축은 코호트(즉 처음으로 도도 포인트 서비스를 이용하게 된 시기)를 의미하며 세로축은 리텐션율을 의미합니다. 이 차트에 표시된 다양한 색깔의 선은 각각 N 개월째의 리텐션을 나타냅니다. 예를 들어, 차트에 그려진 빨간 화살표 옆의 선은 N=12인 경우인데요, 이 선이 아래로 꺾인 곳의 코호트는 다른 코호트에 비해 12개월차 리텐션이 낮았음을, 위로 꺾인 곳의 코호트는 다른 코호트에 비해 12개월차 리텐션이 높았음을 의미합니다. 아래의 파란색 막대는 각 코호트를 구성하는 고객(매장)의 수를 의미합니다. 보안상 구체적인 숫자는 생략했습니다.

N이 커질수록 첫 가입으로부터 오랜 시간이 지났음을 의미하기 때문에 리텐션은 점점 떨어지게 됩니다(즉, N이 클수록 선의 위치가 아래로 내려갑니다). 또한, N이 커질수록 선의 길이가 짧아집니다. 예를 들어, 현재가 2020년 6월이라면 2020년 3월 코호트는 아직 N=5개월차 리텐션 데이터가 없기 때문입니다. 다시 말해, 리텐션의 트렌드를 나타내는 이러한 차트는 N이 커질수록 선의 길이가 짧아지고 리텐션값이 낮아지는 경향을 띄게 되어있습니다.

이러한 형태의 차트는 같은 N에 대해 코호트간의 차이를 확인하기에 좋습니다. 만약 최근 코호트로 갈수록 선이 우상향하고 있다면 리텐션이 점점 개선되고 있다는 것이고, 반대로 우하향하고 있다면 점점 안좋아지고 있다는 의미입니다. 만약 특정한 코호트에서 제품에 주요한 업데이트가 있어 그것이 고객 만족에 유의미한 영향을 주었다면 그 코호트를 전후로 리텐션에 큰 변화를 관찰할 수 있을 것입니다. 또한 특정한 코호트에서 리텐션 곡선이 위아래로 크게 꺾였다면 그 코호트에 평소와는 다른 어떤 이벤트가 있었음을 발견하고 그 원인을 찾아볼 수 있습니다. 가령, 평소보다 공격적인 마케팅 지출을 하여 신규 고객들의 성질이 평소와 달라졌거나 대형 프랜차이즈와의 가맹을 통해 같은 브랜드의 매장이 대규모로 유입되었거나 하는 등의 이벤트가 있을 수 있습니다.

예시로 들기에는 조금 아쉽지만, 위 차트에서는 각 코호트별로 리텐션에 큰 차이가 없고 전반적으로 리텐션이 매우 높게 유지된다는 것만 알 수 있습니다. 위 차트에 빨간색 양방향 화살표로 나타난 것과 같이 12개월을 전후로 리텐션에 큰 갭이 한 번 생깁니다. 이 부분은 다음의 차트를 통해 설명하겠습니다.

Cohort Retention Curve

이전의 차트가 같은 N에 대해 서로 다른 코호트간의 차이를 비교하기 위한 것이었다면 이 차트는 각 코호트의 리텐션이 시간이 지남에 따라 어떻게 변화하는지 확인하려는 목적에 적합합니다. 이 차트의 가로축은 시간축이고 세로축은 리텐션이며 각 선은 각각의 코호트를 의미합니다. 차트의 특성상 지나치게 많은 코호트를 한번에 표시하면 차트를 읽는 것이 불가능해지기 때문에 일부 코호트만을 샘플링하여 표시하였습니다.

이전의 차트에서 볼 수 있었던 12개월을 전후로 한 리텐션의 갭을 이 차트에서도 확인할 수 있습니다. 가로축이 12의 배수가 될 때마다 리텐션이 절벽처럼 꺾이고 있습니다. 이것은 도도 포인트의 결제 모델과 관련되어 있습니다. 월 단위 요금제이지만 일반적으로 12개월, 24개월 또는 36개월 등의 기간을 선결제하는 약정 모델을 이용하기 때문입니다. 이러한 결제 모델을 감안하더라도 위 차트의 수치는 매우 높은 수준입니다. 특히, 재계약 시점 이전에 해지하시는 경우 대부분의 해지 사유가 폐업임을 고려하면 도도 포인트 제품은 매우 강력한 PMF를 가지고 있음을 알 수 있습니다.

도도 포인트의 이러한 고객만족의 배경에는 인하우스 Sales & Customer Success 팀(사업본부의 영업 및 파트너지원 팀)이 있습니다. 제품 도입을 고민하는 시점에서의 컨설팅부터 도입 후 매장이 도도 포인트를 활용하여 단골 고객을 만들고 매출을 향상시킬 수 있도록, 말 그대로 Customer의 Success를 지원하는 전문가들의 팀을 보유하고 있기 때문에 이러한 고객 만족을 이루어낼 수 있었습니다.

다음 차트는 리텐션을 시각화한 또다른 방법 중 하나인 히트맵입니다.

Cohort Retention Heat Map

이 히트맵의 각 행은 각각의 코호트이며 열은 N개월차를 의미합니다. 아래로 갈수록 최신 코호트입니다. 히트맵의 장점은 색깔을 통해 전체적인 흐름을 시각화 해준다는 것입니다. 이러한 히트맵에서 특정 코호트에서 발생한 이벤트는 가로 축을 따라, 특정 시기에 발생한 이벤트는 대각선을 따라, 특정 N에 따른 변화는 세로 축을 따라 색의 변화로 나타나게 됩니다. 예를 들어, 위 차트에서 빨간색 동그라미로 표시된 부분은 주변의 다른 코호트의 다른 N에 비해 상대적으로 낮은 리텐션을 보이고 있습니다.

스포카에서는 앞서 보여드린 세 가지 차트를 활용하여 코호트별 리텐션의 차이와 시간에 따른 리텐션의 변화, 그리고 특정 코호트 또는 특정 시기에 나타난 아웃라이어 이벤트를 관찰하고 추적하는데에 활용하고 있습니다.

한편, 이 세 가지 분석 방법은 제품 전체에 대한 리텐션을 측정하는 것 외에도 다양하게 활용될 수 있습니다. 제품 전체가 아니라 일부에 대한 리텐션 분석에 사용할 수도 있고, 리텐션이 아닌 다른 요소를 분석할 때에도 유용하게 사용할 수 있습니다. 예를 들어 카카오톡 전체가 아니라 카카오톡 선물하기에 대한 분석에 사용할 수도 있고, 고객이 일생동안 카카오톡에서 발생시키는 매출을 분석(Revenue LTV)하거나 고객이 일생동안 카카오톡에서 보내는 시간(Engagement LTV)의 합을 분석하는 데에도 사용할 수 있습니다.

사실, 코호트를 나누어 코호트 간에 서로 비교를 하거나 시간에 따른 변화를 관찰하는 등의 분석이 필요한 경우에는 거의 항상 이런 방법들이 유용하게 활용될 수 있습니다. 이에 대해서는 따라올 글에서 더 자세히 살펴보도록 하겠습니다.

시리즈의 첫 번째 글인만큼 다양한 분석방법론에 대한 소개도 겸하기 위해 다소 중복을 감수하더라도 모두 소개해 보았습니다.

그렇다면 각 이렇게 높은 리텐션을 보이는 고객들의 LTV(Customer Lifetime Value, 고객 생애주기 가치)는 얼마나 될까요? 또, 그러한 생애주기 가치를 지닌 고객들을 바탕으로 스포카의 매출은 어떻게 성장하고 있을까요?

다음 글에서는 이번에 설명한 것과 비슷한 방법을 활용하여 스포카에서 LTV를 분석하고 ‘성장 회계(Growth Accounting)’ 방법론을 적용하여 매출성장의 모멘텀을 분석하고 진단하는 방법에 대해 소개하겠습니다.


시리즈 전체 글 목록

  1. 스포카의 데이터로 제품 뜯어보기 1편 - Retention
  2. 스포카의 데이터로 제품 뜯어보기 2편 - Revenue LTV & Growth
  3. 스포카의 데이터로 제품 뜯어보기 3편 - Aha Moment & Critical Event

스포카에서는 프론트엔드 프로그래머, 시니어 풀스택 프로그래머를 채용 중입니다! 웹 프론트엔드에 관심을 가지고 공부하는 디자이너, 뛰어난 서버 개발자 등 각자의 분야에서 전문적인 사람들이 능력있는 분들과 함께 일하기를 기대하고 있습니다. 채용 정보 페이지를 확인해주세요!