DEVELOPMENT/SUUROUNDINGS

수익성 핵심지표 : 리텐션(Retention)

OSP 2026. 6. 23. 12:21

수익성 핵심 지표로서 리텐션(Retention)

  • ★리텐션 : 재방문률/유지율/잔존율
    • 더보기

      • 신규 유입된 고객이 특정 기간동안 재방문한 비율을 의미한다 : 충성고객 비율
          • 지수함수적으로 우하향 이후 멱함수적으로 평탄화되는 것을 전형적인 클래식 리텐션 커브로 삼는다. 정보 누적 등 사용에 따라 가치가 커지는 앱은 우하향 - 평탄화 - 우상향 과정을 거치는 케이스도 보고된 바 있다(Evernote)
          •  
        Figure1. 클래식 리텐션의 전형적인 양상 : 범위/롤링 리텐션도 큰 양상에서는 대동소이하다. 실제 수치는 깔끔한 곡선이 아니라 들쑥날쑥한 직선들의 집합이고, 그것을 피팅하면 대충 이래 된다.
        • 클래식 리텐션(Classic Retention) : 그 날에 재방문했는지
          • 첫 방문(Day0) 이후 특정 날짜(Day7, Day10, Day30)에 재방문한 유저의 비율(누적X)
          • Day7 : 첫 방문 이후 딱 7일차에 재방문한 유저 비율
        • ★범위 리텐션(Range/Bracket Retention) : 그 기간(일, 주, 월)에 재방문했는지
          • 첫 방문 이후 임의의 기간(Week, Month 등)동안 재방문한 유저의 비율(누적X) 
          • Week1 : 첫 방문 이후 최초 1주일 안에 한 번이라도 재방문한 유저의 비율
          • 클래식 리텐션의 재방문 포획 규격을 하루에서 일주일/한달 처럼 범위로 확장한 지표로, 매일 접속할 필요는 없지만 장기적으로는 계속 쓰는 어플리케이션에서 가장 실효적이다. 예를 들어 은행/쇼핑/중고차플랫폼/세금 앱을 클래식 리텐션으로 측정하면 수치는 곤두박질치고 지표의 시각적 의미와 현실적 소비자 감정의 괴리가 벌어진다.이에 클래식 리텐션을 넓은 시간 단위에서도 측정하려는 지표로, 쉽게 이해하면 클래식 리텐션을 일 유형으로 포섭한 확장판이다. Figure1에서 x축 단위가 (주)가 되거나, 일 단위를 유지하면 계단식으로 그리진다.
        • 롤링 리텐션(Rolling Retention) : 그날 이후 한 번이라도 재방문했는지
          • 첫 방문 이후 N일되는 날부터 단 한번이라도 재방문한 비율
          • Day7 : 첫 방문 이후 7, 8, ...일쨰에 단 한번이라도 재방문한 유저 비율
          • 사용자가 서비스에서 완전히 이탈했는지 여부를 파악하기 위한 지표이다. 언어적 설명만 들으면 이용 주기가 큰 서비스에서 범위 리텐션보다 쓸만한 것처럼 느껴지지만 그렇지 않다. 오늘 기준으로 10일차 리텐션이 20%였어도 내일 재접속이 늘어나면 10일차 리텐션이 21%로 소급되는 특징 때문에 의미를 크게 두기 어렵다. 지금 본 지표는 내일 바뀌고 모레 바뀌고 한달 뒤 또 바뀔 것이기 때문. 재방문 포획 규격을 무한대로 늘린 극단적인 범위 리텐션이라고 볼 수 있다. 단순히 극단적일 뿐만이 아니고, 후술할 내용처럼 그 지표 특성 자체가 클래식/범위 리텐션과 비선형적이다. Figure1에서 y값이 다소 위에 머문다.
            • 클래식/범위 리텐션은 이미 결정되어 바뀔 수 없는 과거 지표라면, 롤링 리텐션은 수치들을 계속 반영하는 실시간 지표에 가깝다. 오늘이 13일차인 경우, 13일차 리텐션 수치는  아직 불확정이다. 이는 어차피 바뀔 것이기 때문에, 13일차에 Day13 또는 Week2 리텐션 데이터를 활용하겠다고 에너지를 소모하는 것에 대해서는 고민이 필요하다. 롤링 리텐션이 하는 게 정확히 그것이다.
            • 약간 전광판 같은 느낌이 있으며, 이 자체만으로는 해석하기 어렵다. 코스피 9000은 코스피 역사를 아는 사람에게는 의미가 크지만, 오늘 처음 본 사람에게는 ?몬데? 인 것과 같다. 따라서 이를 활용하려면 일자별 롤링 리텐션을 애니메이션처럼 제시하여 품질 개선이나 마케팅의 효용 분석을 시각화함에 사용함이 바람직하다 본다.
         
      • 리텐션은 원시적으로 신규 고객의 재방문률(이하 전체 리텐션)이지만, 조금만 비틀면 구독자의 구독 유지율이 된다(이하 구독 리텐션)
        • 전체 리텐션은 무료 사용자와 유료 사용자가 모두 혼합된 재방문률로 수익성과 관련되긴 하지만 다소 희석되는 반면, 구독 리텐션은 구독자의 구독유지율로 수익성의 가장 직접적인 단서로 기능한다.
        • 전체 리텐션은 "앱의 매력", 구독 리텐션은 "앱의 매력을 수익으로 회수한 정도"로 요약된다.
      • 이탈률(Churm Rate) : 실패고객 비율
        • 측정 시점으로부터 특정 기간동안 앱을 이탈한 사용자로, 리텐션과 상보관계인 지표이다.
        • 기간 내 이탈자수가 기간 시작 시점 사용자 수에서 차지하는 비율을 계산한다. (기간 시작시점 사용자수 기준 이탈 사용자 수)/(기간 시작시점 사용자 수) 로 계산한다.
          • 예를 들어 1월에 1000명이 사용하던 서비스에 이후 2월에 한번이라도 재방문한 사용자가 700명이라면 2월 리텐션은 70%, 이탈률은 30%가 된다. 이처럼 닫힌 사용자 집단에 대해, 리텐션의 기준과 이탈율의 시작점,  그리고 측정 기간이 같으면 리텐션 + 이탈률 = 1이 된다.
            • 예시 케이스에서 "1월 기준"이라는 말을 생략했는데,  만약에 기준이 12월이었고, 12월 사용자가 1400명이었다면 2월의 리텐션이 50%가 되지만 2월의 이탈율은 여전히 30%로, 합이 1이 아니게 된다.
          • 웹 분야에서 사용되던 이탈률(Bounce Rate)이 있었는데, 웹 개발자들이 모바일 개발자로 넘어가면서 용례가 혼합된 것으로 보인다. 특정 세션에 진입 후 별다른 액션 없이 해당 세션에서 바로 탈출하는 비율로, 고객이 탐색조차 거부한다는 치명적인 의미의 지표로 사용되었다. 앞서 살펴보았듯 모바일에서와 의미가 사뭇 다른데, 사실 한국어만 음절이 같지 영어는 음절부터 다르다.
  • 구독모델 재무 회계에서 리텐션 
    • 매출 표준 공식 = 전환률 * 구독료 * ∑R^(n)
    • 더보기

      1. 리텐션에 따른 단위 매출
      • 기간 평균 구독 리텐션 R(T) = ∫dR(t)dt/T,  ARPUs =기간당 가입자당 평균 매출(Average Revenuew Per User : 구독료)에 대해 풀어보면 다음과 같다. 수학적으로 무한 시간대에서 R = 0이지만 현실적인 기업 운영 스케일에서 평탄화 구간의 수치로 근사함이 타당하다.
      • 다운로드당 LTV = 설치유료전환률 * 구독료 / (1 - 평균 구독 리텐션)
        • 유료고객 LTV = ARPUs = ARPUs*R + ARPUs+R^2 + ... = ∑ARPUs*R^(n) = ARPUs(1-R)
        • 설치고객 LTV = 설치사용자당 유료 전환비율(설치유료전환률) * 유료고객 LTV
        • 따라서 다운로드당 LTV = 설치유료전환률 * 구독료 / (1 - 평균 구독 리텐션)으로 정리된다
        •  
          Figure2. 평균 리텐션에 따른 다운로드당 LTV 그래프이다(전환률 0.02, 구독료 5$) 리텐션 1에서 LTV는 발산한다.. 리텐션에 대한 집착이 사실은 무한 매출에 대한 동경이아닐까 생각한다.
      • 다운로드당 연매출 = 설치유료전환률 * 구독료 * (1 - 평균리텐션^12) / (1 - 평균리텐션)
        • 유료고객 연매출 = (ARPUs * ARPUs*R + ... + ARPUs*R^11) = ARPUs(1 - R^12)/(1 - R)
        • 설치고객 연매출 = 설치유료전환률 * 유료고객 연매출
        • 따라서 다운로드당 연매출 = 설치유료전환률 * 구독료 * (1 - R^12)/(1 - R)으로 정리된다.
        • Figure3. 평균 리텐션에 따른 다운로드당 연매출 그래프이다(전환률과 구독료는 위와 같다)
      • 다운로드당 월매출 = 전환률 * 구독료
        • 수식 해례는 생략한다
      • 카테고리별 전환률과 구독 리텐션의 러프한 추산치는 다음과 같다.
      •  
        카테고리 성공 수준 설치유료전환률(%) 월간 구독 리텐션(%)
        수치 눈대중 하위  1 35
        중위  2 50
        우수 4 65
        최우수 8 70+
        생산성 하위  1 40-
        중위  2.5 50
        우수 5 65
        최우수  8 70+
        건강/피트니스* 하위 1 30-
        중위 3 50
        우수 6 60
        최우수 12 75+
        미디어/엔터**
        		 하위 1 40-
        중위 2 55
        우수 4 65
        최우수 7 70+
        캐쥬얼 게임은 구독보다 일회성 결제에 익숙한 카테고리로, 부적합 배제하였다.
        * 결제율이 낮은 대신 가격 저항이 약한 카테고리로 알려져 있다.
        **  흥미 진입 후 소재 고갈시 구독 해지로 전환률은 초기 리텐션이 준수하나 유지가 짧다.


      2. 리텐션에 따른 순익
      • 매출과 비용률에 따른 순익은 다음과 같고
        • 2026.06.24 - [DEVELOPMENT/SUUROUNDINGS] - 재정건전성 : 매출과 비용률에 따른 순익(률) 
        • Figure4. 매출 5000억까지의 개인(황토)와 법인(파랑)의 순익률(%). 법인은 50%, 개인은 30%로 수렴하는 모습
        • 매출은 전환률(C), 구독료(F), 구독리텐션(R), 총 다운로드수(N)로 결정되므로 순익은 C, P, R, N, y 다섯 변수의 함수라고 할 수 있으므로, 매출을 R과 N의 함수로 나타낼 수 있다. N과는 계단식 선형 관계를 보이고(누진 구간), R=1에서 발산하는 요철있는 거수 가오리가 된다. 매출별 순익과 해석상 크게 겹치므로 생략한다.
    • ★ 리텐션 향상을 위한 한계 감수비용률
    • 더보기


      0. 한계 감수비용률이란

      • 리텐션을 delta만큼 향상시키기 위해 감수할 수 있는 추가 비용률로 정의한다.
        • 예를 들어 특정 (Ra, y)지점에서의 delta 0.01에 대한 한계 감수 비용률이 5%라면, 1%의 전체 리텐션 향상을 위해 전체 매출액의 5%까지는 추가 비용을 지불할 이익이 있다는 뜻이 된다.
      • 미소 리텐션(delta) 및 미소 비용률(dy)에 대한 순익 차이로 검증한다.



      1. 전체 리텐션 향승을 위한 한계 감수비용률

      • 전체 리텐션을 delta만큼 향상시키기 위해 감수할 수 있는 비용률 dy에 대해서 고민해보면,
        1.  리텐션에 따른 매출은 상술한 바와 같다. 
        2. 다만 이는 구독 리텐션 수식이고, 구독 리텐션과 전체 리텐션의 관계를 시그모이드로 근사한다 : 초반에 빨리 증가하다가 이후에 완화되는 점진적 수렴 모델을 차용한다.
        3. 전환률 역시 전체 리텐션으로부터 자유롭지 못하며, 이 역시 시그모이드로 근사한다 : 사용자가 가치 효용을 체감하는 임계 리텐션에서 전환률이 크게 증가하는 모델을 차용한다
      •  
      • import numpy as np import math import plotly.graph_objects as go # 전체리텐션에 따른 매출 : N(만명), F(천만원) def revenue(Ra, N, C, F): Rs = subscription_retention(Ra) anuual = (1 - Rs**12) / (1 -Rs) return N*10000 * C * F/10000000 * anuual # 전체리텐션에 따른 구독전환률 : 시그모이드 근사 def conversion(Ra, base_C): M = 5.0 # 전체 리텐션이 100%일 때의 배수 (상한선) k = 5.0 # 곡선의 가파름 (10 정도면 급격함, 5~8이 보수적) x0 = 0.5 # 변곡점 : 가치효용 체감으로 전환률이 가파르게 상승하는 시점. 결제 저항이 낮으면 감소 # 0에서 시작해 1에서 M배가 되도록 정규화된 시그모이드 sigmoid = 1 / (1 + np.exp(-k * (Ra - x0))) f_0 = 1 / (1 + np.exp(-k * (0 - x0))) f_1 = 1 / (1 + np.exp(-k * (1 - x0))) # [0, 1] 구간을 [base_C, base_C * M]으로 스케일링 return base_C * (1 + (M - 1) * (sigmoid - f_0) / (f_1 - f_0)) # 구독리텐션을 전체 리텐션으로 치환 : 시그모이드 근사 [0,1] > (0.3 ~ 0.95) def subscription_retention(Ra): return 1.4/(1 + np.exp(-3.3*Ra)) - 0.4 # 부가가치세와 스토어수수료를 고려한 과세표준 def P(r, y, N, C, F): R = revenue(r, N, C, F) if R <= 150: return (1 - 0.091 - 0.15 - y/100) * R return (1 - 0.091 - 0.30 - y/100) * R + 22.5 # 개인 순익 def personal(r, cost_rate, N, C, F): p = P(r, cost_rate, N, C, F) if p <= 1.4: return p * 0.934 elif p <= 5: return p * 0.835 + 0.1386 elif p <= 8.8: return p * 0.736 + 0.5885 elif p <= 15: return p * 0.615 + 1.6555 elif p <= 30: return p * 0.582 + 2.1505 elif p <= 50: return p * 0.560 + 2.8105 elif p <= 100: return p * 0.538 + 3.9105 else: return p * 0.505 + 7.2105 # 법인 순익 def corporation(r, cost_rate, N, C, F): p = P(r, cost_rate, N, C, F) if p <= 20: return p * 0.89 elif p <= 2000: return p * 0.78 + 2.2 elif p <= 30000: return p * 0.758 + 46.2 else: return p * 0.736 + 706.2 # 개인과 법인의 순익률 def personal_margin(r, y, N, C, F): R = revenue(r, N, C, F) return 100 * personal(r, y, N, C, F) / R def corporate_margin(r, y, N, C, F): R = revenue(r, N, C, F) return 100 * corporation(r, y, N, C, F) / R # 주어진 전체리텐션/비용률에서 delta(리테션 변화)에 따른 순익 증감 # 즉 delta만큼의 리텐션 향상을 위한 한계 감수비용률이 된다 def breakeven_cost_increase(Ra, y, N, base_C, F, delta): current_C = conversion(Ra, base_C) future_C = conversion(Ra + delta, base_C) base = P(Ra, y, N, current_C, F) for dy in np.linspace(0, 50, 1000): new_profit = P(Ra + delta, y+dy, N, future_C, F) if(new_profit) <= base: return dy return np.nan F = 3000 N = 100 base_C = 0.025 delta = 0.01 r_vals = np.linspace(0, 0.99, 300) # 전체리텐션 Ra. 함수들 전부 Ra 기반으로 구성되어 있음 cost_vals = np.linspace(0, 99, 300) # 비용률 y X, Y = np.meshgrid(r_vals, cost_vals) Z = np.full((len(cost_vals), len(r_vals)), np.nan) # Z 객체도 사이즈 맞춰서 생성 # Z 객체에 값 주입 for i in range(X.shape[0]): for j in range(X.shape[1]): # val = personal_margin(X[i, j], Y[i, j], N, C, F) # val = personal(X[i, j]+delta,Y[i, j],N,C,F) - personal(X[i, j],Y[i, j],N,C,F) # 0 초과인 경우에만 값을 대입하고, 나머지는 그냥 nan(기본값)으로 둡니다. # if val > 0: Z[i, j] = breakeven_cost_increase(X[i,j],Y[i,j], N, base_C, F, delta) # else: Z[i, j]는 이미 nan이므로 아무것도 하지 않습니다. # 그리기 fig = go.Figure( data=[ go.Surface( x=X, y=Y, z=Z, contours = { "x": {"show": True}, "y": {"show": True}, "z": {"show": True} } ) ] ) fig.update_layout( scene=dict( xaxis_title="전체리텐션", yaxis_title="비용률 %", zaxis_title="한계 감수비용률 %" ) ) fig.show()
      •   
        Figure5. F=3000,base_C=0.025, detla=0.01에 대해서 총 다운로드수 N = 100(좌), 1000(우)에 대한 한계 감수비용률 : 스토어 수수료 구간이 변하는 리텐션 영역에서의 급락이 확인된다. 급락 지점의 차이를 유발하나, 한계 감수 비용률의 범위에 미치는 영향을 상대적으로 미미하다.(0-3%) 구독료 및 전환률에 변화를 주어도 비슷하게 동작한다.
      • Figure6. F=3000, base_C=0.025, N=10에 대해서 delta = 0.01(좌), 0.05(우)에 대한 한계 감수비용률. 리텐션 상승수치에 발 맞추어 한계 감수비용률도 증가하는 모습이 확인된다. 전체 매출에 미치는 영향은 앞선 N, C, F에 비해 1/100 배 영향이라서 급락 지점의 이동은 위처럼 빠르지 않다.
      • Figure7. Figure6의 delta=0.05 케이스를 위에서 바라본 모습이다. 8-12% 정도의 한계 감수 비용률을 추산할 수 있다.5%의 추가 리텐션을 확보할 수 있다면, 기존 10%의 비용률에 대해 최대 20%까지 비용률 확대를 감수할 이익이 있다는 것이다.
      • 상기 Figure 7의 한계 감수 비용률을 10%로 취급해보자.
        • 이는 리텐션 5% 증가가 비용률 10% 증가와 동등한 이익 효과를 낸다는 것이다. 
        • 그러나 구독료의 10%는 지속 가능성에 의문이 남는다. 2.5%의 전환률, [0, 0.9]의 리텐션에서 산술적으로 0.25 - 2.5% 이지만, 리텐션 증가하면 한계 감수비용률이 감소하므로 상방이 쪼그라들어 0.25 - 0.75% 정도로 이해할 수 있다
        • 한계 감수율이 delta에 선형적인 양상임을 고려하면 리텐션 증가량에 따라 산술 배수 범위로 접근하는 것도 납득 가능한 추산으로 판단한다.
      • 또는 산술적으로 전체 사용자에게 구독료의 N%만큼 비용을 감수하면 다운로드당 비용은 구독료*(N/100), 다운로드당 수입은 1명당 구독료*C가 되며, 수수/세금 등을 고려하면 한계 감수 비용률은 (C/2)가 됨을 파악할 수 있다. 이는 리텐션과 관계 없는 절대 상한이라 볼 수 있다. 
      • 요약
        • delta : 한계 비용감수율과 선형적인 양상
        • N, C, F : 쌍봉 골짜기 이동
        • 추가리텐션 5%당 구독료의 0.5%

       

    •  수익성 핵심요소별 리텐션과의 관계
    • 더보기

      1. 전환률 C = f(Ra)
        • 다운로드 사용자가 유료 사용자로 전환되는 비율을 일컫는다.
        • 전체 리텐션과 연역적인 귀결 관계가 확인되지는 않으나, 귀납적으로 전체 리텐션과 양의 상관관게에 놓여 있다고 이해됨이 일반적이다. 계속 사용하고 있다는 것은 앱의 가치 효용을 체감하고 있을 확률이 크다는 것이고, 당장은 아니더라도 계속 사용하다 보면 체감에 이를 확률이 높아지는 것이다.
          • 일반적으로 선형적, 지수, 로그보다는 시그모이드/로지스틱스 등 S-Curve 형태로 근사된다.
          • 앞서 서술한 가치 효용 체감 시점에 전환률이 급격히 상승하는 모델이다.
        • 때때로 전체 리텐선의 상승에도 전환률 상승이 정체되거나 역효과가 발생하기도 한다.
          • 리텐션 상승을 주도한 원인이 체리피커의 유입을 유도하는 광고라거나, 유료 사용자의 차별적 이점을 제거한 업데이트인 경우 등이 있다. 단순히 말하면 실패한 어그로다.
          • 또는 무료 기능만으로 충분히 강하거나 유료 기능의 가치가 미비한 경우가 있다. 소비자의 심리적 저항을 불러일으키지 않는 차별적 기능 병목으로 과금 구조를 잘 설계하는 것이 중요하다.
        • 요약하자면 더 깊이 사용하고 싶어야 한다.
      2. 구독 리텐션과 전체 리텐션
        • 독 리텐션은 구독 사용자의 구독 유지 비율, 전체 리텐션은 전체 사용자의 사용 유지 비율이다.
          • 구독 리텐션은 상술한 매출 산정의 직접적인 근거가 되며, 고객의 풀이 한정적이다.
          • 전체 리텐션은 매출 산정의 직접 요인은 아니다. 고객의 풀이 넓으며, 매출의 잠재력이 된다.
        • 상호간 수학적인 귀결관계는 없다. 그러나 경험적으로 반복되는 특징이 몇 가지 있다.
          1. 전체 리텐션은 0에서 시작하지만, 낮은 전체 리텐션 구간에서도 구독 리텐션은 더 위에서 시작하는 경우가 많다. 아예 구독을 안 했으면 안 했지, 그래도 구독을 시작하면 한 달만에 바로 끊는 경우가 드물다는 것이다.
          2. 이후 역전되는 구간이 발생하는데, 가격 저항에 부딪히는 것으로 이해된다.
        • 요약
          • 구독 리텐션 : 실현 수익력, 충성 고객 관리
          • 전체 리텐션 : 수익 잠재력. 고객 확대 관리
          • 중간역전관계
          • 계속 사용하고 싶어야 한다.
      3. 구독료
        • 텐션과 뚜렷한 상관관계는 기대하기 어렵다. 따지자면 심리적 가격 저항이 리텐션 하락에 영향을 미칠 수 있으며, 구독전환률과 매출/마진 구조에 영향을 미친다. 수요가 가격에 반비례하는 거시 특성을감안하면 구독 전환률과 구독료를 곱하면 변화가 크지않은 준 상수처럼 취급할 수도 있다.
        • 요약하면 마땅한 가격이어야 한다.
  • 광고모델 재무회계에서 리텐션
    • 매출 표준 공식 : ARPUa * Ad 
    • 더보기

       

      • Ad(T) (= ∫dRa(t)dt)는 사용자당 적분기간(T)내에서 활성일수 평균, ARPUa는 사용자 1인당 하루 광고 매출 평균이댜(=하루 광고노출횟수 평균(I)/1000*eCPM)
        • 광고 시장에서 광고주는 노출당(CPM), 혹은 클릭당(CPC), 또는 다운로드당(CPI) 광고료를 지불하게 된다. 이를 퍼블리셔 입장에서 노출 1000회당 평균 수익으로 단일화한 수치가 eCPM이다. 광고 형식과., 국가에 따라 범위가 eCPIM은 범위가 넓게 포진한다. 우측은 중간값이다. 소비력이 약한 국가는 보수적으로 채택함이 옳다.
        •  
          국가 배너
          		 네이티브
          		 전면
          		 보상형
          미국 계열 0.2  - 1 0.6 1 - 4 2.5 4 - 12 8 10-30 20
          유럽/일본 0.15 - 0.8 0.48 0.8 - 3 1.9 3 - 10 6.5 8 - 25 16.5
          한국 0.1 - 0.5 0.3 0.5 - 2 1.25 2 - 8 5 5 - 20 12.5
          남미 0.05  - 0.3 0.18 0.2 - 1 0.6 1 - 4  2.5 2 - 10 6
          인도 0.02 - 0.2 0.11 0.1~0.5 0.3 0.5~2 1.25 1 - 6 3.5
      • 다운로드당 월/연매출 및 LTV은 다음과 같다
        • ARPUa  * A(30)
        • ARPUa *  A(365)
        • ARPUa  * A(∞)
         
      • eCPIM = 1에서 Ad(빨강)과 I(초록)에 따른 월매출/LTV을 살핀다. 
        • Figure8. 평균활성일수와 하루 평균 노출횟수에 따른 매출 그래프. eCPM에 선형적으로 비례하기 때문에 형식/국가별 eCPM값을 곱하면 전체적으로 응용할 수 있다.
        • 미국 사용자들에게 제공하는 앱에 네이티브 광고를 달고 1년간 10일 활성에 하루 3회 노출을 가정하면 연매출 0.05 * 2.5 = 0.125$(188원), 평생 15일 활성으로 LTV/ 0.1875$(281원)가 된다.
  • ★ 광고 + 구독 모델에서 1 다운로드 확보를 위한 집행 비용
    • LTV
    • 더보기

      • 다방면에서 흔한 수익모델이다.
        • 수학적으로는 구독 LTV와 광고 LTV의 구독 전환률(C) 내분값으로 해석할 수 있다.  그러나 편의상 광고 모델 LTV * N 으로 단순화해보자.
      • 보수적으로 1<N<3정도 잡으면
        • 미국/네이티브에서 수수료와 세금을 고려하면 1 다운로드당 100-700원 정도, 인도라면 10-70원 정도 비용이 손익 분기점이 될 것으로 예상한다. 현재 CPI가 미국 0.9$, 인도 0.2$정도인데 이것도 싼 레인지에 속하는 편이라, 대체로 손해가 예상된다. 
  • 리텐션 개선을 위한 주요 도구
    • 온보딩 : 도입부에서 앱의 가치를 직관적으로 수긍하도록 하여 초기 이탈 방지
    • 더보기

      • 통계적으로 30초 - 3분 이내에 앱의 가치를 납득하지 못한 사용자는 이탈 후 앱을 삭제한다. 카테고리에 따라 수치는 상이할 수 있겠으나, 중요한 것은 고객의 첫인상을 사로잡아야 한다는 것이다.
        • 앱의 가치는 미감, 성능, 비전 등이 있을 수 있다.
      • 온보딩은 이런 첫인상에 중요한 역할을 한다. 뭘 하는 앱인지 알고 행동이 명확하다면 온보딩은 굳이 필요 없다 말할 수 있다. 그러나 앱의 차별화에 대해 고민하면 대부분의 경우 부분적으로라도 온보딩을 채택하는 것이 유리하다 할 수 있겠다. 앱의 차별점이 순수한 미감이나 비전이라면, 온보딩은 굳이 채택할 실익이 없을 수 있다.
      • 요약하면 시작부터 한 눈에 이해하게 만들어야 한다.
    • 습과화 도구 : 도입부-초반부에서 앱을 지속적으로 사용하는 습관을 형성하여 장기적인 관계 형성
    • 더보기

      • 첫인상을 넘어서면 두번째 큰 관문이 있는데, 많은 사용자는 그 이후 두어번 들락날락 거리고 더이상 방문하지 않는다는 것이다. 여기서부터는 현실적인 리텐션의 설계의 문제이다.
        • 출석체크나 퀘스트,미션 등 앱을 재방문하거나, 앱의 기능을 사용함에 따라 보상을 제공하는 것이 좋다. 이러한 습관화 도구의 독점적인 보상을 제공하는 형태도 있을 수 있지만, 수익성 측면에서는 유료 기능의 일부를 제공하는 것이 더 유리함이 일반적이다. 리텐션 상승은 크게 차이나지 않는 반면 독점 보상이 유료 기능의 가치를 희석하는 하방 압력만 발생하기 때문이다.
      • 요약하면 계속 사용하는 넛지환경을 제공해야 한다.
    • 맞춤/행동 기반 알림 : 중반부 이후부터 사용자들에게 직접적인 리마인드
    • 더보기

      • 성공적이면 리텐션을 직접적으로 끌어올릴 수 있다. 그러나 기본적으로 저항이 있는 옵션이라 실패시 확실한 이탈(앱 삭제)의 트리가기 되거나, 싸구려 앱이라는 인상을 남길 수도 있다. UX상 이는 시스템 알림으로 제공되는 광고와 마찬가지이기 때문이다. 
        • 업데이트나 이벤트, 혹은 시기에 따라 예상되는 수요의 맞춤 공급 등 고객의 입맛을 정교하게 고려한 알람이 필요하다. 소비자 입장에서 별다른 득도 없는데 남용되는 순간 곧바로 아웃으로 이어진다. 배민에서 쿠폰도 안 주면서 푸시알람만 띄우면 빡이 쳐 안 쳐 배민은 그나마 이미 수요가 쌓여서 망정이지 어디 듣보잡 앱이 이랬어봐 콱 씨
      • 요약하면 계속 사용하도록 안내해야 한다.
  • 요약
    • 더보기

       

      • 판 키우기
        • 키워서 먹기 위한 한계 비용은 추가 리텐션 5%당 구독료의 0.5%
      • 수익성 개선
        • 리텐션 : 계속 사용하기 쓸만한 앱을 만들어 한 눈에 이해하고 계속 사용하도록 하며
        • 전환률 : 납득 가능한 차별적 기능을 마땅한 가격에 제공해야 한다

 

 

 

 

 

'DEVELOPMENT > SUUROUNDINGS' 카테고리의 다른 글

AI API 가격 정책(2026.06) 및 적정 마진/용량  (1) 2026.06.29
Firestore, CloudSQL, Supabase 가격 정책(2026.07) 및 적정 마진/용량  (0) 2026.06.28
Google Cloud Storage가격 정책(2026.06) 및 적정 마진/용량  (0) 2026.06.26
재무회계 : 매출과 비용률에 따른 순익(률)  (0) 2026.06.24
Google Place API(New) 가격 정책(2026.06) 및 적정 마진/호출횟수  (0) 2026.06.19

'DEVELOPMENT/SUUROUNDINGS'의 다른글

  • 현재글수익성 핵심지표 : 리텐션(Retention)

관련글

티스토리툴바