리텐션 (Retention) 뜻과 계산법 3가지

🤔 리텐션 30%는 무엇을 뜻하나요?

30일째 하루에 돌아온 사람의 비율인지, 30일 이후 관찰 종료일까지 한 번이라도 돌아온 비율인지에 따라 뜻이 다릅니다. 같은 기록도 계산 방식이 달라지면 다른 값이 나옵니다.

이 글의 리텐션(Retention)은 서비스 사용자의 재활동을 다룹니다. 인사 분야에서 말하는 인재 유지와는 다른 맥락입니다.

🔑 시작과 돌아옴을 먼저 정하기

리텐션은 정한 시작 행동을 한 집단에서 이후 정한 기간에 다시 활동한 비율입니다. 시작은 첫 실행이나 가입, 첫 구매 등으로 정할 수 있습니다. 돌아옴도 단순 실행인지 기록 저장 같은 행동인지 명시합니다.

같은 조건으로 묶은 사용자 집단을 코호트(cohort)라고 합니다. 시작한 날을 D0(Day 0), 그로부터 N일 뒤를 D+N이라고 씁니다. 정확히 다음 날의 활동을 보는 D+1 N일 리텐션에서 시작자 1,000명 중 400명이 돌아왔다면 40%입니다.

다음 조건을 함께 기록합니다.

• 어떤 시작 행동을 언제 한 집단인지
• 재활동을 어떤 행동으로 인정하는지
• 같은 사용자를 계정이나 기기 등 무엇으로 구분하는지
• 날짜를 달력 기준으로 나누는지, 시작 후 24시간 단위로 나누는지와 시간대
• 어떤 계산 방식이며 언제까지 관찰했는지

🏊 수영장 출석부로 이해하기

3월 첫 주에 등록한 회원의 이름을 출석부 한 장에 적습니다. 4월 신규 회원은 다른 장에 적습니다. 첫 주 회원의 재출석을 집계할 때 4월 신규 회원은 분모에 넣지 않습니다. 코호트 분석도 시작 시기가 다른 사용자를 한 분모에 섞지 않습니다.

‘등록 7일 뒤 그날 출석’인지, ‘7일부터 13일까지 한 번 이상 출석’인지에 따라 도장을 확인할 범위도 다릅니다. 그날 없었다고 회원이 영원히 그만뒀다고 보지는 않습니다.

🧮 세 가지 계산 방식

같은 집단과 재활동 조건에서 비교해 봅니다. N일 하루를 범위 구간이 포함하고, 롤링의 관찰 구간이 그 범위 전체를 포함한다면 N일 값은 범위 값 이하이고 범위 값은 롤링 값 이하입니다. N일, 범위, 롤링의 세 가지 값이 같을 수도 있습니다. 범위나 분모가 다르면 이 순서로 단순 비교하지 않습니다.

아래는 2026년 3월 1일 처음 실행한 1,000명을 D+60이 끝날 때까지 관찰한 가상 예제입니다. 사람마다 하나의 식별자가 있고 누락된 기록은 없다고 가정합니다. 재활동은 앱 실행, 날짜는 한국 시간의 달력 날짜로 정합니다. 범위는 N일부터 N+6일까지이며 모두 관찰이 끝난 값입니다.

예를 들어 D+7 롤링의 310명에는 7일째에 온 사람뿐 아니라 8일부터 60일째 사이에만 온 사람도 포함됩니다. 이 숫자를 D+7 하루의 180명과 같은 의미로 쓰지 않습니다. 관찰 종료일을 뒤로 늘리면 롤링 값이 갱신될 수 있습니다.

가상 1,000명의 D+7 비교입니다. N일 180명, D+60까지 롤링 310명, D+7부터 D+13까지 범위 240명입니다.

📊 가입 주차별로 같은 시점을 비교하기

서로 다른 집단도 같은 D+N 조건을 맞춰 비교합니다. 아직 가입한 지 30일이 되지 않은 사람을 D+30 비복귀자로 넣으면 안 됩니다. 도구가 관찰 가능한 사용자만 분모에 넣는지, 미완료 값을 어떻게 표시하는지 확인합니다.

아래는 가입을 시작 행동으로 정한 별도의 가상 예제입니다. 첫 실행 기준의 앞 표와 섞지 않습니다. 각 주는 3월 1일부터 7일씩 나눴고 4월 15일에 집계했습니다. 모두 같은 재활동 조건의 N일 리텐션이며 비율은 반올림한 예시입니다.

세로로 읽으면 후반 집단의 D+1과 D+7이 앞 집단보다 높습니다. 그러나 유입 경로나 계절, 제품 변경과 측정 조건도 달랐는지 확인해야 합니다. 이 차이만으로 첫 사용 안내를 고친 효과라고 확정하지 않습니다. D+1 최고값은 4주차 47%이고 집단 크기 최대는 3주차 1,320명으로 서로 다릅니다.

가로로 읽으면 같은 집단의 특정 날짜별 재활동을 봅니다. N일 리텐션은 중간에 오를 수도 있으며 각 날짜에 돌아온 사람이 모두 같은 사람이라는 뜻은 아닙니다. 세 지점만으로 장기적인 곡선 모양을 확정하지 않습니다.

🧮 코호트 분석: 코호트 차트를 읽는 세 방향

코호트 분석(cohort analysis)은 같은 시기나 조건으로 묶은 사용자 집단이 시간이 지나며 어떻게 행동하는지 집단끼리 비교하는 분석입니다. 행에 집단을, 열에 경과 시간을 놓으면 최근 집단일수록 아직 관찰하지 못한 오른쪽 칸이 생겨 표가 계단 모양이 됩니다. 앞의 가입 주차 표에서 '전체 집단 관찰 미완료'로 적은 칸이 이런 칸입니다. 이런 표를 코호트 차트라고 부릅니다.

코호트 차트를 읽기 전에 네 가지를 먼저 적습니다. 행의 집단 조건, 열의 시간 단위, 칸에 든 지표, 관찰 종료일입니다. 칸의 숫자가 재활동 비율인지, 사용자 수인지, 거래 건수인지에 따라 해석이 달라집니다. 오른쪽 아래의 비어 있거나 관찰 미완료로 적힌 칸은 그 시점까지 아직 관찰하지 못했다는 뜻이며 0%가 아닙니다.

대각선 읽기는 날짜로 설명할 수 있습니다. 5월 1일 시작 집단의 D+2와 5월 2일 시작 집단의 D+1은 둘 다 5월 3일의 기록입니다. 대각선에 놓인 칸들이 함께 낮아졌다면 집단의 차이보다 5월 3일의 앱 오류나 수집 누락을 먼저 확인합니다. 앞의 가입 주차 표는 열이 D+1, D+7, D+30으로 떨어져 있어 대각선으로 읽을 수 없습니다.

코호트 차트는 차이가 어느 집단과 어느 날짜에 있는지 보여 주지만 원인을 확정하지는 않습니다. 세로로 읽어 특정 주의 집단만 낮다면 그 주의 유입 경로와 광고 매체를 다음에 확인합니다.

GA4 동질 집단 탐색 분석으로 리텐션 표 만들기

GA4(Google Analytics 4)의 한국어 화면은 코호트를 동질 집단이라고 부릅니다. GA4에서 탐색을 열고 새 탐색 분석 시작하기 오른쪽의 템플릿 갤러리를 누른 뒤 동질 집단 탐색 분석 템플릿을 고릅니다. 도움말에 나오는 설정 항목은 여섯 가지이며, 상세 분석은 필요할 때만 씁니다.

일일은 속성 시간대의 자정부터 다음 날 자정까지입니다. 속성은 GA4에서 사이트나 앱의 자료를 관리하는 단위입니다. 주간은 일요일부터 토요일까지이며 사용자마다 시작일부터 7일씩 나누는 방식이 아닙니다. 그래서 GA4 주간 표의 1주 차 열은 이 글의 D+7과 같은 값이 아닙니다.

GA4 도움말의 예로 세 계산 방식을 비교합니다. 첫 번째 터치를 동질 집단 포함, 구매를 재방문 기준으로 정하고 한 집단을 5주 동안 관찰했습니다. 사용자 A는 5주 차에만, B는 1주 차부터 5주 차까지 매주, C는 1주 차와 2주 차에만 구매했습니다.

GA4의 순차적(Rolling)은 이 글의 롤링 리텐션과 뜻이 다릅니다. 이 글의 롤링 리텐션은 N일째부터 관찰 종료일까지 한 번 이상 돌아온 사람을 집계합니다. GA4의 순차적 계산은 매 기간 빠짐없이 돌아온 사람만 집계합니다. GA4 영어 화면의 Rolling과 롤링 리텐션(rolling retention)의 영어 이름이 같아도 두 값을 같은 지표로 놓고 비교하지 않습니다.

GA4 동질 집단은 기기 데이터만으로 만들며 로그인 사용자를 연결하는 식별 값인 User-ID를 고려하지 않습니다. 같은 사람이 휴대폰과 PC를 함께 쓰면 두 사용자로 집계될 수 있습니다. 거래처럼 반복되는 행동을 동질 집단 포함 조건으로 정하면 한 사용자가 조건을 충족한 모든 집단에 들어가므로, 행을 더한 값을 고유 사용자 수로 보지 않습니다.

📉 곡선이 평평하면 무엇을 알 수 있나요?

비슷한 비율이 이어지면 일정 규모의 재활동이 관찰된 것입니다. 하지만 늘 같은 핵심 사용자가 남았다거나 제품이 성공했다는 증거로 충분하지는 않습니다. 사용자 목록과 사용 주기 및 관찰 기간을 더 봅니다.

특정 날의 값이 낮아도 며칠 뒤 다시 사용하는 서비스일 수 있습니다. 롤링 값도 관찰 종료일 뒤에 돌아올 사람까지 알지는 못합니다. ‘영구 이탈’을 판정하는 값으로 사용하지 않습니다.

🔗 활성 사용자와 LTV 함께 읽기

DAU와 MAU는 정한 기간의 활성 사용자 규모를, 리텐션은 정한 시작 집단의 이후 재활동을 보여 줍니다. 활성 사용자 수가 같아도 신규 유입과 기존 집단의 유지 상태는 다를 수 있습니다.

오래 사용하면 구매 기회가 늘 수 있지만 반드시 매출이나 이익이 늘지는 않습니다. 무료 사용과 서비스 비용도 있기 때문입니다. 사용자 관계 기간의 가치를 뜻하는 LTV는 매출과 비용 및 미래 가정을 함께 확인합니다. 리텐션 증가만으로 고객 획득 비용의 회수 기간이 짧아진다고 결론내리지 않습니다.

❓ 자주 묻는 질문

리텐션과 이탈률을 더하면 100%인가요?

같은 집단과 기간에서 서로 겹치지 않고 전체를 나누는 조건으로 정의했을 때만 그렇습니다. 기간이 같다는 사실만으로 충분하지 않습니다. 특정 날 재활동하지 않은 사람을 영구 이탈자라고 부르지 않습니다.

어떤 계산법을 골라야 하나요?

확인하려는 사용 주기에 맞춥니다. 특정 날짜의 재사용이면 N일, 일정 구간 안의 재사용이면 범위를 볼 수 있습니다. 바꿔야 할 이유가 있으면 이전 정의와 변경일을 기록하고 비교 가능한 원자료에서 두 방식을 대조합니다.

웹에도 같은 개념을 쓰나요?

쓸 수 있습니다. 시작과 재활동을 정하고 사용자 식별 방식 및 날짜 기준을 적습니다. 웹과 앱 모두 기기 변경이나 계정 공유, 수집 누락 때문에 실제 사람의 행동과 차이가 생길 수 있습니다.

적당한 수치는 몇 퍼센트인가요?

서비스 목적과 이용 주기 및 집계 조건에 따라 다릅니다. 같은 정의로 과거 집단을 비교하되 유입 구성과 계절 차이도 살펴봅니다. 출처의 조건이 없는 업종 평균을 그대로 목표로 삼지 않습니다.

GA4 동질 집단의 Rolling은 롤링 리텐션과 같은 값인가요?

같은 값이 아닙니다. GA4 동질 집단 탐색 분석의 순차적(Rolling) 계산은 그 기간과 앞의 모든 기간에 빠짐없이 재방문 기준을 충족한 사용자만 집계합니다. 이 글의 롤링 리텐션은 N일째부터 관찰 종료일까지 한 번 이상 돌아온 사용자를 집계합니다. 두 값을 비교하려면 사용자별 방문 날짜 기록으로 같은 정의를 적용해 다시 계산합니다.

📝 네 명의 독서 기록으로 계산하기

가, 나, 다, 라가 모두 같은 날 독서 기록 앱을 처음 실행했다고 가정합니다. 그날을 D0으로 두고 D+10까지 관찰을 마쳤습니다. 재활동은 앱 실행이며 아래는 D0 이후의 전체 기록입니다.

D+7 N일은 가 한 명이므로 1 ÷ 4 × 100 = 25%입니다. D+7부터 D+8까지 범위는 가와 나 두 명으로 50%입니다. D+7 롤링을 D+10까지 보면 가, 나, 다 세 명으로 75%입니다. 분모는 모두 시작자 네 명이며 실행 횟수를 더하지 않습니다.

이번에는 나의 기록을 D+8에서 D+7로 옮깁니다. N일은 50%로 바뀌고 범위 50%와 롤링 75%는 이전과 같습니다. 방식이 달라도 같은 값이 나올 수 있음을 확인합니다. 결과가 다르면 날짜 포함 범위와 사용자 중복을 다시 확인합니다.

📋 3줄 요약

1. 리텐션은 정한 시작 집단의 이후 재활동 비율이며 시작과 복귀 행동, 사용자 기준 및 관찰 기간을 함께 적습니다.

2. N일과 롤링 및 범위는 집계하는 날짜가 다르므로 같은 기록도 값이 다르거나 같을 수 있습니다.

3. 관찰이 끝나지 않은 집단을 0%로 처리하지 않고 같은 기준의 집단끼리 비교하되 원인은 따로 확인합니다.

참고 자료

• Amplitude 리텐션 계산 방식
• Amplitude 날짜와 시간 기준
• Amplitude 리텐션 분모와 관찰 기간
• GA4 동질 집단 탐색 분석

공식 문서 확인: 2026년 10월 3일, GA4 동질 집단 탐색 분석은 2026년 10월 24일. 표와 사용자 기록은 가상 예제입니다.