리텐션 (Retention) 뜻과 계산법 3가지

🤔 리텐션 30%라는 말만으로는 비교할 수 없을 때

보고서에 리텐션 30%라고 적혀 있어도 그 숫자가 좋은 쪽인지 판단하기 어려운 때가 있습니다. 30일째 그날 접속한 사람만 센 값인지, 30일이 지난 뒤 언제든 한 번이라도 들른 사람을 센 값인지가 함께 적혀 있지 않아서 그렇습니다. 실제로 같은 코호트의 같은 접속 기록을 두고도 세는 방식을 바꾸면 값이 두 배 가까이 벌어집니다.

리텐션이라는 말은 인사 분야에서 인재 유지(Employee Retention)를 가리키기도 합니다. 이 글이 다루는 쪽은 서비스 사용자 유지로, 앱이나 웹 서비스를 처음 쓴 사람이 다시 돌아오는 비율을 말합니다.

🔑 리텐션(Retention)의 정의

리텐션(Retention)은 처음 서비스를 쓴 사람 가운데 일정 기간이 지난 뒤에도 다시 돌아와 쓰는 사람의 비율입니다. 한국어로는 잔존율이나 재방문율로 부릅니다.

표기부터 익혀 두면 보고서 읽기가 한결 수월해집니다. 처음 쓴 날을 D0(Day 0)으로 놓고, 그로부터 N일 뒤의 비율을 D+N 리텐션으로 적습니다. D+1 리텐션 40%는 처음 쓴 1,000명 가운데 400명이 다음 날 다시 왔다는 뜻입니다.

다만 이 비율 하나만 떼어 놓으면 판단할 수 있는 것이 거의 없습니다. 아래 세 가지가 함께 적혀 있어야 다른 숫자와 견줄 수 있습니다.

• 코호트: 언제 처음 들어온 사람 묶음을 셌는지
• 기간: D+1인지 D+7인지 D+30인지
• 계산 방식: N일, 롤링, 범위 가운데 무엇으로 셌는지

🏊 코호트로 센다는 것, 수영장 출석부 앞장

동네 수영장 관리인이 3월 첫 주에 회원증을 끊은 1,000명의 이름을 출석부 앞장에 적어 두었다고 해 보겠습니다. 한 달 뒤 그 장을 다시 펴서 이름 옆에 도장이 찍힌 사람을 세면, 그 비율이 3월 첫 주 회원의 리텐션입니다. 4월에 새로 등록한 회원은 뒷장에 적으므로 앞장의 계산에 섞이지 않습니다.

출석부를 등록 시점별로 나눠 적는 방식이 코호트 분석의 기본 구조입니다. 등록 시점이 다른 회원을 한 장에 몰아 적으면, 이번 달 수치가 나빠졌을 때 새 회원이 줄어든 것인지 예전 회원이 떠난 것인지 구분하기 어려워집니다.

문제는 도장을 세는 방법이 하나가 아니라는 데 있습니다.

🧮 리텐션 계산법 세 가지와 값의 차이

관리인이 "아직 다니는 회원"을 세는 기준은 크게 세 가지로 나뉩니다.

• N일 리텐션(Classic Retention): 정확히 N일째 하루에 도장이 찍힌 사람만 셉니다. 그날 하루가 기준이라 값이 가장 낮게 나옵니다
• 롤링 리텐션(Rolling Retention): N일째 이후 언제든 한 번이라도 도장이 찍혔으면 남은 회원으로 봅니다. 조건이 가장 느슨해서 값이 가장 높게 나옵니다
• 범위 리텐션(Range Retention): N일부터 M일 사이에 한 번이라도 도장이 찍히면 셉니다. 앞의 두 방식 사이의 중간값이 나옵니다

2026년 3월 1일에 앱을 처음 실행한 1,000명의 접속 기록을 그대로 두고 세 가지 방식으로 계산해 보면 아래처럼 달라집니다. 가상 데이터이고, 범위 리텐션은 N일부터 6일 뒤까지를 한 묶음으로 잡았습니다.

같은 1,000명, 같은 접속 기록인데 D+7이 18%에서 31%까지 벌어집니다. 세 가지 값 모두 계산이 맞고 어느 하나가 틀린 것도 아닙니다. 세는 기준이 다를 뿐입니다.

그래서 판단 기준은 하나로 좁혀집니다. 어느 방식으로 셌는지 밝히지 않은 리텐션 숫자는 다른 숫자와 비교할 수 없습니다. 경쟁사 발표 자료와 투자 자료, 분석 도구의 기본 설정은 서로 다른 방식으로 계산한 값인 경우가 흔합니다. 수치를 나란히 놓기 전에 정의부터 맞춰야 합니다.

쓰임새도 조금씩 다릅니다.

• N일 리텐션은 매일 쓰도록 만든 서비스에서 사용 습관이 자리 잡고 있는지 민감하게 드러냅니다
• 롤링 리텐션은 완전히 떠난 사용자를 판별할 때 유용하지만, 최근 기간일수록 돌아올 시간이 남아 있어 값이 뒤늦게 올라갑니다
• 범위 리텐션은 주 단위나 월 단위로 쓰는 서비스에서 아직 남아 있는 사용자를 이탈로 세는 일을 줄여 줍니다

📊 가입 주차별 코호트로 나눠 보기

전체 평균 리텐션 하나만 놓고 보면 개선 여부를 알기 어렵습니다. 이번 달 유입이 늘었다면 아직 D+30이 차지 않은 신규 사용자가 분모에 섞여 평균을 끌어내리고, 반대로 유입이 줄면 오래 남은 사용자 비중이 커져 평균이 저절로 올라갑니다.

가입 주차로 장을 나눠 적으면 이런 착시가 걸러집니다. 아래는 같은 앱의 3월 코호트를 N일 리텐션 기준으로 정리한 가상 데이터입니다.

읽는 방향은 두 가지입니다.

• 세로로 읽기: 같은 D+1끼리 위아래로 견줍니다. 40%, 41%, 46%, 47%로 3주차부터 올라갔다면 그 주에 들어간 온보딩 개편이 효과를 냈다고 볼 여지가 있습니다
• 가로로 읽기: 한 코호트가 시간이 지나며 어떻게 줄어드는지 따라갑니다. 3월 1주 코호트는 40%에서 18%, 9%로 낮아진 뒤 기울기가 완만해집니다
• 분모를 함께 보기: 3주차 코호트가 1,320명으로 가장 큰데 D+1도 가장 높다면, 유입 규모가 커지는 동안 유입 품질은 나빠지지 않았다는 뜻입니다

전체 평균만 봤다면 3월 D+1이 44% 안팎으로 나올 뿐, 어느 주에 무엇이 달라졌는지는 드러나지 않습니다. 개선을 확인하려면 평균이 아니라 같은 기준으로 잰 코호트끼리 비교해야 합니다.

📉 리텐션 곡선이 평평해지는 지점

리텐션 곡선은 초반에 가파르게 내려가다가 어느 수준에서 기울기가 완만해지는 모양을 보이는 편입니다. 곡선이 평평해진 뒤에도 남아 있는 사용자층이 그 서비스의 핵심 사용자에 가깝다고 봅니다. 곡선이 바닥까지 닿지 않고 옆으로 눕는다면, 적어도 일부에게는 다시 올 이유가 만들어졌다고 볼 수 있습니다.

반대로 곡선이 눕지 않고 끝까지 내려가기만 하면 정착하는 사용자층이 아직 없다는 신호에 가깝습니다. 이때는 유입을 늘리는 쪽보다 첫 경험을 고치는 쪽이 순서에 맞다고 생각합니다.

평평해지는 높이와 시점은 서비스 성격에 따라 크게 다릅니다. 매일 쓰는 메신저와 계절마다 쓰는 여행 앱을 같은 기준으로 재면 비교 자체가 성립하지 않습니다. 다른 서비스의 곡선과 겹쳐 보기보다 우리 서비스 곡선이 지난 분기와 견줘 어떻게 달라졌는지 보는 편이 안전합니다.

🔗 DAU와 MAU, LTV로 이어지는 연결

리텐션은 따로 떨어져 있는 숫자가 아닙니다. 활성 사용자 지표와 매출 지표를 잇는 중간 지표입니다.

DAU와 MAU는 오늘 새로 들어온 사용자와 예전에 들어와 아직 남아 있는 사용자의 합입니다. 신규 유입이 일정하다면 DAU가 어느 높이에서 멈추는지는 리텐션 곡선 아래 면적에 따라 달라집니다. 리텐션이 낮으면 유입을 늘려도 DAU는 어느 선에서 더 오르지 않고, 리텐션이 오르면 같은 유입으로도 DAU가 함께 올라갑니다.

매출 쪽으로도 이어집니다. 사용자가 오래 남을수록 결제 기회가 쌓이므로 한 명이 남기는 총가치인 LTV가 커집니다. LTV가 커지면 감당할 수 있는 CAC의 상한이 올라가고, 같은 CAC를 쓰더라도 회수에 걸리는 기간이 짧아집니다. AARRR 틀에서 Retention 단계가 Revenue 단계 앞에 놓인 이유도 이 순서에 있습니다.

⚠️ 자주 하는 실수 세 가지

• 계산 방식을 밝히지 않고 남과 비교하기: 앞의 표에서 본 것처럼 같은 데이터도 18%와 31%로 나옵니다. 경쟁사 수치를 인용할 때는 방식이 적혀 있는지부터 확인합니다. 적혀 있지 않으면 그 숫자는 참고 자료이지 기준선이 아닙니다
• 전체 평균 하나만 보기: 평균은 유입량이 달라지기만 해도 저절로 오르내립니다. 코호트로 나누지 않으면 서비스가 좋아진 것인지 사용자 구성이 바뀐 것인지 구분하기 어렵습니다
• 이탈률을 100에서 뺀 값으로 두기: 리텐션과 이탈률을 더해 100%가 되는 것은 기간 기준이 같을 때뿐입니다. D+30 리텐션 15%를 보고 이탈률 85%라고 적으면, 30일째에 잠깐 쉬었을 뿐 며칠 뒤 돌아온 사람까지 떠난 쪽으로 세게 됩니다. 이탈은 보통 "며칠 이상 접속이 없으면 이탈"이라는 별도 조건으로 정의합니다

리텐션을 KPI로 걸 때는 지표 이름에 기간과 계산 방식, 측정 주기를 함께 붙여 적습니다. 리텐션 개선 대신 3분기 말까지 주간 코호트 D+7 N일 리텐션 22%처럼 적어 두면 나중에 같은 기준으로 다시 잴 수 있습니다.

❓ 자주 묻는 질문

리텐션이 몇 %면 괜찮은 건가요?

업종과 사용 주기에 따라 기준이 달라서 하나의 숫자로 답하기 어렵습니다. 매일 쓰도록 만든 메신저와 게임은 D+1과 D+7을 촘촘히 보고, 주 단위로 장을 보는 커머스는 D+7과 D+14를, 계절마다 쓰는 여행 앱은 D+30 이상을 봅니다. 공개된 업종 평균은 조사 기관마다 표본과 계산 방식이 달라서 그대로 가져다 쓰기 곤란합니다. 우리 서비스의 지난 분기 수치를 기준선으로 삼고 같은 방식으로 잰 추이를 따라가는 편이 현실적입니다.

리텐션과 이탈률을 더하면 100%가 되나요?

기간 기준이 같을 때만 그렇습니다. D+30 리텐션은 30일이라는 시점 하나를 보는 값이고, 이탈은 대개 "N일 이상 접속 없음"이라는 조건으로 정의합니다. 기준이 어긋나면 둘을 더해도 100%가 되지 않습니다. 두 수치를 같은 보고서에 쓸 때는 각각의 정의를 나란히 적어 둡니다.

세 가지 계산 방식 가운데 무엇을 골라야 하나요?

무엇을 고르느냐보다 한 번 고른 뒤 바꾸지 않는 쪽이 중요합니다. 매일 쓰는 서비스라면 N일 리텐션이 습관 형성을 예민하게 보여 주고, 사용 주기가 긴 서비스라면 범위 리텐션이 실제 사용 상태에 더 가깝습니다. 롤링 리텐션은 완전히 떠난 사용자를 판별할 때 쓰되 최근 기간의 값이 뒤늦게 올라간다는 점을 감안합니다.

웹사이트에도 리텐션을 쓸 수 있나요?

쓸 수 있습니다. 앱에서는 첫 실행일을 D0으로 잡지만 웹에서는 첫 방문일이나 가입일을 D0으로 잡습니다. 다만 웹은 브라우저나 기기가 바뀌면 같은 사람으로 이어 보기 어려워서, 로그인을 전제하지 않는 서비스에서는 값이 실제보다 낮게 나오는 편입니다.

📋 3줄 요약

1. 리텐션은 처음 서비스를 쓴 사람 가운데 일정 기간 뒤에도 다시 돌아와 쓰는 사람의 비율이고 처음 쓴 날을 D0으로 놓고 D+1과 D+7처럼 적습니다.

2. 같은 코호트를 N일과 롤링, 범위 방식으로 계산하면 D+7이 18%와 31%, 24%로 달라지므로 계산 방식을 밝히지 않은 리텐션 숫자는 비교할 수 없습니다.

3. 전체 평균 리텐션 하나만 보면 유입량 변화에 따른 착시를 걸러낼 수 없어서 가입 주차별 코호트로 나눠 같은 기준의 D+N을 비교합니다.

참고 자료

• 리텐션율 용어 설명, Adjust