데이터

전문가가 공유하는 실무 노하우

이로님이 공유하는 실무 노하우

활성사용자(Active User)의 개념과 기준

활성 사용자 (Active User) 개념은 유효 고객을 정의하는 데 유용합니다. 서비스 관점에서 ‘실제 가치가 있는 고객’은 어떤 행동을 하는 사용자이며, 어느 정도의 비중을 차지하는지 분석할 수 있게 되니까요. 이는 활성 사용자의 리텐션, 생애 가치와 유치 비용 등 다양한 지표에 적용할 수 있는 개념이에요.

활성 사용자(Active User)의 기준

각각의 서비스에 적합한 ‘활성 사용자’에 대한 기준을 만드는 것이 첫 단계입니다. 이를 위해서는 ‘어떤 행동을 한 사용자가 의미 있는 고객인지’를 정의해야 합니다. 서비스의 성장 단계에 따라 기준은 바뀌기도 하죠.

  • 앱 오픈 관점 : 앱을 열거나, 로그인하거나, 첫 랜딩 페이지를 조회하는 등의 가벼운 행동을 기준으로 활성 사용자를 정의할 수 있습니다. 아직 초기 단계의 서비스에서 단계적으로 고객 가치와 리텐션을 개선해 나갈 때 주로 활용하는 기준인데요. 우선 앱을 여는 사용자 수를 늘리고 → n초 이상 체류한 사용자 수를 늘리고 → 주기적으로 서비스를 탐색하게 하는 식으로 단계적인 개선을 시작할 수 있게 하죠.
  • 리텐션 관점 : 사용자 세그먼트 분석을 해서 ‘특정 행동을 한 고객은 서비스에 정착한다’는 특징을 발견한다면 이 행동을 기준 삼을 수 있어요. 예를 들어 OTT 플랫폼이라고 할 때 한 달에 두 편 이상의 콘텐츠를 시청하는 사용자의 리텐션이 그렇지 않은 고객군 대비 5배 높다면, 활성 사용자를 정의하는 행동으로 적용할 수 있습니다.
  • 고객 가치 관점 : 비즈니스 모델에 따라 수익성 관점에서 가치 있는 행동을 기준으로 구분합니다. 예를 들어 배달의 민족은 이용자의 ‘음식 주문’이 수익성을 결정하기 때문에 주문 횟수를 기준으로 활성 사용자를 정의할 수 있겠죠. 반면 밀리의 서재는 ‘구독 여부’가 수익성을 결정하기에 구독자 수를 활성 사용자로 볼 수도 있습니다.

전문가 이로의 노하우

"활성 사용자(Active User)의 정의를 다시 내리고, 전사 KPI의 초점을 수익성 개선에 맞췄습니다.”

저희 회사는 그간 AUC, 즉 유저 유입 당 지불하는 비용을 핵심 지표로 설정하고 있었어요. 더 많은 고객을 확보하고 점유율을 높이는 것에 주안점을 두고 있었죠. 그러나 퍼널 분석 결과, 유입된 고객이 실제 거래까지 이어지는 비율이 현저히 낮다는 점을 발견했어요. 저는 이 문제가 '활성 사용자(Active User)에 대한 기준'에서부터 비롯된다고 생각했어요.

사용자의 가입 자체는 수익을 발생시키지 않고, '거래량'에 따라 수익이 발생하기 때문에 활성 사용자를 '가입 후 한 달 내 거래를 진행한 사람'으로 정의해야 더 실효적인 AUC를 계산할 수 있다고 판단한거죠. 설득을 거쳐 결국 전사적인 공감대를 얻어냈고, '활성 사용자의 비율'을 전사 KPI에 반영한 순간이 기억에 남아요.

노하우를 알려준 전문가

이로

데이터 애널리스트

간단한 소개 :

    손익 개선을 목표로 LTV, 리텐션 등 다양한 데이터를 입체적으로 분석합니다.

    • 전략팀과 PO 경력을 토대로, 회사와 제품의 성장을 위해 필수적인 데이터 분석을 해왔습니다. 특히 C-level이 의사 결정을 위해 어떤 데이터가 필요한지 이해하고있는 것이 강점입니다.
    • 레거시 PG사 인수 직후 첫 데이터 애널리스트로서 15년 이상 꼬여있던 데이터 적재 문제를 해결해, 필요한 데이터를 분석할 수 있는 환경을 세팅했습니다.

주요 경험 :

    사내 데이터 분석 프로세스 자동화; 데이터 추출 요청 90% 감소

    • 고객 유입 채널별 마케팅 효과를 분석하는 고객 LTV 모델을 만들었고, 해당 지표의 중요성에 설득하여 전사적 주요 지표로 적용
    • IR을 위한 데이터 분석 진행; 기존 KPI의 허점을 발견하고 신규 목표 수립에 기여
    • 데이터 분석 팀 리드로서, 팀의 전사적 기여도를 측정하고 개선하기 위한 평가 시스템 도입; 타 부서가 평가하는 만족도 지표(NPS) 65% → 95%까지 개선

번지는 전문가 이로 님과의
파트타임 협업 서비스를 제공합니다.

협업할 수 있는 주제

    • 지출한 비용의 비즈니스 임팩트를 파악하고, 개선할 점 도출하기
    • 레거시 데이터를 정제하여 분석 가능한 구조로 개선하고, 새로운 인사이트 도출하기
    • 사내 데이터 구조를 진단하고, 개선 필요한 요소를 점검하기
    • 데이터 기반 의사결정(DDD) 체계 구축을 위한 컨설팅 및 교육 진행
    • 데이터 분석 팀의 구성 전략 및 운영 방안 제안

비슷한 경험을 가진 전문가를
더 찾아보세요.

Theo

번지 검증 인재

GA4, BigQuery, 루커스튜디오를 도입해서 필요한 데이터를 볼 수 있게 도와드립니다.

국내 대표 여행사 및 데이터 컨설팅펌
데이터 애널리스트

데이터 수집/분석/최적화

GA4

Google Tag Manager

Dino

번지 검증 인재

고객 데이터를 통해 매출을 예측하는 모델을 개발하여 마케팅 성과를 극대화하였습니다.

게임 회사, 커머스 플랫폼
데이터 엔지니어, 데이터 사이언티스트

마케팅 비용 최적화

마케팅 데이터 분석

대규모 크롤링

아티

번지 검증 인재

MAU 1,900만 명의 세그먼트 분류에 새로운 기준을 도입하고 리텐션을 개선했습니다.

당근마켓, 드림어스컴퍼니(FLO), 네이버
PO/PM

PM/PO 코칭

서비스 방향성 수립

팀 빌딩

핵심 지표 설정

Backed by