2024/08/09

[린 애널리틱스] (3) 점착 단계: 사용자가 자발적으로 돌아오는지 확인하기

린 애널리틱스(Lean Analytics)의 2단계인 점착성(Stickiness)는 사용자가 자발적으로 다시 돌아오는지를 분석해요. 사용자의 잔존(Retention)과 참여(Engagement)를 측정하고 개선하는 방법에 대해 함께 알아봐요.

지난 편에서 공감 단계를 통해 “문제가 진짜인지”를 파악하는 방법을 살펴봤어요. 이번 편에서는 두 번째 단계인 점착을 다뤄볼게요. 프로덕트를 한 번 써본 사람이 다시 돌아오는지, 그리고 그것을 어떻게 측정하는지가 핵심이에요.

1. 점착(Stickiness) 단계: “사람들이 실제로 계속 사용하는가?”

점착은 흔히 이렇게 오해돼요.

“사람들이 좋아한다고 말한다”
“트래픽이 계속 들어온다”
“기능을 많이 출시했다”

하지만 린 애널리틱스에서 점착은 훨씬 좁은 의미예요.

“프로덕트를 한 번 써본 뒤, 사람들이 일상적으로 다시 돌아오는가?”

이 단계에서 중요한 건 사용자 수의 크기가 아니라 반복 행동의 존재예요.

점착은 누군가의 삶의 자리를 프로덕트가 차지하는지에 관한 거예요. 한 번 관심을 끄는 것과는 다르죠.

1) 프로덕트 점착의 진짜 의미: 잔존(Retention) + 사용자 참여(Engagement)

린 애널리틱스에서 점착은 사용을 시도한 사람의 수가 아니에요. 프로덕트가 지속적인 촉구 없이도 반복 행동을 만들어내는지예요.

그래서 점착은 잔존과 사용자 참여의 결합으로 이해하는 게 가장 좋아요.

점착 = 잔존(Retention) + 사용자 참여(Engagement)

잔존(Retention)은 묻죠: 사람들이 다시 돌아오는가?
사용자 참여(Engagement)는 묻죠: 돌아왔을 때, 진짜 가치를 나타내는 행동을 하는가?

사용자 참여 없는 높은 잔존은 종종 가치 없는 호기심을 의미해요. 잔존 없는 높은 사용자 참여는 보통 일회성이지 반복 습관이 아니에요.

이것은 이 단계의 핵심 질문으로 이어져요.

“이 프로덕트가 사용자의 일상이나 워크플로우에서 안정적인 자리를 차지했는가?”

그 “자리”는 감정적인 경우가 드물어요. 행동적이고 상황적이에요.

예를 들어:

업무 도구에서는 점착이 자연스러운 주간 리듬으로 나타나는 경우가 많아요. 리마인더 때문이 아니라, 업무가 그것을 요구하기 때문에 프로덕트를 여는 거예요.
소비자 앱에서는 특정 상황이 기억을 유발할 때 점착이 나타나요. 프로덕트가 반복되는 니즈에 대한 기본 반응이 되는 거죠.

중요한 건 강도가 아니라 신뢰성이에요. 프로덕트가 점착적이라는 건, 사용자가 이미 자연스러운 생활 방식의 일부로서 적은 마찰과 함께 일관되게 돌아온다는 뜻이에요.

2) 점착 실전 예시: 습관 추적 앱의 잔존 측정

간단한 가상 예시를 통해 살펴볼게요. 습관 추적 앱을 만들고 있다고 가정해 볼게요.

공감 단계에서 배운 것은, 사람들이 동기 부여로 시작하지만 빠르게 탄력을 잃는다는 점이었어요. 기존 도구들은 설정 장벽을 낮추지만, 지속적인 실행을 지원하는 데는 어려움을 겪고 있었죠.

점착 단계에서는 질문이 달라져요.

사람들이 아이디어를 좋아하는지를 묻는 게 아니에요.
프로덕트가 시간에 걸쳐 반복 행동을 만들어내는지를 묻는 거예요.

점착 단계에서 중요한 건 다음이 아니에요.

총 다운로드 수
앱 스토어 리뷰

총 다운로드나 앱 스토어 리뷰 같은 표면적 신호는 제한적이에요. 초기 관심을 설명할 뿐, 지속적 사용을 설명하지 않거든요.

실제로 관찰하고 싶은 건 프로덕트가 첫 접촉 이후에도 살아남는지예요.

예를 들어:

사용자가 처음 7일 안에 앱을 다시 여는가?
체크인 행동이 2주차나 4주차까지 이어지는가?
특정 기능에 참여한 사용자가 그렇지 않은 사용자보다 더 오래 머무는가?

이 신호들을 종합하면 호기심과 헌신을 구분하는 데 도움이 돼요.

많은 사람이 앱을 설치하지만 며칠 안에 대부분이 떨어져 나간다면, 마케팅 도달 범위만의 문제는 아닐 거예요.

더 자주 보이는 원인은:

핵심 가치가 충분히 빨리 전달되지 않거나
프로덕트가 기존 행동을 바꿀 만큼 강하지 않다는 거예요.

이런 맥락에서 점착은 규모에 관한 게 아니에요. 소수의 사용자 그룹이 밀어붙이지 않아도 신뢰성 있게 돌아오는지에 관한 거예요.

3) 점착 단계에서 프로덕트에 필요한 것

이 단계에서 프로덕트가 엄청난 기능들을 갖출 필요는 없어요. 하지만 핵심 기능을 가지고 있어야 해요.

구체적으로, 다음을 수행할 수 있어야 해요.

하나의 명확하게 정의된 핵심 행동
가치를 느낄 때까지의 짧은 시간
외부 요인 없이 스스로 돌아올 이유

그 이상의 기능들을 만들고 내보내는 건 의미있는 학습보다 혼란을 더 야기하는 경우가 많아요.

예를 들어:

협업 도구에서는 기능 범위가 아니라, 첫 번째 진짜 협업 순간이 안정적으로 발생하는지가 초점이에요.
콘텐츠 프로덕트에서는 총 콘텐츠 양이 아니라, 하나의 의미 있는 루프(소비 → 저장 → 재방문)가 형성되는지가 초점이에요.

이 단계에서 프로덕트의 역할은 그 루프를 데이터에서 볼 수 있게 만드는 거예요.

그래서 이런 질문들이 중요해요.

이 기능이 핵심 지표를 개선할 수 있는가?
그 영향을 측정할 수 있는가?
만드는 데 얼마나 걸리는가?
불필요한 복잡성을 더하는가?
어떤 새로운 리스크를 만드는가?
의미 있는 학습을 만들어내는가?
사용자가 실제로 이 행동을 한 적이 있는가?
이 기능이 테스트하는 가설은 무엇인가?

4) 반복(Iterate)할 때 vs 방향 전환(Pivot)할 때

사용 데이터를 관찰하다 보면 익숙한 고민을 마주할 거예요.

지금 있는 걸 다듬을 것인가, 방향을 바꿀 것인가?

유용한 구분법은 이래요.

반복(Iteration)
- 핵심 행동이 존재한다
- 일부 사용자가 수행하지만 일관적이지 않다
- 작은 변경이 지표에 영향을 주지만 충분하지 않다
방향 전환(Pivot)
- 의도한 행동이 거의 일어나지 않는다
- 반복적인 변경이 핵심 지표를 움직이지 않는다
- 문제 프레이밍 자체가 약해 보이기 시작한다

점착 단계에서 이 결정은 노력, 직관, 또는 애착이 아니라 시간에 따라 지표가 어떻게 반응하는지에 기반해야 해요.

5) 코호트 분석이 진짜 점착을 드러내는 방법

점착은 하나의 숫자가 아니에요. 시간에 걸쳐 펼쳐지는 패턴이에요.

그래서 평균은 종종 오해를 불러요. 평균 잔존(Retention)율은 핵심 질문들을 숨기거든요.

신규 사용자가 이전 사용자보다 더 잘 행동하는가, 더 못하는가?
최근 변경이 장기 행동을 개선한 것인가, 일시적인 단기 증가만 만든 것인가?
사용이 무너지는 지점이 어디인가?

코호트 분석은 가입 주차 등 공유된 시작점을 기준으로 사용자를 묶고, 행동이 어떻게 변화하는지 관찰함으로써 이 질문에 답해요.

점착을 코호트로 보면 다음을 알 수 있어요.

잔존 커브가 안정화되는지 붕괴하는지
이탈이 매번 같은 시점에서 일어나는지
개선이 한 순간이 아니라 코호트 전반에 걸쳐 지속되는지

이 구분이 중요해요.

전체 지표에서 단기적 사용 증가가 진전처럼 보일 수 있지만, 코호트 데이터는 신규 사용자에게는 아무것도 개선되지 않았다는 사실을 드러낼 수 있거든요.

점착 단계의 목표는 초기 사용자 참여(Engagement)를 극대화하는 게 아니에요. 반복 행동이 시간이 지남에 따라 더 신뢰할 수 있게 되는지 확인하는 거예요.

이 변경이 사용자의 습관 형성에 도움이 됐나?
아니면 이미 참여하고 있던 사용자에게만 영향을 미쳤나?

코호트는 점착을 모호한 느낌에서 논리적으로 추론할 수 있는 대상으로 바꿔줘요.

6) 코호트 분석 예시: 평균 지표가 점착을 왜 오도할 수 있는가

구독 기반 생산성 앱을 운영하고 있다고 가정해 볼게요.

높은 수준에서 월간 지표는 이렇게 보여요.

전체 지표 (집계 뷰)

월	총 사용자	평균 주간 사용량
1월	1,000	10.0
2월	2,000	9.5
3월	3,000	10.5
4월	4,000	9.7
5월	5,000	10.1

이 뷰만 보면 이렇게 결론 내릴 수 있어요.

사용자 기반이 꾸준히 성장하고 있다
평균 사용량이 안정적이다
점착이 “충분히 좋아” 보인다

문제는 모든 사용자가 가입 시점과 무관하게 섞여 있다는 거예요.

이제 사용자를 가입 월별로 묶어서 행동 변화를 추적해 볼게요.

가입 코호트	1개월차	2개월차	3개월차	4개월차	코호트 평균
1월 사용자	10.0	9.0	10.0	9.2	9.54
2월 사용자	–	10.0	10.5	9.7	10.10
3월 사용자	–	–	11.0	10.0	10.43
4월 사용자	–	–	–	10.0	10.00
5월 사용자	–	–	–	–	10.30
평균	10.0	9.5	10.5	9.7	–

코호트로 보면 다른 이야기가 나와요. 몇 가지 가능한 패턴이 보이기 시작해요.

1월 같은 초기 코호트는 사용량에 변동이 있고, 3월이나 4월 같은 새 코호트는 초기에 약간 더 높은 사용량을 보여요.
하지만 대부분의 코호트가 2~3개월차 이후 사용량이 약간 줄어드는 패턴을 보이는데, 이건 조사할 가치가 있는 공통적인 생애주기 패턴이에요.
이것은 온보딩이나 가치 전달 같은 프로덕트 경험이 시간이 지나면서 개선되고 있을 수도 있다는 신호예요. 하지만 계절성이나 유입 채널 변화 같은 외부 요인 때문일 수도 있어요.
동시에 여러 코호트에 걸쳐 2~3개월차 이후 사용량이 약해지는 경향이 있어요.

조사할 가치가 있는 질문들은 다음과 같아요.