Po Growth Retention

PO 성장과 리텐션

제품의 성장 현상을 유입량 하나로 설명하지 말고, 반복 가치와 사용자 흐름의 인과 구조로 진단합니다. 현재 수치가 좋거나 나쁘다는 평가보다 어떤 변수가 성장 한계를 만들고 있으며 무엇을 바꾸면 장기 활성 사용자가 늘어나는지를 밝혀야 합니다.

요청에 맞게 작업 범위를 정합니다

• 개념 설명에서는 혼동하기 쉬운 개념의 차이, 공식의 전제와 오용 가능성을 중심으로 답합니다.
• 제품 진단에서는 현재 확인된 데이터와 가정을 분리하고, 가장 앞선 병목 하나를 찾습니다.
• 지표 설계에서는 행동, 대상 코호트, 기간, 분모와 성공·가드레일 지표를 명시합니다.
• 실험 설계에서는 리텐션에 영향을 줄 인과 가설과 검증 방법을 연결합니다.
• 정량 모델, 공식과 판단 경계가 필요하면 성장 모델 참조를 읽습니다.

외부에서 인용한 벤치마크는 그대로 판정 기준으로 쓰지 않습니다. 확인된 사실, 계산한 값, 가정을 구분하고 수치의 출처와 전제를 함께 적습니다.

가치에서 시작합니다

먼저 제품과 분석 단위를 다음처럼 정의합니다.

1. 제품이 누구의 어떤 반복 문제를 해결하는지 한 문장으로 적습니다.
2. 활성 사용자를 로그인이나 화면 조회가 아니라 핵심 가치 행동으로 정의합니다.
3. 사용자, 계정, 조직, 좌석과 매출 가운데 어떤 단위를 분석하는지 밝힙니다.
4. 일간, 주간 또는 월간 가운데 제품의 자연스러운 사용 주기를 선택합니다.
5. 전체 평균을 보기 전에 코호트, 유입 채널, ICP와 요금제를 나눌 수 있는지 확인합니다.

입력 데이터가 부족하면 임의의 수치를 채우지 않습니다. 확인된 사실, 계산한 값, 가정과 필요한 추가 데이터를 구분합니다.

성장 문제를 의존 순서대로 진단합니다

앞 단계가 검증되지 않았다면 뒤 단계의 확장은 잠정 판단으로 표시합니다.

1. PMF와 리텐션: 코호트 리텐션이 충분한 기간 뒤 Plateau를 형성하는지 확인합니다. Plateau의 존재는 반복 가치의 증거이고, 높이는 기회 규모를 판단하는 단서입니다. 시장 규모와 수익성은 별도로 검증합니다.
2. 아하 모먼트: 남은 사용자에게 공통적인 핵심 행동을 XX 행동을 YY 기간 안에 ZZ번 한다로 정의합니다. 행동한 잔존자뿐 아니라 행동했지만 이탈한 사용자와 행동하지 않았지만 남은 사용자도 함께 봅니다.
3. 액티베이션: 신규·부활 사용자가 첫 번째 행복한 경험에 도달하는 비율과 시간을 측정합니다. 가입 완료율이나 온보딩 화면 통과율을 최종 목표로 삼지 않습니다.
4. 성장 구조: 지속적인 유입과 이탈률로 Carrying Capacity를 추정하고 현재 활성 사용자 수와 구분합니다. 유입과 이탈은 반드시 같은 기간 단위를 사용합니다.
5. 유입 메커니즘: 신규 Organic, Resurrection, Referral, Paid를 분리합니다. 초대 유입은 핵심 가치 도달까지 추적하고, 앱 재실행만으로 부활을 인정하지 않습니다.
6. 방어와 확장: 사용자 이탈과 매출 이탈, 자발적 이탈과 비자발적 이탈을 구분합니다. 남은 고객의 좌석·사용량·제품 확장 매출도 함께 봅니다.

반드시 구분해야 할 개념을 지킵니다

• 아하 모먼트는 리텐션과 연결된 가치 행동이고, 액티베이션은 사용자를 그 행동까지 데려가는 과정입니다.
• Word of Mouth는 자발적이며 추적하기 어렵고, Referral은 초대 경로를 측정하고 개선할 수 있습니다.
• 바이럴 성장은 신규 유입을 늘리고, 네트워크 효과는 사용자 수 증가가 개별 사용자의 가치를 높여 이탈을 낮춥니다.
• Paid 유입은 현재 사용자 수와 도달 속도를 높일 수 있지만, 광고 중단 뒤 유지되지 않으면 구조적인 Carrying Capacity 증가로 보지 않습니다.
• 연간 계약과 취소 방어는 관측 이탈을 줄일 수 있지만, 반복 가치가 약한 원인을 해결했다는 증거는 아닙니다.
• 높은 상관관계는 아하 모먼트나 네트워크 효과의 인과 증거가 아닙니다. 코호트 재현, 통제 비교와 가능하면 실험으로 확인합니다.

병목과 실험을 연결합니다

한 번에 모든 성장 지표를 개선하려 하지 말고 현재의 가장 앞선 병목을 선택합니다.

• 리텐션이 0으로 수렴하면 Acquisition보다 반복 가치와 대상 고객을 먼저 검증합니다.
• 리텐션은 있으나 핵심 행동 도달률이 낮으면 액티베이션을 개선합니다.
• 액티베이션은 좋지만 이탈률이 높으면 ICP, 사용 빈도, 워크플로와 이탈 원인을 분석합니다.
• 리텐션과 액티베이션이 검증됐지만 성장 한계가 낮으면 지속 유입, 바이럴, 네트워크 효과 또는 새로운 가치 레이어를 검토합니다.
• 사용자 수는 유지되지만 매출이 감소하면 로고 리텐션과 NRR을 분리하고 확장·축소 매출을 분석합니다.

각 실험에는 최소한 다음 요소를 연결합니다.

• 대상 코호트와 해결할 병목
• 인과 가설과 변경 사항
• 선행 행동 지표와 후행 리텐션 지표
• 오류, 불만, 어뷰징, 비용 또는 매출에 대한 가드레일
• 관찰 기간과 중단·확대 조건

혜택이나 강제 흐름으로 핵심 행동 수치만 높였을 때 장기 리텐션이 오르지 않으면 성공으로 판정하지 않습니다.

결과를 의사결정 문서로 만듭니다

사용자가 별도 형식을 지정하지 않았다면 다음 내용을 간결하게 제공합니다.

1. 현재 판정과 확신 수준을 먼저 제시합니다.
2. 판정을 지지하는 데이터와 아직 확인되지 않은 가정을 분리합니다.
3. 가장 중요한 병목과 그 병목이 전체 성장 구조에 미치는 영향을 설명합니다.
4. 우선순위가 높은 실험부터 가설, 지표, 기간과 가드레일을 제시합니다.
5. 다음 판단에 꼭 필요한 데이터만 요청합니다.

외부에서 인용한 수치 기준은 산업 공통 벤치마크로 단정하지 않습니다. 제품의 사용 주기, 고객군, 채널, 비용 구조와 표본 크기에 맞춰 탐색 시작점으로만 사용합니다.