코호트 retention curve의 운영 해석 — 같은 곡선에서 5가지 질문 빼내기

"D7 retention 32%인데 좋은 거예요?" 이 질문은 잘못된 출발점입니다. retention 한 숫자는 운영 의사결정에 너무 적은 정보를 줍니다. 같은 코호트 retention curve에는 최소 5가지 질문이 숨어 있습니다 — 곡선이 안정화되는가, 기울기가 어디서 꺾이는가, 코호트 간 폭이 좁아지는가. 운영자가 같은 그래프에서 다른 의사결정을 빼내는 법을 정리합니다.

1. retention curve의 5가지 정보 층

코호트 retention curve는 한 모양의 곡선이지만 그 안에 다섯 종류의 정보가 들어있습니다.

• 레벨 — 곡선이 어디 즈음에 있나 (D1·D7·D30 절대값)
• 기울기 — 어디서 가파르게 빠지고 어디서 평탄해지나
• 안정화 — 장기적으로 꼬리가 0에 닿나, 아니면 평행선을 그리나
• 코호트 간 변화 — 신규 코호트가 이전보다 잘 남나
• 세그먼트 폭 — 같은 코호트 안에서 채널·디바이스별 차이

레벨만 보고하면 다른 4개의 정보가 사라집니다. 운영 의사결정이 단조로워지는 가장 큰 이유입니다. 5가지를 한 그래프에서 같이 빼내는 습관이 retention 분석의 표준이 되어야 합니다.

같은 곡선에서 레벨·기울기·안정화·코호트 변화·세그먼트 폭을 따로 본다. 한 숫자(D7)는 5층의 가장 표면.

📌 이 글에서 다루는 것

이 글은 retention curve의 5가지 정보를 운영자가 어떻게 보고하고 어떤 의사결정으로 연결하는지 정리합니다. Sean Ellis·Reforge가 만든 운영 프레임을 마케터 시각으로 풀어내고, huny.log의 BG/NBD LTV, Survival churn 글들과 함께 읽기 좋게 짭니다.

2. 레벨 — D1·D7·D30이 단독으로 답할 수 없는 것

D7 retention 32%가 좋은지 아닌지의 답은 비즈니스에 따라 완전히 다릅니다. 캐주얼 게임은 32%면 양호, 구독 서비스는 32%면 위기입니다. 절대값으로 의사결정하는 건 운영 첫 해의 함정입니다.

레벨이 운영 가치를 가지는 자리는 두 곳입니다.

• 같은 비즈니스의 시계열 비교 — 우리 D7이 6개월 전 28%에서 32%로 갔다
• 같은 비즈니스 안의 세그먼트 비교 — 신규 채널 D7 22% vs 기존 28%

벤치마크와 비교는 위험합니다. "업계 평균 D7 30%"는 평균치가 어떤 비즈니스 모델·어떤 정의·어떤 OS로 묶였는지 정확히 모릅니다. 자기 시계열·자기 세그먼트만 신뢰하세요.

3. 기울기 — 어디서 꺾이는가

retention curve의 두 번째 정보는 기울기 변화 지점입니다. 가장 흔한 패턴은 다음입니다.

• D0~D1 사이의 큰 떨어짐 — 첫 사용 충격
• D1~D7 사이의 점진적 떨어짐 — 학습·습관 형성 구간
• D7~D30 사이의 평탄화 — 충성 코호트 안정화

가장 가파른 구간(보통 D0~D1)은 "첫 사용 경험" 문제입니다. 첫 화면·첫 작업·첫 보상이 너무 약하거나 너무 어려운 신호입니다. 가장 평탄한 구간(보통 D14 이후)은 "충성 코호트의 베이스 라인"입니다. 이 베이스 라인 자체가 비즈니스의 LTV를 결정합니다.

운영 결정의 한 줄 패턴은 다음입니다.

첫 가파른 구간을 완만하게 만드는 게 단기 효과, 마지막 평탄한 구간을 끌어올리는 게 장기 효과.

신규 캠페인·온보딩 개선은 첫 구간에 작동, CRM·기능 개선은 마지막 구간에 작동. 마케터는 두 자리를 구분해서 KPI를 다르게 묶어야 합니다.

4. 안정화 — 꼬리가 평행이 되는가

retention curve의 가장 중요한 진단 — 꼬리가 0에 닿느냐, 아니면 어떤 수치에서 평행을 그리느냐.

$$\lim_{t \to \infty} R(t) \to 0 \quad \text{vs} \quad \lim_{t \to \infty} R(t) \to L > 0$$

꼬리가 0에 닿으면 모든 유저가 결국 떠나는 비즈니스 — 캐주얼 게임의 일부, 일회성 거래 위주 이커머스. 꼬리가 양수 $L$ 에서 평행을 그리면 충성 코호트가 자리잡는 비즈니스 — 구독·앱·이메일·B2B SaaS.

평행이 되는 자리의 $L$ 이 비즈니스의 진짜 가치 주체입니다. Reforge·Sean Ellis 프레임에서 강조하는 "smile curve"가 이 자리입니다. 신규 유입의 일부가 평행 코호트로 정착하면 retention curve의 꼬리가 위로 올라가는 모양이 나옵니다.

패턴	모양	비즈니스	운영 결정
꼬리가 0으로	단순 감쇠	일회성 거래	신규 유입에 의존, CAC 회수 빠르게
꼬리가 양수 평행	flat 꼬리	구독·앱·SaaS	평행 코호트의 LTV가 핵심
꼬리가 위로	smile	강한 충성	resurrected user·핵심 사용 패턴

💡 평행이 되는 자리를 찾으려면 최소 12주

retention curve의 꼬리 안정화는 짧으면 8주, 보통 12~16주는 봐야 보입니다. 첫 4주만 보고 의사결정하면 평탄화 자리가 안 보여 운영 결정이 단조로워집니다. 코호트 추적을 분기 단위로 끌어올리세요.

5. 코호트 간 변화 — 우리가 좋아지고 있는가

retention curve의 진짜 운영 가치는 "어제 대비 오늘"이 아니라 "이번 달 코호트 vs 지난 분기 코호트"의 비교입니다. 같은 곡선이 시계열로 어떻게 변하는가.

좋은 코호트 변화의 신호는 다음입니다.

• 새 코호트의 D7이 같은 계절의 작년 코호트보다 높음
• 새 코호트의 평탄화 자리가 더 높음
• 새 코호트의 꼬리가 0이 아닌 양수에서 안정화

흔한 운영 함정은 "새 코호트의 D1이 더 높은데 D30은 더 낮다" 같은 패턴입니다. 신규 유입 채널의 첫 사용은 좋지만 정착으로는 안 이어진다는 신호입니다. 이런 자리는 채널 평가의 단위를 D1에서 D30 또는 평탄화 자리로 옮겨야 합니다.

6. 세그먼트 폭 — 평균이 가리는 것

retention curve의 평균 한 줄은 세그먼트 간 큰 차이를 가립니다. 같은 D7 32%가 채널·디바이스·신규/기존별로 다음처럼 나뉘는 경우가 흔합니다.

• iOS 신규: D7 28%
• iOS 기존: D7 41%
• Android 신규: D7 22%
• Android 기존: D7 35%

이 분해를 안 보면 "iOS·Android 합쳐서 32%"라는 한 숫자만 남습니다. 같은 곡선을 채널·디바이스·코호트별로 나눠 그리는 습관이 retention 분석의 두 번째 표준입니다.

python