코호트와 리텐션 곡선 - 마케팅 지표 핸드북 ep.06

DAU가 100K였다. 한 달 뒤에도 100K다. 같은 100K인가.

아니다. 한 달 사이에 떠난 사람과 새로 들어온 사람 이 다르다. 같은 숫자 뒤에 두 가지 회사가 있을 수 있다 — 떠나지 않는 사용자가 쌓이는 회사 와 광고비로 떠난 자리를 메우는 회사. 이 둘을 가르는 단어들이 이번 편의 주제다.

코호트와 리텐션은 시간을 따라 같은 사람을 따라가는 기술. 가장 정직한 거울이다.

이번 편에서 다룰 것

마케팅 퍼널 5단계를 세로로 쌓은 지도 다이어그램. 위에 'FOCUS — 유지 · 코호트와 리텐션 곡선' 표시. 위에서 아래로 획득(ep.01–02), 활성화(ep.03–04), 유지(ep.05–07), 수익(ep.08), 추천(ep.09) 순서로 화살표로 연결되며, 세 번째 유지 단계가 강조되어 있고 'Cohort · Retention Curve · L28' 지표가 표기됨. 맨 아래에는 측정 인프라(MEASUREMENT LAYER) 띠로 ep.10 실험, ep.11 트래킹, ep.12 어트리뷰션이 놓임. 이번 편 ep.06이 유지 단계에 속함을 보여줌.

10개 용어. 시간 곡선의 측정(Retention Curve, N-day Retention, Rolling Retention), 사용자 묶음의 분석(Cohort Analysis, Power User Curve, L7, L28), 사용자 상태의 라벨(New User, Returning User, Resurrected User).

이 편은 그래프 의 편입니다. 리텐션 곡선의 모양을 읽는 능력이 PM·디자이너의 핵심 역량 중 하나가 되었습니다.

Retention Curve · 리텐션 곡선

① 정의

같은 날 가입한 사용자 집단의 시간 경과에 따른 잔존율 곡선. X축은 가입 이후 경과 시간(일·주·월), Y축은 잔존율(%).

Retention(N) = N일째에 활성인 사용자 수 ÷ 가입 사용자 수 × 100 (%)

가입자 1,000명 중 D7에 380명이 다시 들어왔다면 D7 Retention 38%.

② 맥락

회의에서: “신규 코호트 곡선이 D14 이후 평탄해졌어요. PMF 신호인 것 같습니다.” — 곡선의 모양 이 데이터의 핵심.
UI 위치: Amplitude, Mixpanel의 Retention 보고서, 자체 BI의 코호트 차트.

③ 액션

개발: 코호트별 N일째 활성 여부 를 행으로 가진 데이터. 사용자 ID, 가입일, 활성일들의 조합. SQL로는 DATEDIFF(active_date, signup_date) 그룹별 카운트.
디자인: 리텐션 곡선의 세 구간 마다 다른 디자인 개입이 필요합니다. D0~~D3은 활성화 디자인, D3~~D14는 습관 형성, D14~D90은 가치 강화·재발견. 같은 곡선이라도 어느 구간이 약한지에 따라 처방이 다릅니다.
기획: 곡선이 평탄해지는 시점(asymptote) 이 가장 중요. 평탄한 라인이 바닥에 가까우면 거의 다 떠나는 제품, 바닥에서 높이 떨어진 위치 면 PMF가 있는 제품.

④ 사례

센티: D1 64%, D7 41%, D14 35%, D30 32%, D60 30%, D90 29%. D30 이후 평탄. 30% 수준에서 안정. 가입자의 30%가 영구 사용자 라는 의미. 가계부 앱으로는 양호.
실제 사례: 페이스북의 초기 친구 10명 추가 가설은 D7~D14 곡선의 평탄화 위치 를 끌어올리는 데 결정적이었습니다. 토스의 초기 리텐션 곡선은 송금 한도 상향이 풀리면서 급격히 좋아진 사례.
시각화

리텐션 곡선의 세 가지 모양을 비교한 꺾은선그래프. Y축은 잔존율 0~100%, X축은 가입 후 경과 시간 D0·D1·D7·D14·D30·D60·D90. 세 곡선이 모두 D0 100%에서 시작함. PMF가 있는 곡선(실선)은 100→64→41→35→32→30→29%로 D30 이후 30% 수준에서 평탄해지며 '평탄화 30% — PMF 신호'로 표시됨. 개선된 곡선은 100→72→55→48→45→43→42%로 평탄화 위치가 42%로 더 높게 올라감(온보딩 개선 후). PMF 없는 곡선(점선)은 100→55→25→12→5→2→1%로 0에 가깝게 수렴해 광고비로만 유지됨. 곡선이 떨어지는 속도가 아니라 어디에서 멈추는가, 즉 절대값이 아니라 모양을 읽는 것이 핵심임을 보여줌.

⑤ 비고

흔한 함정: D1만 보고 좋다고 판단하면 위험. 떨어지는 속도 가 아니라 어디서 평탄해지는가 가 PMF의 신호.
함께 보기: N-day Retention, Power User Curve, Churn Rate

N-day Retention · N일 잔존율

① 정의

가입 후 정확히 N일째 에 활성인 사용자의 비율.

N-day Retention = 가입 후 N일째에 활성인 사용자 수 ÷ 가입 사용자 수

D1, D7, D14, D30, D90 등으로 표기. 리텐션 곡선의 특정 점.

② 맥락

회의에서: “D7이 38%, D30이 21%에요. 모바일 컨슈머 앱으로는 평균 수준.” — 단일 숫자로 빠르게 비교할 때.

③ 액션

개발: 정확히 N일째 의 의미를 정의서에 명시. 그 날 한 번이라도 활성 인지, 그 시각 정확히 활성 인지. 보통 날짜 단위로 한 번이라도 활성 으로 정의.
디자인: D1, D7, D30 각각의 잔존을 끌어올리는 디자인이 다릅니다. D1은 온보딩 다음 날 알림, D7은 주간 요약, D30은 월간 인사이트.
기획: 어느 D를 KPI로 삼을지 가 첫 결정. 사용 주기가 일 단위면 D1·D7, 주 단위면 W1·W4, 월 단위면 M1·M3.

④ 사례

센티: D1 64%, D7 41%, D30 32%. 산업 평균(가계부·금융) D1 50%, D7 30%, D30 20% 대비 양호.
실제 사례: 모바일 게임의 일반 벤치마크 D1 40%, D7 20%, D30 10%. 메신저는 D7 50%+. SaaS B2B는 D30 60%+가 목표.

⑤ 비고

함께 보기: Retention Curve, Rolling Retention

Rolling Retention · 롤링 잔존율

① 정의

가입 후 N일 또는 그 이후 어느 시점 에 활성인 사용자의 비율.

Rolling Retention(N) = N일째 이후 어느 시점에라도 활성인 사용자 수 ÷ 가입 사용자 수

N-day Retention보다 너그러운 측정. 사용자가 N일에 정확히 들어오지 않아도 그 이후 어느 시점에라도 들어오면 카운트.

② 맥락

회의에서: “D7 Retention 38%, D7 Rolling Retention 52%에요. 14% 차이는 가끔씩 들어오는 사용자.” — 두 정의의 격차 자체가 정보.

③ 액션

개발: Rolling은 N일 이후 last_active_date >= N 의 조건. 사용자의 마지막 활성 날짜를 빠르게 조회 가능한 컬럼이 필요.
디자인: Rolling Retention이 N-day보다 의미 있는 제품은 간헐적 사용 이 자연스러운 제품. 여행, 항공, 부동산, 헬스케어.
기획: 일반적으로는 N-day Retention이 기본. Rolling은 사용 주기가 긴 제품에서 보조 지표.

④ 사례

센티: D7 Retention 41%, D7 Rolling 58%. 가계부는 바쁠 때 며칠 안 들어왔다가 카드값 시점에 다시 들어오는 패턴이 흔해서 Rolling이 더 호의적.

⑤ 비고

흔한 함정: Rolling Retention만 보면 실제 활성도 가 부풀려져 보입니다. 두 정의를 같이 봐야 합니다.
함께 보기: N-day Retention

Cohort Analysis · 코호트 분석

① 정의

같은 특성으로 묶인 사용자 집단(cohort) 을 시간에 따라 추적하는 분석. 가장 흔한 코호트는 가입 주차.

표 형태로 시각화: 행이 코호트(가입 주차), 열이 경과 시간(W0, W1, W2, …), 셀이 잔존율.

② 맥락

회의에서: “이번 분기 가입 코호트가 직전 분기보다 D7에서 6%p 개선됐어요. 온보딩 변경 효과로 보입니다.” — 시간에 따른 제품 변화의 효과 를 보는 가장 강한 도구.

③ 액션

개발: 코호트 분석 쿼리는 가입 주차 × 경과 시간 의 2차원. SQL로는 두 번 group by — 한 번은 가입 주차, 한 번은 경과 주차. 데이터 양이 많은 경우 마테리얼라이즈드 뷰(materialized view) 권장.
디자인: 코호트 분석 결과를 읽기 쉬운 표 로 시각화하는 것도 디자인 영역. 히트맵 형태가 표준.
기획: 제품 변경 전후 코호트 비교 가 핵심. 변경 시점 표시(annotation)를 코호트 표에 함께 표기.

④ 사례

센티: 2025 4분기 코호트와 2026 1분기 코호트 비교. D7 38% → 44%, D30 28% → 34%. 1분기 초 카카오 로그인 도입과 첫 분류 자동 안내 의 효과.
실제 사례: 페이스북은 매주 시니어 PM과 엔지니어가 코호트 표를 함께 보는 의식 으로 유명. 모든 결정의 출발점.
시각화

⑤ 비고

함께 보기: Retention Curve, N-day Retention

Power User Curve · 파워 유저 곡선

① 정의

기간(보통 28일)에서 활성 일수 분포 를 X축에 두고 사용자 수를 Y축에 그린 곡선. 사용자가 얼마나 자주 들어오는가 의 분포.

X축: 28일 중 활성 일수 (1~28). Y축: 그 활성 일수에 해당하는 사용자 수.

② 맥락

회의에서: “파워 유저 곡선이 좌측 편향에서 스마일(미소) 모양 으로 변했어요. 자주 들어오는 사용자가 늘었습니다.” — 분포의 형태 가 의미.

③ 액션

개발: 사용자별 28일 중 활성 일수 를 카운트해 히스토그램. 분포가 U자형(스마일)이면 바벨 패턴, 단조 감소면 대부분 라이트 유저.
디자인: U자형 분포에서 왼쪽 봉우리(라이트)를 오른쪽으로 끌어올리는 디자인이 그로스의 핵심. 푸시, 알림, 재방문 트리거.
기획: 곡선의 오른쪽 끝(28일 모두 활성) 사용자는 파워 유저. 이들의 행동 패턴을 분석해 다른 사용자도 그렇게 만드는 디자인.

④ 사례

센티: 28일 활성 분포에서 1~3일 활성 이 가장 많고, 25~28일 활성 도 봉우리. U자형. 평균 5.2일이지만 분포는 양극화. 파워 유저(20일+) 비율 12% 도달 시점이 PMF 가까운 신호.
실제 사례: 페이스북·인스타그램의 파워 유저 곡선이 대부분 매일 쪽으로 강하게 편향된 것이 SNS의 특성. 가계부·여행 앱은 자연스러운 U자.
시각화

L28 분포를 보여주는 파워 유저 곡선 세로 막대 히스토그램. X축은 28일 중 활성 일수(128일), Y축은 사용자 수(0120K). 막대 28개가 X축을 세 구간으로 나눈 배경 밴드 위에 놓임: LIGHT 구간(17일), MID 구간(819일), HEAVY 구간(2028일). 막대 높이는 활성 일수 1일에서 가장 높고 7일 쪽으로 감소했다가, MID 구간에서 가장 낮게 바닥을 찍은 뒤, HEAVY 구간에서 다시 올라가 28일에서 다시 높아지는 U자형(스마일) 분포. 좌측 봉우리는 가입 직후 13일만 보고 떠난 사용자, 우측 봉우리는 매일 들어오는 파워 유저로, 둘이 공존하는 것이 자연스러운 패턴. 전략의 핵심은 가운데 미드 사용자를 우측으로 끌어올리거나 좌측 봉우리를 줄이는 것임을 보여줌.

⑤ 비고

함께 보기: Active Days, L7, L28

L7 · 지난 7일 중 활성 일수

① 정의

Last 7 days 의 줄임말. 사용자가 지난 7일 중 몇 일 활성이었는지.

L7 = (사용자 X의 지난 7일 중 활성 일수)
범위: 0~7

사용자 단위 지표. L7=7이면 매일 활성, L7=1이면 일주일에 한 번.

② 맥락

회의에서: “L7≥3 사용자 비율이 첫 분기 18%에서 이번 분기 27%로 올랐어요.” — 사용 강도의 변화를 측정.

③ 액션

개발: 사용자별 지난 7일 distinct date count. 매일 갱신.
디자인: L7을 끌어올리는 디자인은 스트릭(streak) 메커니즘. 연속 사용 일수를 보여주고 끊기지 않게 유도. 듀오링고가 대표 사례.
기획: L7 분포로 라이트·미디엄·헤비 유저 를 정의. L7=0~1 라이트, 2~4 미디엄, 5~7 헤비.

⑤ 비고

함께 보기: L28, Power User Curve

L28 · 지난 28일 중 활성 일수

① 정의

Last 28 days. 28일 중 활성 일수. L7의 4주 버전.

L28 = (사용자 X의 지난 28일 중 활성 일수)
범위: 0~28

② 맥락

회의에서: “L28≥20 = 한 달에 20일 이상 들어오는 파워 유저. 이 비율이 13%에요.” — 파워 유저의 정의 기준.

③ 액션

개발: L28 분포가 파워 유저 곡선의 데이터. L7보다 노이즈에 강해서 제품의 진짜 사용 패턴 을 보여줍니다.
기획: L28 = 28인 사용자가 진짜 파워 유저. 이들의 행동을 일반 사용자가 따라가게 만드는 것이 그로스 디자인.

⑤ 비고

함께 보기: L7, Power User Curve

New User · 신규 사용자

① 정의

특정 기간에 처음으로 활성이 된 사용자. 기간 정의에 따라 오늘 신규, 이번 주 신규, 이번 달 신규.

New User (이번 달) = 가입일이 이번 달 안에 있는 사용자

② 맥락

회의에서: “이번 달 신규 12K, 그중 활성화 도달 4.8K.” — 신규의 절대 수와 질을 함께 봅니다.

③ 액션

개발: 첫 활성 이벤트의 타임스탬프 를 사용자 프로파일에 저장. first_seen_at. 이게 New User의 기준이 됩니다.
디자인: 신규 사용자만 보는 화면(온보딩, 첫 사용 가이드)과 기존 사용자 화면 을 분리해 디자인.

⑤ 비고

함께 보기: Returning User, Activation Rate

Returning User · 재방문 사용자

① 정의

기간 안에 다시 들어온 기존 사용자. New User의 보완 개념.

Returning User (이번 달) = 가입일이 이전 달 이전이고 이번 달에 활성인 사용자

기간 내 활성 사용자 = New User + Returning User.

② 맥락

회의에서: “신규 비중 32%, 재방문 비중 68%. 작년 동기 신규 비중 51%였으니 사용자 기반이 두꺼워지고 있어요.” — 기존 사용자가 쌓이는가 의 신호.

③ 액션

디자인: 재방문 사용자에게 온보딩이 다시 보이는 실수 를 피해야 합니다. 사용자 상태 분기 처리.

⑤ 비고

함께 보기: New User, Resurrected User

Resurrected User · 부활 사용자

① 정의

오래 안 들어오다가 다시 들어온 사용자. 보통 30일 이상 휴면 후 다시 활성 인 경우.

Resurrected User = (30일 이상 비활성 후) 이번 기간에 활성

② 맥락

회의에서: “이번 달 부활 사용자 4.2K. 윈백 캠페인 효과로 보입니다.” — 휴면 마케팅의 직접 결과.

③ 액션

개발: 사용자 상태를 Active → Dormant → Resurrected → Active 의 상태 머신으로 관리. 매일 batch로 업데이트.
디자인: 부활 사용자는 왜 떠났는지 잊었거나 새로 알게 된 이유로 돌아온 사용자. 다시 떠나기 쉬우므로 복귀 직후 가치 재경험 디자인이 중요.
기획: 부활률(Resurrected ÷ 휴면 사용자) 자체를 KPI로. 윈백 캠페인 효과 측정.

④ 사례

센티: 휴면 90일 사용자에게 “이번 달 카드값이 지난 달보다 12% 많아요” 푸시 → 4.8% 부활률. 일반 푸시(0.8%)의 6배.

⑤ 비고

함께 보기: Reactivation, Win-back, Dormant User

이번 편 한눈에 보기

용어	정의 (한 줄)	좋은 값 (참고)
Retention Curve	시간 경과 잔존율 곡선	평탄화 위치가 핵심
N-day Retention	정확히 N일째 활성 비율	D30 모바일 20%+
Rolling Retention	N일 이후 어느 시점 활성	N-day보다 너그러움
Cohort Analysis	시간×코호트 2차원 분석	변경 전후 비교
Power User Curve	활성 일수 분포 곡선	U자형이 자연
L7	지난 7일 중 활성 일수 (0~7)	L7≥3 = 헤비
L28	지난 28일 중 활성 일수 (0~28)	L28≥20 = 파워
New User	기간 내 처음 활성 사용자	—
Returning User	기간 내 다시 들어온 기존 사용자	—
Resurrected User	휴면 후 다시 들어온 사용자	—

자주 헷갈리는 쌍

N-day vs Rolling Retention

	N-day	Rolling
조건	정확히 N일에 활성	N일 이후 어느 시점이라도 활성
수치	보수적	너그러움
언제 사용	일·주 단위 제품	월·분기 단위 제품

Retention Curve vs Power User Curve

	Retention Curve	Power User Curve
X축	가입 후 경과 시간	활성 일수
무엇 측정	시간이 지나며 얼마나 남나	얼마나 자주 들어오나
모양 의미	평탄화 위치가 PMF	U자형이 건강

New vs Returning vs Resurrected

세 상태는 마지막 활성으로부터의 시간 으로 구분.

New: 첫 활성 = 이번 기간
Returning: 마지막 활성이 N일(보통 30일) 이내
Resurrected: 마지막 활성이 N일 이상 전

같은 사용자가 시간에 따라 세 상태 사이를 이동합니다.

참고 자료

Ellis, S. Hacking Growth. Currency.
Casado, M., & Bornstein, M. 16 Startup Metrics. Andreessen Horowitz.
Amplitude. Retention Lifecycle. https://amplitude.com/blog
Mixpanel. Cohort Analysis Guide. https://mixpanel.com/blog
Reforge. Retention Engagement Growth Program. https://www.reforge.com
Henry Schuck. Power User Curve. SaaStr.

다음 편 예고

ep.07 — 이탈(Churn)

리텐션의 반대편. 떠난 사람을 묘사하는 단어들. Churn Rate, Logo vs Revenue Churn, NRR과 GRR, 윈백과 부활. 11개 용어와 SaaS 핵심 지표.