리텐션(Retention) 리포트에서의 설치 수는 분석 기간 동안 에어브릿지 디바이스 ID(Airbridge Device ID)를 기준으로 중복 설치를 제외한 수치입니다.

같은 날짜에 같은 에어브릿지 디바이스 ID로 앱 설치가 2건 발생하면 마지막에 발생한 앱 설치에 대해서만 리텐션을 측정합니다. 다른 날짜에 같은 에어브릿지 디바이스 ID로 앱 설치가 2건 발생하면 앱 설치가 발생한 날을 기준으로 각각의 리텐션을 측정합니다.

액츄얼스 리포트는 중복 설치를 제외하지 않습니다. 따라서 리텐션 리포트 수치는 액츄얼스(Actuals) 리포트 수치보다 작습니다.

에어브릿지 디바이스 ID

에어브릿지 디바이스 ID는 에어브릿지가 고유한 디바이스를 식별하기 위해 사용하는 범용 고유 식별자(Device UUID)입니다. 리텐션 리포트에서는 기본적으로 OS별 식별자(안드로이드-GAID, iOS-IDFV)가 에어브릿지 디바이스 ID의 값으로 사용됩니다. 식별자를 수집하지 못 했거나 사용할 수 없다면 에어브릿지 SDK에서 임의로 생성한 ID(Random Generated UUID)가 사용됩니다.

리턴 이벤트가 스타트 이벤트를 모두 포함하도록 설정하면 Day, Week, Month, Hour, Minute 0 잔존율은 100%로 표시됩니다. 잔존을 판단하는 기준이 되는 리턴 이벤트에 스타트 이벤트가 항상 포함되기 때문입니다.

아래 예시를 확인해 주세요.

예시)

유저 4명이 4월 1일에 각각 아래 이벤트를 발생시켰습니다.

• A: Install (App), 구독 (App)

• B: Deeplink Open (App), 구독 (App)

• C: 장바구니 담기 (App), Install (App)

• D: 장바구니 담기 (App), Deeplink Open (App)

리텐션 리포트를 아래와 같이 설정했습니다.

• 조회 기간과 주기: 2024년 4월 1일~4월 5일, 일별

• 스타트 이벤트: Install (App), Deeplink Open (App)

• 리턴 이벤트: Install (App), Deeplink Open (App), 회원가입 (App), 구매 완료 (App)

Install (App)과 Deeplink Open (App)은 스타트 이벤트이자 리턴 이벤트입니다. 유저 A, B, C, D는 모두 4월 1일에 앱 설치 또는 딥링크 오픈을 실행했기 때문에 4월 1일의 Day 0에 스타트 이벤트와 리턴 이벤트를 실행한 유저로 집계됩니다.

따라서 4월 1일의 Day 0 잔존율은 100%로 표시됩니다.

고유 유저(Unique user)를 집계하는 기간이 다르기 때문에 전체 스타트 이벤트 열의 상위 행 잔존 수치와 하위 행 잔존 수치의 합계는 일치하지 않을 수 있습니다.

상위 행은 전체 분석 기간에 걸쳐 고유 유저를 집계합니다. 동일한 유저가 분석 기간 중 서로 다른 구간에 여러 개의 스타트 이벤트를 발생시켜도 상위 행은 유저 수를 1명으로 집계합니다.

하위 행은 각 구간에 한해서 고유 유저를 집계합니다. 동일한 유저가 분석 기간 중 서로 다른 구간에 여러 개의 스타트 이벤트를 발생시키면 각 하위 행에서 별개의 유저로 집계합니다. 따라서 상위 행의 총 잔존 수치는 각 하위 행의 잔존 수치를 모두 더한 값과 다를 수 있습니다.

아래 예시를 참고해 주세요.

예시)

동일한 유저가 아래처럼 행동했습니다.

• 1월 1일: A 광고 채널의 광고를 통해 앱 설치 이후 삭제

• 1월 2일: A 광고 채널의 다른 광고를 통해 앱 재설치

리텐션 리포트의 주기를 일별로 설정했을 때 조회할 수 있는 결과는 아래와 같습니다.

• 1월 1일에서 1월 2일까지 A 광고 채널의 상위 행에 집계된 유저 수: 1명

• A 광고 채널의 1월 1일 하위 행에 집계된 유저 수: 1명

• A 광고 채널의 1워 2일 하위 행에 집계된 유저 수: 1명

고유 유저

고유 유저는 이벤트 발생 횟수와 무관하게 유저 수를 집계할 때 활용되는 개념입니다. 특정 유저가 분석 기간 동안 이벤트를 10번 발생시켜도 고유 유저 수는 1명으로 집계됩니다. 액티브 유저 리포트는 디바이스 ID 또는 유저 ID, 리텐션 리포트는 디바이스 ID만 활용해서 고유 유저를 집계합니다. 에어브릿지 리포트에서 사용하는 식별자에 관한 내용은 에어브릿지 가이드를 참고해 주세요.

리턴 이벤트는 이벤트가 발생한 날짜를 기준으로 집계됩니다.

예를 들어 1월 1일 KST(한국표준시) 오후 10시에 앱 설치 이벤트가 발생했습니다. 이 유저는 1월 1일 KST 오후 11시에 앱을 실행했습니다. 그리고 1월 2일 KST 오전 2시에도 앱을 실행했습니다.

리텐션 리포트에서 스타트 이벤트로 Install, 리턴 이벤트로 Any Event로 설정하면 Day0, Day1에 리턴 이벤트가 발생한 것으로 집계됩니다.

아니오, 날짜 단위로 집계됩니다. 아래 예시를 참고해 주세요.

유저가 아래처럼 행동했습니다.

• 1월 1일 오후 8시 앱 설치

• 1월 1일 오후 10시 앱 오픈

• 1월 2일 오전 8시 앱 오픈

리텐션 리포트에서 스타트 이벤트와 리턴 이벤트를 아래처럼 설정했습니다.

• 스타트 이벤트: Installs (App)

• 리턴 이벤트: Opens (App)

리텐션 리포트에서 조회할 수 있는 결과는 아래와 같습니다.

• Day 0(1월 1일)의 잔존 수치: 1명

• Day 1(1월 2일)의 잔존 수치: 1명

1월 2일 오전 8시에 발생한 앱 오픈은 앱 설치 발생 시각을 기준으로 12시간 후에 발생했습니다. 하루(24시간)이 모두 지나지 않았지만 1월 1일이 아닌 1월 2일에 발생했기 때문에 해당 이벤트는 Day 1의 잔존 수치로 기록됩니다.

리텐션 리포트(Retention Report)에서 예측 잔존일(Predictive Lifetime)을 확인하기 위해서는 만족해야 하는 조건이 있습니다. 아래 상황을 참고해 조건을 만족하는지 확인해 주세요.

• Predictive Lifetime을 활성화할 수 없다면 설정한 주기 또는 조회 기간을 확인해 주세요. 주기가 일별이어야 예측 잔존일을 확인할 수 있습니다. 또한, 조회 기간 시작일을 오늘 기준 최소 3일 전(D-3)으로 설정해야 합니다

• 테이블의 Predictive Lifetime 열에 Insufficient Cohort가 있다면 해당 열의 코호트에 있는 유저 수가 충분하지 않다는 의미입니다. 코호트에 있는 유저 수가 30명 이상이어야 합니다

예측 잔존일과 ARPDAU(Average Revenue Per Daily Active User)를 곱하면 예측 LTV(pLTV)를 계산할 수 있습니다. pLTV에 관한 내용은 에어브릿지 가이드를 참고해 주세요.