정상 현상입니다. 리텐션 리포트의 Installs (App)은 '에어브릿지 디바이스 ID' 기준으로 중복을 제외한 수치입니다. 같은 날짜에 '에어브릿지 디바이스 ID'를 기준으로 Installs (App)이 2건 발생하면 마지막에 발생한 이벤트에 대해서만 리텐션을 측정합니다. 다른 날짜에 '에어브릿지 디바이스 ID'를 기준으로 Installs (App)이 2건 발생하면 각각의 이벤트에 대해서 리텐션을 측정합니다.

이때 액츄얼스 리포트는 중복을 제외하지 않기 때문에 일반적으로 리텐션 리포트의 Installs (App) 수치가 액츄얼스 리포트 수치보다 작을 수 있습니다. 에어브릿지에서 사용하는 식별자에 대한 자세한 내용은 에어브릿지 가이드를 참고해 주세요.

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 유저를 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. 고유 유저 집계에 사용되는 식별자에 대한 자세한 내용은 에어브릿지 가이드를 참고해 주세요.

예를 들어 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

이때 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

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.

네, 리텐션 리포트를 저장하면 모든 설정값이 그대로 저장되어 언제든 다시 활용할 수 있습니다.

단, 2024년 6월 27일 이전에 저장된 리포트의 리턴 이벤트의 기간은 주기 설정에 따라 최대 Day 30, 최대 Week 4, 또는 최대 Month 3으로 설정되어 있습니다. 저장된 리포트의 리턴 이벤트의 기간은 수정할 수 있습니다.

리텐션 리포트는 과거에 수집된 데이터를 제공하는 리포트입니다. 조회 기간이 너무 최근이면 일부 구간의 데이터가 수집되지 않아 제공되지 않습니다. 아래 예시를 참고해 주세요.

리텐션 리포트를 아래와 같이 설정했습니다.

• 조회 기간: 2024년 1월 1일~1월 3일

• 주기: 일별

• 리턴 이벤트의 기간: 최대 Day 30

오늘이 2024년 1월 15일이면 Day 0부터 Day 14까지 15개의 구간만 제공됩니다. 조회 기간의 시작일인 1월 1일부터 오늘인 1월 15일까지의 기간이 리턴 이벤트의 기간인 최대 Day 30보다 짧기 때문에 실제 제공되는 구간 개수가 리턴 이벤트의 리턴 이벤트의 기간으로 선택한 최대 구간 개수보다 적습니다. Day 15부터 Day 30까지 16개의 구간은 아직 수집된 데이터가 없습니다.

리텐션 리포트는 과거에 수집된 데이터를 제공하는 리포트입니다. 조회 기간이 너무 최근이면 일부 구간의 데이터가 수집되지 않아 제공되지 않습니다. 아래 예시를 참고해 주세요.

리텐션 리포트를 아래와 같이 설정했습니다.

• 조회 기간: 2024년 1월 1일~3일

• 주기: 일별

• 리턴 이벤트의 기간: 최대 Day 30

오늘이 2024년 2월 1일이면 Day 0부터 Day 30까지 31개의 구간이 제공됩니다. 또한 1월 1일부터 1월 3일까지 3개의 하위 행이 제공됩니다. 이 중 1월 1일, 1월 2일에 해당하는 하위 행은 31개 구간 전체에 대한 데이터가 제공됩니다.

하지만 1월 3일에 해당하는 하위 행은 30개 구간에 대한 데이터만 제공됩니다. 1월 3일에 해당하는 하위 행의 Day 30은 2월 2일이기 때문에 아직 수집된 데이터가 없습니다.

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.