웹분석이 모바일 영역으로 확장하면서 기존에는 사용하지 않았던 생소한 용어들이 등장 했습니다. 활성 사용자(Active User)라는 용어도 그 중 하나 입니다. 웹분석에서는 방문수(Visit), 방문자수(Visitor) 등의 용어로 사이트의 방문횟수를 측정하지만, 앱 분석에서는 DAU(Daily Active User), WAU(Weekly Active User), MAU(Monthly Active User)라는 지표로 앱 사용현황을 파악합니다.
Active User는 ‘기간’동안 앱을 사용한 사용자수
방문수(Visit)는 다른 말로 세션(Session)이라고도 하는데요, ‘세션’은 쉽게 말해서 ‘총 방문한 횟수’라고 이해하면 되겠습니다. 세션은 방문할 때마다 또는 앱을 실행할 때마다 증가하는 수치로 보면 되겠습니다.
하지만 기업 입장에서 궁금한 것은 ‘앱을 사용하는 실제 사용자의 수’입니다. 분석 툴은 이를 측정하기 위해 각각의 디바이스마다 UUID(Unique User ID)를 부여하여 조건 기간마다 단 1회만 측정하여 사용자 수를 판단합니다. 하루 동안의 사용자 수를 판단하는 ‘DAU’를 측정하는 방법은 아래와 같습니다.
세션수 기준으로는 3번 방문을 했기 때문에 3회가 측정 되겠지만, DAU는 하루 동안의 중복을 제거한 최초 1회 방문만을 측정하기 때문에 “홍길동이란 한 명의 사용자가 오늘 들어왔다”라는 의미로 1건이 증가하는 것입니다.
한 주간 사용자 수를 판단하는 ‘WAU’는 일요일부터 토요일까지 동일 사용자가 여러 번 사용하더라도 첫 실행만을 파악하여 주간 사용자를 파악합니다.
‘MAU’는 한 달 동안 동일 사용자가 여러 번 사용하더라도 첫 실행만을 파악하여 월간 사용자를 파악합니다.
앱 의존성(Stickiness) 확인 방법
유저가 앱이 제공하는 기능이나 서비스에 얼마만큼 의존하고 있는지를 수치로 표현할 수 있는데 이 수치를 ‘앱 의존성’이라고 부릅니다. 수치가 크게 나올수록 앱 의존성이 높고, 그만큼 잘 되고 있는 앱이라고 할 수 있겠지요. 이 의존성은 아래 수식을 사용해 산출하게 됩니다.
DAU/MAU = 의존성(Stickiness)
어떻게 이 수치가 ‘앱 의존성’을 대표하는 것인지 이해를 돕기 위해 한 가지 예를 들어 보겠습니다.
앱을 막 론칭했고 최근 한달간 전체 유저가 1천명에 도달했다고 가정합니다. 그런데 앱이 너무 좋아서 모든 유저가 하루에 한번은 앱을 꼭 실행하고 있습니다. 다시 말해 전체 유저가 매일매일 빼놓지 않고 앱을 사용하고 있는 것이죠. 의존성이 최대인 상황입니다.
이 상황을 위의 수식에 대입해 보겠습니다. 한달간 전체 유저가 1천명이니 MAU는 1,000이고, 하루에 앱을 실행하는 사람이 1천명이니 DAU는 1,000입니다. 위 수식에 대입하면 1,000/1,000 = 1, 앱 의존성이 1이 나오네요. 퍼센트로는 100%, 수치 상으로도 의존성이 최대인 상황이죠.
그런데 어느 날 앱이 업데이트 되었는데 불편함을 느끼는 유저들이 늘어났습니다. 이 날은 전체 유저 중에 절반이 앱을 사용하지 않았습니다. 이렇게 되면 DAU는 500 이지요. 앱 의존성도 500/1,000 = 0.5, 절반으로 줄었습니다.
위와 같이 매일매일의 DAU를 MAU와 연산함으로써 하루하루 달라져가는 앱 의존성을 관찰할 수 있습니다. 유저들이 우리 앱을 잘 사용해 나가고 있는지에 대해서 빠르고 직관적으로 측정하는데 활용하면 좋은 수치입니다.
