GA4 Bigquery 리텐션 분석

Table of Contents

리텐션 분석이란?

리텐션(Retention)은 특정 시점에 유입된 사용자가 일정 시간이 지난 후에도 다시 서비스나 사이트를 방문하는 비율을 나타내는 지표입니다. 리텐션 분석은 서비스의 지속 가능성, 사용자 경험의 질, 마케팅 전략의 효과성을 측정하는 핵심 지표로 활용됩니다. 즉, 얼마나 많은 사용자가 서비스를 재방문하는지 파악하여 고객의 충성도와 서비스의 매력을 평가할 수 있습니다.

리텐션 분석이 중요한 이유

사용자 유지율 평가: 마케팅 비용 대비 사용자 유지 성과를 점검하여 효율성을 평가합니다.
서비스 문제점 파악: 사용자 이탈 시기를 찾아 문제점을 조기에 발견하고 개선할 수 있습니다.
마케팅 전략 개선: 리텐션을 높이는 요소를 발견하여 마케팅 전략과 서비스 품질을 최적화할 수 있습니다.

GA4 BigQuery 데이터를 활용한 리텐션 분석 방법

GA4 데이터를 BigQuery로 내보내면 사용자의 방문 이력을 세부적으로 분석할 수 있습니다. 신규 방문자의 리텐션을 1일, 7일, 14일, 21일, 30일 단위로 구하는 방식을 살펴보겠습니다.

GA4 BigQuery 신규 사용자 리텐션 계산 쿼리 예시

WITH first_visit AS (
    SELECT
        user_pseudo_id,
        MIN(DATE(TIMESTAMP_MICROS(event_timestamp))) AS first_visit_date
    FROM
        `project.ga4_dataset.events_*`
    WHERE
        event_name = 'first_visit'
    GROUP BY
        user_pseudo_id
),
user_retention AS (
    SELECT
        fv.user_pseudo_id,
        fv.first_visit_date,
        DATE_DIFF(DATE(TIMESTAMP_MICROS(e.event_timestamp)), fv.first_visit_date, DAY) AS retention_days
    FROM
        first_visit fv
    JOIN
        `project.ga4_dataset.events_*` e
    ON
        fv.user_pseudo_id = e.user_pseudo_id
    WHERE
        DATE(TIMESTAMP_MICROS(e.event_timestamp)) >= fv.first_visit_date
)
SELECT
    first_visit_date,
    COUNT(DISTINCT IF(retention_days = 1, user_pseudo_id, NULL)) / COUNT(DISTINCT user_pseudo_id) AS day_1_retention,
    COUNT(DISTINCT IF(retention_days = 7, user_pseudo_id, NULL)) / COUNT(DISTINCT user_pseudo_id) AS day_7_retention,
    COUNT(DISTINCT IF(retention_days = 14, user_pseudo_id, NULL)) / COUNT(DISTINCT user_pseudo_id) AS day_14_retention,
    COUNT(DISTINCT IF(retention_days = 21, user_pseudo_id, NULL)) / COUNT(DISTINCT user_pseudo_id) AS day_21_retention,
    COUNT(DISTINCT IF(retention_days = 30, user_pseudo_id, NULL)) / COUNT(DISTINCT user_pseudo_id) AS day_30_retention
FROM
    user_retention
GROUP BY
    first_visit_date
ORDER BY
    first_visit_date ASC

쿼리 해석

first_visit: 사용자별 첫 방문일을 정의합니다.
user_retention: 첫 방문 이후 각 방문일과 첫 방문일 간의 날짜 차이를 구하여 리텐션 일수로 계산합니다.
최종 쿼리에서는 1일, 7일, 14일, 21일, 30일차에 재방문한 사용자의 비율을 계산합니다.

리텐션 분석 후속 분석 및 도출 가능한 인사이트

후속 분석 방향

이탈 원인 분석: 리텐션이 급격히 떨어지는 시점을 분석하여 이탈 원인을 파악합니다.
사용자 세그먼트 분석: 리텐션이 높은 사용자 그룹의 특징을 분석하여 핵심 사용자층을 정의합니다.
퍼널(Funnel) 분석: 사용자가 리텐션 기간 동안 어떤 주요 행동을 수행했는지 분석하여 중요 전환 지점을 파악합니다.

도출 가능한 인사이트 예시

리텐션이 급격히 감소하는 시점(예: 7일차)에서 사용자 경험 개선 포인트를 발견할 수 있습니다.
장기 리텐션(30일 이상)이 높은 사용자의 공통점을 찾으면 더 효과적인 마케팅 타겟팅과 개인화를 구현할 수 있습니다.
특정 마케팅 캠페인이나 기능 업데이트가 리텐션에 미치는 영향을 명확히 측정하여 효율성을 높일 수 있습니다.

리텐션 분석은 단순히 사용자의 재방문율을 보는 것을 넘어, 서비스의 지속적인 성장과 고객 관리 전략 수립의 중요한 기반이 됩니다. GA4와 BigQuery의 데이터를 적극 활용하여 사용자 행동에 대한 깊이 있는 이해와 실질적인 비즈니스 개선을 이루어보세요.