리텐션은 코호트 기준으로 설치 후 N일째 앱에 복귀한 유저의 비율입니다. D1 = 1일차 리텐션(설치 다음 날 복귀), D7 = 7일, D30 = 30일. 리텐션은 새는 양동이 지표입니다 — 강력한 획득과 형편없는 리텐션을 가진 서비스는 보충 속도보다 빠르게 유저층을 소진하는 반면, 적당한 획득과 훌륭한 리텐션을 가진 서비스는 복합 성장을 만들어냅니다. 설치량 다음으로, 리텐션은 모바일에서 가장 중요한 비매출 단일 지표입니다.
이 분포가 대부분의 리텐션 아티클이 숨기는 진실입니다. 카탈로그 앱의 중앙값은 30일차에 설치의 4% 미만을 유지하고 있으며 — 업계 포스팅에서 회자되는 '좋은 벤치마크' 수치 대부분은 상위 10% 또는 상위 25%의 성과를 나타내지, 실제 중간값을 나타내지 않습니다. D30이 5~10% 구간에 있다면 이미 상위 25%입니다. 10%를 초과한다면, 소비자 소셜, 생산성, 금융 앱이 위치한 상위 10% 구간에 속합니다.
카테고리별 업계 벤치마크 (2026년 기준 대략적 수치):
- 메신저 / 뱅킹 / 습관 앱: D1 50~70%, D7 30~50%, D30 25~50%. 구조적 일상 필요성에 의해 장기 리텐션이 유지됩니다.
- 소비자 소셜 / 생산성: D1 40~50%, D7 20~30%, D30 10~15%.
- 스트리밍 / 미디어: D1 35~45%, D7 15~25%, D30 8~15%.
- 캐주얼 게임: D1 35~45%, D7 12~20%, D30 5~10%.
- 하이퍼캐주얼 게임: D1 25~35%, D7 5~10%, D30 1~3%. 빠른 수익화를 위해 설계되었으며, 리텐션 중심이 아닙니다.
- 유틸리티: 큰 편차 — 단발성(계산기, 손전등): D30 < 5%; 반복 사용형(생리 트래커, 날씨): D30 > 30%.
자사 카테고리 및 자사 과거 기준선과 비교하세요. 카테고리 간 비교는 오해를 낳습니다.
리텐션 곡선은 보편적인 형태를 따릅니다: 첫 주에 급격히 하락하고(대부분의 설치는 빠르게 이탈), 2~4주에 걸쳐 더 느리게 감소한 뒤, 거의 평평한 장기 꼬리가 형성됩니다. 수학적 형태는 '지수 감소 + 점근선'입니다 — 점근선은 '영구' 유저가 되는 유저 비율로, 설치 후 몇 달 또는 몇 년이 지나도 활성 상태를 유지합니다. 점근선이 실제로 복합 효과를 만들어내는 수치입니다. 설치의 10%를 무기한 유지하는 서비스는 3%를 유지하는 서비스와 근본적으로 다른 방식으로 스케일됩니다 — 시간이 지남에 따라 모든 코호트에서 영구 유저층이 누적되고, 이 복합 효과가 오가닉 성장의 엔진이 됩니다.
위 분포는 강한 우편향을 보입니다: 수만 개의 카탈로그 앱이 D30 1~5% 구간에 밀집해 있고, 강한 앱들의 긴 꼬리가 10%를 넘으며, 소수의 최상위 앱 티어가 20%를 돌파합니다. 프로덕트 팀에 대한 시사점: D30 = 5%는 블로그 포스트 벤치마크 대비 평범해 보이지만, 실제로는 측정 가능한 시장 전체에서 상위 25%입니다. 메신저나 뱅킹 케이스 스터디의 헤드라인 수치가 아니라, 아래 표에서 자사 카테고리 중앙값과 비교하세요.
D30 리텐션 계산기
설치 코호트 중 30일차에도 활성 상태였던 유저 수를 입력하여 D30 리텐션율을 계산하고 위치를 확인하세요.
Enter your numbers to see your result and how it compares to the catalog.
벤치마크: MWM 데이터, 미국, d30 다운로드 ≥1,000 앱 기준. 자사 카테고리 중앙값과도 비교하세요.
알아야 할 세 가지 리텐션 측정 방법:
- N일 리텐션 (클래식): 유저가 정확히 N일째에 복귀한 경우. 엄격하고 수치가 낮으며, 계산이 쉽습니다. D1 / D7 / D30 벤치마크의 표준.
- 롤링 리텐션 (완화된 기준): 유저가 N일 또는 그 이후 어느 날이든 복귀한 경우. 수치가 높고 곡선이 매끄러워, 저빈도 서비스에 유용합니다.
- 구간 리텐션: 유저가 N일부터 N+M일 사이에 최소 한 번이라도 복귀한 경우. 일별 단위가 너무 노이즈가 많을 때 사용합니다.
서비스마다 다른 기본값을 사용합니다 — 중요한 것은 일관성입니다. 성숙한 애널리틱스 플랫폼(Amplitude, Mixpanel)은 세 가지를 모두 제공하고 선택할 수 있게 합니다.
리텐션을 움직이는 레버 (영향도 대략적 순서):
- 온보딩 완료율 — 온보딩을 완료한 유저는 그렇지 않은 유저보다 2~3배 높은 리텐션을 보입니다. D1에서 가장 큰 단일 레버.
- 1일차-2일차 재활성화 — 푸시 알림, 이메일, 인앱 프롬프트를 통해 24시간 이내에 유저를 다시 불러옵니다. D7을 크게 끌어올립니다.
- 습관 루프 메커니즘 — 일일 스트릭, 일일 콘텐츠 드롭, 일상 루틴 통합. 장기 꼬리 점근선을 만들어냅니다.
- 제품-시장 적합성 — 거시적 수준에서 리텐션은 적합성의 가장 진실한 표현입니다. 모든 코호트에 걸쳐 리텐션이 구조적으로 약하다면, 답은 보통 마케팅이 아닌 제품에 있습니다.
카테고리별 D1 / D7 / D30 리텐션 벤치마크 (2026)
| 카테고리 | D1 | D7 | D30 |
|---|---|---|---|
| 메신저 / 뱅킹 / 습관 앱 | 50-70% | 30-50% | 25-50% |
| 소비자 소셜 / 생산성 | 40-50% | 20-30% | 10-15% |
| 스트리밍 / 미디어 | 35-45% | 15-25% | 8-15% |
| 캐주얼 게임 | 35-45% | 12-20% | 5-10% |
| 하이퍼캐주얼 게임 | 25-35% | 5-10% | 1-3% |
| 유틸리티 (단발성) | 15-30% | <5% | <5% |
점근선 — D90 이후에도 생존하는 장기 평평한 리텐션율 — 은 단일 D1/D7/D30 수치보다 LTV에 더 중요합니다. 설치의 10%를 무기한 유지하는 서비스는 3%를 유지하는 서비스와 근본적으로 다른 방식으로 스케일됩니다.
Median D1 / D7 / D30 retention by category (US, Q3 2025, MWM)
| Category | D1 | D7 | D30 |
|---|---|---|---|
| Social & Communication | 31.9% | 12.3% | 5.9% |
| Lifestyle & Well-being | 23.6% | 9.6% | 4.8% |
| Productivity & Tools | 23.0% | 8.9% | 4.5% |
| Education & Knowledge | 24.9% | 8.6% | 3.6% |
| Media & Entertainment | 24.9% | 8.0% | 3.4% |
| Game | 36.6% | 9.3% | 2.9% |
카테고리 표에서 두 가지 사실이 뚜렷하게 드러납니다. 게임은 카탈로그에서 가장 높은 D1 리텐션을 보이지만 D30은 가장 낮습니다 — 화려한 온보딩이 1일차를 잡지만 1달 후에는 습관 루프 메커니즘이 실패하는 전형적인 감소 곡선입니다. 소셜 & 커뮤니케이션은 모든 기간에서 선두를 차지합니다 — 장기 꼬리 점근선에서 구조적 네트워크 서비스가 지배합니다. 리텐션 곡선이 게임 행(높은 D1, 무너지는 D30)처럼 생겼다면 레버는 미드 퍼널 재참여이고, 교육 행(적당한 D1, 꾸준한 감소)처럼 생겼다면 레버는 가치 밀도와 진행 깊이입니다.
국가별로 리텐션이 다른가요?
일반적인 가정: 신흥 시장에서는 유저 의도가 낮고, 저장 공간 압박이 크며, 앱 이탈이 더 공격적이어서 리텐션이 구조적으로 낮습니다. 카탈로그 데이터는 이 통념을 반박합니다.
Median D1 / D7 / D30 retention by country — Tier-1 vs emerging markets (Q3 2025, MWM)
| Country | D1 | D7 | D30 |
|---|---|---|---|
| United States | 27.3% | 9.2% | 3.9% |
| United Kingdom | 27.2% | 9.0% | 3.9% |
| Germany | 27.4% | 9.0% | 3.8% |
| France | 27.3% | 9.0% | 3.8% |
| Japan | 27.4% | 9.1% | 3.9% |
| South Korea | 27.4% | 9.0% | 3.8% |
| Brazil | 27.1% | 8.9% | 3.8% |
| India | 27.5% | 9.1% | 3.7% |
주요 시장에 걸쳐 D1/D7/D30 리텐션 중앙값은 본질적으로 동일합니다. 미국 기준선에서 반 퍼센트 포인트 이내에 영국, 독일, 프랑스, 일본, 한국, 브라질, 인도가 있습니다. '신흥 시장 앱이 더 빨리 이탈한다'는 이야기는 사실이 아닙니다 — 중앙값 기준으로 리텐션 형태는 지역을 막론하고 구조적으로 유사합니다. 시장 간 변동은 단일 시장 내 앱 간 변동에 비하면 미미합니다. 현지화, 언어 지원, 콘텐츠 주기가 국가 구성보다 리텐션에 더 큰 영향을 줍니다.
흔한 리텐션 실수들
대부분의 리텐션 문제는 측정 문제가 아닙니다 — 예측 가능한 곡선 오독입니다. 반복되는 사례들:
- D30 점근선이 썩어가는 동안 D1만 쫓기 — 화려한 온보딩은 장기 꼬리 비율을 만드는 습관 루프 없이도 1일차를 부풀릴 수 있습니다. 대시보드에서 D1은 좋아 보이지만, LTV로 복합되는 것은 점근선입니다.
- 리텐션 문제를 재참여 문제로 취급하지만 사실은 제품 문제일 때 — *모든* 코호트와 채널에 걸쳐 리텐션이 구조적으로 약하다면, 아무리 많은 푸시와 이메일도 해결되지 않습니다. 모든 곳에서 약한 리텐션은 제품-시장 적합성 부재의 가장 진실한 신호입니다.
- 코호트 대신 블렌딩된 리텐션 읽기 — 블렌딩된 곡선 하나는 어느 획득 소스, 플랫폼, 또는 온보딩 변형이 새고 있는지를 숨깁니다. 유료 채널이 조용히 무너지는 동안 블렌딩된 수치는 평평하게 유지될 수 있습니다.
- D7을 올리기 위해 알림을 과도하게 보내기 — 유저를 억지로 끌어당기기 위해 푸시를 폭탄처럼 보내면 단기 리텐션은 올라가지만 알림 피로와 삭제를 유발하여, 정작 키우려는 점근선에 해를 끼칩니다. 빈도 규율이 볼륨보다 중요합니다.
- 잘못된 카테고리와 벤치마킹 — 캐주얼 게임의 D30을 메신저 앱과 비교하는 것은 무의미합니다 (카탈로그 범위는 1%에서 50% 이상까지). 자사 카테고리 중앙값, 그리고 무엇보다 자사의 과거 기준선과 비교하세요.
교과서적인 긍정 사례는 스트릭+리마인더 루프입니다 (Duolingo가 대표적 사례): 중단에 가시적인 비용이 따르는 일일 복귀 메커니즘에 적절한 타이밍의 재참여를 결합하여 — 단순히 첫 주 수치만이 아니라 장기 꼬리 점근선을 만들어냅니다.