(전통적 개념) 한 번 유입된 사용자(또는 고객)가 일정 기간 이후에도 계속 서비스를 사용하고 있는 비율
(개념) 특정 기간이 지난 후에도 계속 모델을 사용하는 사용자 비율 예) 모델 사용 1개월 후에도 계속 쓰는 비율.
전통적 모델 평가에서는 벤치마크 성능(점수)이 중요한 품질 지표였지만, LLM 서비스 시대에는 사용자 행동 데이터(리텐션/잔존률)가 모델의 실제 성능·가치·적합도를 보여주는 새로운 지표가 됨
왜 중요한가 리텐션이 높다는 것은 서비스 만족도와 충성도가 높고, 이탈(churn)이 적다는 뜻이므로 장기적인 매출과 성장 가능성이 크다는 신호입니다.신규 고객 획득(Acquisition)보다 기존 고객 유지(Retention)가 일반적으로 비용 효율이 좋아, 마케팅·세일즈 비용 구조에도 직접적인 영향을 줍니다.
대표적인 리텐션 지표 형태 N-Day 리텐션: 예를 들어, “설치/가입일 기준 7일째에 다시 방문한 사용자 비율”처럼, 특정 기준일 N일 후에 얼마나 돌아왔는지 보는 방식입니다.코호트 리텐션: 같은 시점(예: 1월 가입자 코호트)을 묶어서, 1개월 후·2개월 후·3개월 후에 각각 얼마나 남아 있는지를 시계열로 추적하는 방식입니다.리텐션 커브(retention curve): 위와 같은 리텐션율을 시간축에 따라 그려서, 초기에 얼마나 떨어지고 어디서 평탄해지는지(충성 유저 층 형성 여부)를 보는 그래프입니다.
계산 관점에서의 정의 가장 단순한 형태의 리텐션율은“특정 기간 시작 시점의 유저 수 대비, 그 기간이 끝났을 때도 남아 있는 유저 수의 비율”로 계산합니다.예: 어떤 앱에 1월에 100명이 가입했고, 2월 말에 이 중 40명이 여전히 최소 한 번 이상 앱을 사용했다면, 1개월 리텐션율은 40%가 됩니다.
활용 포인트 서비스/프로덕트: 온보딩(초기 경험), 핵심 기능 사용 여부, 푸시·이메일 CRM 등을 설계할 때 리텐션을 주요 목표 지표로 둡니다.비즈니스/경영: 고객 생애 가치(LTV), 재방문/재구매 구조, 구독 유지율 등을 분석하면서 리텐션을 핵심 지표로 삼아 수익성과 성장성을 판단합니다.
아래 공식들은 사용자가 수행한 “핵심 행동(A)”을 기준으로 정의함
가장 기본 리텐션 공식
가장 기본 리텐션 공식
특정 기간 리텐션율 예: 1월 1일 기준 활성 사용자 1,000명 중, 1월 31일에도 최소 1회 이상 사용한 사용자가 600명이면, 1개월 리텐션율은.
1) N-Day(클래식) 리텐션
정의: Day 0(처음 A 행동을 한 날)을 기준으로, 정확히 N일째에 다시 A 행동을 한 사용자 비율.
공식:
예: 1월 1일에 앱 가입한 100명 중, 1월 2일(가입 후 1일차)에 앱에 다시 접속한 사람이 30명이면 Day 1 리텐션은 30%.
2) Bracket(범위) 리텐션
정의: “N일차” 같은 한 시점이 아니라, “N구간(예: 1~7일, 8~14일)” 범위 내에 A를 1번 이상 수행했는지 보는 방식.
공식:
예: 가입 후 1~7일 사이에 한 번이라도 재방문한 비율, 8~14일 사이 재방문한 비율 등으로 주 단위 리텐션을 보는 경우.
3) Unbounded(롤링) 리텐션
정의: Day 0 이후 N일째 “또는 그 이후 언젠가”라도 돌아온 사용자를 모두 유지로 보는 방식.
대표적인 표현 2가지가 있는데, 실무에서는 아래 두 형태 중 하나를 택합니다.
계산 방식별 비교
구분
정의 요약
공식 형태 핵심
기본 리텐션율
기간 시작 대비 끝까지 남은 유저 비율
남아 있는 유저 / 시작 유저
N-Day 리텐션
Day 0 기준 정확히 N일째에 돌아온 비율
Day N에 돌아온 유저 / Day 0 유저
Bracket 리텐션
N구간(범위) 안에서 1회 이상 돌아온 비율
Range N에서 1회 이상 / Range 0 유저
Unbounded 리텐션
Day 0 이후 N일까지(또는 이후 언제든) 살아남은 비율
이탈 제외 후 남은 유저 / Day 0 유저
State of AI, An Empirical 100 Trillion Token Study with OpenRouter, 202512
Top 15 OSS models over time.Weekly relative token share for leading open source models (stacked area chart). Each colored band represents one model's contribution to total OSS tokens. The broadening palette over time indicates a more competitive distribution without a single dominant model in recent months.
