에빙하우스의 망각곡선, 그리고 유저 리텐션

 

들어가며

에빙하우스의 망각곡선
(Ebbinghaus forgetting curve)

- 살면 한번쯤은 들어봤을 에빙하우스의 망각곡선, 학습법/기억 관련된 분야에서는 월드 스타라고 할 수 있다. 

- 물론, 에빙하우스의 실험에 대해 비판이 없는 것은 아니다. 

- 하지만, 데이터 시각화의 관점에서 에빙하우스의 망각곡선은 상당히 유용한 지표라고 생각한다.

- 이번 글에서는 에빙하우스의 망각곡선을 이용하여 유저 리텐션에 대해 생각해보려 한다.

 

에빙하우스의 망각곡선이란?

https://web.archive.org/web/20051219184857/http://psy.ed.asu.edu/~classics/Ebbinghaus/memory7.htm

Classics in the History of Psychology -- Ebbinghaus (1885/1913) Chapter 7

- 에빙하우스 씨가 독일분이라, 후대 다른 분이 원문을 영어로 번역한 문서 같다.

- 아래 표를 살펴보면, After X hours 후에 Q%를 기억하고 있다는 것을 알 수 있다.

- 이건 여담인데, 에빙하우스 씨는 망각이라는 단어 보다는 Retention이라는 단어를 더 많이 사용하신 것 같다.

- 즉, 망각 보다는 기억 유지(Retention)의 관점에서 실험을 진행하신게 아닐까?라는 생각이 들었다.

 

선풍적인 인기

https://yonseisu.modoo.at/?link=9s6l8wxp

- 대부분, 이 그래프를 한번쯤은 봤을 것이다.

- 그만큼, 에빙하우스 실험은 큰 인기를 끌었다. 그렇다면, 왜 이렇게 인기를 끌었을까?

 

좋은 지표란

- 좋은 지표의 요건 중 하나는 "지표를 보고 액션을 유발할 수 있느냐"이다. 

- 위와 같은 관점에서 에빙하우스의 망각곡선은 좋은 지표라고 할 수 있다.

EBS - 학교란 무엇인가

- 그 이유는 "한시간 만 지나도 절반 넘게 까먹으니까 계속 복습해!"와 같은 명확한 액션을 유발할 수 있기 때문이다.

- 그리고, 이와 같은 문장들은 마케팅 문구로 활용하기에도 안성맞춤이다.

- 그래서, 그렇게 인기가 있었던 것이 아닐까?

 

리텐션

- 그런데, 이 그래프 어디서 많이 본 것 같다.

https://www.linkedin.com/pulse/retention-curves-shreyas-venkatesh/

- 바로 리텐션 그래프.

- 리텐션 역시 에빙하우스의 망각곡선과 마찬가지로, 명확한 액션을 유발할 수 있는 지표이다. (물론, 액션을 구체적으로 정하기 위해서는 후속 분석이 필요하다.)

- 예를 들어, 위 그래프에서는 Day1 하루만에 73%의 고객들이 이탈한 것을 알 수 있다. 

- 그렇다면, 응? 하루만에 이렇게 다 나간다고? 뭔가 조치를 취해야 겠어. 와 같은 접근을 취할 수 있는 것이다.

- 리텐션을 중요하게 생각하는 다른 이유로는 잔존 시키는 비용이 신규 모객 비용보다 저렴하다는 것이 있다.

 

개인 간 차이

에빙하우스는 자신을 다양한 맞춰 "WID"와 "ZOF"와 같이 의미없는 음절을 암기하여 테스트하고 이 결과에 맞추어 그래프를 만들었는데
- https://www.wikiwand.com/ko/%EB%A7%9D%EA%B0%81_%EA%B3%A1%EC%84%A0 -

- 에빙하우스는 "자기 자신을" 대상으로 실험했다. 상단에 첨부했던 결과표는 기억력 테스트에 대한 에빙하우스 의 테스트 결과이다.

- 따라서, 개인에 따라 망각 곡선은 다를 수 있다.

- 관련된, 내용이 위키백과에 나온다. 

https://www.wikiwand.com/ko/%EB%A7%9D%EA%B0%81_%EA%B3%A1%EC%84%A0

- 실제로 그려보자. 상대적인 기억력 S가 5인 사람과 10인 사람의 추정 망각 곡선을 비교해보겠다.

time_list_hour = np.concatenate(
    (np.arange(1, 10.5, 0.5), 
     np.arange(1, 10.5, 0.5)), axis=0)
person_memory_ability = np.repeat(
    np.array([5, 10]), 
    len(time_list_hour)//2, 
    axis=0)
    
memory_loss_indicator = np.array([np.power(np.e, -t/s) for t, s in zip(time_list_hour, person_memory_ability)])

np_stack = np.stack((
    time_list_hour,
    person_memory_ability,
    memory_loss_indicator
))

np_transpose = np.transpose(np_stack)

memory_df = pd.DataFrame(
    np_transpose,
    columns=['time_list_hour', 'person_memory_ability', 'memory_loss_indicator']
    )
    
sns.lineplot(
    data = memory_df,
    x = 'time_list_hour',
    y = 'memory_loss_indicator',
    hue = 'person_memory_ability'
)

 

- 상대적인 기억력이 높을 수록(=10) 시간에 따른 기억 비율이 완만하게 감소하는 것을 알 수 있다.

 

누구의 리텐션인가

- 리텐션도 마찬가지, 어떤 고객인지에 따라 리텐션이 달라진다.

https://www.youtube.com/watch?v=eroFXOSrhv8 

- 틴더 설립자가 틴터의 경영 철학에 대해 설명해주는 영상이다.

- 광고유입(Paid Traffic)이 아니라 자연 유입(Organic Traffic)을 통한 트래픽에 신경 썼다는 얘기가 나온다.

- 그 이유로는 틴더에서는 사용자 간의 상호작용이 중요한데,

- 상대방의 관심에 응답하지 않는 사용자 발생 -> 응답을 받지 못한 사용자가 이탈 하는 경우가 생길 수 있기 때문이다.

- 그래서, 틴더라는 프로덕트에 대해 자연적으로 관심을 가지는 유저들을 끌어오기 위해 어떤 노력들을 했는지를 영상에서 설명한다. 

- 꽤 재밌는 영상이니, 한번 보셔도 좋을 것 같다.

- 여하튼, 요지는 어떤 고객인지에 따라서 리텐션이 달라질 수 있다는 것이다.

https://secondmeasure.com/datapoints/disney-takes-customer-retention-crown-from-netflix/

- 과금 모형에 따라서도 위와 같이 서로 다른 리텐션을 가질 수 있다.

- 그래서, 유저 세그먼트(코호트)가 중요하다. 유저 세그먼트는 정말 중요한 것 같다,, 

 

결론 

- 좋은 지표는 액션을 유발한다.

- 에빙하우스의 망각 곡선이 히트한 이유는 좋은 지표이기 때문이다. 그래서, 액션을 유발할 수 있는 명확한 마케팅 문구로 활용되었다.

- 리텐션도 에빙하우스의 망각 곡선과 꽤 많이 닮아 있다.

- 두 그래프 모두 사람들의 액션을 유발할 수 있다. 그래서인지, 관심을 많이 끌 수 있는 지표이기도 하다.

- 하지만, 구체적인 전략을 수립하기 위해서는 한번 더 나눠서 살펴볼 필요가 있다. 

- 망각곡선도 리텐션도, 사람에 따라 다를 수 있다.