배경
Devsisters는 업계 평균인 약 7일 대비 두 배에 달하는 **14일 비활성 기간(Inactivity Window)**을 운영하고 있었습니다.
이로 인해 리타게팅이 가능한 잠재 유저 풀이 과도하게 제한되었고, 그 결과 타겟 규모 축소, 사용자 품질 저하, ROI 및 증분 효과 약화로 이어질 가능성이 존재했습니다.
이에 따라 팀은
① 사용자가 자연적으로 복귀하기 전에 더 이른 시점에 리타게팅을 집행할 경우 성과가 개선되는지,
② 해당 변경이 자연 회귀(Organic Return)를 잠식하지는 않는지를
데이터 기반으로 검증할 필요가 있었습니다.
이를 위해
- **컴백 분석(Comeback Analysis)**을 통해 유저의 자연 복귀 패턴을 정밀하게 이해하고,
- **aROAS(adjusted ROAS)**를 활용해 자연 복귀 비중이 높은 구간에서 KPI를 어떻게 조정해야 하는지를 분석했습니다.
목표
본 분석의 목적은 Devsisters가 비활성 기간(Inactivity Window)을 안전하게 단축하면서 전체 성과를 개선할 수 있는지를 판단하는 것이었습니다. 이를 위해 다음을 검증했습니다.
- 리타게팅 없이 비활성 유저가 자연적으로 얼마나 자주 복귀하는지 측정
- **aROAS(adjusted ROAS)**를 활용해 더 이른 타겟팅의 가치를 검증
- 비활성 기간 최적화를 통해 타겟 오디언스 규모를 확대하고 성과를 개선할 수 있는지 확인
그 결과, 비활성 기간 단축은 성과 목표를 유지하면서도 더 크고 반응성 및 퀄리티가 높은 오디언스를 타게팅 할 수 있게 해주었습니다.
전략
팀은 비활성 기간을 단축했을 때 발생할 수 있는 가장 큰 리스크, 즉 광고 없이도 돌아올 사용자에게 광고를 집행하게 되는 상황 (cannibalization) 을 피할 수 있는지를 데이터로 검증하는 데 집중했습니다.
핵심 요약(Key Takeaways)
이 사례는 컴백 분석과 aROAS를 함께 활용하여 최적의 비활성 기간을 도출하는 방식을 명확히 보여줍니다.
- **컴백 분석(Comeback Analysis)**은
비활성 유저가 실제로 스스로 자연 복귀를 멈추는 시점을 밝혀,
업계 평균에 의존하지 않고 **각 앱에 맞는 이상적인 비활성 기간(IW)**을 설정할 수 있도록 돕습니다. - **Adjusted ROAS(aROAS)**는
유저가 리타게팅 없이도 위 컴백 분석을 활용한 자연 복귀하는 확률을 고려해,
KPI를 합리적으로 조정하고 진정한 증분 성과를 평가할 수 있게 합니다.
이러한 인사이트를 기반으로 Devsisters는
도달 범위를 확장하면서도 ROAS 목표를 기대이상으로 충족하고,
전체적인 매출을 고려한 퍼포먼스를 확실하게 개선할 수 있었습니다.
컴백 분석과 Adjusted ROAS를 활용해 비활성 기간을 단축함으로써 Devsisters가 진정한 증분 성장(True Incremental Growth) 수준에서 ROAS와 잠재 고객 규모를 어떻게 개선했는지 확인하세요