Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

4.5 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

title

이탈률(Churn Rate)

📌 한 줄 통찰 (The Karpathy Summary)

이탈률(Churn Rate)은 더 이상 게임을 플레이하지 않는 사용자의 비율을 측정하는 핵심 지표이다[1]. 주로 1에서 유지율(Retention Rate)을 차감하는 방식으로 계산되며, 구독 모델이나 무료 플레이 모델 등에서 고객 평생 가치(LTV)를 산정하는 데 필수적인 요소로 사용된다[2-4]. 이탈률이 높을 경우 기존 사용자 감소분을 메우기 위해 신규 사용자 확보에 지속적으로 비용을 지불해야 하므로, 결과적으로 게임의 성장과 수익성에 심각한 악영향을 미친다[1, 5].

📖 구조화된 지식 (Synthesized Content)

이탈률의 정의와 계산 방법
- 이탈률은 기본적으로 1에서 순유지율(Net Retention Rate)을 뺀 값으로 계산된다(예: 유지율이 40%라면 이탈률은 60%가 됨)[2-4].
- 또는 특정 기간(예: 28일 연속 미접속) 동안 게임을 플레이하지 않은 플레이어를 이탈자로 간주하여 계산할 수도 있다[2].
- 금전적인 측면을 평가하기 위해 MRR 이탈률(MRR Churn Rate)을 사용하기도 하며, 이는 이전 기간 대비 현재 기간의 월간 반복 수익(MRR) 감소분을 통해 이탈로 인한 이익 손실을 측정한다[1].
LTV 및 수익성에 미치는 영향
- 이탈률은 고객 평생 가치(LTV) 산출 공식의 분모에 해당하며, LTV는 ARPU(가입자당 평균 수익)를 이탈률로 나눈 값으로 정의된다[4, 6].
- 아무리 ARPU가 높더라도 이탈률이 높으면 LTV가 급격히 잠식당하게 된다[5].
- 높은 이탈률은 LTV를 고객 획득 비용(CAC) 임계값(예: $15) 아래로 너무 빨리 떨어뜨리므로, 건강한 경제 모델을 유지하고 LTV를 극대화하기 위해서는 이탈률을 낮추는 데 집중해야 한다[5, 7, 8].
이탈의 선행 지표 및 위험 관리
- 이탈은 초기 사용자 경험(FTUE)과 밀접하게 연관되어 있다. 첫 7일 유지율(D7)이 낮다는 것은 첫 사용자 경험이 실패했음을 의미하며, 이는 결국 높은 이탈률로 이어진다[5].
- 만약 게임의 핵심 설정 및 온보딩 과정을 완료하는 데 14일 이상이 소요된다면 이탈 위험(Churn risk)은 급격히 증가한다[8, 9].
- 높은 이탈률 하에서는 현상을 유지하기 위해 지속적으로 이탈한 유저를 신규 유저로 채워넣어야(backfill) 하므로 전체적인 게임의 성장을 저해하게 된다[1].

🔗 지식 연결 (Graph)

Related Topics: 유지율(Retention Rate), 고객 평생 가치(LTV), 고객 획득 비용(CAC), 유저 평균 매출(ARPU)
Projects/Contexts: 가상 경제 시스템의 구조적 무결성과 데이터 기반 수익화 전략 분석, Mobile Game Development
Contradictions/Notes: 소스 전반에 걸쳐 이탈률이 게임 성장 및 LTV에 미치는 치명적인 악영향에 대해 이견 없이 동의하고 있으며, 이탈률과 유지율은 서로 반비례하는 구조임을 공통으로 강조하고 있습니다.

Last updated: 2026-04-29

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

(TODO)

언제 쓰면 안 되는가:

(TODO)

🧪 검증 상태 (Validation)

정보 상태: needs_review
출처 신뢰도: A
검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
처리 방식: UPDATE (자동 정규화)
처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

과거 데이터와의 충돌: 없음
정책 변화: 없음

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

4.5 KiB Raw Blame History