'코호트 분석' 평균의 함정에서 벗어나는 법"
기획자의 프레임웍
모든 사용자를 하나의 큰 그룹으로 보면 진실은 가려진다.
- 1월에 가입한 사용자와 12월에 가입한 사용자의 행동 패턴이 같을까?
- 블랙프라이데이 할인으로 유입된 고객과 지인 추천으로 온 고객의 충성도가 동일할까?
코호트 분석은 이런 질문에 답하기 위해 탄생했다.
코호트 분석(Cohort Analysis)은 특정 기간 또는 공통된 특성을 가진 사용자 집단(코호트)을 정의하고, 이 집단의 행동 변화를 시간의 흐름에 따라 추적하는 기법이다. '코호트(Cohort)'는 원래 로마군대의 부대를 의미하는 단어로, 함께 행군하는 병사들의 집단을 가리켰다. 오늘날 데이터 분석에서는 '같은 시기에 가입했거나', '같은 경로로 유입되었거나', '같은 행동을 한 사용자 그룹'을 지칭한다.
이 분석법은 본래 역학 및 사회과학에서 인구 집단의 변화를 추적하기 위해 사용되었다. IT 업계에서는 2010년대 중반부터 구글 애널리틱스, 믹스패널 등의 데이터 툴이 코호트 분석 기능을 도입하면서 스타트업과 이커머스, SaaS 기업들이 본격적으로 활용하기 시작했다.
넷플릭스는 코호트 분석을 통해 가입 시점별 구독 유지율을 추적한다. 이를 통해 특정 오리지널 콘텐츠 출시 시점에 가입한 사용자들의 장기 구독률이 높다는 사실을 발견하고, 콘텐츠 제작 전략을 최적화했다. 에어비앤비는 첫 예약 후 재방문율을 코호트별로 분석해, 첫 경험이 만족스러운 고객의 장기 충성도가 높다는 점을 발견하고 첫 예약 경험 개선에 투자했다.
코호트 분석의 가장 큰 장점은 '평균의 함정'에서 벗어날 수 있다는 점이다. 예를 들어, 전체 사용자의 재방문율이 30%라는 수치만 보면 서비스의 전반적인 건강상태를 알 수 없다. 그러나 코호트 분석을 통해 최근 3개월 내 가입자의 재방문율이 점점 상승하고 있다면, 이는 제품이 개선되고 있다는 긍정적 신호로 볼 수 있다.
기획자가 코호트 분석을 실전에 적용하려면 몇 가지 단계를 따라야 한다. 먼저, 분석 목적에 맞는 코호트를 정의해야 한다. 가입일, 첫 구매일, 유입 경로 등 다양한 기준을 활용할 수 있다. 다음으로 데이터를 수집하고 가공한다. 사용자별 주요 이벤트와 타임스탬프를 추출하고, 코호트별로 집계한다. 그리고 코호트별 리텐션(재방문/재구매율), 이탈률, 구매액 등 핵심 지표를 계산한다. 마지막으로 히트맵(Heatmap) 등을 통해 코호트별 변화 추이를 시각화하고 인사이트를 도출한다.
코호트 분석 시 주의해야 할 점은 적절한 기간 설정이다. 너무 짧은 기간으로 분석하면 의미 있는 패턴을 발견하기 어렵고, 너무 긴 기간은 시의적절한 의사결정을 방해한다. 또한 코호트 크기가 너무 작으면 통계적 유의성이 떨어질 수 있으므로, 충분한 표본을 확보해야 한다.
디지털 서비스가 성장하려면 단순히 신규 사용자를 유치하는 것보다, 기존 사용자의 충성도를 높이는 것이 중요하다. 코호트 분석은 어떤 사용자 그룹이 왜 남고, 왜 떠나는지 이해하는 강력한 도구다. 이를 통해 온보딩 개선, 리텐션 전략 수립, 마케팅 최적화 등 실질적인 성장 전략을 수립할 수 있다.
