brunch

라이킷 34 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by MSMMX Oct 11. 2022

데이터를 통해 고객의 행동 패턴 파악하기: 코호트 분석

고객을 더 깊이 이해할 수 있는 가장 좋은 행동분석방법

코호트 분석(Cohort Analysis)이란?

코호트 분석은 동일한 기간동안 동일한 특성을 가진 사람들을 모아 분석하는 것을 의미하며, 일종의 ‘행동 분석’ 방법이다. 코호트 분석은 마케팅을 위해 많이 쓰는 방법이며, 대표적인 툴로는 구글 애널리틱스(Google Analytics)가 있다.

코호트 분석을 통해 이용자 집단을 분석하여 해당 서비스의 기능들을 개선시키며 이용자들의 참여도 및 이용률을 높일 수 있다는 장점이 있다. 또한 코호트를 통해 팀은 전체 사용자 기반에 대한 데이터를 단순히 보는 것보다 더 의미 있는 방식으로 이용자를 이해할 수 있다.

쉽게 이해하는 코호트 분석

올바른 예 - '연세대학교 19학번 신입생' (O)
잘못된 예 - '연세대학교 신입생' (X)

= 같은 신입생 (동일한 특성) 이지만, '19학번'(동일한 기간) 까지의 조건이 충족되어야 코호트로 분류할 수 있다.

코호트 분석을 통해 분석할 수 있는 데이터:

- 전환률 (conversion rates)

- 리텐션률 (Retention rates)

- 이용자의 목표 달성률 (Goal completions per user)

- 이용자의 수익률 (Revenue per user)

- 이용자 당 세션 (sessions per user)

- 이용자 당 페이지 뷰 수 (Page views per user)

- 이용자 당 세션 기간 (얼마나 오래 머물러 있는지) (session duration per user)

- 이용자당 전환률 (transactions per user)

코호트 분석은 유저들의 행동을 관찰하는 동시에 이들을 깊이 이해할 수 있을 뿐만 아니라, 시간이 지남에 따라 특정 그룹들의 행동이 어떻게 변화하는지에 대해 파악할 수 있다는 장점이 있다.

예시로 분석해보는 코호트

출처- CleverTap

위의 그래프를 예시로 코호트를 분석해보자. (색이 진할수록 비율이 높음을 의미함)

위 그래프는 “10일 이내로 가입한 신규유저의 10일간의 앱 사용률’ 현황을 나타내는 지표이다.

해당 그래프를 통해 10일 이내로 가입한 신규유저의 10일간의 앱 사용 현황을 통해 알아내고 발견할 수 있는 문제점들로는 무엇이 있을까?

유저 가입수는 10일간 증가하는 추세이지만, 신규유저들의 10일간의 앱 활성률은 낮아지고 있음을 알 수 있다.

앱 활성률이 낮아지는 이유 → 고려해볼 수 있는 문제점:

1. 온보딩 과정에서의 문제

2. 다른 지표 (서비스 이용/앱 내 머무는 시간 등)을 파악 후 문제 파악 및 서비스/품질 개선 필요 (활성률 하락의 원인 파악 필요)

3. 이용자의 니즈와 욕구를 충분히 충족시켰는가?

우선, 해당 코호트와 다른 집단과 비교할 데이터가 따로 없고 어느 분야의 플랫폼인지에 대한 내용이 없으므로 우선적으로 위의 코호트를 통해 고려해볼 수 있는 문제점을 정의해보았다.

이를 통해 우리는 Product Lifetime (제품수명 주기) 와 User Lifetime (유저수명 주기)를 알아낼 수 있으며 코호트 분석을 통해 고객의 몇퍼센트가 3일 후 앱을 이용할 확률 및 리텐션률을 예측할 수 있다. 만약 다른 코호트 집단의 데이터가 있다면, 특정 기간 내 이용자 그룹의 행동이 다른 기간의 이용자 그룹과 어떤 차이가 있는지도 쉽게 파악할 수 있다는 장점이 있다.

또한, 코호트 분석을 토대로 새로운 유저가 앱 다운로드 후 10일간의 이용률을 살펴보았을 때 해당 서비스의 온보딩 품질 및 고객경험이 이들에게 만족을 시켰는가에 대한 여부를파악해볼 수 있으며 신규 유저들이 앱에 얼마나 머물러 있는지 그리고 해당 서비스에 얼마나 자주 방문하는가에 대한 지표를 살펴보며 제품의 품질 과 운영 및 고객지원 서비스의 개선을 진행할 수 있다.

[요약]

코호트 분석을 통해 알아낼 수 있는 내용:

- 이용률 예측
- 리텐션률 예측
- 특정 기간 내 이용자 집단 VS 다른 기간 이용자 집단의 행동 특성 및 차이점 파악 가능
- 온보딩/고객경험이 이들을 만족시켰는가에 대한 여부 파악 가능
- 제품의 품질과 운영 및 고객지원 서비스의 개선이 필요한가에 대한 여부 파악 가능

코호트 분석 시 고려해야 할 점

특정 이용자 분류 시, 나이/지역/구매 횟수/서비스 버전 등을 기준으로 집단을 나누어서는 안된다. 집단을 나눌 때 ‘기간’에 대한 정의와 ‘어느 유형’의 유저인지에 대한 정의가 우선 필요하다.

예시

1. 파워 유저들 - 지난 7일간 3회 이상 상품 구매를 한 집단

2. 요금제 업그레이드를 한 유저들 - 지난 30일간 요금제를 업그레이드 한 집단

3. 비활성화된 유저들 - 지난 14일간 서비스에 접속하지 않은 집단

4. Acquisition cohort - 같은 날 혹은 다른 주에 서비스에 가입한 집단

5. 다른 경험을 한 유저들 - 10월 3주차에 '앞문'으로 들어온 고객과 '뒷문'으로 들어온 고객

코호트 분류 시 반드시 기억해야 할 점은 두가지이다: '기간' & '특성'

코호트와 세그먼트?

출처 - Investopedia

세그먼트 역시 이용자를 분류하는 하나의 프로세스로, 회사의 목표 시장에 유사한 요구와 행동을 가진 잠재 고객을 그룹으로 나누는 방법이다. 세그먼트는 고객을 비슷한 성향과 특성별로 그풉핑하여 분류한다.

세그먼트를 나누는 기준들의 예시:

1. 인구통계학적
연령, 성별, 직업, 소득, 학력, 가족구성원, 종료 등과 같은 변수에 근거하여 세분화

2. 지리적
국가, 지역, 도시, 경제적 상황, 인구, 기후, 문화 등 지리적 단위로 나누어 세분화

3. 행동적
상품에 대한 흥미, 구매현황, 상품에 대한 태도나 지식(예. 이름만 알고 있음/자세히 알고 있음/ 전혀 모름 등으로 분류), 충성도 등의 변수에 기반하여 분류

출처- Beusable

Q. 그렇다면 세그먼트와 코호트의 차이점은 무엇일까?

세그먼트와 코호트의 동일한 예시를 통해 차이점을 명확하게 알아보도록 하자:

- 세그먼트: 장바구니에 물건을 담아둔 유저들

- 코호트: 지난 7일간 장바구니에 물건을 담아둔 이번 달에 가입한 새 유저

위의 사례처럼 세그먼트와 코호트의 차이점이 명확하게 잘 보일 것이다.

세그먼트를 전체 고객을 ‘특정 기준’으로 나눈 것이고, 코호트는 ‘동일한 기간’에 ‘동일한 특성’을 가진 사람들을 분류하는 것으로 코호트는 세그먼트와 달리 ‘기간’이란 개념이 포함되어야 한다.

세그먼트를 코호트로 나눠보기

세그먼트와 코호트는 '세분화'에 차이를 두기 때문에, 세그먼트에 세분화를 더하면 코호트로 분석을 진행할 수 있다.

만약 세그먼트의 분류가 “구매전환에 성공한 신규 가입자 수”이라고 가정을 해보자.
해당 분류에 '기간'이란 특징을 넣어 세분화를 시킨다면 아래와 같이 분류를 해볼 수 있을 것이다.

- 지난 1주간 5회 이상 상품을 구매 한 유저
- 지난 2주간 5회 이상 상품을 구매 한 유저
- 지난 3주간 5회 이상 상품을 구매 한 유저
...

위처럼 하나의 세그먼트에 '기간' 이란 조건을 넣어 세분화를 시킨다면 코호트가 될 수 있음을 알 수 있다.