코호트 분석이 왜 단순 재방문율보다 유용한가

"이번 달 재방문율이 20%"라는 평균값은 여러 시기에 유입된 사용자를 뭉뚱그린 결과라서, 최근에 들어온 신규 유저의 재방문율이 좋아지고 있는지 나빠지고 있는지 알려주지 않습니다. 코호트 분석은 유입 시점별로 사용자를 그룹으로 나눠서, 각 그룹이 시간이 지나며 어떻게 행동했는지를 나란히 비교해서 보여줍니다. 이렇게 하면 "3주 전에 들어온 그룹은 1주차 재방문율이 30%였는데, 이번 주 들어온 그룹은 벌써 40%를 넘었다"처럼 개선 추이를 시점별로 명확하게 확인할 수 있습니다. 이는 마케팅 캠페인이나 온보딩 개선의 실제 효과를 검증하는 가장 직접적인 방법이기도 합니다.

코호트 표는 어떻게 읽어야 하나

코호트 분석 화면의 표는 열이 코호트(획득 주차), 행이 그 이후 경과 기간을 나타내는 격자 구조입니다. 예를 들어 표의 첫 번째 열은 8월 첫째 주에 처음 유입된 사용자 그룹이고, 그 아래 행들은 이 그룹이 0주차(유입 당일), 1주차, 2주차, 3주차에 각각 얼마나 재방문했는지를 보여줍니다. 각 셀의 값은 절대적인 사용자 수로도, 0주차 대비 비율(%)로도 표시할 수 있는데, 서로 다른 규모의 코호트를 비교할 때는 절대값보다 비율로 보는 것이 코호트 간 품질 차이를 훨씬 명확하게 드러냅니다. 일반적으로 표의 대각선 방향으로 값이 줄어드는 패턴이 나타나는데, 이 감소 속도가 완만할수록 리텐션이 좋다는 뜻입니다.

재방문율 외에 어떤 측정항목으로 코호트를 만들 수 있나

코호트 분석은 재방문 여부뿐 아니라 누적 구매 금액, 반복 구매 횟수, 평균 세션 시간처럼 다양한 측정항목을 기준으로 만들 수 있습니다. 예를 들어 누적 구매 금액 기준 코호트를 만들면, 특정 주에 유입된 사용자군이 시간이 지나며 평균적으로 얼마의 매출을 누적해서 발생시키는지 추적할 수 있어, 이것이 곧 그 코호트의 실질적인 생애 가치(LTV) 곡선이 됩니다. 신규 캠페인으로 유입된 사용자군의 LTV 곡선이 기존 오가닉 유입 사용자군보다 낮은 기울기로 상승한다면, 그 캠페인이 당장의 유입량은 늘렸어도 장기적인 수익성 기여는 낮다는 신호로 해석할 수 있습니다.

획득 기준을 다르게 설정하면 어떤 관점이 열리나

코호트를 나누는 기준(획득 기준)은 기본적으로 '첫 방문'이지만, '첫 구매'나 특정 이벤트를 기준으로도 바꿀 수 있습니다. '첫 구매' 기준으로 코호트를 만들면, 처음 구매한 시점부터 이후 재구매까지 걸리는 패턴을 추적할 수 있어 재구매 주기가 긴 업종(가구·가전 등)의 CRM 전략 설계에 특히 유용합니다. 이렇게 획득 기준을 바꿔가며 같은 사용자 데이터를 다른 관점에서 반복 분석할 수 있다는 점이 코호트 분석의 유연성입니다.

코호트별 품질 차이를 발견했을 때 무엇을 확인해야 하나

특정 주차의 코호트가 유독 리텐션이 낮게 나타났다면, 그 시기에 어떤 캠페인이 집행됐는지, 어떤 매체 비중이 높았는지를 함께 확인해야 원인을 좁힐 수 있습니다. 예를 들어 특정 프로모션으로 대량 유입된 주차의 코호트가 이후 재방문율이 낮다면, 그 프로모션이 실제 관심 고객보다 할인만 노리는 일회성 사용자를 많이 끌어들였을 가능성을 의심해볼 수 있습니다. 이처럼 코호트 분석은 단순히 숫자를 보여주는 데서 끝나지 않고, 그 뒤에 어떤 마케팅 활동이 있었는지 되짚어보는 계기를 만들어줍니다.

코호트 분석의 한계와 데이터 보관 기간과의 관계

코호트 분석도 탐색 분석의 일종이기 때문에, 앞서 다룬 데이터 보관 기간 설정(2개월 또는 14개월)의 영향을 그대로 받습니다. 보관 기간이 2개월로 설정된 속성에서는 8주 이상 장기간의 코호트 곡선을 볼 수 없으므로, 재구매 주기가 긴 업종이나 연간 단위로 코호트를 분석하고 싶은 팀은 데이터 보관 기간을 반드시 14개월로 미리 늘려두거나, BigQuery 내보내기로 원본 데이터를 별도 보관해야 장기 코호트 분석이 가능합니다.

매체별 코호트를 나눠서 유입 채널의 장기 품질을 비교하는 법

같은 코호트 분석 화면에 매체별 세그먼트를 겹쳐 적용하면, 광고 매체마다 유입된 사용자군의 장기 리텐션·LTV 곡선을 나란히 비교할 수 있습니다. 예를 들어 A 매체로 유입된 코호트는 초기 유입 규모는 작지만 8주 뒤에도 절반 가까이 재방문을 유지하는 반면, B 매체로 유입된 코호트는 초기 유입 규모는 훨씬 크지만 2주 안에 대부분 이탈하는 패턴을 보인다면, 단기 유입량만 보고 예산을 배분했을 때와는 전혀 다른 결론에 도달하게 됩니다. 이런 비교는 매체별 CPA만으로 예산을 정하는 관행에서 벗어나, 장기 가치를 함께 고려한 예산 배분 논의의 근거 자료로 쓰기에 적합합니다. 코호트 표의 셀 값을 절대 사용자 수에서 비율로, 다시 누적 매출 금액으로 바꿔가며 번갈아 확인하는 습관도 유용합니다. 같은 데이터라도 어떤 단위로 보느냐에 따라 눈에 띄는 패턴이 달라지기 때문에, 하나의 관점에만 의존하지 않고 여러 단위를 교차로 확인하면 놓치기 쉬운 이상 패턴을 더 빨리 포착할 수 있습니다.