코호트 분석에 대한 완벽 가이드: 제품 이탈을 줄이고 강화시키는 방법 - Mixpanel
코호트(동질 집단) 분석의 최종적 가이드: 고객 이탈을 줄이고 제품을 강화하는 방법
인기 있는 주제

코호트(동질 집단) 분석의 최종적 가이드: 고객 이탈을 줄이고 제품을 강화하는 방법

Last edited: 3월 14, 2022
Yi Ting Kwa Marketing, APAC @ Mixpanel

유저 인터뷰와 피드백에만 의존하는 대신, 시간 외 실제 행동 데이터를 깊이 파고들면, 밸류 모멘트와 장애물이 어디 있는지 등 유저(고객) 여정에 대한 명확한 그림을 얻을 수 있습니다. 이 수준의 깊은 인사이트를 통해 고객 이탈을 줄이고 전체 제품을 강력하게 만드실 수 있습니다. 이제 그 방법을 알아보겠습니다.

코호트 분석이란?

코호트(동질 집단) 분석은 시간 경과에 따라 유저 그룹을 추적하는 방법입니다. 코호트는 획득 날짜, 제품 유형 또는 행동과 같은 공통 특성을 공유하는 유저 그룹입니다. 코호트(예: 유료로 서비스를 이용하는 유저)를 분석을 통해, 팀은 웹사이트나 앱의 기능을 조정하여 해당 개인을 수용하고 참여도를 높일 수 있습니다.

코호트 분석이 유용한 이유는 무엇입니까?

고객 코호트 분석은 행동 및 특성에 따라 유저를 그룹화하여 유저 추적을 단순화합니다. 간단히 말해서, 코호트는 빠른 참조를 위해 저장되고 그룹에 이름이 붙여진 유저의 세분화입니다. 팀은 분석 제품군에 로그인할 때마다 새로운 보고 필터를 설정하는 대신 “파워 유저”, “바쁜 주부” 또는 “7주 차”와 같은 코호트의 이름을 지정하고 시간 경과에 따라 해당 코호트의 성과를 반복적으로 확인할 수 있습니다.  코호트를 통해 팀은 전체 유저 기반의 데이터를 단순하게 보지 않고, 더 의미 있는 방식으로 유저를 이해할 수 있습니다. 넓은 범위의 평균으로는 종종 소규모 그룹의 특정 선호도를 판단할 수 없습니다. 팀이 이 특정 선호도를 이해하지 못하거나 확인하지 못하면, 그 유저들을 잃을 수도 있습니다. 예를 들어, 근소한 차이로 유저의 51%가 공포 영화를 좋아한다는 사실을 알게 된 한 비디오 스트리밍 서비스의 케이스가 있습니다. 해당 서비스는 가입한 모든 유저들에게 공포 영화를 추천하는 큰 실수를 하게 되는데, 사실 일부 유저들은 공포 영화에 관심이 없기에, 서비스가 자신에게 적합하지 않다고 생각하면 플랫폼에서 이탈할 가능성이 더 큽니다. 반면에 각 코호트의 선호도에 대한 인사이트를 활용하여, 비디오 플랫폼은 각 코호트에게 더 관련성 높은 추천 컨텐츠를 보여줌으로써 모든 유저들의 유지율을 높일 수 있습니다.

고려해야 할 코호트 유형

코호트는 공통 특성, 경험 또는 행동으로 정의되므로 유저 수명 주기 전반에 걸쳐 행동 패턴을 식별할 수 있습니다. 이러한 특성은 다음과 같을 수 있지만 이에 국한되는 것은 아닙니다.

  • 인구통계 (예: 연령 또는 위치)
  • 행동 (예: 기능 사용 횟수 또는 구매 금액)
  • 기술 (예: 앱 또는 SDK 버전)

종합해보면, 고려하고자 하는 유저 그룹 (예: 캘리포니아에 있는 21~30세 유저이며, 웹 기반 플랫폼과 비교하여, 앱을 사용하는 방식)으로 분석 범위를 좁힐 수 있습니다. 코호트 분류의 일반적인 예시는 다음과 같습니다.

  • 파워 유저  – 지난 7일 동안 3회 이상 구매한 유저
  • 최근 업그레이드 – 지난 30일 동안 요금제를 업그레이드한 유저
  • 비활성 유저 – 지난 14일 동안 앱을 사용하지 않은 유저

유저 획득 코호트, 같은 날 또는 같은 주에 제품에 가입한 유저 이러한 동질 집단에는 특정 특성(예: 아이폰 사용 또는 크롬을 통한 로그인)을 가진 유저를 포함하거나 자격을 박탈하는 기준을 포함할 수 있습니다. 요약하자면, 코호트를 사용하면 기준에 부합되지 않는 정보로 부정확한 인사이트가 나올 수 있는 광범위한 매트릭스에 의존하지 않고, 유저들을 좀 더 구체적으로 분석할 수 있기 때문에 더 많은 인사이트를 얻으실 수 있습니다.

행동 코호트를 고려해야 하는 이유

유저 획득 코호트와 인구 통계 정보를 고려하면 제품이 잘 수행되고 있는 부분과 시간 경과에 따른 이탈 추세를 폭넓게 파악하실 수 있습니다. 하지만 행동 집단(이전에 언급된 파워 유저 및 비활성 유저 등)을 고려해, 기능의 우선순위를 지정하고 효과적인 작업을 수행할 수 있습니다. 믹스패널(Mixpanel)의 애론 크리비츠키(Aaron Krivitzky)는 “유저의 행동을 연구할 때 사람들이 무엇을 하고, 무엇을 하지 않는지에 대한 데이터를 수집하여 사람들이 가치 있다고 여기는 제품을 만들 수 있습니다.” 라고 말합니다. “결국에는, 아무도 사용하지 않을 제품을 만들지 않을 것이며, 수요가 관찰되지 않는 특성이나 기능에 시간과 돈, 에너지를 투자하지 않을 것입니다.” 우리는 행동 분석 가이드에서 프로세스를 “행동 집단을 구성하고 참여, 전환 및 유지와 같은 것들을 분석하며, 시간이 지남에 따라 변화하는 이러한 것들을 측정하고자, 행동을 분류하고 계산하는 것”이라고 정의합니다. 따라서, 이런 종류의 행동 코호트는 새로운 유저를 확보하고 유저를 유지하는 데 필요한 인사이트를 제공합니다. 예를 들면, 파워 유저가 초기에 어떤 작업을 수행했는지 확인하고 온보딩을 최적화하여 더 많은 유저를 해당 작업으로 유도할 수 있습니다.

코호트 분석 vs 세그먼트

많은 이들이 ‘세그먼트’와 ‘코호트’를 같은 의미로 사용하지만, 이는 엄밀히 따지면 서로 다릅니다.   제품 분석 도구에서 유저를 분류하면 일반적으로 단일 작업(예: 업그레이드 버튼을 클릭한 총 유저 수)을 빠르게 볼 수 있습니다. 코호트에서는 이벤트와 기간을 결합하여 동일한 유저 그룹(예: 이번 주에 가입하고 처음 3일 이내에 업그레이드 버튼을 클릭한 유저)을 확인할 수 있도록 합니다.   따라서 코호트는 세그먼트의 하위 집합이며, 제품 분석에서 세그먼트의 중요한 응용 프로그램입니다.

세그멘테이션은 제품 팀이 온보딩 경험을 개선하기 위해 할 수 있는 가장 영향력 있는 작업입니다. 또한, 유저 온보딩의 변경 사항이 작동하는지 알 수 있는 유일한 방법은 코호트 분석이기도 합니다. 이로써, 코호트의 유저가 어떤 작업을 수행했거나, 작업이 활성화되거나 혹은 유지 매트릭스로 변경되는 방식을 확인할 수 있습니다. 요약하자면, 분석에서 코호트를 활용하지 않으면 온보딩을 개선하는 데 있어서 ‘일단 뿌리고 보자. 잘 되기를 바라야지.’와 같은 태도, 그 이상 그 이하도 아닐 것입니다.

람리 존(Ramli John) – 프로덕트레드 인스티튜트(ProductLed Institute)의 전무 이사

구글 애널리틱스 코호트 분석의 한계

전용 제품 분석 도구가 없는 팀의 경우 구글 애널리틱스가 작동하는 항목과 그렇지 않은 항목을 평가하는 데 디폴트값(기본값)으로 돌아가 버리는 경우가 많습니다. 구글 애널리틱스는 일부 표면 수준의 인사이트 확인을 위해 사용할 수 있지만, 팀이 강력한 세분화 및 집단 분석을 하는 것에는 불통이 생기기도 합니다. 예를 들어 구글 애널리틱스는 코호트 구축을 위해 다음과 같은 쿼리 지원이 불가합니다.

  • “이벤트”를 하지 않았다
  • 다른 요일에 X 번 “이벤트”를 수행했다.
  • 집계 속성(합계, 평균, 고유 개수 등)
  • “가장 빈번한” = x가 되는 이벤트 속성

더 중요하게 보셔야 할 것은, 구글 애널리틱스는 다중 기준 코호트 분석을 지원하지 않는다는 것입니다. 그 대신, 유지율은 하나의 기준으로만 측정할 수 있습니다. 대조적으로 믹스패널은 두 가지 기준으로 유지율을 측정할 수 있습니다. 다중 기준 코호트의 몇 가지 예는 이것이 여러 산업에서 중요한 이유를 보여줍니다.

  • ‘앱 설치’ 후 ‘예치금 입금’을 위해 돌아온 유저는 몇 명인가?
  • “비디오를 시청”한 유저가 “비디오 다운로드”를 위해 다시 돌아왔는가?
  • 얼마나 많은 유저가 귀하의 이커머스 사이트 검색 후, 결제를 위해 다시 방문했나?

마지막으로 믹스패널의 빈도 보고서를 활용하여 유저가 귀하의 제품 또는 서비스를 사용하기 위해 얼마나 자주 재방문하는지 확인하실 수 있습니다. 이는 구글 애널리틱스에는 허용하지 않는 기능이며, 빈도 분석은 유저가 행동을 반복하는 방법을 이해하는 데 큰 도움을 줍니다. 이는 유저가 일정 기간 동안 특정 기능을 얼마나 자주 사용하는지에 관한 이해에 매우 유용하며, 제품 관리자에게 기능의 우선순위를 지정하는 데 도움이 됩니다.

코호트 분석 방법

코호트 분석을 위해서는, 유익한 정도의 충분한 정보 세분화로 코호트 추적이 가능한 코호트 분석 도구가 필요합니다. 페이지뷰나 좋아요와 같은 허영이 가득한 매트릭스를 보는 것만으로는 충분하지 않습니다. 이는 유저들이 본인이 하는 액션에 대한 이유와 같은 구체적인 인사이트는 제공하지 않기 때문입니다. 팀은 기기 전반의 모든 유저 행동과 특성을 구독 또는 수익과 같은 구체적인 매트릭스와 다시 연관시켜야 합니다. 코호트 분석 도구는 다음과 같은 기능을 갖추어야 합니다.

  • 데이터 수집 및 CRM과 같은 공통 시스템과의 통합
  • 데이터 저장 및 보고
  • 그래픽 인터페이스
  • 추적 및 측정

1. 답변할 질문 선택하기

모든 여정과 마찬가지로 출발 전에 목적지를 알아야 합니다. 예를 들어, 팀에서 유저가 머무르도록 유도하는 요인, 업그레이드 가능성이 가장 높은 유저 그룹 또는 부정행위를 저지를 가능성이 가장 높은 유저 그룹이 궁금하신가요? 예를 들면, 스트리밍 음악 앱을 개발한 팀은 30일 후에도 해당 서비스를 계속 사용하는 유저에 대해 궁금할 수 있습니다. 이러한 유저를 추적하여 다른 유저를 유치 및 유지하는 방법을 이해하도록 코호트를 만들 수 있습니다. 예시:

  • 파워 유저는 누구입니까?
  • 어떤 유저가 새로운 기능을 선택하지 않습니까?
  • 얼마나 많은 고가치 유저가 크롬을 사용하나요?

2. 매트릭스 정의하기

팀이 선택한 질문에 답하는 데 도움이 되는 측정항목은 무엇입니까? 음악 앱의 경우 코호트에는 30일 후에 긍정적인 유지율을 보이는 모든 유저들이 포함됩니다. 그러나 코호트는 다음을 포함한 모든 종류의 매트릭스로 측정할 수 있습니다.

  • 유저의 가입 시점
  • 유저가 한 번 또는 반복적으로 구매했는지에 관한 행동들
  • 지역, 연령, 마케팅 소스에 따른 특성들
  • 가장 중요한 유저 인게이지먼트 매트릭스에 대해 알아보기

3. 코호트 정의하기

코호트 분석 도구 내에서 새 코호트를 만들고 문제의 코호트를 정의하는 행동 및 특성을 필터링합니다. 코호트를 저장하고 코호트 보고서 내에 수집된 유저들이 코호트의 매개변수와 일치하는지 확인하고, 필요할 때 조정합니다.

4. 결과 분석하기

팀은 필요할 때나 주기적으로 코호트 보고서를 실행하고, 다음과 같은 다양한 요인에 대해 집단의 성과를 추적할 수 있습니다.

  • 보유
  • 평균 주문 크기
  • 업그레이드
  • 사용
  • 인게이지먼트
  • 추천

팀은 코호트 간에 서로 비교하거나, 코호트를 광범위한 유저 집단과 비교하여 차이점을 확인하실 수 있습니다.

예를 들면, 특정 한 주 동안 마케팅 소프트웨어에 등록한 코호트는 평소보다 훨씬 더 높은 사용량과 유지율을 보일 수 있는데, 이때 해당 코호트의 행동을 조사함으로써, 서비스 개선을 위한 아이디어를 도출할 수 있습니다. 만약 팀이 해당 유저가 특정 마케팅 캠페인에서 유입되었다는 것을 알게 되면 해당 캠페인을 또 한 번 반복할 수 있다는 뜻이 됩니다. 또한, 코호트의 비정상적인 비율이 온보딩 시퀀스를 완료했다는 사실을 알게 되면, 온보딩 시퀀스를 보다 적극적으로 홍보해야 하는 것이 효과적일 것임을 예상하실 수 있습니다.

코호트 분석의 사례

다음은 코호트 분석을 사용하여 제품을 개선하는 방법에 대한 세 가지 실제 사례입니다.

유지력 향상

어린이 교육 소프트웨어 코트스파크(CodeSpark)는 유저를 획득 소스에 따라 코호트로 나누어 유지율을 높였습니다. A/B 팀은 각 그룹과 별도로 새로운 기능을 테스트한 결과, 코드의 시간(Hour of Code) 프로그램에 가입한 신규 유저가 학교 프로그램 중에 가입한 유저와 다른 행동을 보이는 것을 확인했습니다. 어떤 그룹이 어떤 기능을 좋아하는지 알면 팀은 학생들을 더 오래 유지할 수 있습니다. 케이스 스터디에서 좀 더 자세히 확인해 보세요.

매출 증가

엔터테인먼트 티켓 판매 리더인 티켓 마스터 (Ticketmaster)는 믹스패널(Mixpanel)의 유저 분석을 활용하여 B2B 유저 베이스를 세분화하고 공연장, 아티스트 및 홍보담당자를 위한 별도의 코호트를 만들었습니다. 개인화된 메시지와 A/B 테스트 마케팅 캠페인을 각기 다른 코호트에 보내 효과를 테스트함으로써, 마케팅팀은 마케팅 지출에 대한 수익을 크게 향상했습니다.

케이스 스터디에서 좀 더 자세히 확인해 보세요 (영어).

수익성 개선

구독 기반 미디어 및 엔터테인먼트 대기업 스타즈-플레이(STARZ-PLAY)는 코호트를 사용하여 플랫폼 내 부정행위를 1,000배 줄이고 마케팅 비용을 8배 절감했습니다. 회사는 무료 체험판 프로모션을 통해 가입시킨 유저 코호트를 만들었고, 상당수의 유저가 유료 서비스를 우회하여, 여러 무료 평가판에 등록하고 있음을 발견했습니다. 유저 트래킹은 팀이 허점이나 오류를 해결하고, 비정상적인 계정을 비활성화하는 데 도움이 되었습니다.

케이스 스터디에서 좀 더 자세히 확인해 보세요 (영어).

여러분만의 코호트 분석을 하실 준비가 되셨습니까?

기억하세요: 거의 실시간에 가까운 실데이터를 사용하면 제품, 유저, 온보딩 경험 등에 대해 더 나은 결정을 내리실 수 있습니다. 인터뷰와 피드백 루프는 격차를 좁힐 수는 있겠지만, 제품 분석은 다른 접근 방식이 할 수 없는, 실제 실행 가능성을 제공합니다. 간단히 말하면, 코호트 분석은 유저 획득과 유지를 개선하는 데 도움이 됩니다. 믹스패널의 강력한 제품 분석을 통해 유저들을 유로 고객으로 전환하고, 참여시키며, 유지하는 최선의 방법에 대한 인사이트를 얻어보시기 바랍니다.

무료 체험판으로 먼저 시작해보세요.