코호트 분석 | 코드잇 텐엑스 강의

코호트

공통적인 특성이나 행동 양식을 공유하는 사용자 그룹

 

예를 들어 분류 기준을 "가입 후 10일 동안 친구 추가한 수"로 했을 때
1~2명 추가한 사람들을 코호트A

3~4명 추가한 사람들을 코호트B

이런 식으로 분류할 수 있다.

그리고 이 그룹들의 1년 후 유지율을 분석했을 때 위와 같이 7~8명 구간에서 유지율이 급격히 늘어났다면,

"가입 후 10일 내 최소 7-8명의 친구를 추가한 사용자가 장기 유지될 확률이 높다"는 인사이트를 발견할 수 있음.

 

그럼 새로 가입한 사용자들을 대상으로, 최소 7~8명 이상의 친구를 추가하도록 유도하는

다양한 전략을 시도할 수 있음.

 

이번에는 사용자가 유료 가입한 달을 기준으로 코호트 분석했을 때
예를 들어 특정 월의 3달 후 유지율만 유난히 높게 나타난다면

어떤 요인이 긍정적인 영향을 미쳤을지 고민해볼 수 있음.

예를 들어 해당 월에 신년 세일을 받아 저렴한 요금제로 계속 사용하고 있다면,

저렴한 요금이 긍정적인 영향을 미쳤을 것이라고 예상해볼 수 있다.

 

이 관점은 지금 회사의 서비스에서도 사용해볼 수 있는데,

예를 들어 12월에 결제한 고객의 재등록률이 유난히 낮다고 하면

윈터스쿨 서비스 경험이 부정적인 영향으로 작용했다는 가설을 세워볼 수 있다.

또는 해당 월에 결제한 고객들의 유입 매체, 소재를 분석해보는 것도 가능하다.

 

하나의 코호트 안에서 기간에 따른 유지율 추이를 보면서

어떤 지점을 공략해야 할지에 대한 인사이트를 얻을 수 있다.

 

유지율 그래프에서 그래프의 기울기가 평평해지는 구간,

즉 사용자가 이탈하지 않고 유지되면서 계속 프로덕트를 사용하는 구간을 '리텐션 플래토'라고 부름.

리텐션 플래토가 존재하는 경우, 프로덕트가 특정 타겟을 찾아 그 고객의 니즈를 꽤 성공적으로 만족시키는 것으로 볼 수 있기 때문에 해당 프로덕트를 성공적이라고 평가하기도 함.

 

코호트는 프로덕트 전체 관점에서 사용자 특성에 따른 행동 차이를 분석할 때, 어느 단계에서든 두루 사용될 수 있는 개념이므로 꼭 기억해두자!!