“우리 서비스 리텐션이 40%입니다”라는 한 문장은 거의 아무것도 말해주지 않습니다. 1월에 가입한 사람과 6월에 가입한 사람을 한데 섞은 평균은, 제품이 좋아지고 있는지 나빠지고 있는지조차 숨깁니다. 코호트 분석은 사용자를 가입 시점별로 묶어 시간에 따른 행동 변화를 추적하는 기법입니다.
분석 질문 정의
코호트 분석으로 답하려는 질문은 보통 이렇습니다. “우리가 최근에 한 개선이 신규 사용자의 정착에 실제로 효과가 있었는가?” 이 질문에 답하려면 가입 월별로 그룹을 나누고, 각 그룹이 가입 후 1주, 2주, 4주, 8주 뒤 얼마나 남아 있는지를 표로 만듭니다.
리텐션 표 만들기
| 가입 코호트 | 1주 | 4주 | 8주 |
|---|---|---|---|
| 3월 가입 | 100% | 32% | 21% |
| 4월 가입 | 100% | 35% | 24% |
| 5월 가입(온보딩 개선 후) | 100% | 41% | 30% |
이 표를 세로로 읽으면 시간에 따라 제품이 개선되는지 보입니다. 5월 코호트의 4주 리텐션이 41%로 뛴 것은 온보딩 개선이 효과가 있었다는 강한 신호입니다. 가로로 읽으면 한 코호트가 시간에 따라 어떻게 이탈하는지 보입니다.
리텐션 곡선의 모양 읽기
- 계속 0으로 떨어지는 곡선: 제품-시장 적합성 부족, 근본 문제
- 처음 급락 후 평평해지는 곡선(스마일): 핵심 사용자층 확보, 건강한 신호
- 평평한 수준이 점점 올라가는 곡선: 이상적, 제품이 점점 끈끈해짐
가장 주목할 지점은 곡선이 평평해지는 “안정 리텐션” 구간입니다. 이 값이 0보다 확실히 크면 비즈니스가 지속 가능하다는 뜻입니다.
세그먼트로 더 깊이 파기
전체 코호트를 다시 유입 채널, 첫날 행동, 요금제로 쪼개면 개선 지점이 드러납니다. 예를 들어 “가입 첫날 친구 3명 이상을 초대한 사용자”의 8주 리텐션이 55%인데 그렇지 않은 사용자는 12%라면, 온보딩에서 초대를 유도하는 것이 핵심 레버임을 알 수 있습니다. 이런 “아하 모먼트” 행동을 찾는 것이 코호트 분석의 가장 큰 보상입니다.
함정과 정리
최근 코호트는 아직 충분한 시간이 지나지 않아 데이터가 미완성이라는 점을 주의해야 합니다. 5월 코호트의 8주 리텐션은 아직 관측 기간이 부족할 수 있습니다. 또한 코호트 크기가 너무 작으면(수십 명) 변동이 커서 신뢰하기 어렵습니다. 코호트 분석은 평균이라는 거짓 위안을 걷어내고, 제품이 실제로 나아지고 있는지를 정직하게 보여주는 가장 강력한 도구입니다.
