코호트 분석(cohort analysis)은 정의된 기간 내에 발생한 공통된 특성이나 경험, 가장 흔하게는 처음 가입한 날짜, 첫 구매를 한 날짜, 또는 특정 채널을 통해 처음 획득된 날짜를 기준으로 사용자나 고객을 코호트라는 세그먼트로 묶고, 이후 기간 동안 각 코호트의 행동이 어떻게 변화하는지 추적하는 분석 기법입니다. 가장 흔한 산출물은 코호트 리텐션 테이블 또는 리텐션 곡선으로, 시작 시점으로부터 1주, 1개월, 3개월, 12개월 후와 같이 정해진 간격마다 코호트의 몇 퍼센트가 계속 활동하고, 재구매하고, 구독을 이어 가는지를 보여 줍니다. 이를 통해 분석가는 서로 다른 시기나 채널을 통해 획득된 코호트가 각자의 수명 동안 어떻게 행동하는지 비교할 수 있습니다.
코호트 분석이 중요한 이유는 집계된 시계열 지표의 근본적인 한계를 보완하기 때문입니다. 특정 월의 전체 리텐션율이나 사용자당 평균 매출은 같은 달에 가입한 고객과 몇 년 전에 가입한 고객처럼 제품과의 관계에서 완전히 다른 단계에 있는 고객을 한데 섞어 놓아, 악화되거나 개선되는 추세를 완전히 가릴 수 있습니다. 예를 들어 전체 사용자 기반에서는 월간 활성 사용자 수가 정체된 것처럼 보이는데 실제로는 최근 코호트가 이전 코호트보다 훨씬 빠르게 이탈하고 있을 수 있습니다. 이러한 경고 신호는 합산된 지표에서는 보이지 않지만, 코호트를 분리해 리텐션 곡선에서 나란히 비교하면 즉시 분명해집니다.
코호트는 단순한 획득 날짜를 넘어 여러 차원으로 정의할 수 있습니다. 행동 코호트(온보딩 완료 여부처럼 취한 행동에 따라 묶음), 획득 채널 코호트(유료 검색, 오가닉, 추천 중 어디로 유입되었는지에 따라 묶음), 매출 코호트(최초 구매 금액에 따라 묶음) 등이 있습니다. 분석가들은 이 데이터를 흔히 삼각형 형태의 리텐션 테이블로 시각화하는데, 행은 시작 기간별 코호트를, 열은 시작 이후 경과 시간을 나타냅니다. 이렇게 하면 가격 변경, 버그, 품질이 낮은 획득 캠페인으로 인해 특정 월의 코호트가 부진한 것과 같은 패턴을 전체 평균 속에 묻히지 않고 정확히 그 기간으로 분리해 낼 수 있습니다. Mixpanel, Amplitude, GA4의 기본 코호트 탐색 보고서 같은 도구는 맞춤형 데이터 엔지니어링 없이도 이러한 분석을 구축하는 데 흔히 사용됩니다.
흔한 실수는 통계적으로 의미 있는 데이터가 쌓이기에는 너무 작거나 너무 최근인 코호트에서 결론을 도출하는 것입니다. 2주 전에 획득된 코호트는 아직 6개월 또는 12개월 리텐션에 대해 아무것도 알려 줄 수 없으며, 아직 성숙하지 않은 코호트를 성숙한 코호트와 그런 후기 지표에서 비교하면 오해를 부르는 그림이 나옵니다. 또 다른 흔한 함정은 연말 세일 시즌의 획득 품질 급등이나 일시적인 제품 장애와 같이 코호트 전체에 동시에 영향을 미치는 외부 요인을 고려하지 않는 것입니다. 이런 요인은 당시에 의도적으로 이루어진 제품이나 마케팅 변화와 무관한 이유로 코호트를 유난히 강하거나 약해 보이게 만들 수 있습니다.
그로스 또는 CRO 컨설팅 관점에서 코호트 분석은 제품, 온보딩, 라이프사이클 마케팅의 변경이 단기적인 급등이 아니라 지속적인 개선을 만들어 내고 있는지 평가하는 데 특히 유용합니다. 초기 가입은 늘렸지만 해당 코호트의 30일 또는 90일 리텐션을 개선하지 못했거나 오히려 악화시킨 변경은 지속적인 가치를 만들었다고 보기 어렵기 때문입니다. 또한 획득 채널의 품질을 시간에 따라 평가하는 표준 도구이기도 합니다. 채널을 즉각적인 전환율이나 획득당 비용뿐 아니라 그 채널이 만들어 낸 코호트의 장기적인 리텐션과 고객 생애 가치 궤적으로 비교할 수 있으며, 초기 획득당 비용이 더 높은 채널이 장기적인 코호트 행동까지 고려하면 실제로는 더 수익성이 높다는 사실이 드러나는 경우가 많습니다.
