모바일은 화면을 돌려 가로화면으로 보시는 게 읽으시기 편할 수 있습니다. 돌려서 보시는 걸 추천드릴게요!!
🎁 과제로 제출한 차트와 질문들에 대해 멘토님께서 피드백을 남겨주셨습니다.
🎁 전체 피드백을 한번 살펴보고, 적용할 차트들은 수정해보도록 하겠습니다!!
Q1. 위 차트에서의 빈 부분처럼 아무런 값이 없는 경우를 0으로 채우는 방법이 있는지 궁금합니다!! 계산된 필드를 만든 결과 해당 경우(예를 들어 2020년 2분기에 주문해서 0분기 후에 다시 구매한 경우)의 Customer ID 를 카운트한 결과가 0으로 집계되기 때문에 0이라는 값이 채워질 줄 알았는데, 그렇지 않았습니다. 해결할 수 있는 방법이 있을까요??
A1. null filter 생성 및 테이블 계산 -> 계산된 필드 3개 생성 후 테이블 계산 방향을 바꿔주시면 됩니다.
[rows] : 인덱스 반환
## 계산 방향 : 아래로
index()
[columns]: 인덱스 반환
## 계산 방향 : 옆으로
index()
[null filter] : 행열 인덱스 번호 합이 column 수 + 1 이하면 COUNT 반환. 즉, 테이블 내 존재 데이터의 경우 적용
## 계산 방향 : 옆으로
## 필터 적용 시 1 이상으로 값 설정
IF [rows] + [columns] <= WINDOW_MAX([columns]) + 1 THEN
ZN(LOOKUP(COUNTD([Customer ID]),0))
ELSE NULL
END
Q2. 코호트 차트 구현을 위해 여러 가지 데이터를 살펴봤는데, 생각보다 특정 기간에 특정 경험을 공유한 집단 간의 행동 패턴을 비교하여 분석한다는 코호트 분석의 정의를 만족할 만한 데이터를 찾기는 어려웠던 것 같습니다. 코호트 분석을 주로 사용하는 분야나 산업군이 있다면 어떤 분야가 있을지, 그리고 어떠한 경우에 주로 사용하는지 알려주시면 감사하겠습니다!!
A2. 코호트분석은 동일한 기간의 동일한 특성을 가진 유저들을 Retendion과 Activation 관점에서 분석할 필요성이 있다면 산업군과 관계없이 다양하게 쓰일 수 있습니다. 신규 가입 기간별 유저 코호트, 최근 7일 이내 특정 브랜드 상품을 장바구니에 넣은 유저 등 "특정 기간 내, 특정 행동을 수행한 유저" 들의 행동 패턴을 분석하는 데 말이죠.
🚩 <Retension 관점> 리텐션 : 한번 획득한 유저들이 서비스를 이탈하지 않고 계속 서비스를 이용하는 것을 의미
우선 서비스별로 가장 적절한 리텐션 지표를 정의할 때 코호트 분석을 사용할 수 있습니다. 리텐션 지표 정의에는 다음의 3단계가 필요합니다.
1. 유저의 사용 주기 - 최근 28일간 서비스 사용 유저중 가장 많은 일수를 사용한 유저의 일수 확인 - 만약 7일이라면 weekly 사용주기인 서비스를 의미
2. 핵심 행동에 대한 가설에 대해 코호트 만들기 - 예를 들어 핀터레스트의 경우 피드보기, 핀 찍기, 콘텐츠 클릭 등을 핵심 행동의 후보로 선출 가능
3. 코호트별 리텐션 비교 분석 - 리텐션이 가장 높고, 평평하게 유지되는 코호트가 무엇인지에 따라 핵심 행동 정의 - 만약 핀 찍기 코호트의 리텐션이 가장 높다면 핵심 행동으로 정의 가능
☑️ 예시 : 핀터레스트의 리텐션 지표 - 사용 주기 : weekly - 핵심 행동 : 핀 찍기 -> 리텐션 지표 정의 : Weekly Active Pinner
보통 WAU라는, Weekly Active User라는 수치를 사용하지만, 위 예시는 핀터레스트에 적합한 지표를 정의함 다른 예시로는, 줌 -> Weekly Active Hosters / 에어비엔비 -> Yearly Active Guest 등이 있습니다.
이렇게 리텐션 지표를 정했다면, 다음으로는 신규 가입 기간 별로 코호트를 나눠 다음과 같이 인사이트를 도출할 수 있습니다. 코호트 차트의 주요 목적은 아웃라이어를 찾고, 인사이트를 도출해 다음 액션에 반영하는 것입니다.
아웃라이어의 유형은 코호트 차트를 보는 방향에 따라 아래와 같이 나뉩니다.
1) 세로 : 가입 n주차 리텐션에 큰 변화가 있는 경우 2) 가로 : 특정 시기에 가입한 유저 리텐션에 큰 변화가 있는 경우 2) 대각선 : 특정 시점에 모든 유저 코호트의 리텐션을 강화 / 약화할 이벤트가 있는 경우
예를 들어 어떤 채널에서 유입된 유저인지, 또는 어떤 특정 핵심 행동을 수행환 유저인지에 따라 코호트를 나누고, 재구매 리텐션을 통해 각 코호트 별 LTV(Life Time Value, 고객이 평생 동안 제공할 총 예측 수익)를 계산해 장기적으로 어떤 특성을 가진 유저가 큰 가치를 가져다주는지 구분 할 수 있습니다.
그에 맞게 LTV : CAC 비율을 조정하고 (CAC : Customer acquisition cost, 조직이 새 고객을 확보하기 위해 지출하는 비용의 측정값. 고객이 제품 또는 서비스를 구매하도록 설득하는 데 필요한 자산 또는 장비, 영업 및 마케팅 노력의 총 비용) 그에 따라 채널별 마케팅 예산을 책정하거나, 특정 핵심 행동을 수행한 유저의 리텐션이 더 높다면 해당 행동을 좀 더 잘 수행할 수 있도록 UX/UI 변경 실험을 설계하는 등 다양한 액션을 도출할 수 있습니다.
이렇게 코호트는 특정 시기에 동일한 행동을 한 집단을 관찰하면서 리텐션 지표를 설정하고, 코호트별로 시간이 지나도 얼마나 많은 유저가 남아있는지를 리텐션을 통해 인사이트를 도출하기 위해 사용합니다.
따라서, 코호트 차트에 들어가는 지표도 아래와 같이 다양합니다.
1) 해당 기간 이후에 몇 명이 남았는지
2) 해당 기간 이후에 몇 %가 남았는지
3) 해당 기간 이후에 몇 명이 휴면 유저가 되었는지 -> 특정 시점에 도달한 유저 대상 실험에서 얼마나 많은 유저가 영향을 받을지 실험
4) 해당 기간 이후에 몇 %가 휴면 유저가 되었는지 -> 유저의 생애주기에서 어떤 시점에 가장 많은 유저를 잃을지 -> 언제 개입하고 실험해야 할지 테스트
5) 해당 코호트가 전체 코호트 평균과 비교하여 리텐션율이 얼마나 높고 낮은지 -> 특정 코호트가 왜 높거나 낮은 성과를 보일까??
🚩 <Activation 관점> 각 서비스의 Set Up Moment, Aha Moment, Habit Moment를 코호트 차트에 얹어서 분석할 수도 있습니다. Survival analysis의 경우 아래와 같은 분석 예시가 있습니다.
☑️ 예시 : 에어비엔비 Survival analysis 예를 들어 아래와 같이 Set Up Moment, Aha Moment, Habit Moment가정의되었다면,
Set Up Moment : 가입1달 안에 숙소 예약하기 (Habit, Aha, 장기 리텐션과 상관관계가 높은 행동의 횟수, 기간) Aha Moment : 첫 6달 안에 4점 이상의 리뷰 작성하기 (Habit, 장기 리텐션과 상관관계가 높은 행동의 횟수, 기간) Habit Moment : 28일 내에 4번 이상 숙소 예약하기 (장기 리텐션과 상관관계가 높은 행동의 횟수, 기간)
특정 주차에 가입한 유저들이 회원가입부터 Set, Aha, Habit 까지 각각 몇 %나 남았는지 확인하면서 평균과 다른 퍼포먼스를 보이는 코호트가 있는지, 시간에 따른 유저 코호트 트렌드가 어떤지, 어느 부분에서 유저를 잃고 있는지 등을 확인하면서 Activation의 어느 부분에서 문제가 있는지 쪼개어서 확인할 수 있습니다.
