Cohort Analysis : 평균의 함정에서 벗어나기
- 광우 이
- 2021년 8월 28일
- 3분 분량
코호트 분석의 의미
사회과학에서 코호트(Cohort)란 중요한 사건을 동일하게 경험한 개인들의 집합을 의미합니다. 코호트의 기준은 거주 국가, 도시, 연령, 소득수준 등 분석하고자 하는 과점에 따라 다양하게 구분할 수 있을 것입니다. 이렇게 동일한 기준으로 묶인 개인들의 집합을 대상으로 특정 결과 혹은 지표를 산출해내는 과정을 코호트 분석(Cohort Analysis)이라고 합니다.
코호트 분석이 중요한 이유는 무엇보다 평균의 함정에서 벗어날 수 있기 때문입니다. 한국의 전체 평균 소득은 증가하고 있으나, 코호트 분석을 통해 거주 지역별로 그 차이가 심하거나 심지어 특정 지역에서는 오히려 하락하고 있다는 결과를 얻는다면 '대한민국 평균 소득 수준의 증가'라는 착시에서 벗어날 수 있게 됩니다. 또한 코호트 분석은 아직 특정 행동 주기에 도달하지 못한 이용자들의 미래 행동을 합리적으로 예측할 수 있는 강력한 수단으로도 사용할 수 있습니다.
애드브릭스에서 코호트 분석 시작하기
애드브릭스는 '속성 기반(attribute based)'과 '행동 기반(behavior based)'으로 구분하여 코호트 분석을 제공합니다.
속성기반 코호트 분석 : Group by
'속성 기반' 코호트 분석은 애드브릭스를 통해 결정된 이용자 속성값을 기준으로 합니다. 애드브릭스의 어트리뷰션 설정을 통해 어떤 매체로부터 이용자가 유입 되었는지 결정하고 그 결과를 분석하는 것은 가장 기본적인 코호트 분석입니다. 오가닉 유입과 광고 매체별 유입의 구분, 캠페인, 키워드, 크리에이티브 별 유입 구분 등이 여기에 포함됩니다. 시간 기준(시간대별, 일자별, 월별..), 플랫폼(Android, iOS), 국가 정보, 도시 정보, 디바이스 모델, 통신사 등으로 구분하여 결과를 분석하는 것 또한 속성 기반의 코호트 분석입니다.
애드브릭스는 각 리포트 타입 내 Group by 선택을 통해 이와 같은 속성값 기준의 지표분석 기능을 제공합니다. 예를 들어, 일자를 기준으로 Android/iOS 플랫폼에 따른 광고 매체별 유입 결과를 분석하고자 한다면 Report Builder에서 아래와 같이 설정하면 됩니다.
만약 유입된 국가를 기준으로 광고 매체의 성과를 구분하여 보고자 한다면 아래와 같이 설정할 수 있습니다.
애드브릭스는 총 40개의 기본 Group by 조건을 제공합니다. 또한 연동 수준에 따라 얼마든지 추가될 수 있는 Custom 조건(상품 카테고리, 결제 수단, 레벨 등..)을 제공하여 그로스 마케터들의 자유로운 데이터 분석을 가능하게 합니다.
행동기반 코호트 분석 : Audience Studio
애드브릭스의 '행동 기반' 코호트 분석은 앱 이용 행동을 기준으로 합니다. 이를 위해서는 우선 이용자들의 행동을 기반으로 세그먼트(Segment)를 만들고, 복수의 세그먼트를 조합하여 최종 코호트를 만들어 낼 수 있어야 합니다. 애드브릭스의 Audience Studio는 그로스 마케터 누구나 원하는 코호트를 손쉽게 만들어 낼 수 있도록 매우 직관적인 '벤다이어그램 드래그 앤 드롭' UI를 제공합니다.
'행동 기반' 코호트 분석은 이용자의 행동 결과를 기반으로 하기 때문에 '속성 기반'에 비해 이용자의 특성을 더 강하게 반영합니다. 코호트 별 비교 분석을 통해 전체 이용자 분석에서는 발견하지 못했던 결과를 확인할 수 있습니다. 아직 특정 행동까지 도달하지 않은 코호트의 다음 행동을 예측하기 위한 합리적인 방법이기도 합니다.
애드브릭스의 Audience Studio에 익숙해지면 그로스 마케터는 아래와 같은 조건을 가진 이용자 코호트를 3분 안에 만들어 낼 수 있습니다.
'지난 3개월 간 앱 실행 이력은 있으나, 회원가입은 완료하지 않은 이용자'
'지난 1개월 간 광고를 통해 신규 유입된 이용자 중, 회원가입을 완료하지 않은 이용자'
'지난 1개월 간 검색광고를 통해 유입된 이용자 중, 특정 키워드에 속한 상품을 구입하지 않은 이용자'
'지난 3개월 간 앱 실행 이력은 있으나, 구매는 하지 않은 이용자'
'지난 6개월 간 육아 카테고리에 속한 상품을 100만원 이상 구매한 이력이 있는 이용자'
'쥬얼리 기획전 광고에 반응하여 앱에 유입되었지만, 쥬얼리 기획전 외 상품을 구매한 이용자'
이렇게 생성된 이용자 그룹은 리포트 빌더의 'Audience 조건'에 추가하여 즉시 분석할 수 있습니다. 회원가입 여부에 따라 리텐션과 펀널을 분석하거나, 쥬얼리 기획전에 반응한 이용자들이 구체적으로 어떠한 상품을 얼마나 구매했는지 분석하여 앱 내 UX를 개선하고 광고 성과를 최적화 할 수 있습니다.
데이터의 본질을 보여주는 코호트 분석
그로스 마케터들은 코호트 분석을 통해 "왜Why? 어떠한 결과가 나타났는지?"를 철저하게 분석하고, 이 분석 결과를 통해 앱 개선과 광고 최적화를 위한 성장 변곡점(Growth Inflection Point)을 찾아내어 검증할 수 있습니다. 만약 '멤버십 가입'이 우리 앱의 리텐션과 매출을 이끌어내는 성장 변곡점 이라고 가정 했다면, 멤버십 가입 여부를 기준으로 코호트 분석을 해야만 유효성을 판단할 수 있습니다. 유효성이 검증된다면(즉, '멤버십 가입' 이용자의 앱 이용이 상대적으로 우수하다면) 신규 유입된 이용자가 '멤버십 가입'까지 최대한 빠르게 전환될 수 있도록 UX를 개선하고, '멤버십 가입'을 목표로 광고를 운영해야 하는 객관적인 근거 데이터가 마련되는 것입니다.
코호트 분석은 평균의 함정에서 벗어나 데이터가 가진 본질적 의미를 파악할 수 있는 강력한 방법입니다. '행동 기반' 코호트 분석은이용자의 다음 행동을 예측하기 위한 수단으로써도 큰 의미를 가집니다. 그로스 마케터 분들이 본 글을 통해 코호트 분석의 유용함을 다시 한번 고민하고, 애드브릭스를 이용하여 우리 앱에 가장 최적화된 코호트 분석을 바로 수행할 수 있기를 바랍니다.
댓글