코호트 분석은 특정 기간에 공통된 특성을 가진 사용자 집단(코호트)을 구분하고, 이들의 행동·구매·이탈 패턴을 시간에 따라 추적하는 정량적 분석 기법입니다. 마케팅 성과를 개별 사용자가 아닌 집단 단위로 이해함으로써 제품 개선, 리텐션 전략, 고객생명주기가치 향상의 기초가 됩니다.
1. 뜻
코호트(Cohort)는 일정 기간에 특정 사건을 경험한 사용자들의 동질적 그룹을 의미합니다. 예를 들어 '2024년 1월에 앱을 설치한 신규 사용자'나 '2월에 첫 구매를 한 고객'이 하나의 코호트입니다. 코호트 분석은 이러한 그룹들이 이후 주, 월, 분기별로 어떻게 행동하는지(재방문률, 재구매율, 활성 사용자 수 등)를 표 형태로 비교·추적하는 방식입니다. 같은 시점에 유입된 사용자라도 마케팅 채널, 프로모션, 제품 변화 등의 영향을 받기 때문에, 코호트별 차이를 분석하면 인과관계를 파악할 수 있습니다.
2. 핵심 구성·계산
코호트 분석 테이블은 세로축(코호트 생성 시기)과 가로축(경과 기간)으로 이루어져 있으며, 각 셀에는 해당 코호트의 지표값이 입력됩니다. 기본적으로 절대값(예: 재방문 사용자 수)과 비율값(예: 재방문율 = 해당 주 돌아온 사용자 / 코호트 초기 규모 × 100%)을 함께 표시합니다. 예를 들어 1월 신규 코호트가 100명이라면, 2주차 재방문율이 45%라는 것은 45명이 돌아왔다는 의미입니다. 유지율(Retention Rate), 활성도(Engagement), 매출(Revenue) 등 다양한 지표로 코호트를 분석할 수 있으며, 일반적으로 비율 기반 분석이 코호트 규모 차이를 보정하므로 더 유의미합니다.
3. 왜 중요한가
코호트 분석은 마케팅 효과와 제품 건강도를 명확히 드러냅니다. 전체 DAU(일일활성사용자)나 MAU(월간활성사용자)만으로는 신규 유입의 증가로 인한 착각이 가능하지만, 코호트 분석으로는 과거 유입된 사용자들이 실제로 얼마나 남아있고 행동하는지 알 수 있습니다. 이를 통해 온보딩 개선, 푸시 알림 타이밍, 프로모션 효과 측정, 채널별 사용자 질 비교 등 구체적인 마케팅·운영 의사결정이 가능해집니다. 또한 네이버, 카카오, 메타 광고 등 채널별로 유입된 사용자의 이후 행동을 추적하면 광고 ROI 개선의 근거가 됩니다.
4. 실무 적용 사례
모바일 게임사가 11월 대규모 업데이트 후 신규 사용자 유입을 분석할 때, 10월 신규 코호트(업데이트 전)와 11월 신규 코호트(업데이트 후)의 주별 활성 유지율을 비교합니다. 만약 11월 코호트가 4주 후 55% 유지율을 보이는 반면 10월 코호트는 30%라면, 업데이트가 리텐션에 긍정적 영향을 준 증거입니다. 쇼핑몰의 경우 '가입 월별' 코호트로 나누어 각 그룹의 월별 구매액, 재구매율을 추적하면 장기 고객가치(LTV)를 예측할 수 있습니다. 또한 '메타 광고 유입', '구글 광고 유입', '오가닉' 등 채널별 코호트를 만들어 비교하면, 어느 채널의 사용자가 더 오래 머물고 구매하는지 판단하여 예산 배분을 최적화할 수 있습니다.
5. 자주 하는 오해
첫 번째 오해는 '코호트 분석 = 세분화(Segmentation)'라고 생각하는 것입니다. 세분화는 성별·지역·관심사 등 정적 속성으로 나누는 반면, 코호트는 시간 기반(가입 시기, 구매 시기)으로 동적으로 추적합니다. 두 번째는 코호트 규모가 다를 때 절대값만 비교하는 경우로, 반드시 백분율로 정규화된 값을 비교해야 정확합니다. 세 번째는 외부 변수를 간과하는 것인데, 계절성, 마케팅 캠페인, 경쟁사 변화 등이 동시에 작용하므로 코호트 차이가 순수히 제품 개선 때문이라고 단정할 수 없습니다. 따라서 AB 테스트, 회귀분석 등 추가 검증이 필요합니다.
6. 쉽게 설명
코호트 분석을 반 단위로 나뉜 학년 학생들의 학업 진도 추적에 비유할 수 있습니다. 1월에 입학한 학생 100명(1월 코호트)과 2월에 입학한 학생 85명(2월 코호트)이 있다면, 한 해가 지났을 때 각 그룹의 진급률, 성적 향상도를 비교할 수 있습니다. 교육과정 개선(앱 업데이트)이 효과가 있다면 개선 후 입학한 코호트의 진급률이 더 높을 것입니다. 이처럼 코호트 분석은 '같은 출발점에서 시작한 그룹들이 시간이 지나면서 어떻게 달라지는가'를 보는 방식으로, 원인과 결과의 인과성을 더 명확히 드러냅니다.
코호트 분석은 단순한 수치 비교를 넘어 사용자 행동의 근본적인 변화를 포착하고 마케팅·제품 전략을 검증하는 필수 도구입니다.
