코호트 분석: 고객이 머물거나 떠나는 이유를 이해하는 방법
코호트 분석은 집계 숫자 내에 숨겨진 보유 패턴을 드러냅니다. 다음은 하나를 읽고, 하나를 구축하고, 발견한 것에 작용하는 방법입니다.
당신의 전체 보유율은 78%입니다. 그것이 좋은가? 그것은 전적으로 어떤 고객이 머물고 있고 누가 떠나고 있는지에 따라 달라집니다 — 그것은 정확히 당신의 집계 보유 숫자가 당신에게 말할 수 없는 것입니다. 78% 보유율이 있는 회사는 가장 가치 있는 고객을 성공적으로 보유하고 있을 수 있고 최신 고객은 빠져나가고 있을 수도 있습니다. 또는 유산 고객 기반을 유지하면서 최근 코호트는 빠르게 이탈하고 있을 수도 있습니다. 집계는 두 이야기를 숨깁니다. 코호트 분석은 그들을 드러냅니다.
코호트는 단순히 동시에 시작한 고객 그룹입니다 — 같은 달에 가입, 같은 분기에 첫 구매, 또는 같은 주에 업그레이드했습니다. 시간 경과에 따라 각 코호트를 독립적으로 추적하면 회사 역사의 다른 기간에 보유 패턴이 어떻게 변하는지 볼 수 있습니다. 결과는 제품 또는 비즈니스 팀에서 사용할 수 있는 가장 강력한 진단 중 하나입니다.
코호트 보유 테이블을 읽는 방법
표준 코호트 보유 테이블은 획득 코호트가 행을 따라 실행되고(1월, 2월, 3월...) 획득 이후 개월이 열을 따라 실행됩니다(0개월, 1개월, 2개월...). 0개월은 항상 100% — 시작점입니다. 각 행을 가로지르는 숫자는 그 코호트의 몇 퍼센트가 각 후속 월에 여전히 활동적이었는지를 보여줍니다.
| 코호트 | 0개월 | 1개월 | 2개월 | 3개월 | 4개월 | 5개월 | 6개월 |
|---|---|---|---|---|---|---|---|
| 1월 | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| 2월 | 100% | 71% | 55% | 43% | 41% | 39% | — |
| 3월 | 100% | 76% | 62% | 51% | 49% | — | — |
| 4월 | 100% | 79% | 65% | 61% | — | — | — |
| 5월 | 100% | 82% | 69% | — | — | — | — |
| 6월 | 100% | 84% | — | — | — | — | — |
이 테이블은 명확한 이야기를 말합니다: 보유율이 각 달마다 크게 개선되고 있습니다. 1월 코호트는 6개월까지 34%만 보유한 반면 최근 코호트는 처음 2개월을 통해 69–84%를 보유하고 있습니다. 뭔가 변경되었습니다 — 아마도 제품 개선, 더 나은 온보딩 흐름 또는 더 나은 적합 고객을 가져온 획득 채널 변경. 집계 보유율 숫자는 이를 전적으로 마스크했을 것입니다.
찾아볼 3가지 패턴
코호트 테이블이 있으면 3가지 특정 패턴을 찾고 있습니다. 각각은 다른 문제를 가리키며 다른 수정이 필요합니다.
가파른 초기 저하: 0개월에서 1개월 보유가 지속적으로 50% 이하이면 온보딩 문제가 있습니다. 고객들이 가입하지만 머물 수 있도록 충분히 빠르게 가치를 찾지 않습니다. 초기 단계 SaaS에서 가장 일반적인 패턴이며 가장 치료 가능합니다 — 더 나은 온보딩, 더 빠른 시간-가치, 더 많은 사전 초기 참여가 모두 도움이 됩니다.
모든 코호트에서 일관된 저하: 모든 코호트에서 월 단위로 같은 비율로 계속 하락하면 제품 가치 문제가 있습니다. 고객들이 제품을 시도하고, 일부는 초기에 머물지만, 그들을 참여시킬 충분한 지속적인 가치가 없습니다. 온보딩 개선은 이를 해결하지 않을 것입니다 — 제품 자체가 돌아올 더 많은 이유를 제공해야 합니다.
"웃음" 곡선이 평탄화됩니다: 최고의 보유 곡선은 초기 저하 후 평탄화합니다. 처음 2~3개월을 생존하는 고객은 머물러 있는 경향이 있습니다. 목표는 그 변곡점에 도달하는 고객의 수를 최대화하는 것입니다. 곡선이 평탄화되지 않으면 — 6개월째의 보유가 1개월째와 같은 비율로 계속 감소하면 — 안정된 보유 기반이 없으며, 그 코호트에 기반한 LTV 계산은 오도할 것입니다.
코호트 테이블에서 가장 중요한 숫자는 6개월의 비율이 아닙니다 — 0개월과 2개월 사이의 기울기입니다. 대부분의 고객이 손실되는 곳이고 대부분의 개입이 영향력을 미치는 곳입니다.
코호트 세분화: 실제 통찰력이 있는 곳
코호트 분석은 획득 채널, 가격 계층, 고객 규모 또는 지역별로 코호트를 세분화할 때 진정으로 강력해집니다. 3개월 후 전체 보유율 60%를 보여주는 코호트 테이블은 유기 검색에서 고객이 75%를 보유하는 반면 유료 소셜 고객이 40%를 보유한다는 것을 드러낼 수 있습니다. 단일 통찰력은 전체 마케팅 할당 대화를 재구성합니다.
가장 높은 가치 첫 세분화는 거의 항상 획득 채널입니다. 추천, 콘텐츠 또는 유기 검색을 통해 당신을 찾은 고객은 일반적으로 광범위한 유료 캠페인을 통해 획득한 것보다 상당히 더 높은 비율로 보유합니다. 코호트 데이터가 이 패턴을 보여준다면 — 거의 항상 합니다 — 유료 획득이 저렴해 보일 때도 콘텐츠 및 추천 프로그램에 투자하기 위한 강력한 주장입니다. CAC는 보유를 모델에 구축할 때까지 저렴해 보입니다.
하락 코호트 테이블로 할 일
가장 최근 코호트가 오래된 코호트보다 나쁘게 보유되고 있다면 그것은 긴급 신호입니다. 제품, 획득 또는 온보딩 무언가가 악화되었다는 의미입니다 — 그리고 최근에 악화되었습니다. 무엇이 변경되었는지 확인하세요. 덜 적격 고객을 데려오는 새로운 획득 채널을 열었습니까? 기존 워크플로우를 중단시킨 기능을 배포했습니까? 좋은 적합이 아닌 고객을 끌어들이는 방식으로 가격을 변경했습니까?
코호트 보유율을 개선하는 것은 거의 항상 마케팅 문제보다 먼저 제품 및 온보딩 문제입니다. 작동하는 개입의 시퀀스: 먼저, 보유 고객이 이탈한 고객이 하지 않는 처음 2주 동안 취한 작업을 식별합니다. 그 다음, 온보딩을 재설계하여 이러한 작업을 더 일찍 추진합니다. 그 다음, 초기 행동을 신호로 사용하여 위험에 처한 고객을 식별하고 이탈하기 전이 아닌 후에 개입합니다.
오래 지속된 코호트는 남아있는 고객이 정의상 가장 만족하고 가장 잘 적합한 고객이기 때문에 훌륭해 보입니다. 2년 된 코호트의 24개월 보유를 볼 때 이탈에 의해 이미 크게 필터링된 모집단을 보고 있습니다. 장기 보유 고객의 행동을 새 고객이 하는 것의 모델로 사용하지 마세요 — 그들은 대표적인 샘플이 아닌 선택된 샘플입니다.
코호트 분석은 한 번 실행하고 잊어버리기보다는 일관되게 검토할 때 가장 유용합니다. FabricLoop에서 제품 및 성장 팀은 종종 그들의 공유 그룹에서 월간 노트를 유지합니다. 최신 데이터로 새로고쳐진 코호트 스냅샷 — 무엇이 이동했고 왜인지에 대한 한 문장 해석 및 위험에 처한 코호트에 대해 테스트 중인 개입의 작업 목록입니다. 분석이 응답하는 작업과 함께 있을 때 통찰력과 행동 사이의 갭이 상당히 좁혀집니다.