코호트 분석: 고객이 남거나 떠나는 이유를 이해하는 방법
코호트 분석은 전체 평균 수치 속에 숨은 유지율 패턴을 보여 줍니다. 코호트 표를 읽고, 만들고, 그 결과를 실행으로 옮기는 방법을 알아봅니다.
전체 유지율이 78%라고 합시다. 이 수치는 좋은 걸까요? 어떤 고객이 남고 어떤 고객이 떠나는지에 전적으로 달려 있는데, 이는 전체 유지율이 알려 주지 못하는 바로 그 부분입니다. 유지율 78%인 회사는 가장 가치 있는 고객을 잘 붙잡고 있지만 신규 고객은 잃고 있을 수도 있고, 오래된 기존 고객층만 유지하고 있을 뿐 최근 코호트는 빠르게 이탈하고 있을 수도 있습니다. 전체 수치는 이 두 가지 이야기를 모두 가립니다. 코호트 분석은 이를 드러냅니다.
코호트란 같은 시기에 시작한 고객 집단을 말합니다. 같은 달에 가입했거나, 같은 분기에 첫 구매를 했거나, 같은 주에 업그레이드한 고객이 그 예입니다. 코호트별로 시간 경과에 따른 추이를 따로 추적하면 회사의 시기별로 유지율 패턴이 어떻게 달라졌는지 볼 수 있습니다. 그 결과는 제품팀이나 사업팀이 쓸 수 있는 가장 강력한 진단 도구 중 하나입니다.
코호트 유지율 표를 읽는 방법
일반적인 코호트 유지율 표는 행에 고객 확보 시기별 코호트(1월, 2월, 3월...)를, 열에는 확보 후 경과 개월 수(0개월, 1개월, 2개월...)를 둡니다. 0개월은 시작점이므로 항상 100%입니다. 각 행을 따라 나열된 숫자는 해당 코호트의 몇 퍼센트가 이후 각 달에도 활성 상태였는지를 보여 줍니다.
| 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 표는 분명한 이야기를 들려줍니다. 유지율이 달마다 크게 개선되고 있다는 것입니다. 1월 코호트는 6개월 시점에 34%만 남았지만, 최근 코호트는 처음 두 달 동안 69~84%를 유지하고 있습니다. 무언가가 바뀐 것입니다. 제품 개선이나 더 나은 온보딩 흐름, 혹은 더 잘 맞는 고객을 데려오는 획득 채널의 변화일 수 있습니다. 전체 유지율 수치만 봤다면 이 변화는 완전히 가려졌을 것입니다.
살펴봐야 할 세 가지 패턴
코호트 표가 있다면 세 가지 구체적인 패턴을 찾아보아야 합니다. 각각 서로 다른 문제를 가리키며 해결책도 다릅니다.
초기에 가파르게 떨어지는 경우: 0개월에서 1개월로 넘어갈 때의 유지율이 계속 50% 미만이라면 온보딩 문제입니다. 고객이 가입은 하지만 남을 만큼 빠르게 가치를 발견하지 못하는 것입니다. 초기 단계 SaaS에서 가장 흔한 패턴이면서 가장 개선하기 쉬운 문제이기도 합니다. 더 나은 온보딩, 더 빠른 가치 체감(time-to-value), 더 적극적인 초기 소통이 모두 도움이 됩니다.
모든 코호트에서 꾸준히 하락하는 경우: 모든 코호트에서 유지율이 매달 같은 속도로 계속 떨어진다면 제품 가치의 문제입니다. 고객은 제품을 써 보고 일부는 처음에는 남지만, 계속 사용하게 할 만한 지속적인 가치가 부족한 것입니다. 온보딩을 아무리 개선해도 이 문제는 해결되지 않습니다. 제품 자체가 다시 찾아올 이유를 더 많이 제공해야 합니다.
초기 하락 뒤 평탄해지는 "스마일" 곡선: 가장 이상적인 유지율 곡선은 초기에 하락한 뒤 평탄해집니다. 처음 두세 달을 넘긴 고객은 계속 남는 경향이 있습니다. 목표는 이 변곡점에 도달하는 고객 수를 최대한 늘리는 것입니다. 곡선이 평탄해지지 않아 6개월 시점에도 1개월 시점과 같은 속도로 유지율이 계속 떨어진다면, 안정적으로 유지되는 고객 기반이 없다는 뜻이고 그 코호트를 근거로 한 LTV 계산은 오해를 낳습니다.
코호트 표에서 가장 중요한 숫자는 6개월 시점의 비율이 아니라 0개월에서 2개월 사이의 기울기입니다. 대부분의 고객이 이탈하는 구간이자, 대부분의 개입이 효과를 내는 구간이기 때문입니다.
코호트 세분화: 진짜 인사이트가 있는 곳
코호트 분석은 확보 채널, 요금제 등급, 고객 규모, 지역별로 코호트를 나눌 때 진가를 발휘합니다. 3개월 뒤 전체 유지율이 60%로 나오는 코호트 표를 나눠 보면, 오가닉 검색으로 유입된 고객은 75%가 남고 유료 소셜 광고로 유입된 고객은 40%만 남는다는 사실이 드러날 수 있습니다. 이 한 가지 인사이트만으로 마케팅 예산 배분에 관한 논의 전체가 달라집니다.
가장 가치가 큰 첫 번째 세분화는 거의 언제나 확보 채널별 세분화입니다. 추천, 콘텐츠, 오가닉 검색으로 찾아온 고객은 대개 광범위한 유료 캠페인으로 확보한 고객보다 유지율이 현저히 높습니다. 코호트 데이터에서 이런 패턴이 나타난다면(대개 그렇습니다), 획득 건당 비용 기준으로는 유료 확보가 더 저렴해 보이더라도 콘텐츠와 추천 프로그램에 투자해야 할 강력한 근거가 됩니다. 유지율을 모델에 반영하기 전까지는 CAC가 저렴해 보일 뿐입니다.
유지율이 하락하는 코호트 표를 만났을 때 할 일
가장 최근 코호트의 유지율이 오래된 코호트보다 낮다면 긴급한 신호입니다. 제품, 고객 확보, 온보딩 중 무언가가 나빠졌고, 그것도 최근에 나빠졌다는 뜻입니다. 무엇이 바뀌었는지 확인하십시오. 적합도가 낮은 고객을 데려오는 새로운 확보 채널을 열었습니까? 기존 워크플로를 방해하는 기능을 배포했습니까? 맞지 않는 고객을 끌어들이는 방향으로 가격을 바꿨습니까?
코호트 유지율 개선은 거의 언제나 마케팅 문제이기 이전에 제품과 온보딩의 문제입니다. 효과를 내는 개입 순서는 다음과 같습니다. 먼저, 이탈한 고객은 하지 않았지만 유지된 고객이 처음 2주 안에 한 행동을 파악합니다. 그다음, 온보딩을 재설계해 그 행동을 더 일찍 하도록 유도합니다. 그다음, 초기 행동을 신호로 삼아 이탈 위험이 있는 고객을 식별하고, 이탈한 뒤가 아니라 이탈하기 전에 개입합니다.
오래 유지된 코호트는 남아 있는 고객이 정의상 가장 만족도가 높고 가장 잘 맞는 고객이기 때문에 훌륭해 보입니다. 2년 된 코호트의 24개월 유지율을 보고 있다면, 이미 이탈로 크게 걸러진 집단을 보고 있는 것입니다. 오래 유지된 고객의 행동을 신규 고객이 보일 행동의 모델로 삼지 마십시오. 그들은 대표성이 있는 표본이 아니라 선별된 표본입니다.
코호트 분석은 한 번 해 보고 잊어버리기보다 꾸준히 검토할 때 가장 유용합니다. FabricLoop에서 제품 및 성장 팀은 공유 그룹에 월간 노트를 두고 최신 코호트 현황을 정리하는 경우가 많습니다. 최신 데이터로 갱신한 코호트 표, 무엇이 왜 변했는지 한 단락으로 정리한 해석, 이탈 위험 코호트를 대상으로 테스트 중인 개입 과제 목록으로 구성됩니다. 분석이 그에 대응하는 작업과 함께 있으면 인사이트와 실행 사이의 간극이 크게 좁아집니다.
