고객 행동기반 코호팅 가이드

 

우리는 운영중인 서비스에 신상품이나 신규 기능이 추가되었을 때, 이로인한 지표 변화가 있는지 심도있게 바라보게 됩니다.

- 전환률이나 리텐션 지표는 적정수준이라고 보여지지만 주요 기능 사용률이 생각보다 매우 낮은데, 이러한 사용률을 높이기 위해서는 어떻게 해야할까?

 

우리가 보는 지표 상에 표현되는 값은 "평균"값이라는 것을 알고 있지만, 고객들이 모두 동일하지 않다는 점이 때때로 간과되어지고 있습니다. 고객들은 그들만의 특색을 지니며, 우리의 제품을 매우 다르게 경험하게 됩니다 :

• 대부분 앱을 다운받았지만 더 이상 사용하지 않음
• 몇몇 고객들은 앱을 실행하여 서비스를 이용해 보지만 특별한 점을 찾지 못하고 떠남
• 그 외의 일부 고객들은 서비스에 만족을 느끼고 지속적으로 사용

이러한 고객들의 페르소나는 단순화된 평균 전환율과 같은 지표에서는 보여지지 않습니다. 어떤 패턴이 당신의 지표를 리드하고 있는지 정확히 확인하기 위해서는 우리가 "행동 코호팅"이라고 명명한 작업이 필요합니다. 행동 코호팅은 제품에서 고객이 행동한 "액션"의 조합을 기반으로 고객 그룹(Segment)을 즉시 만들수 있게 지원합니다. 이러한 고객 그룹화 방식은 "고객의 행동"과 "서비스 목표"를 명확하게 연결해 주기에 고객과 제품을 이해하는 새로운 기본방식으로 자리 잡았습니다. 이것이, Hubspot, PayPal, Twitter와 같은 기업이 활용하는 방법입니다.

이 글에서는 코호트와 행동 코호트를 정의하고, 이들의 사용 방법을 설명하고, 제품에서 사용하기 위한 간단한 템플릿(Behavioral Cohorting)을 제공하고자 합니다.

 

먼저, 코호트란 무엇일까요?

일반적으로 '코호트'라는 용어는 보통 "유입 코호트"를 가리킵니다. 즉, 같은 기간(일, 주, 월 중 어느 것이든)에 당신의 서비스를 사용하기 시작한 고객 그룹입니다.

사람들이 '코호트 분석'에 대해 이야기할 때, 이는 통상적으로 각 기간별 유입 코호트들이 장기적인 우리 서비스를 지속 사용하는지 측정하는 것을 의미하며, 이는 대부분 아래와 같이 시각화됩니다.

 

다음으로, 행동 코호트란 무엇일까요?

 고객들이 "언제" 유입 되었는지를 아는 것도 중요하지만, 고객들이 앱이나 웹사이트에서 취하는 행동을 통해 고객들이 우리의 서비스를 어떻게 활용하고, 어느 부분에서 흥미를 느끼는지 더 깊이 이해할 수 있습니다. 이처럼 고객에 대한 이해도를 높이고, 고객의 입장에서 우리가 운영하는 서비스를 분석하고자 행동 코호트를 활용할 수 있습니다.

 

 행동 코호트는 우리 서비스에서 고객들이 수행하는 행동을 기반으로 정의되는 사용자의 그룹입니다.

 행동 코호트를 정의하기 위해 무엇부터 시작해야 할까요? 행동 코호트 분석을 통해 무엇을 찾으려고 하시나요? 여기에 이러한 질문에 대한 답을 찾고, 코호트 정의에 도움을 드리고자 워크시트를 제공하고 있습니다. (Behavioral Cohorting)

 

 한 가지 예를 들어 볼까요?

 직접 운영하고 계신 "음악 스트리밍 앱"이 있다고 가정해보세요. 고객들 중 앱을 사용한 첫 날에 최소한 3곡을 "즐겨찾기"에 추가한 고객들에 대해 더 알고 싶다면 어떻게 해야 할까요?

 Amplitude에서 행동 코호트를 다음과 같이 정의할 수 있습니다.

행동 코호트는 제품에서 고객이 수행하는 행동 정보에 기반하여 정의되는 사용자 그룹입니다.

 

만든 코호트로는 무엇을 할 수 있을까요?

 행동 코호트를 한번 저장해두면, Amplitude에 적용하여 고객들의 행동이 리텐션, 전환율, 수익 등에 어떻게 영향을 미치는지 더 많은 정보를 분석할 수 있습니다. 행동 코호트로부터 얻을 수 있는 인사이트(Insight)의 예를 몇 가지 살펴 보도록 하죠.

 아래 그래프에서는 적어도 3곡을 즐겨찾기 한 고객과 그렇지 않은 고객을 주 단위로 비교하고 있습니다. 보시는 바와 같이, 적어도 3곡 이상을 즐겨찾기 한 사용자 그룹의 리텐션율이 더 높다는 것을 확인할 수 있고, 이것을 통해 원하는 곡을 "즐겨찾기"하는 행동이 서비스 중인 "음악 스트리밍 앱"에서의 중요한 포인트가 될 수도 있음을 보여줍니다.

 

 아래 차트에서는 위에서 만든 행동 코호트를 퍼널차트에 적용하여 곡을 즐겨찾기하는 행동이 고객이 음악 구독권 구매까지의 전환율에 어떤 영향을 미치는지 확인하고 있습니다. 보시는 바와 같이, 적어도 3곡을 즐겨찾기 한 고객들은 유료 구독으로의 전환율이 매우 높은 것을 볼 수 있습니다. 3곡 미만을 즐겨찾기 한 고객의 전환율은 8.8%에 불과합니다.

 이러한 결과를 근거로, 신규 고객이 서비스를 이용하는 첫 날에 보다 많은 곡을 즐겨찾기 하도록 유도하는 결정을 내릴 수 있을 것입니다. 고객이 "즐겨찾기"를 수행하는 일련의 행동이 "리텐션"과 "구독 전환율" 모두에 확실하게 관련되어 있으므로 유의미한 성과를 볼 수 있을 것입니다.

 

여러분이 사용중이신 분석 솔루션이 행동 코호트 기능을 가지고 있나요?

 몇몇 솔루션에서는 행동 코호트 기능을 가지고 있다고 말하지만, 사용자의 그룹(코호트)을 저장하여 앞에서 본 리텐션차트나 퍼널차트에서 수행한 것처럼 다른 차트에 적용할 수 없다면 행동 코호트라고 말할 수 없습니다.

 Amplitude를 포함한 많은 분석 솔루션의 경우, 리텐션 리포트의 첫 액션과 리턴 액션을 지정하여 볼 수 있습니다. 이를 통해 리텐션을 보다 상세하게 확인할 수 있습니다. 아래의 예에서는 몇 퍼센트의 고객들이 가입 후 곡을 즐겨찾기를 하는지 확인하고 싶다고 가정해 보았습니다.

 이를 '행동 코호트'라고 부르는 솔루션도 있겠지만, 실제로는 이벤트 베이스의 리텐션 지표입니다. 위와 같이, 필터를 사용하여 사용자 그룹을 저장하거나 저장된 그룹을 솔루션 내의 다른 분석에 활용할 수 있어야 합니다. 또한 "앱 최초 사용일로부터 1일 이내"와 같은 시간범위나 특정 행동을 수행한 회수를 지정할 수 있어야 하겠지요.

"행동 코호트"를 통해서 아래와 같은 작업이 가능해진다는 것을 기억하십시오.

• 고객이 서비스 내에서 수행하는 (또는 수행하지 않는) 해동에 기반하여 고객 그룹을 정의한다.
• 고객 그룹을 저장하고 퍼널, 리텐션, Revenue(수익) 등의 차트로 추가 분석한다.
• 사용자의 행동을 이해하고 운영하는 서비스의 개선 방향을 찾는다.

고객들의 다양한 행동이 서비스의 리텐션, 수익 및 성장에 어떻게 영향을 미치는지 이해할 준비가 되어 있습니까? 이 가이드의 PDF 버전을 다운로드(Behavioral Cohorting)하고 마지막에 있는 행동 코호팅 워크시트를 사용하여 작업을 시작하십시오.