Adobe Digital Dialogue

효과적 리마케팅을 위한 기법: 코호트(cohort) 분석

신규 고객을 유치하는 것만큼 중요한 것이 고객 유지인데요. 특정 제품의 재구매나 웹사이트 재방문을 유도하기 위해 마케터들은 흔히 ‘리마케팅’을 전개합니다. 이 때 유용한 분석 기법 중 하나가 바로 코호트(cohort) 분석입니다.

군인 집단을 뜻하는 중세 프랑스어 cohorte 에서 유래한 코호트(cohort)는 사회학에서는 ‘특정 기간에 특정 경험을 공유한 사람들의 집합’을 일컫습니다. 간단히 ‘동질집단’으로도 불리는 데요. 코호트 분석 (cohort analysis)이란 바로 ‘특정 기간 특정 경험을 공유한 집단 간 행동패턴을 비교 및 분석’ 하는 것이라고 볼 수 있습니다.

그러면 이 코호트 분석은 기업의 비즈니스에서 왜 필요한 것일까요?

우리 몸에 이상이 생겨 통증은 있는데 겉으로 보기엔 아무런 문제가 없어보일 때 보통 MRI 를 찍어 겉으로 드러나지 않는 문제를 찾아내 듯 비즈니스에서도 당장은 매출이 잘 나오는 것처럼 보이더라도 그 실상을 들여다 보면 미래에 문제를 일으킬 수 있는 요인을 발견할 때가 있습니다. 이처럼 내재된 문제를 찾아내기 위해 마케터들은 코호트 분석을 사용합니다.

특히 웹/앱 분석에서 이 코호트 분석은 중요한 역할을 하게 되는 데요. 모바일 앱 설치 후 사용율을 분석하는 것이 대표적인 예입니다. 앱을 배포한 뒤 설치를 독려하기 위해 여러가지 마케팅 활동을 펼치면 앱 설치 수가 한 동안은 증가하는 반면 사용율은 이에 비례해 늘어나지 않을 수 있습니다. 이 때 코호트 분석을 통해 앱을 설치한 후 어느 시점에 앱 사용율이 현저히 떨어지는 지를 파악하고 이 시점에 앱 사용을 독려하는 캠페인을 진행한다면 지속적으로 앱 사용율을 유지 또는 높일 수 있습니다.

어도비 애널리틱스에서는 여러 형태의 코호트 분석 테이블을 제공하고 있는데, 가장 기본으로 사용하는 것이 ‘유지(Retention) 테이블’입니다.

(그림 1) 유지 (Retention) 테이블

(그림 1)은 월별 웹사이트 방문자 코호트의 일정 기간 후 재방문자 수를 나타낸 것으로 첫 방문 후 한달이 지난 시점에 대략 15~ 22% 정도 재방문이 일어 나고 있는 것을 볼 수 있으며, 이후 방문율은 줄고 있습니다. 이 때 코호트의 특성을 살펴보면 10월 방문집단은 4개월 후 재방문율이 2.7 %인 반면, 11월 방문집단은 4개월 후 재방문율이 4.1%로 10월 방문집단보다 높은 것으로 나타나고 있습니다.

그러면 여기서 이 두 코호트 집단 (2018년 10월 방문자) (2018년 11월 방문자)을 좀 더 자세히 비교 분석하기 위해 각 집단별 세그먼트를 만들어 보도록 하겠습니다. (그림 2)

(그림 2) 집단별 세그먼트 만들기

이렇게 만든 두 집단의 세그먼트를 자세히 분석해 보면 어떤 점이 이런 차이를 가져오는지 알 수 있습니다.

         (그림 3) 각 집단의 제품 보기 수 분석

예를 들어 (그림 3)과 같이 각 집단의 제품 보기 수를 비교하면 제품 A 는 2018년 10월 방문자들이 더 많은 관심을 보인 반면, 제품 B는 2018년 11월 방문자들로부터 더 높은 관심을 받은 것을 확인할 수 있습니다.

이러한 분석은 제품 뿐 아니라, 페이지 뷰, 키워드 등과 같이 확장하여 분석을 하다 보면 각 집단의 특성을 파악할 수 있는데요. 이 기업의 경우 2018년 11월 방문자들이 더 높은 관심을 보인 제품을 파악하여, 해당 그룹을 대상으로 리마케팅을 진행함으로써 이들의 충성도를 더욱 높일 수 있습니다.

또 다른 예를 들어보겠습니다. 추석, 크리스마스와 같은 특정 기간에 이벤트를 진행했다면 이 이벤트의 타깃 고객군을 해당 기간 코호트 집단으로 분류한 뒤, 이들의 재방문율이나 구매율을 다른 기간 방문자 집단과 비교하여 캠페인의 효과 뿐 아니라 그 이후 영향까지 분석할 수 있습니다. 때문에 코호트 분석을 통해 리마케팅 시점을 판단 할 수 있기도 합니다.

일반적으로 코호트 분석은 기간별 집단 분석만 가능하지만 어도비 애널리틱스를 이용하면, 방문자 특성에 따른 코호트 분석 또한 가능합니다.

(그림 4) 지역별 방문자에 따른 코호트 분석

예를 들면 (그림 4) 와 같이 방문자를 지역별로 나누어 코호트 분석을 하게 되면 각 지역 방문자들의 특성에 따른 리마케팅 계획을 세울 수 있습니다.

버지니아에 거주하는 사람들은 메일을 받은 후 3일 후 열어 보는 경향이 높다는 것을 파악하게 되면 이 지역 고객에게 메일을 발송할 때는 매일 보내는 것 보다 3~4일을 주기로 발송하면 오픈율을 높일 수 있습니다.

이 외에도 고객 집단을 다양한 특성으로 분류하고 이들의 유지율 또는 이탈율 등을 코호트 분석을 통해 다양한 관점에서 분석함으로서 효율적인 마케팅 의사 결정을 할 수 있습니다.

디지털 마케팅의 가장 큰 매력은 마케팅 대상이 누구인지 몰라도 그들의 특성 및 행동 패턴 등을 파악하여 고객에게 적합한 제품 또는 콘텐츠를 최적의 타이밍과 경로를 통해 제공할 수 있다는 것입니다. 이를 가능하게 하는 것은 여러 웹/앱 분석 기법을 이용하여 공통 특성을 지닌 집단을 추출 할 수 있기 때문이며 그 기법 중 하나가 코호트 분석입니다.

코호트 분석을 처음 접하는 마케터들이라면 가장 기본적인 유지(Retention) 코호트 분석을 기간별로 나누어 방문자들의 재방문 및 유지율을 측정하는 것에서부터 시작해 보길 권유합니다. 이를 시작으로 여러분의 비즈니스에 보이지 않는 문제점도 찾아내고, 리마케팅 대상도 보다 정교하게 파악함으로써 성공적인 마케팅에 한 발 더 다가갈 수 있기를 바랍니다.

 

필자인 윤성희 이사는 한국의 웹사이트 분석 시장이 태동하던 시기에 글로벌 솔루션기업인 웹트랜즈의 세일즈 엔지니어로 커리어를 시작하였다. 이후 어도비 애널리틱스의 전신인 옴니추어에서 컨설팅을 시작한 뒤 현재 어도비 코리아에서 시니어 멀티솔루션 아키텍트로서 일하고 있으며,어도비 익스피어리언스 클라우드 고객사의 디지털 경험 관리를 돕고 있다.

 

 

 

데이터 기반 마케팅

Join the discussion