리텐션 코호트 분석

코호트 리텐션 차트는 리텐션 데이터를 삼각형 매트릭스로 표시합니다. 행은 획득 코호트(1월 코호트, 2월 코호트 등)를 나타내고, 열은 획득 이후의 시간 기간(1주차, 4주차, 3개월차, 6개월차, 12개월차)을 나타냅니다. 각 셀은 해당 기간 동안 활성 상태였던 원래 코호트의 비율을 보여줍니다. 읽기 패턴: 대각선 비교: 2024년 3월의 3개월차 리텐션을 2025년 3월의 3개월차 리텐션과 비교하면 코호트 연령을 통제했을 때 제품이 1년 전보다 고객을 더 잘 유지하는지 여부를 알 수 있습니다. 행 모양: 코호트의 리텐션 곡선 모양(처음 4주 동안 얼마나 가파르게 하락하고, 어떤 비율에서 평평해지는지)은 제품이 참여 사용자들의 '유지된 핵심(retained core)'을 가지고 있는지 아니면 지속적으로 감소하는지를 보여줍니다. 3개월차에 5%로 떨어져 유지되는 리텐션 곡선은 3개월차에 35%로 떨어져 유지되는 곡선과는 근본적으로 다릅니다. 전자는 지속 가능한 참여 모델이 없지만, 후자는 건강한 유지된 핵심을 찾은 것입니다. 열 비교: 6개월차의 모든 코호트를 비교하면 시간 경과에 따른 6개월 리텐션 추세를 파악할 수 있습니다. 6개월차 코호트 리텐션이 개선되고 있다는 것은 제품 개선이 효과를 보고 있다는 신호입니다.

행동 코호트 분석은 사용자를 획득 날짜가 아닌 제품 내에서 수행했거나 수행하지 않은 특정 행동을 기준으로 그룹화한 다음, 해당 행동을 수행한 사용자와 수행하지 않은 사용자의 리텐션 곡선을 비교합니다. 고전적인 방법론(Facebook의 '7일 내 10명의 친구' 발견으로 대중화됨): 1주차에 행동 X를 수행한 사용자 코호트를 정의하고, 이들의 90일 리텐션을 1주차에 행동 X를 수행하지 않은 사용자와 비교합니다. 90일차에 행동 X 코호트가 55%의 리텐션을 보이는 반면, 행동 X를 수행하지 않은 사용자는 22%를 보인다면, 행동 X는 강력한 리텐션 예측 인자입니다. 중요한 주의사항: 이 분석은 상관관계를 식별할 뿐 인과관계를 식별하지는 않습니다. 행동 X를 수행한 사용자는 본질적으로 더 동기 부여가 되었거나 더 적합한 고객이었을 수 있으며, 행동 X와 관계없이 유지되었을 수 있습니다. 인과관계를 확립하려면, 무작위 사용자 하위 집합에 행동 X를 완료하도록 유도하는 A/B 테스트를 실행하고, 이들의 리텐션을 유도하지 않은 대조군과 비교합니다. 유도된 그룹이 더 나은 리텐션을 보인다면, 해당 행동은 리텐션에 인과적 영향을 미칩니다. Product Ops는 제품 분석 분기별 검토의 표준 구성 요소로 행동 코호트 분석을 촉진하여 A/B 테스트 검증을 위한 잠재적인 리텐션 예측 행동을 도출합니다.

B2B SaaS 코호트 분석은 B2C 소비자 앱과 다섯 가지 중요한 차이점이 있습니다. 분석 단위: B2B 리텐션은 사용자 수준(개별 사용자가 회사를 떠나도 회사는 유지되는 것으로 간주)이 아닌 계정 수준(회사가 여전히 고객인가?)에서 측정됩니다. 생존 분석: B2B SaaS는 앱 오픈율이 아닌 일별 또는 월별 활성 사용량을 리텐션 측정 지표로 사용합니다. 개별 사용량이 다르더라도 한 달에 한 번 이상 로그인하는 계정은 '유지'된 것으로 간주됩니다. 계약 정렬: 연간 B2B 계약은 인위적인 리텐션 정체기를 만듭니다. 계정은 계약 중간에 이탈하지 않으므로 계약 기념일에 이탈 이벤트가 급증합니다. B2B의 코호트 리텐션 곡선은 B2C에서 흔히 볼 수 있는 부드러운 곡선이 아닌 연간 톱니 모양 패턴을 보입니다. 코호트 크기: B2B 코호트는 훨씬 작습니다(건강한 엔터프라이즈 SaaS는 한 달에 25~50개의 새로운 엔터프라이즈 계정을 확보할 수 있지만, 소비자 사용자는 수천 명에 달함). 따라서 통계적으로 의미 있는 분석을 위해서는 더 긴 시간 창이 필요합니다. 확장 효과: B2B 코호트 분석은 생존율뿐만 아니라 시간 경과에 따른 코호트당 ARR도 추적해야 합니다. 85%의 계정이 생존했지만 ARR이 150% 성장한(확장을 통해) 코호트는 98%가 생존했지만 ARR이 정체된 코호트와는 극적으로 다릅니다.