코호트 분석 및 이탈률 감소에 대한 단계별 가이드

이탈률 코호트 분석은 사용자 유지율을 높이는 데 필요한 정보를 계산하여 제공하는 분석 유형입니다 . 사용자 수명 주기를 분석하고 사용자가 제품 사용을 중단하거나 사용을 중단하는 시기 를 식별할 수 있습니다. 여기에서 사용자의 행동에 대해 배우고 앱 이탈로 이어지는 이유를 조사할 수 있습니다. 사용자가 이탈하는 이유 를 이해하면 이탈률을 줄이고 사람들이 제품에 계속 참여하도록 조치를 취할 준비가 된 것입니다.

이탈률과 코호트 분석의 관계 이해

대부분의 회사는 이탈의 작은 비율을 정상적이고 정상적인 것으로 보고 있습니다. 그러나 많은 수의 사용자가 귀하의 제품을 떠나는 것은 우려의 원인입니다. 코호트 분석을 사용하면 사용자 그룹 또는 세그먼트(코호트)가 앱을 떠나는 이유 를 조사할 수 있으므로 이탈률을 줄이는 데 도움이 됩니다. 사람들을 떠나게 만드는 원인을 파악할 수 있다면 높은 고객 이탈률을 피하기 위한 조치를 취할 수 있습니다.

또한 코호트 분석을 통해 높은 참여도와 고객 유지로 이어지는 요인을 이해할 수 있습니다. 유지에 집중하고 기존 고객에게 가치를 제공하면 순전히 고객 확보에만 집중할 때보다 더 높은 ROI를 얻을 수 있습니다. 이미 고객 확보에 시간, 돈, 노력을 투자했으므로 신규 사용자에게 다가가는 데에만 집중하는 대신 고객을 플랫폼에 유지하려고 노력하는 것이 좋습니다.

이탈을 줄이는 코호트 분석을 완료하기 위한 5단계 가이드

이 단계에서는 사용자가 이탈하는 시기와 이유를 식별하여 이탈을 줄이기 위한 솔루션을 실험할 수 있는 코호트 분석을 수행하는 방법을 보여줍니다.

1. 앱에 가입한 시점을 기준으로 사용자 그룹화

사용자 가 앱에 가입한 시점을 기준으로 사용자를 그룹화하여 분석을 시작합니다. "가입한 날짜"는 일종의 획득 집단입니다. 나중에 분석에서 행동 집단을 사용하게 됩니다. 모든 사용자의 이탈률을 보는 대신 고객 수명 주기와 관련하여 사용자가 이탈하는 시점을 알 수 있습니다.

앱 유형 및 제품 사용 간격에 따라 매일, 매주 또는 매월 코호트를 만듭니다. 예를 들어 명상이나 피트니스 앱을 실행하는 경우 일일 획득 및 사용을 살펴보는 것이 유용할 것입니다. 사람들이 덜 자주 사용하는 앱인 경우(예: 투자 앱) 월별 또는 주간 집단을 사용할 것입니다.

분석에 포함하는 시간 프레임은 찾고자 하는 내용에 따라 달라집니다. 단기적인 변화를 보기 위해 몇 주 동안의 일일 유지 또는 이탈을 살펴봅니다. 장기적인 추세를 파악하기 위해 1년 동안의 월간 유지율을 살펴봅니다.

분석하려는 집단을 설정했으면 Excel에서 집단 표를 만들거나 Amplitude와 같은 분석 소프트웨어를 사용합니다. 동질 집단 표에는 각 동질 집단에 대한 행과 각 일, 주 또는 월에 대한 열이 있습니다. "데이 제로"는 사용자가 플랫폼에 가입한 날입니다. 셀에 이탈률 또는 유지율을 표시합니다.

2. 각 코호트의 사용자가 이탈한 시점 식별

사용자가 이탈하는 지점을 식별할 수 있다면 사용자 여정에서 패턴을 찾을 수 있습니다. 그들이 그 순간에 휘젓는 이유를 더 자세히 조사할 수 있을 것입니다.

코호트 분석 차트를 보고 많은 사용자가 이탈하는 시점을 찾으십시오. 유지 곡선을 시각화하고 사람들이 언제 이탈하는지 쉽게 파악하려면 동질 집단 표를 차트로 변환하세요.

종종 제품 및 성장 팀은 "문제" 순간의 목록을 만들 것입니다. 예를 들어 10일 후 또는 첫 달 후 사용자가 떠날 때 사용자 수명 주기의 한 지점입니다.

3. 추가 이탈을 조사하기 위해 다른 코호트 유형을 분석합니다.

획득 날짜와 관련하여 이탈을 살펴본 후 행동, 획득 채널 또는 인구 통계를 기반으로 사용자 그룹을 생성하면 사용자를 더 잘 이해하는 데 도움이 됩니다. 사용자가 떠나는 이유를 찾는 데 한 걸음 더 다가갑니다.

행동 집단을 사용하여 사용자가 수행했거나 수행하지 않은 작업을 기준으로 사용자를 그룹화합니다. 구매하기 전에 리뷰를 읽은 사용자나 플랫폼에 가입한 후 처음 3일 이내에 인앱 구매를 한 사용자를 볼 수 있습니다. 각각의 경우에 행동을 취하는 집단과 그렇지 않은 집단을 비교하여 이탈에 대한 링크가 있는지 확인하고 싶을 것입니다.

행동 집단을 사용하는 것 외에도 획득 유형별로 사용자를 그룹화하여 이탈로 이어지는 채널과 시기를 식별합니다. 예를 들어, 유료 광고의 사용자가 뉴스레터에서 전환한 사용자보다 더 빨리 이탈한다는 것을 알 수 있습니다. 사용자를 분류하는 또 다른 방법은 인구통계를 사용하는 것입니다. 다양한 연령대 또는 위치에서 패턴을 찾습니다.

일관성을 위해 수행한 획득 코호트 분석과 동일한 기간에 다른 코호트 유형을 살펴보십시오. 한 번에 하나의 고객 집단을 조사하여 고객 이탈에 기여하는 요인을 명확하게 파악할 수 있습니다. 다음 단계에서 동질 집단이 다양한 이유에 대한 결론을 내리기 시작할 것입니다.

4. 각 코호트에서 이탈이 발생한 이유를 가정합니다.

다양한 집단에 대한 데이터를 수집했으므로 이제 사람들이 이탈하는 이유를 이론화할 수 있습니다. 가설을 세우고 테스트하면 실제로 이탈을 일으키는 원인을 찾을 수 있습니다.

다양한 행동 집단에 대한 분석과 함께 사람들이 이탈하는 시기에 대한 조사에서 발견한 "문제 순간"을 기반으로 이탈률이 가장 높은 집단을 선택합니다. 그런 다음 이탈의 원인이 될 수 있는 사항을 브레인스토밍합니다.

예를 들어 취득일 코호트에서:

• 계절적 변화는 앱 사용에 영향을 미칩니다. 많은 사용자가 휴일 동안 가입했지만 앱을 사용할 여유 시간이 충분하지 않기 때문에 2월에 앱을 제거합니다.
• 사용자는 온보딩 프로세스가 너무 길고 복잡하기 때문에 이틀 후에 이탈합니다.

행동 집단에서:

• "기본" 요금제에 가입한 사용자는 충분한 기능에 액세스할 수 없기 때문에 이탈합니다.
• 미리 알림 알림을 활성화하지 않는 사용자는 앱 사용을 잊어버리고 앱에서 가치를 얻지 못하기 때문에 결국 앱을 제거하게 됩니다.

획득 채널 집단에서:

• 인스타그램 광고를 통해 가입한 사용자들은 상품을 정확하게 묘사하지 않아 고객의 기대치와 상품 간의 불일치가 발생하여 빠르게 이탈합니다.

5. 가설 테스트 및 솔루션 실험

제품 변경을 구현하기 전에 가설이 올바른지 확인해야 합니다. 많은 다른 요인이 이탈에 기여한다는 사실에 대비해야 하므로 이 단계에는 약간의 실험이 필요합니다.

먼저 A/B 테스팅을 통해 가설을 확인합니다. 예시 가설을 테스트하기 위해 다음을 수행할 수 있습니다.

• 온보딩 프로세스를 간소화하세요.
• "기본" 구독 계층에 더 많은 기능을 추가하십시오.
• 보다 정확한 고객 기대치를 설정하려면 마케팅 캠페인을 업데이트하십시오.

다양한 솔루션으로 실험하여 플랫폼을 최적화하십시오. 예를 들어, 온보딩 프로세스를 단순화하면 사용자가 이틀 후에 이탈하는 것을 막을 수 있지만 다른 솔루션은 사용자에게 온보딩을 완전히 건너뛸 수 있는 옵션을 제공할 수 있습니다. 조정을 통해 변동이 줄어들면 전체 앱에 적용할 준비가 된 것입니다. 가설이 옳지 않거나 솔루션이 작동하지 않으면 한 단계 뒤로 돌아가 코호트 이탈 분석을 계속하십시오.

고객 이탈 분석 계속하기

코호트 분석은 한 번 이상 거쳐야 하는 프로세스입니다. 고객 이탈률은 시간이 지남에 따라 변하므로 코호트를 계속 추적하고 정기적으로 코호트 분석을 수행하여 사용자 행동의 패턴을 찾아내면 고객 유지율을 높게 유지하기 위한 조치를 취할 수 있습니다.

지금 Amplitude의 무료 스타터 플랜 을 사용하여 이탈률 코호트 분석을 수행 하거나, 누수 버킷 수정에 대해 자세히 알아보려면 Mastering Retention 플레이북을 확인하십시오 .

참고문헌

• 이탈률. 인베스토피디아.
• 고객 확보 VS. 보유: 귀하의 달러는 어디에 가장 많이 사용됩니까? 프로핏웰.
• 배울 수 있는 10가지 최고의 사용자 온보딩 사례. 앱큐스.