정의
코호트 분석(Cohort Analysis)은 사용자를 특정 시점의 첫 행동(가입, 첫 구매, 첫 앱 설치 등)을 기준으로 그룹(코호트)으로 묶고, 각 그룹의 이후 행동을 시간 흐름에 따라 종단적으로 비교하는 분석 방법입니다.
DTC 브랜드에서 가장 흔히 쓰이는 형태는 가입 월별 코호트 또는 첫 구매 월별 코호트입니다. 예를 들어 "2024년 1월에 첫 구매한 고객 1,200명"과 "2024년 6월에 첫 구매한 고객 1,850명"을 각각 별도 그룹으로 두고, 이후 1개월·3개월·6개월·12개월 시점의 재구매율, LTV, 이탈률을 나란히 비교합니다.
핵심은 "언제 들어온 고객인가" 를 통제변수로 삼는다는 점입니다. 전체 평균 리텐션 32%라는 숫자는 신규 고객 급증기에 왜곡되기 쉽지만, 코호트로 쪼개면 "작년 3월 코호트는 6개월차 리텐션이 41%였는데, 올해 3월 코호트는 27%로 떨어졌다"는 식의 실질적인 품질 변화를 잡아낼 수 있습니다.
비유로 이해하기
코호트 분석은 학교 학년 비교와 같습니다.
- "2023년 입학생"과 "2024년 입학생"은 각각 하나의 코호트입니다.
- 두 학년의 1학기 성적, 2학기 성적, 졸업률을 같은 시점끼리 비교하면 "입학생 수준이 떨어졌는지, 교육 과정이 바뀌어야 하는지"를 판단할 수 있습니다.
- 반면 전교생 전체 평균 성적만 보면 신입생이 많이 들어온 해에는 평균이 희석되어 착시가 생깁니다.
DTC에서도 동일합니다. 코호트 = 입학년도, 리텐션 곡선 = 학기별 성적표입니다.
공식
코호트 리텐션율은 다음과 같이 계산합니다.
Cohort Retention Rate(n) = (코호트 C의 첫 행동 후 n번째 기간에 재방문/재구매한 사용자 수) ÷ (코호트 C의 초기 사용자 수) × 100
예시 데이터 (2024년 1월 첫 구매 코호트, 초기 1,200명):
| 기간 | 재구매 고객 수 | 리텐션율 |
|---|---|---|
| 0개월 | 1,200 | 100% |
| 1개월 | 384 | 32.0% |
| 3개월 | 228 | 19.0% |
| 6개월 | 156 | 13.0% |
| 12개월 | 96 | 8.0% |
누적 LTV는 각 기간의 매출 기여를 합산합니다.
LTV(Cohort C, n개월) = Σ (t=0 → n) [ 코호트 C의 t개월차 총 기여이익 ] ÷ 초기 사용자 수
예를 들어 1월 코호트의 12개월 누적 LTV가 1인당 68,000원이고, 6월 코호트가 1인당 51,000원이라면 신규 유입 고객의 질이 약 25% 하락한 것입니다.
코호트 분석 vs 전체 평균 분석
| 비교 항목 | 전체 평균 분석 | 코호트 분석 |
|---|---|---|
| 기준 | 전체 사용자 집계 | 첫 행동 시점별 그룹 |
| 리텐션 파악 | 신규 유입 급증 시 왜곡 | 코호트별 정확한 곡선 |
| LTV 추적 | 평균값만 확인 | 코호트별 LTV 추이 비교 |
| 마케팅 효과 검증 | 채널/캠페인 구분 어려움 | 캠페인별 코호트 품질 비교 |
| 의사결정 속도 | 빠르지만 방향성 위험 | 느리지만 정밀 |
| 대표 질문 | "이번 달 리텐션 몇 %?" | "3월 유입 고객이 6월 유입보다 왜 더 잘 남는가?" |
DTC/이커머스 적용 시나리오
1. 첫 구매 채널별 코호트 비교
- 메타 광고 유입 코호트: 3개월 리텐션 14%
- 카카오톡 채널 유입 코호트: 3개월 리텐션 29%
- 네이버 검색 유입 코호트: 3개월 리텐션 22%
→ 광고비 대비 LTV가 낮은 채널의 예산을 재배분합니다.
2. 프로모션 코호트 검증
- 2024년 5월 "1+1 샘플 키트" 프로모션 코호트: 6개월 리텐션 9%
- 2024년 8월 "정가 구매 + 리필 구독" 코호트: 6개월 리텐션 24%
→ 할인 유입 고객은 충성도가 낮다는 가설을 데이터로 확인합니다.
3. 제품 카테고리별 코호트
- 스킨케어 첫 구매 코호트: 12개월 LTV 82,000원
- 헤어케어 첫 구매 코호트: 12개월 LTV 54,000원
→ 카테고리별 CAC 상한선을 다르게 설정합니다.
4. 리텐션 캠페인 효과 측정
- 앱 푸시 도입 전 코호트(2024 Q1): 3개월 리텐션 17%
- 도입 후 코호트(2024 Q3): 3개월 리텐션 26%
→ 캠페인 ROI를 코호트 단위로 입증합니다.
흔한 오해
오해 1: "코호트 = 세그먼트"
코호트는 시간 기반 그룹이고, 세그먼트는 속성 기반 그룹입니다. 30대 여성은 세그먼트, 2024년 3월 첫 구매자는 코호트입니다. 둘을 교차하면 "2024년 3월 첫 구매한 30대 여성"이라는 강력한 분석 단위가 됩니다.
오해 2: "최근 코호트일수록 리텐션이 낮으면 무조건 문제"
최근 코호트는 아직 관찰 기간이 짧습니다. 1월 코호트의 12개월 리텐션과 11월 코호트의 1개월 리텐션을 같은 선상에서 비교하면 안 됩니다. 동일 경과 기간끼리 비교해야 합니다.
오해 3: "코호트 크기가 작아도 괜찮다"
코호트당 사용자가 100명 미만이면 우연 변동이 커서 해석이 위험합니다. 최소 300~500명 이상을 권장하며, 부족하면 분기 단위로 묶습니다.
오해 4: "리텐션만 보면 된다"
리텐션은 유지율, LTV는 수익 기여, AOV는 객단가, CAC는 획득 비용입니다. LTV/CAC 비율까지 함께 봐야 코호트의 진짜 건강도를 알 수 있습니다.
오해 5: "한 번 만들면 끝"
코호트 분석은 매월 갱신되는 살아있는 대시보드입니다. 신규 코호트가 추가될 때마다 과거 코호트와의 격차를 모니터링해야 합니다.
관련 용어
- Retention Rate (리텐션율): 코호트가 특정 기간 후에도 남아 있는 비율
- LTV (고객생애가치): 코호트별 누적 기여이익
- CAC (고객획득비용): 코호트 획득에 투입된 총비용 ÷ 신규 고객 수
- Churn Rate (이탈률): 1 − 리텐션율
- RFM Analysis: 최근성·빈도·금액 기반 세그먼트 (코호트와 교차 활용)
- Cohort Curve (코호트 곡선): 시간에 따른 리텐션 변화 시각화
- Payback Period: CAC를 회수하는 데 걸리는 개월 수
- Repeat Purchase Rate (재구매율): 코호트 내 재구매 발생 비율
코호트 분석은 "우리 고객이 얼마나 오래 남는가"라는 질문에 시간이라는 렌즈를 씌우는 도구입니다. 전체 평균이 감추는 진실을 코호트는 드러냅니다. DTC 브랜드라면 최소 월별 코호트 대시보드를 운영하고, 채널·프로모션·카테고리별로 쪼개어 LTV/CAC 비율을 추적하는 것을 권장합니다.