코호트 분석이란? 리텐션 표 읽는 법부터 이탈 원인 찾기까지

🔎 3줄 핵심 요약

광고비를 들여 데려온 사용자 100명. 한 달 뒤에는 몇 명이 남아 있을까요?

대시보드를 열면 가입자 수도, 활성 사용자 수도 지난달보다 올라 있어요. 그런데 이상하게 체감은 그렇지 않죠. "사람은 계속 들어오는데, 왜 늘 새로운 사람만 보이는 것 같지?"

광고 경쟁이 치열해지면서 신규 사용자를 데려오는 데 드는 비용도 점점 부담이 되고 있죠. 그럴수록 들어온 사람을 얼마나 붙잡아 두느냐가 성장을 좌우해요. 문제는 전체 숫자만 봐서는 누가, 언제부터 떠나고 있는지 알 수 없다는 거예요.

이 질문에 답하는 가장 기본적인 방법이 코호트 분석입니다. 이 글에서는 코호트가 무엇인지부터 시작해서, 예시로 보는 코호트 분석 방법과 리텐션 표 보는 법, 분석한 다음 무엇을 해야 하는지까지 차근차근 짚어볼게요.

1. 코호트 분석이란?

코호트 분석은 사용자를 공통된 기준으로 묶은 뒤, 그 그룹들이 시간이 지나면서 어떻게 달라지는지 비교하는 분석 방법입니다. 여기서 '공통된 기준으로 묶은 사용자 그룹'을 코호트(Cohort)라고 불러요.

학교로 치면 '학번'과 비슷해요. 같은 해에 입학한 학생들을 20학번, 21학번으로 묶어두면 "21학번은 20학번보다 휴학률이 높네?" 같은 비교를 할 수 있죠. 전교생 평균만 봐서는 알 수 없는 차이예요.

예를 들어 어떤 앱에 3월에 가입한 사용자가 1,500명, 4월에 가입한 사용자가 1,800명 있다고 해볼게요.

(이 글의 모든 수치는 이해를 돕기 위한 가상 예시예요.)

두 그룹을 섞어서 평균만 냈다면 34% 정도로 보였을 거예요. 하지만 나눠서 보니 4월에 들어온 사람들이 유독 빨리 떠났다는 사실이 보이죠. 이렇게 그룹을 나눠 차이를 찾아내는 게 코호트 분석의 핵심이에요.

자주 헷갈리는 개념이 세그먼트예요. 세그먼트는 "서울에 사는 20대"처럼 사용자의 특징으로 나눈 그룹이에요. 코호트는 "3월에 가입한 사람"처럼 특정 시점에 겪은 경험으로 나눈 그룹이고요. 그래서 코호트 분석에는 거의 항상 "그 뒤로 어떻게 됐는지"라는 시간의 흐름이 따라붙어요.

2. 코호트는 어떻게 나눌까: 획득 코호트와 행동 코호트

코호트를 나누는 기준은 크게 두 가지예요.

① 언제 들어왔는가: 획득 코호트
가입한 날짜나 첫 구매 날짜처럼 들어온 시점으로 묶는 방식이에요. 앞에서 본 '3월 가입자, 4월 가입자'가 바로 획득 코호트예요. "최근에 들어온 사람들이 예전 사람들보다 덜 남는다면, 그 사이에 뭐가 바뀌었지?"를 찾을 때 써요.

② 처음에 무엇을 했는가: 행동 코호트
가입 후 어떤 행동을 했는지로 묶는 방식이에요. 예를 들어 쇼핑 앱에서 '가입 첫 주에 상품을 찜한 사람'과 '찜하지 않은 사람'으로 나누는 거죠. "어떤 행동을 한 사람이 더 오래 남을까?"를 찾을 때 써요.

행동 코호트 예시를 조금 더 볼게요. 첫 주에 찜을 한 사용자는 8주 뒤에도 35%가 남았고, 찜하지 않은 사용자는 12%만 남았다고 해요(가상 예시). 그러면 "새로 온 사용자가 찜하기를 빨리 써보게 하면 더 오래 남지 않을까?"라는 아이디어를 떠올릴 수 있죠. 다만 이건 어디까지나 아이디어의 출발점이에요. 왜 그런지는 6장에서 설명할게요.

3. 코호트 분석에는 왜 자주 '리텐션'이 따라올까

코호트 분석을 찾아보면 거의 항상 리텐션이 함께 나와요. 리텐션을 제대로 비교하려면 출발선이 같은 사람끼리 묶어야 하기 때문이에요.

💡 리텐션이란? 처음 들어온 사용자 중 일정 기간이 지난 뒤에도 다시 돌아와 서비스를 쓰는 사람의 비율이에요.

어제 가입한 사람과 1년 전에 가입한 사람을 한데 섞어서 "몇 %가 남았나"를 따지면 의미가 없잖아요. 그래서 같은 시기에 출발한 사람끼리 묶고(코호트), 그 그룹이 얼마나 남는지(리텐션)를 보는 조합이 가장 기본적인 코호트 분석이 됐어요. 이 조합을 흔히 리텐션 분석이라고 불러요.

평균 리텐션만 보면 생기는 문제

이제 처음 질문으로 돌아가 볼게요. 사람이 계속 들어오는데 왜 체감이 안 좋을까요?

가상의 서비스 하나를 예로 들어볼게요. 최근 몇 달간 광고를 늘려서 신규 가입자가 매달 늘었어요. 덕분에 전체 활성 사용자 수도 꾸준히 올랐죠. 대시보드만 보면 잘 되고 있는 것 같아요.

그런데 가입월별로 나눠서 리텐션을 보니 이야기가 달라져요.

새로 들어오는 사람 수가 워낙 많아서 전체 숫자는 오르고 있었지만, 4월부터 들어온 사람들은 예전보다 훨씬 빨리 떠나고 있었던 거예요. 밑 빠진 독에 물을 더 빨리 붓고 있어서 수위가 올라가 보였던 셈이죠.

평균은 서로 다른 그룹을 한데 섞어버려요. 그러면 어느 그룹에서, 언제부터 문제가 생겼는지가 사라져요. 코호트 분석은 섞인 숫자를 다시 그룹별로 풀어서 보여주는 도구예요.

4. 코호트 리텐션 표 보는 법: 가로·세로·대각선

코호트 분석 결과는 보통 아래 같은 코호트 리텐션 표로 나와요. 처음 보면 숫자가 빽빽해서 막막하지만, 읽는 규칙만 알면 어렵지 않아요.

코호트 분석 예시(가상): 가입월별 월간 리텐션 (6월 집계 중)

* 6월에 해당하는 칸이에요. 6월이 아직 끝나지 않아서 숫자가 바뀔 수 있어요.

이 표는 세 방향으로 읽어요.

① 가로로 읽기: 한 그룹이 시간이 지나며 어떻게 변했나
1월 가입자를 따라가 볼게요. 42% → 31% → 27%로 줄어들어요. 그런데 줄어드는 폭이 점점 작아지죠. 처음에 많이 빠지고, 이후에는 일정 비율이 꾸준히 남는 모양이에요. 이렇게 곡선이 점점 평평해지는 게 건강한 신호예요. 끝까지 남는 사람들이 서비스의 핵심 사용자층이거든요. 반대로 곡선이 바닥까지 계속 떨어진다면, 오래 머물 이유를 아직 못 준 거예요.

② 세로로 읽기: 같은 시점에서 그룹끼리 비교
M1 열만 위에서 아래로 보세요. 42%, 40%, 41%, 28%, 30%예요. 가입 한 달 뒤 남은 비율이 4월 가입자부터 확 떨어졌어요. 그러면 "4월 무렵에 가입 과정이 바뀌었나? 광고 채널이 바뀌었나?"를 확인해볼 차례예요.

③ 대각선으로 읽기: 특정 달에 무슨 일이 있었나
◀ 표시한 세 칸을 보세요. 2월 가입자의 M3, 3월 가입자의 M2, 4월 가입자의 M1이에요. 위치는 다르지만 세 칸 모두 달력으로는 5월이에요. 2월 가입자에게 3개월 뒤도 5월이고, 4월 가입자에게 1개월 뒤도 5월이거든요. 별표 칸도 같은 원리예요. 별표 세 칸은 모두 6월이라서 함께 집계 중으로 표시돼요.

가입 시기가 다른 세 그룹이 같은 달에 동시에 떨어졌다면, 원인은 특정 그룹이 아니라 5월에 있었던 어떤 일일 가능성이 커요. 앱 업데이트, 가격 인상, 서비스 장애 같은 것들이죠.

같은 표라도 어느 방향으로 읽느냐에 따라 보이는 문제가 완전히 달라요. 실제 분석 도구에서는 이 표가 곡선 그래프와 함께 나와서 그룹 간 차이를 한눈에 볼 수 있어요.

5. 코호트 분석 방법: 시작 전에 정해야 할 4가지

코호트 분석은 도구에서 버튼 몇 번이면 표가 나와요. 그런데 아래 네 가지를 어떻게 정하느냐에 따라 같은 데이터로도 전혀 다른 숫자가 나와요. 그래서 표를 만들기 전에 먼저 정해두는 게 좋아요.

① 무엇을 기준으로 묶을까? (시작 행동)
코호트의 출발선을 정하는 거예요. '가입한 날'로 할지, '첫 구매한 날'로 할지요. 쇼핑몰이라면 가입만 하고 아무것도 안 산 사람보다, 한 번이라도 산 사람을 기준으로 묶는 게 더 의미 있을 수 있어요.

② 무엇을 해야 '남았다'고 볼까? (복귀 행동)
앱을 한 번 열기만 해도 남은 걸로 칠지, 실제로 뭔가를 해야 남은 걸로 칠지 정해요. 앱을 열자마자 닫은 사람까지 '남았다'고 세면 숫자가 실제보다 좋아 보여요. 그래서 보통은 서비스를 제대로 쓴 행동으로 정해요. 음악 앱이라면 '노래 재생', 쇼핑 앱이라면 '상품 상세 보기'나 '구매'처럼요.

③ 얼마 간격으로 볼까? (기간 단위)
사용자가 원래 얼마나 자주 쓰는 서비스인지에 맞춰요.

여행 앱을 일 단위로 보면, 멀쩡히 다음 여행 때 돌아올 사람도 매일 '떠난 사람'으로 찍혀요.

④ '남았다'를 얼마나 엄격하게 셀까? (리텐션 기준)
헬스장으로 비유해볼게요. "가입 7일 차 리텐션"을 잴 때 두 가지 방법이 있어요.

같은 데이터라도 두 번째 방법이 숫자가 같거나 더 높게 나와요. 그래서 다른 팀이나 이전 보고서와 비교할 때는 같은 기준인지 꼭 확인해야 해요. 기준별 계산 방식은 리텐션 계산 방법 3가지에서 더 자세히 볼 수 있어요.

[이미지 3: Mixpanel 리텐션 기준 4가지(On, On or Before, On or After, Streak)를 그림으로 비교한 설명 이미지]

코호트에 사람이 너무 적으면 숫자를 믿기 어렵다는 점도 주의해야 해요. 이건 다음 장에서 이어서 볼게요.

6. 코호트 분석 결과를 해석할 때 자주 하는 실수

① 사람 수가 너무 적은 그룹을 믿는 것
50명짜리 그룹에서 10%p 차이는 고작 5명이에요. 우연히 생길 수 있는 차이죠. 그룹이 작으면 주 단위를 월 단위로 바꾸는 식으로 기간을 넓혀서 묶는 게 나아요.

② 그 시기에 있었던 일을 놓치는 것
명절 직전이나 대형 할인 기간에 들어온 사람들은 처음부터 성향이 달라요. 할인 때문에 들어온 사람은 할인이 끝나면 떠나기 쉽거든요. 그룹 간 차이가 보이면 먼저 그 시기에 어떤 이벤트와 광고가 있었는지 달력을 함께 펼쳐보세요.

③ '같이 일어난 일'을 '원인'으로 착각하는 것
2장의 찜하기 예시로 돌아가 볼게요. 찜한 사람이 더 오래 남은 건, 찜하기 기능 덕분이 아닐 수도 있어요. 원래 쇼핑에 관심이 많은 사람이 찜도 하고, 오래도 남은 것일 수 있거든요. 둘이 함께 나타났다고 해서 하나가 다른 하나의 원인이라는 보장은 없어요. 이런 차이는 아이디어로 두고, 실제로 효과가 있는지는 A/B 테스트로 확인해야 해요.

④ 아직 끝나지 않은 숫자로 판단하는 것
표의 별표 칸처럼 아직 그달이 끝나지 않은 칸은 숫자가 계속 바뀌어요. 이런 칸은 비교에서 빼거나, 바뀔 수 있다고 따로 표시해두세요.

7. 분석 다음에 할 일

코호트 분석은 문제가 어디에 있는지를 알려줄 뿐, 해결책까지 주지는 않아요. 그래서 분석한 다음 단계가 더 중요해요.

📊 Mixpanel로 코호트 분석하기

앞에서 본 코호트 표를 엑셀로 매달 만들려면 손이 꽤 가요. 가입일별로 데이터를 뽑고, 피벗을 돌리고, 기준을 바꿀 때마다 다시 만들어야 하죠. Mixpanel을 쓰면 이벤트 두 개만 고르면 가입 시기별로 누가 언제 떠나는지가 표와 곡선으로 바로 나와요. 그래서 표를 만드는 시간보다 원인을 찾는 데 시간을 더 쓸 수 있어요.

예를 들어 이런 질문에 바로 답을 찾을 수 있어요.

직접 만들어 보려면 이렇게 하면 돼요. (2026년 10월, Mixpanel 공식 문서 기준)

어떤 행동이 리텐션을 끌어올리는지 더 깊이 찾고 싶다면 리텐션 분석을 위한 사용자 경험 분석 가이드도 함께 참고해보세요.

이렇게 찾은 '떠날 것 같은 그룹'에게는 MoEngage로 바로 맞춤 메시지를 보낼 수 있어요. 예를 들어 '가입 후 일주일 동안 찜을 안 한 사람'에게 찜하기를 안내하는 푸시나 이메일을 보내는 식이죠. Mixpanel의 코호트 동기화 기능을 쓰면 같은 사람들로 구성된 그룹이 MoEngage에 생겨요. 동적 동기화로 설정하면 15분마다 갱신돼서, 조건에 새로 들어온 사람도 그룹에 자동으로 추가돼요. MoEngage는 푸시, 이메일, 인앱 메시지 등 16개 이상의 채널을 지원해요. 다만 로그인 등으로 누구인지 확인된 사용자만 전송돼요.

8. 자주 묻는 질문 (FAQ)

Q. 코호트 분석과 리텐션 분석은 같은 건가요?
완전히 같지는 않아요. 리텐션 분석은 코호트 분석의 가장 대표적인 활용이에요. 코호트별 구매 금액이나 LTV처럼 다른 지표에도 코호트 분석을 쓸 수 있어요.

Q. 코호트와 세그먼트는 어떻게 다른가요?
세그먼트는 "서울에 사는 20대"처럼 사용자의 특징으로 나눈 그룹이에요. 코호트는 "3월에 가입한 사람"처럼 특정 시점의 경험으로 나눈 그룹이고, 그 뒤로 어떻게 달라졌는지를 시간 흐름에 따라 봐요.

Q. 기간은 일, 주, 월 중 무엇으로 잡아야 하나요?
사용자가 서비스를 쓰는 평균 주기에 맞추면 돼요. 매일 쓰는 앱은 일이나 주, 가끔 쓰는 서비스는 월 단위가 적당해요.

Q. 리텐션이 몇 %면 좋은 건가요?
업종과 서비스마다 너무 달라서 하나의 기준을 말하기는 어려워요. 다른 회사 평균과 비교하기보다 우리 서비스의 코호트끼리 비교해서 나아지고 있는지 보는 게 더 정확해요.

Q. Mixpanel에서 코호트 분석은 어떻게 하나요?
Retention 리포트에서 시작 이벤트와 복귀 이벤트만 고르면 코호트 리텐션 표와 곡선이 바로 만들어져요. 유입 채널이나 앱 버전별로 나눠 보면(Breakdown) 어느 그룹이 언제부터 떠났는지도 한 화면에서 비교할 수 있어요.

Q. 엑셀로도 코호트 분석을 할 수 있나요?
가입일과 활동 기록이 있으면 피벗 테이블로 만들 수 있어요. 다만 데이터가 많아지거나 기준을 자주 바꿔 보려면 Mixpanel 같은 분석 도구가 훨씬 빨라요.

관련 자료

마켓핏랩 솔루션즈는 국내 유일의 믹스패널 공식 파트너예요. 이벤트 설계와 도입 온보딩은 물론, 리텐션 퍼널 개선 컨설팅까지 함께 진행해요. 우리 서비스의 코호트를 어떻게 나눠 봐야 할지 고민된다면 편하게 문의해주세요.

문의: solutions@mfitlab.com