분석

유저 행동 분석의 꽃, '코호트'와 '태그'의 차이점은?

코호트와 태그는 같은 것 아닌가요? 둘이 뭐가 다르고 어떻게 활용해야하죠? 에 대한 답을 드립니다.

July 18, 2024

씽킹데이터는 유저 행위 분석을 도와주는 솔루션인데, 사실 저희는 유저를 나누는 기준에 태그와 코호트 이 두 가지를 활용하고 있습니다. 그런데 많은 분들이 코호트와 태그는 같은 것 아닌가요? 둘이 뭐가 다르고 어떻게 활용해야하죠? 라는 질문이 정말 많아 오늘은 그 두 가지에 대해 전격 비교해 드리려고 합니다!

‍

태그란 무엇일까요?

‍

해시태그를 생각해보면 좀 더 쉽게 이해가 될 것 같은데요. 결국 태그는 특정 조건이나 속성을 기준으로 부여하는 라벨이나 꼬리표라고 말씀드릴 수 있습니다. 그래서 게임 속 유저별 태그를 이야기한다면, 유저를 설명하는 데 사용되는 속성으로 간주되며, [성별], [나이], [결제금액], [결제횟수] 등이 될 수 있습니다.

‍

그리고 태그의 또 하나의 특성은 성별(남,여)처럼 어느 하나로 구분지어지는 특성으로도 사용할 수 있지만, 결제횟수 0회 / 1-3회 / 3-6회 / 10회 이상 처럼 계층적 형태로도 태그를 활용할 수 있다는 점인데요. 그렇기에 태그는 매우 높은 재사용성을 가지고 있어, 다양한 분석 시나리오에서 활용될 수 있다는 장점이 있습니다!

‍

태그의 주요 목적과 용도

‍

사용자 세분화 : 사용자 태그를 통해 전체 사용자 집단을 하위 그룹으로 나눌 수 있습니다. (VIP고객, 신규 사용자, 휴면 사용자 등)
개인화된 마케팅 : 사용자 태그를 활용하여 특정 사용자 그룹에게 맞춤형 메시지나 프로모션을 제공할 수 있습니다. (신규 가입자, 5회 미만 구매 고객 등)
사용자 행동 분석 : 태그릍 통해 특정 행동 패턴을 가진 사용자 그룹을 분석하고, 이들을 행동원인을 이해할 수 있습니다. (가입 당일 이탈, 7일 연속 로그인 등)
제품 개선 : 태그를 통해 이상 행동을 보이는 고객들을 파악할 수 있습니다. (버그 유저, 핵 유저 등)

‍

태그의 유형

‍

인구통계학적 태그 : 나이, 성별, 지역 등
행동기반 태그 : 최근 구매 날짜, 구매 빈도, 방문 횟수 등
참여도 태그 : 이벤트 참여율, 앱 사용시간, 방문 빈도 등
충성도 태그 : VIP, 신규 고객, 장기 미접속 사용자 등

‍

태그 작성 방법

‍

목표 정의 -> 태그 유형 설정 -> 데이터 수집 -> 태그 생성 및 할당 -> 태그 관리 -> 검증 및 최적화

먼저 태그를 생성하는 목적을 명확히 해야합니다. (태그의 주요 목적과 용도 참고)
그런 다음 사용자에게 태그를 부여할 기준을 정합니다. (태그의 유형 참고)
태그를 생성하기 위한 데이터를 수집합니다. 데이터는 CRM시스템, 웹 로그, 앱 사용 데이터 등 다양한 소스에서 얻을 수 있습니다.
수집한 데이터를 바탕으로 사용자에게 태그를 할당합니다.

데이터를 분석가능한 형태로 정리하고 전처리합니다
각 태그에 대한 명확한 규칙을 정의합니다. 예를 들어 : "신규 사용자 태그" : 가입한 지 1주일 미만의 사용자
자동화 스크립트를 작성하여 태그를 일괄적으로 생성하고 할당합니다.

생성된 태그를 지속적으로 관리하고 업데이트합니다. 사용자의 행동이나 속성이 변하면 이에 맞게 변경해주어야 합니다.
태그를 기반으로 한 분석 결과를 확인하고, 필요시 태그 기준이나 규칙을 최적화합니다.

‍

이러한 복잡한 과정없이 태그를 설정하고 유저들을 속성별로 그룹화하고 싶다면? 씽킹데이터 기능 - 유저태그 편을 참조하세요!

‍

코호트란 무엇일까요?

‍

코호트는 특정 기간동안 공통된 특성을 가진 사용자 그룹을 의미하며, 주로 특정기간 동안 동일한 행동을 한 사용자들을 그룹을 추적하여 시간에 따른 행동 변화를 분석하고 이해하는 데 사용됩니다. 그러다보니 코호트는 일반적으로 한 가지 시나리오에만 사용하는 것을 권장합니다. 예를 들어, "특정 캠페인에 참여한 유저 코호트"는 해당 캠페인의 영향을 분석하는 데 활용할 수 있으며, "지난 3일 동안 500포인트 이상을 획득한 유저 코호트"는 매일 포인트 보상을 배포하는 분석 등에 활용될 수 있습니다.

‍

코호트의 주요 목적과 용도

‍

사용자 유지율 분석 : 가입 이후 일정 기간 동안 사용자가 얼마나 남아있는지 추적 (월별 코호트의 1주일, 한달, 3개월 등 유지율 분석)
행동 변화 분석 : 특정 이벤트 후 사용자 행동의 변화를 분석 (새로운 기능 출시 후 사용자 활동 비교)
마케팅 캠페인 평가 : 캠페인별로 사용자 행동에 미친 영향 분석 (특정 프로모션에 참여한 사용자 코호트의 재구매율 분석)

‍

코호트의 특징

‍

시간 기반 그룹화 : 특정 시점이나 기간에 공통된 특성을 가진 사용자 그룹 정의 (2024년 1월에 가입한 사용자)
행동 분석 : 특정 행동을 기준으로 사용자 그룹 분석 (가입 후 1개월 동안의 방문 횟수)
추적과 비교 : 시간 경과에 따른 변화 추적과 비교 가능 (월별 신규 가입자 코호트의 유지율 비교)

‍

코호트 분석 방법

‍

데이터 수집 -> 목표 정의 -> 지표 정의 -> 데이터 분석 -> 결과 시각화

데이터 수집 : 분석에 필요한 데이터를 수집합니다. (가입날짜, 첫구매날짜, 방문횟수 등)
코호트 정의 : 분석 목적에 따라 코호트를 정의합니다. (코호트의 주요 목적과 용도 참조)
지표 정의 : 코호트 별로 추적할 지표를 정의합니다. (유지율, 평균 구매 횟수 등)
데이터 분석 : 코호트 별로 정의한 지표를 계산하고 비교합니다. (시간이 많이 걸림)
결과 시각화 : 분석 결과를 시각화하여 이해하기 쉽게 만듭니다.

‍

이러한 복잡한 과정없이 코호트를 설정하고 분석해 가설을 검증하고 싶다면? 씽킹데이터 기능 - 코호트 편을 참조하세요!

‍

태그 vs 코호트, 주요 차이점

‍

위에서 정리한 태그와 코호트의 내용을 마지막으로 정리하여 둘의 차이점을 비교하는 표를 작성해보았습니다.

코호트 vs 태그

구분	코호트	태그
기준	특정 기간 동안의 행동이나 이벤트	특정 속성이나 행동
시간 기반	네	아니요
분석 목적	시간 경과에 따른 변화를 추적 (예: 첫 구매 후 3개월 동안의 고객 유지율 분석)	특정 속성이나 조건을 기준으로 현재 상태를 분석 (예: 현재 VIP 고객들의 구매 패턴 분석)
유연성	특정 시간대의 행동을 기준으로 그룹을 형성하여 시간이 지나면 코호트의 구성원이 변경되지 않음	사용자의 속성이나 행동이 변하면 동적으로 변경될 수 있음