기능
[씽킹데이터 기능] - 유저 코호트 (Cohort)

씽킹데이터는 유저 코호트를 통해 특정 유저 그룹을 구성하고 분석할 수 있는 기능을 제공합니다.

April 14, 2024
씽킹데이터는 유저 코호트를 통해 특정 유저 그룹을 구성하고 분석할 수 있는 기능을 제공합니다. 코호트는 조건 코호트, ID 코호트, SQL 코호트, 결과 코호트로 생성할 수 있으며, 각기 다른 방식으로 유저를 그룹화합니다.

유저 코호트란?

유저 코호트는 특정 기준에 맞는 사용자 그룹을 만드는 방법입니다. 예를 들어, 특정 캠페인에 참여한 사용자 그룹이나 일정 포인트 이상을 획득한 사용자 그룹을 만들 수 있습니다. 이러한 코호트는 특정한 데이터 조건(유저 선택 규칙)을 기반으로 생성한 후, 이를 분석 및 운영에 활용할 수 있습니다. 각 코호트는 "코호트에 속하는 유저"와 "코호트에 속하지 않는 유저" 두 가지 범주로 나눌 수 있습니다.

유저를 태그로 레이블링하는 것과 비교하면, 코호트는 유저를 더욱 특별한 그룹으로 선택하는 것과 유사합니다. 일반적으로 한 가지 시나리오에만 사용하는 것이 권장됩니다. 예를 들어, "특정 캠페인에 참여한 유저 코호트"는 해당 캠페인의 영향을 분석하는 데 활용할 수 있으며, "지난 3일 동안 500 포인트 이상을 획득한 유저 코호트"는 매일 포인트 보상을 배포하는 분석 등에 활용될 수 있습니다.

* 코호트에 대한 자세한 내용이 궁금하다면 코호트 vs 태그 글을 참조하세요

유저 코호트 생성 방법

유저 코호트 지금까지 정말 어렵게 일일이 조건을 걸고, 필터링을 하며 만드는데 시간이 꽤 소요되셨을텐데요. 씽킹데이터는 클릭만으로도 손쉽게 코호트 생성이 가능합니다.

코호트 생성 유형

조건 코호트를 만드는 방법은 아주 간단합니다. 분석대상을 선택하고, 시간대를 선택한 후, 특정 행위 조건을 기입하면 되며 이때 조건은 행동함/행동하지 않음, 순차적/비순차적 등의 내용으로 설정이 가능합니다.

조건 코호트 생성 방법

코호트 종류

유저 코호트는 다양한 방법으로 생성할 수 있습니다. 각 타입의 비교에 대해서는 아래 표를 참조해 주세요.

정의 방식

코호트 타입

설명

ID 집계형
(ID 결과를 코호트로 직접 저장합니다. 이렇게 정의된 코호트는 태그 범위를 거의 변경하지 않습니다.)

ID 코호트

ID 또는 속성과 태그 값의 태그 관계를 포함하는 파일을 임포트하여 생성된 코호트입니다. 주로 사용되는 시나리오: 얻은 ID나 속성 값과 태그 값의 마킹 관계를 시스템에 가져와 코호트로 생성하는 경우에 자주 사용됩니다. 예를 들어, 오프라인 마케팅 활동에서 수집된 휴대폰 번호와 유저의 관심 카테고리의 마킹 관계, 또는 서드파티 시스템에서 내보낸 유저 리스트와 유저 포인트의 마킹 관계 등이 있습니다. 기본적으로 1유저의 제한은 50개까지입니다.

결과 코호트

TE 분석 또는 운영 데이터에서, 특정 '인원 수'의 결과 데이터에 대해 생성된 유저 코호트입니다. 주로 사용되는 시나리오: 분석 결과를 더욱 드릴다운 분석하거나, 데이터에 이상이 있는 유저의 조작을 세밀하게 조정하는 경우에 자주 사용됩니다. 예를 들어, [12.25 프로모션 이벤트에서 카트에 넣었지만 미결제 유저]를 코호트로 생성하고, 이들 유저의 콜백 캠페인에서의 컨버전 효과를 분석합니다. 기본적으로 1유저의 제한은 50개까지입니다.

데이터 조건 유형
(계산 규칙을 코호트 정의로 저장합니다. 규칙에 따라 계산할 때마다, 현재 규칙의 준수 여부가 코호트에 적용되는지 판단 기준으로 사용됩니다. 이 유형의 코호트의 기본 항목 제한은 200입니다.)

조건 코호트

유저가 특정 이벤트를 실행하거나 일련의 이벤트를 따르고, 속성이 특정 논리식에 적용되는 코호트입니다. 일반적인 사용 사례: 실제 행동이나 유저 속성에 기반하여 유저를 코호트화하기 위해 일반적으로 사용됩니다.

SQL 코호트

SQL 코드로 정의되는 코호트입니다. 일반적인 사용 사례: 복잡한 로직으로 유저를 코호트 정의하고, '조건부 코호트'로는 구성할 수 없는 일부 복잡한 데이터 규칙은 SQL 그룹화를 사용할 수 있습니다.

또 다른 코호트를 생성하는 방법은 분석 결과 테이블에서도 분석 결과를 바탕으로 '결과 코호트'를 생성할 수 있습니다.

코호트 생성 시 고려 사항

분석 대상

유저 코호트는 유저를 세분화하기 위한 도구이며, '유저'의 식별자는 디바이스 ID, 계정 ID, 캐릭터 ID, 플랫폼 ID 등 다양하며, 프로젝트 관리에서 유저 분석 대상을 추가하는 것이 가능합니다. 이러한 분석 대상은 유저 코호트를 사용하여 세분화할 수도 있습니다.

코호트를 생성할 때, 계산 결과와 '인원수' 등은 선택한 분석 대상 기준입니다. 단, 이벤트 속성으로 생성한 분석 대상을 선택한 경우 '참여 없음', '순차 실행이 아닌'과 같은 조건을 사용할 수 없음을 유의해야 합니다.

시간대

프로젝트에서 멀티 시간대 기능이 켜져 있는 경우(프로젝트 관리), 코호트 생성 시 코호트의 계산 시간대도 선택해야 합니다. 조건 코호트나 SQL 코호트의 정의에서 이벤트 데이터를 사용하는 경우, 기본 이벤트 조건의 시간 범위는 코호트 시간대의 시간 범위입니다. 전송된 이벤트가 다른 시간대에 있는 경우, 먼저 시프트 된 후 이벤트 조건이 충족되었는지 여부가 판단됩니다.

(주의) 분석 중에 대시보드와 보고서를 표시하기 위해 다른 시간대를 선택한 경우, 사용되는 코호트 데이터는 사전에 계산된 결과이며, 계산의 시간대는 그에 따라 변경되지 않는다는 점을 주의해야 합니다.

유저 코호트 업데이트

유저 코호트는 사전에 계산된 데이터입니다(즉석 쿼리와는 다릅니다). 즉, 유저 코호트를 사전에 계산하고, 그 결과 데이터를 후속 분석과 작업에서 사용합니다. 사전 계산은 사용 시의 계산량을 크게 줄이고, 반복 계산을 줄일 수 있어 데이터의 사용 효율이 향상되지만, 동시에 데이터의 적시성(데이터 조건에 의해 정의되는 코호트)이 떨어집니다. 대부분의 분석 시나리오에서는, 매일의 량 업데이트에 의한 코호트로 필요를 충족할 수 있습니다. 운영 시나리오에서는, 코호트의 적시성이 높아집니다.조건 코호트와 SQL 코호트는 데이터 조건에 따라 정의되는 코호트입니다. 시스템에서는 다음에 설명하는 업데이트 방법을 지원합니다.

업데이트 방법

설명

시간 지정

코호트 생성 및 편집 시, 조건 코호트와 SQL 코호트의 자동 업그레이드 스위치를 켜면, 매일 설정한 시간이 되면 자동으로 코호트가 업그레이드됩니다. ID 코호트와 결과 코호트는 이 업그레이드 방법을 지원하지 않습니다.

수동

조건 코호트와 SQL 코호트는 수동으로 업그레이드할 수 있습니다. 데이터 코호트가 필요한 경우, 수동으로 업그레이드할 수 있습니다. ID 코호트를 업그레이드하려면, 새 파일을 다시 가져와야 합니다. 결과 코호트는 수동 업그레이드를 지원하지 않습니다.

시스템 트리거

시스템 기능에 의해 트리거되는 코호트입니다. 프로젝트가 이미 운영 모듈을 배포한 경우, 시스템은 운영 작업 구성에 따라 코호트 업그레이드를 자동으로 트리거합니다.

생성 시 계산

모든 코호트는 생성 후 바로 계산됩니다.

편집 시 계산

조건 코호트는 조건 또는 시간대가 변경될 때마다 즉시 계산됩니다.

(주의) 시스템 내의 유저 데이터와 이벤트 데이터는 실시간으로 갱신되므로, 유저 코호트 정의에서 '오늘'의 이벤트 조건을 사용할 수 있습니다. 유저 코호트 계산에서는, 계산 종료 시점의 오늘의 데이터만을 사용할 수 있습니다. 정확히 1일의 데이터를 사용해야 하는 경우는, 어제까지의 이벤트 조건을 사용해 주세요.

유저 코호트 관리

분석, 운영, 유저, API의 4가지 모듈로 생성된 코호트는, 유저 → 유저 코호트에서 표시할 수 있습니다.

코호트 생성 모듈에서 공개 관리가 허용되어 있는 경우, 코호트의 삭제, 갱신, 편집도 가능합니다.

유저 코호트에서는, 분석, 운영, 그리고 API 모듈에 의해 생성된 코호트를 생성원으로 빠르게 필터 처리할 수 있습니다. 코호트 이름 뒤에, 비-유저 모듈에 의해 생성된 코호트의 생성원도 표시되어 검색에 편리합니다.

유저 코호트에서 실행할 수 있는 관리 작업은 다음과 같습니다. 다른 관리 작업에는, 코호트 타입, 코호트 설정, 그리고 작업 권한에 관한 다양한 요구사항이 있습니다. 자세한 내용은 아래의 표를 참조해 주세요.

관리 조작

다음 조건을 동시에 만족하는 경우, 관리 조작을 실행할 수 있습니다

수동 업데이트

조건 코호트, SQL코호트; 코호트는 수동 업데이트를 지원; 코호트 생성 모듈이 공개 관리 가능; 조회자에게는 이 코호트를 편집 및 삭제하는 권한이 있습니다.

코호트 편집

조건 코호트(비운영 모듈에서 생성한 것), SQL코호트, ID코호트; 코호트 생성 모듈이 공개 관리 가능; 조회자에게는 이 코호트를 편집 및 삭제하는 권한이 있습니다.

데이터 가져오기 및 오류 다운로드

ID 코호트; 코호트 생성 모듈이 공개 관리 가능; 조회자에게는 이 코호트를 편집 및 삭제하는 권한이 있습니다; 가져온 후 7일 이내.

복사본 생성

조건 코호트, SQL코호트; 조회자에게는 이 코호트를 편집 및 삭제하는 권한이 있습니다.

코호트 삭제

코호트 생성 모듈이 공개 관리 가능; 조회자에게는 이 코호트를 편집 및 삭제하는 권한이 있습니다.

코호트는 보고서, 코호트(운영 모듈에서 생성), 알림 등의 자산에서 사용할 수 있으므로 코호트를 변경하거나 삭제하면 이러한 자산의 데이터가 이상하게 변동하거나 계산할 수 없게 됩니다. 삭제 또는 편집된 코호트에 의존하는 자산이 있는 경우, 그 영향 범위가 표시되며, 작업 멤버는 삭제를 계속하기 전에 영향을 판단해야 합니다.

유저 코호트 유저 목록

코호트 계산 후 유저 목록을 확인할 수 있으며, 테이블에는 최대 1,000 행의 유저 데이터가 표시됩니다. 더 많은 데이터가 필요한 경우, 테이블의 오른쪽 상단에 있는 다운로드 버튼을 클릭하여 최대 500,000 행의 유저 데이터를 다운로드할 수 있습니다. 유저 코호트의 현재 유저 수를 표시하고 인원을 클릭하여 현재 코호트의 유저 목록을 표시할 수 있습니다. 또한, 유저 목록 페이지의 표의 오른쪽 상단에 있는 '업데이트'를 클릭하면, 코호트 결과 데이터의 재쿼리만 수행되며, 코호트 자체의 재계산은 수행되지 않습니다. 유저의 속성 데이터만 변경됩니다.

씽킹데이터가 자랑하는 강력한 기능인 '코호트' 기능이 궁금하다면? 상단 문의하기를 통해 문의주세요!

왜 ‘리텐션 분석 A to Z 플레이북’ 인가?

게임 기획자와 데이터 분석가라면 필수로 알아야 할 리텐션 분석의 핵심과, 이를 바탕으로 제품 개선 및 유저 유지율을 높일 수 있는 실전 전략까지 모두 담았습니다.

만약 게임의 리텐션이 고민이라면, 지금 바로 이 플레이북을 통해 게임 유저들의 마음을 사로잡는 방법을 알아보세요. 비즈니스 로직 기반의 리텐션 분석 전략을 확인하고, 당신의 게임을 한 단계 성장시킬 기회를 잡으세요!


[플레이북의 주요 내용]

프롤로그
• 리텐션 데이터의 중요성 이해
• 게임의 순위에 따른 평균 리텐션율

1. 실전에서의 데이터 분석 사례
• 분석 주제 명확히 세우기
• 합리적인 가정 제시하기
• 데이터로 가설 세우기

2. 비즈니스 로직 기반의 리텐션 분석
• 플레이어 행동 지표와 목표 파악
• 게임 진행 단계별 플레이어 목표 분석
• 분석 방법
• 신규 운영 전략의 아이디어 발굴 및 실행

3. 데이터 계산시 주의사항
• 유저의 식별 기준과 식별 규칙
• 초기 이벤트와 복귀 이벤트의 정의
• 유저의 시간대와 잔존 기간의 처리

4. 결론

Check - Elements Webflow Library - BRIX Templates

제출해주셔서 감사합니다.

입력해주신 이메일로 플레이북 전달드릴 예정입니다
폼을 제출하는 중에 오류가 발생했습니다. 다시 시도부탁드립니다.