멋쟁이사자처럼 데이터마케팅 부트캠프 6기 · WEEK 03-3 · 2026-08-05
Source ↗코호트 분석과 고객 리텐션
오늘은 Tableau로 차트를 조합하고 데이터 보고서를 구성해, 고객 리텐션 대시보드를 완성했다. 어제는 데이터를 연결하고 기본 기능을 익히며 각 차트가 언제 필요한지 알아보는 개요 단계였다면, 오늘은 시간·비교·분포 차트를 실제 질문에 맞춰 배치하고 하나의 판단 화면으로 묶는 단계까지 진행했다.
특히 고객이 남아 있는지, 다시 방문하는지를 확인하기 위해 코호트 분석으로 리텐션을 살폈다. 유입 수가 늘어도 고객이 곧바로 떠난다면 그 성장은 오래가기 어렵다. 잔존율은 유입 이후 고객이 계속 가치를 느끼는지, 어느 시점에서 이탈이 커지는지를 보여주기 때문에 다음 개선의 우선순위를 정하는 핵심 지표가 된다.
코호트 분석은 첫 방문 월이나 유입 캠페인처럼 같은 경험을 공유한 사용자를 하나의 집단으로 묶고, 시간이 지난 뒤의 행동을 추적하는 방법이다. 이를 시각화하면 코호트별로 몇 주차에 이탈이 커지는지, 어떤 유입 시점의 고객이 더 오래 남는지를 한눈에 비교할 수 있다. 그래서 단순히 신규 고객을 늘리는 데서 멈추지 않고, 남는 고객을 만드는 유입과 경험을 찾아볼 수 있었다.
1. 시간 흐름에서 신호 찾기
시간 관련 차트는 성과가 바뀐 순간을 찾는 데서 시작한다. 매출이 오른 날에 수익률도 함께 올랐는지, 특정 채널의 비중이 커진 뒤 전환이 달라졌는지처럼 숫자의 변화와 그때의 실행을 연결해 보면 다음에 손볼 지점이 보인다.
그래서 시간 차트는 결과를 보고하는 용도보다, 매출·비중·추세·일정 중 무엇이 달라졌는지 확인하고 예산, 소재, 운영 일정의 다음 선택을 정하는 화면에 가깝다. 아래 표는 이 질문에 따라 고를 수 있는 차트를 정리한 것이다.
| 차트 | 활용 상황 | 해석할 포인트 |
|---|---|---|
| 이중축 차트 (Dual Axis Chart) |
시간 흐름에 따라 서로 다른 두 지표를 함께 비교할 때 | 매출 추이와 수익률 변화처럼 두 데이터 흐름의 시계열 트렌드를 한눈에 본다. 축의 단위와 색상을 분명히 구분해 오해를 줄인다. |
| 누적영역 차트 |
누적영역: 전체 규모와 항목별 기여도를 함께 볼 때 100% 누적영역: 전체 대비 채널·상품군 비중만 비교할 때 |
누적영역: 전체 매출이 커졌는지와 어느 항목이 성장을
이끌었는지 읽는다. 100% 누적영역: 영역의 두께로 구성비 변화를 읽는다. 전체 규모와 개별 항목의 정확한 크기는 보이지 않는다. |
| 슬로프 차트 | 두 시점의 증감과 순위 변화를 비교할 때 | 전년 대비 올해 매출·성장률처럼 시작과 끝 사이의 변화를 빠르게 본다. |
| 스파크라인 | 여러 항목의 긴 시간 흐름을 작게 요약할 때 | 검색·메타·구글 광고 등 채널별 12개월 방문자 추세를 한 표에서 비교한다. |
| 캘린더 차트 | 날짜별 성과 패턴을 볼 때 | 주문이 강한 날짜와 프로모션·요일별 반응 차이를 확인한다. |
| 간트 차트 | 프로젝트 진행 상황을 볼 때 | 캠페인 제작·집행·분석 일정과 각 업무의 소요 시간을 확인한다. |
2. 성과 차이부터 찾기
비교 차트는 목표와 실제의 간격, 채널과 캠페인 간 성과 차이를 빠르게 보여준다. 모든 항목을 똑같이 살피기보다, 먼저 조정할 캠페인과 시간대를 고르는 것이 운영 효율을 높인다. 색의 농도와 목표선은 그 우선순위를 잡는 단서가 된다.
| 차트 | 역할 | 마케터의 다음 판단 |
|---|---|---|
| 하이라이트 테이블 | 크로스탭의 수치를 색 농도로 바꿔 핵심 구간과 이상치를 찾는다. | 요일 × 시간대별 구매 전환율에서 진한 셀을 찾아 광고 예산 스케줄링에 반영한다. |
| 불렛 차트 | 실적을 목표치와 성과 구간에 비교한다. 게이지보다 공간 효율이 좋다. | 캠페인별 목표 매출 달성률을 보고 부진한 캠페인의 예산·소재를 재배치한다. |
| 도넛 차트 | 전체 대비 부분의 비중을 보여 주며, 중앙에 총합이나 KPI를 둘 수 있다. | 채널별 유입·매출 비중을 한눈에 보고, Tableau에서는 파이 차트와 이중축으로 구현한다. 기본 차트 목록에 도넛 차트는 없기 때문에, 같은 값을 두 축에 놓은 뒤 바깥쪽은 파이로, 안쪽은 배경색의 작은 원으로 만들어 가운데를 비워 표현했다. |
3. 평균 밖의 고객 찾기
분포도 차트는 평균값 하나로는 놓치기 쉬운 관계와 예외를 드러낸다. 광고비를 많이 썼는데도 비효율적인 캠페인, 특정 세그먼트에 몰린 고액 결제처럼 먼저 확인할 대상을 좁히는 데 유용하다.
| 차트 | 역할 | 마케터의 다음 판단 |
|---|---|---|
| 스캐터 플롯 | 두 연속형 변수의 관계, 분포 패턴, 이상치를 본다. | 광고비는 높은데 CAC도 높은 우상단 캠페인을 찾아 소재·타기팅을 점검한다. |
| 박스 플롯 | 중앙값, 사분위수, 분포 범위, 이상치로 그룹 간 변동성을 비교한다. | 연령대·세그먼트별 AOV를 비교해 평균만으로는 보이지 않던 고액 결제 패턴을 확인한다. |
4. 고객이 남는 이유 보기
코호트 분석은 첫 방문, 재방문, 특정 캠페인 유입처럼 공통된 경험을 가진 사용자를 하나의 집단으로 묶고, 시간이 흐르면서 행동이 어떻게 달라지는지 추적하는 방식이다. 예를 들어 1월 첫 방문자를 하나의 코호트로 두면, 그들이 1주차·2주차·3주차에도 돌아오는지 확인할 수 있다.
이 대시보드의 비즈니스 목적은 신규 고객을 많이 데려오는 것에서 끝나지 않고, 기존 고객의 잔존율과 신규 획득 고객의 질을 함께 관찰하는 데 있다. 그래서 복잡한 상호작용을 많이 넣기보다, 코호트별 리텐션과 누적 신규 사용자 흐름이 바로 읽혀 유입 확대와 이탈 개선 중 어디에 먼저 힘을 줄지 판단할 수 있게 구성했다.
| 구성 요소 | 확인한 작업 | 왜 필요한가 |
|---|---|---|
| 이벤트 시간 전처리 | 문자열로 들어온 Event Time을 날짜로 변환했다. | 첫 방문 시점과 재방문 주차를 시간 기준으로 정확히 계산하기 위해서다. |
| 사용자 집계 | User ID를 합계가 아닌 카운트(고유)로 사용했다. | 이벤트 수가 아니라 실제 사용자 수를 기준으로 유지율을 계산하기 위해서다. |
| 첫 방문 코호트 | 사용자의 첫 방문 시점을 기준으로 집단을 만들고, 이후 주차를 계산했다. | 같은 시기에 유입된 사용자의 재방문 패턴을 공정하게 비교할 수 있다. |
| 리텐션 매트릭스 | Week 0부터 주차별 잔존 사용자 수와 비율을 색 농도로 표현했다. | 어느 코호트가 빠르게 이탈하는지, 어떤 유입 시점의 고객이 오래 남는지 읽을 수 있다. |
코호트 표 읽는 법
코호트 표는 색이 진한 칸을 찾는 것보다, 같은 기준끼리 비교하는 순서가 중요하다. 세로와 가로가 각각 무엇을 뜻하는지 구분하면 유입 규모, 시간에 따른 이탈, 같은 시점의 고객 반응을 한 표에서 나눠 읽을 수 있다.
| 어디를 볼까 | 무엇을 뜻할까 | 이렇게 해석한다 |
|---|---|---|
| Week 0 열 | 각 코호트에 처음 들어온 신규 사용자 수 | 유입의 크기를 확인한다. 단, 인원이 많은 코호트가 유지율까지 좋다는 뜻은 아니므로 이후 주차 비율과 함께 본다. |
| 가로로 한 행 | 한 시점에 유입된 고객이 Week 1, 2, 3에도 남아 있는 흐름 | 초반에 급격히 옅어지면 첫 경험이나 온보딩을 점검할 신호다. 완만하게 유지되는 행은 그때의 유입 경로나 혜택을 다시 살펴볼 만하다. |
| 세로로 같은 주차 | 서로 다른 유입 시점 고객의 동일 경과 주차 리텐션 | 예를 들어 모든 코호트의 Week 1이 낮다면, 특정 캠페인보다 첫 주 경험 자체에 공통 문제가 있을 가능성을 먼저 확인한다. |
| 대각선으로 같은 달력 주 | 같은 주에 방문한 서로 다른 코호트의 반응 | 특정 대각선에서 여러 코호트가 함께 떨어지거나 오르면, 프로모션·서비스 이슈·시즌성처럼 그 시점에 공통으로 있었던 변화를 함께 대조한다. |
가장 최근 코호트는 아직 시간이 충분히 지나지 않아 오른쪽 칸이 비어 있을 수 있다. 그래서 오래 관찰된 코호트끼리 같은 Week를 비교하고, 수치가 달라진 뒤에는 당시의 캠페인·상품·접점 변화를 연결해 다음 실험 가설로 이어가는 것이 좋다.
- 01 첫 방문자를 기준으로 집단 만들기
-
Event Time → 날짜 변환 → 첫 방문 시점 → Acquisition Cohort
사용자가 처음 들어온 시점을 고정해야 이후 방문을 같은 출발선에서 비교할 수 있다.
- 02 재방문 주차와 유지율을 계산하기
-
고유 사용자 수 → Week 0, Week 1… → 코호트별 리텐션
Week 0는 해당 코호트의 시작 사용자 수이고, 이후 주차의 수치와 비율은 고객이 얼마나 남아 있는지를 보여준다.
- 03 리텐션과 신규 획득 흐름을 함께 배치하기
-
리텐션 히트맵 + 첫 방문 사용자 수 + 누적 신규 사용자
한 화면에서 유입 규모와 유지율을 함께 보면, 신규 유입 증가가 실제로 남는 고객의 증가로 이어졌는지 확인하고 다음 캠페인의 우선순위를 정할 수 있다.
Reflection
오늘까지 익숙한 Tableau를 다시 다루며, 다른 부트캠프 수강생들에게서 “지금 Tableau를 더 깊게 공부해야 할까?”라는 이야기를 자주 들었다.
Tableau를 익히는 일 자체는 분명 의미 있다. 다만 마케터이자 취업 준비생인 지금은 소비 심리, 콘텐츠, 채널 운영처럼 먼저 쌓아야 할 역량도 많다.
그래서 Tableau는 기술을 위한 기술이라기보다, 콘텐츠와 캠페인의 현황을 빠르게 파악하고 지금의 문제를 발견해 다음 실행을 정하는 좋은 도구라고 생각한다.
Reference