Overview

코호트 분석은 캠페인의 전체 ROI를 이해하는 데 도움이 될 뿐만 아니라 향후 투자 결정 및 소비자 타겟팅을 결정하는 데 도움이 되는 강력한 도구입니다.

Cohorts Analytics 리포트를 사용하면 유저 획득 날짜(앱 설치만 해당) 또는 리인게이지먼트 날짜(웹 및 앱 세션)를 기준으로 크로스 채널, 크로스 플랫폼 Branch 데이터를 분석하여 시간의 흐름에 따른 유저의 실적을 확인할 수 있습니다.

성장 관련 지표와 인게이지먼트 관련 지표를 분리하여 분석하는 데 사용되는 도구인 코호트 분석을 사용하면 리텐션 및 평생 가치(LTV)와 같은 주요 측정 항목을 포함하여 시간에 따른 유저 행동을 평가할 수 있습니다.

이 리포트는 다음 채널에서 사용할 수 있습니다 (해당 채널이 계약의 일부인 경우).

• Journeys (웹-투-앱 스마트 배너)

• Ads

• E-mail

📘

데이터 제한

Cardinality Protection

Branch는 모든 dimension을 퍼블리셔 당 하루 40,000 개 값으로 제한합니다. 즉, 대시보드에서 최대 40,000개의 유니크한 캠페인, 광고 이름 등을 조회할 수 있습니다.

앱이 하루에 단일 dimension 기준(예: 캠페인 당)에 대해 40,000개 이상의 값을 보내려고하면 Branch는 이러한 유니크 값 트래킹을 중지합니다. Branch는 추가 값을 함께 결합하여 "Other"값으로 분류합니다.

데이터 요구 사항

코호트 분석 리포트에서 인사이트를 제공하려면 Branch SDK 및 / 또는 Branch Web SDK (제품 사용량에 따라)를 사용하여 이벤트를 측정해야합니다.

분석에 Cost 데이터를 포함시키려면 Facebook, Google, Apple Search Ads 또는 Snap과 같은 파트너 연동 중 하나 이상을 활성화해야 합니다. 현재 다른 파트너 연동에는 Cost 데이터가 서포트되지 않습니다.

Acquisition vs Re-engagement 코호트

분석을 위해 코호트를 생성할 때 코호트를 Acquisition(설치) 활동 또는 Re-engagment 활동에 기반하도록 선택할 수 있습니다.

설치 코호트를 사용하면 설치 코호트를 기반으로 유저의 장기적인 행동, 즉 인앱 이벤트 기준의 유저 상호작용 여부를 평가할 수 있습니다. 참고 : Reinstall은 Acquisition 코호트에 포함되지 않습니다.

리인게이지먼트 코호트를 사용하면 리인게이지먼트 코호트를 기반으로 유저의 인앱 이벤트 및/또는 웹 상호 작용에 의해 측정된 웹 또는 앱 속성과의 상호 작용과 같은 장기적인 행동을 평가할 수 있습니다.

리인게이지먼트는 웹 세션 시작 또는 오픈과 같이 일정 기간 사용하지 않으면 웹 또는 앱 세션을 생성하는 모든 이벤트가 될 수 있습니다.

🚧

iOS 14.5 이후 유치 & 리인게이지먼트 변경 사항

Apple requires users to opt into sharing their device data through Apple's AppTrackingTransparency framework (ATT). When an install is attributed to paid ads, a 2nd install event will fire post user opt-in

옵트인은 그 지연된 성질로 인해 여러분의 코호트에 영향을 미칠 것입니다. 이는 어트리뷰션 data를 기반으로 시간에 따른 코호트를 검토할 때 유저가 비교하는 항목에 따라 버킷을 이동한다는 의미입니다. 우리의 조언:

• 항상 t+X일에 있는 ATT 옵트인을 누르면 코호트는 항상 x일로 오프셋됩니다.
• ATT 옵트인을 누를 때 게임화하면 코호트에 부분적으로 상쇄되는 두 가지 추세가 나타납니다:
  • 0일에 설치한 유저가 옵트인하면서 시간에 따라 멤버십 증가
  • 0일에 설치한 유저가 앱을 사용 중지함에 따라 멤버십 감소

For additional information on changes post iOS 14.5, visit our FAQ Pages

Re-ingagement Inactivity 기간

일정 기간 동안 활동이 없어야만 리인게이지먼트가 발생할 수 있기 때문에, 성과 분석에 사용되는 이벤트는 오직 한 리인게이지먼트 코호트에만 포함됩니다. 세션 이벤트는 특정 비활성 기간 이후에 발생했을 때에만 리인게이지먼트로 인정됩니다. 그러나 유저가 여러 번 리인게이지하는 경우, 여러 리인게이지먼트 코호트의 Users에 중복되어 포함될 수 있습니다.

기본 Re-engagement Inactivity 기간은 7 일입니다. 이 창은 Configuration > Attribution Windows 에서 수정할 수 있습니다.

코호트 리포트 구축

코호트를 만들려면 Create New Cohort 버튼을 클릭하고 다음 정보를 제공하십시오.

• Cohort Name

• Cohort Type

  • Acquisition (설치)

  • Re-engagement (웹 및 앱 전체 세션)

• Cohort Date Range

  • 설치 또는 리인게이지먼트 이벤트가 발생한 기간

• Include Cost Data

  • Only available on the Ads Partner level

• Measurement

  • Show

  • Compare by

  • Where

  • Equals

코호트 측정 옵션

새 코호트를 만들 때 다음 측정 옵션을 사용할 수 있습니다.

Show

Show에는 유저 활동을 분석하는 데 사용할 수 있는 중요한 KPI 및 메트릭이 포함됩니다.

Compare by & (where/and/equals) 필터

Compare by 및 (where/and/equals) 필터는 모든 다운스트림 이벤트 뿐 아니라 모든 코호트 이벤트(설치 또는 리인게이지먼트)에 적용할 수 있습니다.

시각화 옵션 사용

코호트를 생성하면 결과 분석을 볼 수 있습니다. 생성된 모든 코호트에는 다음과 같은 시각화 기능이 포함됩니다.

• Unique Counts "Unique" 을 체크하면 각 유저 기준으로 유니크한 수치를 보여줍니다. 예 : 유저 1명이 100번 클릭해도 1로 계산됩니다. "유니크 매출"이라는 개념은 없기 때문에 "revenue"는 항상 모든 매출의 합계를 의미합니다.

• Time Interval and Granularity

• Incremental vs Cumulative -증분은 해당 날짜에 발생한 데이터만 표시하므로 시간이 지남에 따라 성능이 어떻게 변하는지 확인할 수 있습니다. 누적은 해당 날짜와 이전 날짜 모두에 발생한 데이터를 보여 주며 시간 경과에 따른 전반적인 성능을 보여줍니다.

• Apply Cost Data -코호트 별로 각 compare by에 대한 이벤트별 비용을 표시합니다.

• Total vs Per User Counts -합계는 해당 날짜의 총 수를 표시합니다. 유저 별(Per user)은 코호트의 각 compare by별 총 유저 수에 대한 총 해당 날짜 수를 표시합니다.

• Table vs Time Series View

• Download CSV

• Share Page State

• Saved Views

  • Rename

  • Delete

• 페이지 상태 리셋

부록 : 코호트 분석이란?

코호트 분석은 시간에 따른 그룹의 행동을 연구하는 것입니다. 어떤 행동과 어떤 그룹을 분석하기를 원하시나요? "행동"은 고객사가 관련성이 있다고 생각하거나, 관심이 가진 모든 액션이 될 수 있습니다. "그룹"은 공통점을 가지고 코호트를 형성하는 데이터 포인트 또는 유저의 합산을 의미합니다.

이것을 매우 기본적인 실제 사례에 적용해 봅시다. 2008년과 2009년 에 대학을 졸업한 학생의 첫 5년 동안의 평균 소득을 조사하고자 합니다. 이 정보를 도표로 나타낸 그래프는 다음과 같습니다:

소득을 실제 기준으로 보면, 각 연도의 평균 학생 소득은 각각 발생한 연도에 그래프로 표시됩니다. 즉, 분석 시 실제로 이벤트가 발생한 날짜와 시간을 기준으로 표기됩니다. 위 리포트를 보면 데이터가 이벤트가 발생한 시점으로 보여지고 있습니다. 이러한 유형의 선형 분석을 사용하면 졸업 시기가 고정되어 있지 않고 각 졸업 그룹이 매년 커리어 면에서 다른 시점에 있기 때문에, 한 그룹을 다른 그룹과 비교하여 졸업 후 각 연도 별 소득의 관계를 정의하기가 어렵습니다.

코호트 분석을 사용하여 이 예를 살펴 보겠습니다. 각 졸업생 그룹이 하나의 코호트(모두 같은 해에 졸업) 이므로 졸업 연도를 첫 이벤트 시작점 (t0)으로 사용하여 각 코호트의 평균 소득을 평가하고 졸업 후의 연도별 소득을 그래프로 표시할 수 있습니다 (t0 +1, t0 +2, t0 +3 등).

코호트 분석을 사용하면 하나의 코호트를 다른 코호트와 동등한 기준(apple to apple)으로 비교할 수 있습니다. 이는 선형 분석 시에는 불가능한 부분입니다. 여기에서 두 졸업반 모두 평균 수입이 매년 증가하지만, 3년이 지나면 2009년 졸업생이 2008년 졸업생보다 평균적으로 더 많은 수입을 올린다는 것을 알 수 있습니다.