코호트 분석

Overview

Cohort analysis is a powerful tool that helps you not only understand the full ROI of your campaigns but help you guide future investment decisions and consumer targeting.

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.