# 동질 집단 탐색 분석 만들기

GA4 동질 집단 탐색 분석으로 리텐션을 측정하는 방법 — 코호트/반환 기준/세분화/측정항목 유형 개념, 새 분석 만들기, 매트릭스 행·열·셀 읽기, 합계와 동질 집단 사용자당(%) 토글, 세그먼트별 리텐션 비교, 그리고 채널 품질·기기 경험 진단·제품 변경 인과 검증·재구매 패턴·멤버십 등급별 리텐션까지 글로벌 활용 사례 5선.

- 카테고리: GA4 탐색리포트
- 소요 시간: 약 12분
- 난이도: 중간
- 업데이트: 2026.05.28
- 원문: /wiki/playbook/ga4-exploration-checklist/how-to-build-cohort-exploration-in-ga4

## 목차

- [1단계 · 동질 집단 분석이란](#step-1)
- [2단계 · 분석 만들기](#step-2)
- [3단계 · 매트릭스 읽기](#step-3)
- [4단계 · 잔존율(%) 보기](#step-4)
- [5단계 · 세그먼트별 리텐션](#step-5)
- [6단계 · 4가지 핵심 설정](#step-6)
- [글로벌 활용 사례 5선](#use-cases)
- [보고 기준](#rules)
- [자주 묻는 질문](#faq)

이 글은 GA4 탐색 분석 중 **동질 집단 탐색 분석(Cohort Exploration)**의 사용법과 해석법을 다룹니다. ‘방문자 수가 늘었다’ 같은 표면 지표가 아니라, **한 번 들어온 사용자가 시간이 지나며 얼마나 다시 돌아오는가** — 즉 **리텐션(retention)**을 측정하는 GA4의 표준 도구입니다. 행=동질 집단(같은 시점에 사이트에 처음 들어온 사용자 묶음), 열=경과 시간(주차·월차), 셀=그 시점까지 살아남은 사용자 수(또는 잔존율%)의 매트릭스를 한 화면으로 그려 줍니다. 캡처는 모두 Google Merch Shop 데모 계정에서 진행했습니다.

## 1단계. 동질 집단 분석이 풀어 주는 질문과 핵심 개념

자유 형식·유입경로·경로 탐색이 모두 ‘이 기간에 무엇이 얼마나 일어났는가’를 보는 분석이라면, 동질 집단 분석은 다음과 같은 ‘**시간에 따른 잔존**’ 질문에 답합니다.

- 이번 달에 처음 들어온 사용자 중 다음 달까지 다시 돌아온 사람은 몇 %인가?
- 광고로 데려온 사용자와 자연검색 사용자 중 ‘오래 남는’ 사용자는 어느 쪽인가?
- 앱·사이트 UI를 개편한 ‘이전 주’와 ‘이후 주’의 신규 사용자가 4주차에 보이는 잔존율이 다른가?
- 멤버십에 가입한 사용자와 비가입자의 4주차 잔존율이 얼마나 차이 나는가? 멤버십이 정말 리텐션을 만드는가?

이런 질문에 답하려면 다음 4가지 개념만 잡아 두면 됩니다.

| 동질 집단(Cohort) | 공통 시작점을 가진 사용자 묶음. GA4 기본값은 **‘첫 번째 터치(획득일)’** — 사이트에 처음 들어온 날짜를 기준으로 같은 주에 들어온 사용자를 한 집단으로 묶습니다. ‘5월 첫째 주 신규 사용자’가 한 집단, ‘5월 둘째 주 신규 사용자’가 다른 집단. |
| --- | --- |
| 반환 기준(Return criteria) | 코호트의 ‘다시 돌아왔는가’를 무엇으로 판단할지의 기준. 기본값은 **‘아무 이벤트(any event)’** — 그 주에 사이트에 발자국 한 번이라도 찍히면 잔존으로 봅니다. `purchase`·`sign_up` 같은 특정 이벤트로 좁히면 ‘재구매 잔존’·‘가입 후 활동 잔존’ 같은 더 엄격한 잔존 정의가 됩니다. |
| 세분화(Granularity) | 가로축 시간 단위. **일별 / 주별(기본) / 월별** 세 가지. 단기 캠페인 효과는 일별, 일반 SaaS·이커머스 리텐션은 주별, 장기 잔존은 월별이 무난합니다. |
| 측정항목 유형(Calculation type) | **합계(절대 수)** vs **동질 집단 사용자당(잔존율%)** 토글. 절대 수는 ‘몇 명이 살아남았는가’를 보고, 잔존율%는 ‘처음 들어온 사용자 대비 몇% 가 남았는가’를 봅니다. 코호트 크기가 매주 들쭉날쭉할 때% 모드가 비교가 쉽습니다. |

동질 집단 분석은 이 4가지 설정만 정확히 잡으면 90%가 끝납니다. 시각화 자체는 ‘행/열/셀’의 단순한 매트릭스 하나입니다.

## 2단계. 새 동질 집단 탐색 분석을 만들어 기본 매트릭스를 봅니다 — 화면 따라가며 한 번에

처음 다루시는 분도 따라올 수 있게 ‘어디를 누르고 → 어떤 화면이 떠야 하고 → 무엇을 입력해야 하는지’를 2 미니 단계로 풀어 적었습니다.

### ① 탐색 분석 목록에서 ‘동질 집단 탐색 분석’ 카드를 누릅니다

GA4 좌측 메뉴 **탐색** → ‘새 탐색 분석 시작하기’ 카드들. 동질 집단 카드는 첫 화면이 아닌 다음 페이지에 있어서, 우측 끝 오른쪽 화살표(>)를 두 번 눌러 카드 슬라이드를 넘기면 ‘유입경로 탐색 · 경로 탐색 · 세그먼트 중복 분석 · 동질 집단 탐색 분석’ 네 카드가 보입니다. 가장 오른쪽의 **동질 집단 탐색 분석** 카드(꺾인 선이 단계별로 옅어지는 모양)를 누르면 새 분석이 만들어집니다.

![GA4 데모 계정 탐색 분석 목록에서 우측 화살표를 두 번 넘긴 화면. 유입경로 탐색 분석/경로 탐색 분석/세그먼트 중복 분석/동질 집단 탐색 분석 4개 카드가 보이고, 가장 오른쪽 카드가 동질 집단 탐색 분석이다.](/wiki-assets/playbook/how-to-build-cohort-exploration-in-ga4/01-listing.png)

> 가장 오른쪽 카드 **동질 집단 탐색 분석**을 누릅니다.

### ② 새 분석은 ‘주차별 활성 사용자 합계’ 매트릭스로 자동으로 열립니다

카드를 누르면 GA4가 기본 설정으로 매트릭스를 그려 줍니다. 좌측 변수 패널엔 세그먼트·측정기준·측정항목이 자동으로 갖춰져 있고, 가운데 설정 패널엔 ‘첫 번째 터치(획득일) · 이벤트 반환 · 주별 · 일반 · 활성 사용자 · 합계’의 기본값이 들어가 있습니다. 우측 캔버스의 매트릭스가 우리가 읽을 ‘동질 집단 표’입니다.

![GA4 동질 집단 탐색 분석의 기본 화면. 우측 매트릭스는 ‘모든 사용자 67,822명, 주0 = 67,822, 주1 = 1,135, 주2 = 363, 주3 = 117, 주4 = 20’ 같은 활성 사용자 합계를 5주에 걸쳐 5개 코호트로 나누어 표시한다.](/wiki-assets/playbook/how-to-build-cohort-exploration-in-ga4/02-default-state.png)

> 새 분석 진입 직후의 모습. 5월 한 달 동안 매주 사이트에 처음 들어온 사용자를 코호트로 묶고, 그 다음 주 / 그 다음다음 주 …에 다시 활성이 된 사용자 수를 절대 수로 보여 줍니다. 데모 계정 기준 ‘5월 한 달간 신규 사용자 약 6.8만 → 4주 뒤 잔존 20명’으로, 4주차에 거의 다 떠나는 ‘이커머스 신규 사용자의 일반적 곡선’입니다.

## 3단계. 매트릭스의 행·열·셀이 무엇인지 — 표 읽는 법

동질 집단 매트릭스는 단순해 보이지만 ‘셀의 의미’를 정확히 잡지 않으면 잘못 해석하기 쉽습니다. 본문 2단계 ②의 기본 캡처를 기준으로 풀어 보겠습니다.

| 맨 윗줄 — 모든 사용자 | 분석 기간 전체의 합계. ‘이 분석에 속한 모든 코호트의 N주차 합’이라 코호트별 변동이 평균된 ‘전체 잔존 곡선’의 모양을 봅니다. |
| --- | --- |
| 왼쪽 행 헤더 — 각 코호트 | 한 줄이 한 코호트. ‘4월 30일~5월 2일 사용자 6,679명’은 그 주에 사이트에 처음 들어온 사용자 6,679명의 집단이라는 뜻. 행을 위에서 아래로 읽으면 ‘각 주에 새로 들어온 사용자 코호트들’을 시간 순서로 따라가는 것이고, 한 행을 가로로 읽으면 그 코호트의 ‘1주차·2주차·3주차 …의 잔존 흐름’이 됩니다. |
| 맨 아래 행 — 가장 최근 코호트 | 분석 끝나는 시점에 새로 들어온 코호트라 ‘주 0’만 채워져 있고 이후 주차 셀이 비어 있습니다. ‘아직 시간이 지나지 않아 잔존을 셀 수 없는’ 정상 상태. |
| 셀 — 그 코호트의 N주차 살아남은 사용자 수 | 예: ‘4월 30일~ 코호트’의 ‘주 1’ 셀이 161이라면, 그 코호트 6,679명 중 ‘들어온 다음 주’에 다시 사이트에 발자국을 찍은 사용자가 161명. 색이 진할수록 큰 값(GA4 기본 colormap). |

표를 ‘가로로 읽기’와 ‘세로로 읽기’의 차이를 또렷이 가져가는 게 핵심입니다.

- **가로 읽기 — 한 코호트의 시간 흐름** — 같은 사용자 집단이 1주차·2주차·3주차에 어떻게 줄어드는지. 잔존 곡선의 모양을 봅니다.
- **세로 읽기 — 같은 N주차의 코호트 비교** — ‘여러 코호트의 1주차 값’을 위아래로 보면, ‘이번 주 코호트가 직전 주 코호트보다 1주차 잔존이 좋아졌는가’ 같은 추세를 봅니다. 제품·마케팅 변경의 즉각 효과를 보는 자리.
- **대각선 읽기 — 같은 달력 주차** — 매트릭스의 대각선 셀은 모두 같은 달력 시점(예: ‘5월 셋째 주’에 활성이었던 사용자)을 가리킵니다. 외부 이벤트(연휴·세일·이슈)가 모든 코호트에 동시에 미친 영향을 보는 자리.

## 4단계. ‘합계’를 ‘동질 집단 사용자당(%)’로 바꿔 잔존율 매트릭스를 봅니다

기본값 ‘합계’는 절대 수라 코호트 크기가 다르면 비교가 어렵습니다. ‘5월 24일 코호트 9,425명’과 ‘5월 17일 코호트 17,607명’의 1주차 셀을 그대로 비교하면 코호트 크기 차이만 보이지, ‘잔존이 더 좋아졌는가’의 답은 안 나옵니다. 이때 **측정항목 유형**을 `동질 집단 사용자당`으로 바꾸면 셀이 절대 수에서%로 환산되어 매트릭스가 ‘잔존율 매트릭스’가 됩니다.

### ① 설정 패널 맨 아래 ‘측정항목 유형: 합계’ 드롭다운을 누릅니다

![GA4 동질 집단 탐색 분석의 설정 패널 맨 아래 ‘측정항목 유형: 합계’ 드롭다운이 펼쳐진 상태. 합계와 동질 집단 사용자당 두 옵션이 보이고 합계가 체크되어 있다.](/wiki-assets/playbook/how-to-build-cohort-exploration-in-ga4/03-metric-options.png)

> 두 옵션. **합계**는 ‘몇 명이 살아남았나’의 절대 수, **동질 집단 사용자당**은 ‘처음 코호트 크기 대비 몇%가 살아남았나’의 비율.

### ② ‘동질 집단 사용자당’ 선택 — 매트릭스가 모두 % 표시로 바뀝니다

![GA4 동질 집단 탐색 분석에 측정항목 유형 ‘동질 집단 사용자당’이 적용된 화면. 모든 셀이 백분율(예: 주0 100%, 주1 1.9%, 주2 0.9%, 주3 0.5%, 주4 0.3%)로 표시되고 모든 사용자 합계 행도 99.9%/1.9%/0.9%/0.5%/0.3%로 잡힌다.](/wiki-assets/playbook/how-to-build-cohort-exploration-in-ga4/04-percent-retention.png)

> 잔존율 매트릭스. ‘모든 사용자’ 행이 99.9%(주 0) → 1.9%(주 1) → 0.9%(주 2) → 0.5%(주 3) → 0.3%(주 4)로, 주 1에 약 98%가 떠나는 ‘이커머스 신규 방문자의 일반적 곡선’이 보입니다. 코호트가 다른데도 % 모드에선 행 형태가 비슷해 ‘일관성/안정성’을 빠르게 확인할 수 있습니다.

**잔존율 매트릭스를 읽을 때의 안전 표시:**

- **주 0이 100%(또는 99.x%)가 아닌 경우** — ‘반환 기준’이 기본 ‘이벤트’가 아니라 더 좁은 이벤트(예: `purchase`)로 잡혀 있을 가능성. 코호트의 정의 자체와 잔존 기준이 다르면 주 0부터 100% 미만이 나옵니다.
- **이커머스 신규 방문자 곡선은 보통 ‘주 1에 1~10%만 남는’ 모양** — 처음 들어와서 둘러보고 마는 사용자가 많기 때문. 멤버십·구독 서비스에선 같은 곡선이 ‘주 1 30~50% / 주 4 10~20%’ 같이 훨씬 완만하게 잡힙니다. 우리 사이트의 ‘정상 잔존 곡선’을 한번 그려 둔 뒤, 이후 변화를 거기에 견주는 게 안전합니다.

## 5단계. 세그먼트 비교로 ‘세그먼트별 리텐션’을 분리해 봅니다

같은 매트릭스를 두(혹은 세) 개의 사용자 묶음으로 나눠서 보고 싶다면, 좌측 변수 패널의 세그먼트 chip을 설정 패널 ‘세그먼트 비교’ 영역으로 드래그합니다. 들어간 세그먼트별로 ‘잔존율 매트릭스가 따로 그려져’ 위아래로 쌓입니다.

본문 4단계에서 ‘동질 집단 사용자당(%)’로 바꾼 상태에서, 세그먼트 비교에 `직접 트래픽`과 `유료 트래픽` 두 세그먼트를 추가한 모습입니다.

![GA4 동질 집단 탐색 분석에 직접 트래픽과 유료 트래픽 두 세그먼트가 세그먼트 비교에 적용된 화면. 매트릭스가 세그먼트별로 두 묶음(상단 파란색 직접 트래픽, 하단 보라색 유료 트래픽)으로 분리되어 각각 5주 잔존율이 표시된다.](/wiki-assets/playbook/how-to-build-cohort-exploration-in-ga4/05-segments-comparison.png)

> 두 세그먼트의 잔존율 매트릭스 비교. **직접 트래픽 사용자의 주 1 잔존율 1.0% vs 유료 트래픽 사용자의 주 1 잔존율 4.9%** — 데모 계정 기준 약 5배 차이로 유료 트래픽 사용자가 더 ‘남는’ 모양. 일반 통념이 ‘유료 광고는 단발성’이라는 점을 생각하면 의외의 결과로, 광고 캠페인의 사용자 품질을 다시 보게 만드는 신호입니다(실제 사이트마다 결과는 다릅니다 — 이게 곧 우리 사이트에서 이 분석을 직접 돌려 봐야 하는 이유입니다).

세그먼트별 리텐션 비교는 단순히 ‘누가 더 남는가’만 보는 게 아니라 ‘잔존 곡선의 모양’을 함께 봅니다.

- **한 세그먼트의 주 1 잔존이 낮고 그 이후도 계속 낮다** — 그 세그먼트는 ‘들어와서 한 번 보고 마는’ 일회성 사용자 풀. 인지·도달용 캠페인의 효과로 해석합니다.
- **주 1은 낮지만 주 2·3부터 다른 세그먼트와 격차가 좁아진다** — 그 세그먼트는 ‘진짜 남은 사람’의 잔존이 좋은 묶음. 절대 수는 작아도 ‘활성 사용자 풀로 흡수되는 비율’이 높은 가치 있는 사용자 집단입니다.
- **두 세그먼트의 잔존이 거의 같다** — 그 세그먼트 정의는 ‘리텐션을 가르는 차이’가 아닐 가능성. 다른 세그먼트(기기·획득 채널·멤버십)로 바꿔 다시 봅니다.

## 6단계. 4가지 핵심 설정 — 동질 집단 포함 / 반환 기준 / 세분화 / 계산

본문 2~5단계까지가 ‘있는 그대로’의 분석이라면, 진짜 우리 시나리오에 맞춰 설정을 바꿔야 동질 집단 분석의 진가가 나옵니다. 자주 손대는 4개 설정을 정리합니다.

### 동질 집단 포함(Cohort inclusion)

코호트를 만드는 기준 이벤트. 기본값 **첫 번째 터치(획득일)**은 ‘사이트에 처음 들어온 날’ 기준이지만, `purchase`·`sign_up`·`first_visit` 같은 ‘기타 이벤트’를 선택하면 그 이벤트를 처음 한 날 기준으로 코호트가 새로 구성됩니다. ‘첫 구매 사용자의 재구매 잔존율’을 보고 싶다면 동질 집단 포함을 `purchase`로 두는 식.

### 반환 기준(Return criteria)

‘다시 돌아왔다’의 판단 기준. 기본값 **이벤트(any event)**는 ‘발자국 한 번이라도 찍힌’ 매우 느슨한 기준입니다. 더 엄격하게 보고 싶다면 `purchase`(재구매), `add_to_cart`(장바구니 다시 담음), `video_complete`(영상 끝까지 본) 같은 ‘의미 있는 행동’으로 좁힙니다. **동질 집단 포함과 반환 기준의 조합이 곧 ‘우리가 보고 싶은 리텐션의 정의’**입니다(예: 포함 = 첫 구매, 반환 = 재구매 → ‘첫 구매 후 N주차 재구매 잔존’).

### 동질 집단 세분화(Granularity)

**일별 / 주별 / 월별**. 광고 캠페인의 단기 효과(예: 캠페인 종료 후 2~3일 잔존)를 보려면 일별, 일반 SaaS·이커머스 리텐션은 주별, 멤버십·구독·고관여 상품의 장기 잔존은 월별. 일별로 두면 매트릭스가 너무 길어지니 분석 기간을 함께 짧게(예: 14~28일) 줄여 줍니다.

### 계산(Calculation)

- **표준(Standard)** — 각 N주차에 그 코호트가 한 번이라도 활성이면 잔존으로 계산. 가장 무난한 기본값.
- **롤링(Rolling)** — 1주차·2주차·3주차에 ‘연속해서’ 모두 활성이어야 N주차 잔존으로 인정. 더 엄격한 기준이라 잔존율이 낮게 잡히지만, ‘진짜 꾸준한 사용자’의 크기를 보여 줍니다.
- **누적(Cumulative)** — 그 코호트가 ‘N주차까지 어느 한 주라도’ 활성이면 잔존으로 계산. 잔존율이 가장 높게 잡히지만, 한 번이라도 다시 온 사용자의 누적 도달을 보여 줍니다.

세 가지 모두 같은 데이터를 ‘얼마나 엄격하게 잔존으로 정의할 것인가’만 다르게 보는 도구입니다. 보고서엔 어떤 모드인지 한 줄로 적어 둬야 후일 비교가 정확해집니다.

## 동질 집단 분석 글로벌 활용 사례 5선

동질 집단 분석은 도구 자체는 단순하지만 ‘무엇을 코호트로, 무엇을 잔존으로 정의하느냐’의 조합이 다양해서 실무 시나리오가 매우 풍부합니다. 글로벌에서 자주 인용되는 5가지를 정리했습니다.

### ① 채널 품질(Channel Quality) — 채널별 사용자가 ‘오래 남는가’

- **설정** — 동질 집단 포함 = 첫 번째 터치(획득일), 반환 기준 = 이벤트, 세그먼트 비교에 채널별 세그먼트(`직접 트래픽` / `유료 트래픽` / `자연검색`).
- **보는 것** — 채널별 매트릭스가 따로 그려지면서 ‘어떤 채널이 데려온 사용자가 N주차에 살아남는가’가 한 화면에 비교됩니다. 본문 5단계 캡처처럼 ‘유료 트래픽이 의외로 직접 트래픽보다 잔존이 높은’ 결과가 나오는 사이트도 흔합니다.
- **의사결정** — 마지막 클릭 ROAS가 낮은 채널이라도 ‘오래 남는 사용자’를 데려온다면 LTV 관점의 가치는 큽니다. 반대로 ROAS는 좋지만 주 1에 거의 다 떨어진다면 ‘일회성 트래픽 채널’로 분류해 예산 비중을 다시 보는 자료가 됩니다.

### ② 기기 경험 진단 — 모바일 vs 데스크톱 리텐션 격차

- **설정** — 동질 집단 포함 = 첫 번째 터치, 세그먼트 비교에 `모바일 트래픽` / `데스크톱 트래픽`(혹은 세분화에 `기기 카테고리`).
- **보는 것** — 모바일 사용자의 잔존이 데스크톱보다 눈에 띄게 낮다면, ‘들어오긴 잘 들어오는데 못 남는다’는 신호입니다. UI 깨짐·로딩 속도·결제 폼 길이 같은 모바일 경험 자체의 문제가 우선 의심됩니다(글로벌 가이드에서 ‘모바일 잔존이 데스크톱의 절반 미만이면 모바일 UX를 가장 먼저 점검하라’는 추천이 자주 나옵니다).
- **의사결정** — 모바일 잔존을 ‘데스크톱의 70~80%’까지 끌어올리는 UX 개선 백로그를 우선순위로 잡습니다. 개선 전후 코호트의 잔존 곡선을 비교하면 효과가 정량으로 잡힙니다.

### ③ 제품·UI 변경의 인과 검증 — 출시 전 코호트 vs 출시 후 코호트

- **설정** — 분석 기간을 ‘출시 2주 전’부터 ‘출시 2주 후’까지로 잡고, 동질 집단 세분화 = 주별(또는 일별). 별도 세그먼트는 두지 않고 같은 매트릭스에서 ‘출시 전 코호트 행’과 ‘출시 후 코호트 행’을 위아래로 비교합니다.
- **보는 것** — 매트릭스를 **세로 방향**으로 읽어, 같은 N주차(예: 1주차) 잔존율이 출시 후 코호트에서 더 높은지 확인. 단순한 일자 비교 차트로는 ‘평소 변동 vs 진짜 효과’를 가르기 어렵지만, 코호트 매트릭스는 ‘같은 N주차의 코호트별 비교’가 가능해 변경의 인과를 더 또렷이 봅니다.
- **의사결정** — N주차 잔존이 개선됐다면 그 변경을 유지·확대. 변하지 않거나 떨어졌다면 롤백 또는 추가 가설 실험. ‘변경했는데 다음 주 활성 사용자가 늘었다’ 같은 표면 지표보다 훨씬 강한 인과 근거가 됩니다.

### ④ 재구매 패턴(이커머스) — 첫 구매 후 N주차 재구매 잔존율

- **설정** — 동질 집단 포함 = `purchase`(첫 구매한 주가 코호트의 ‘주 0’), 반환 기준 = `purchase`(이후 ‘다시 구매한 주’만 잔존으로 잡음), 세분화 = 주별(또는 월별).
- **보는 것** — ‘첫 구매 후 1주차·2주차·N주차의 재구매율’이 매트릭스로 나옵니다. 잔존율이 N주차에서 급격히 떨어지는 시점이 곧 ‘재구매 유도 캠페인이 들어가야 하는 시점’입니다(예: 보통 첫 구매 후 4~6주차에 재구매율이 ‘얼어붙는’ 패턴이 자주 보임).
- **의사결정** — 재구매율이 떨어지는 직전 주차에 자동화된 리타깃 메시지(쿠폰·상품 추천·신상품 안내)를 발송하는 CRM 자동화 시나리오의 ‘발송 타이밍’이 정해집니다.

### ⑤ 멤버십·구독 등급별 리텐션 — ‘멤버십이 정말 리텐션을 만드는가’

- **설정** — Google Merch Shop 데모처럼 사이트에 **멤버십 user_property**가 있다면, 그 속성값(예: ‘Member’ / ‘Non-member’, 혹은 등급별 ‘Bronze / Silver / Gold’)으로 사용자 세그먼트를 만들어 세그먼트 비교에 추가합니다. 동질 집단 포함은 첫 번째 터치 또는 첫 가입일.
- **보는 것** — 멤버 vs 비멤버의 잔존 곡선이 어디서 갈라지는지. 멤버십이 ‘리텐션 디바이드(retention divide)’를 진짜로 만든다면 주 1부터 격차가 벌어져 N주차에서 두 곡선이 크게 떨어집니다. 만약 곡선이 거의 일치한다면 ‘멤버십이 가입 행위 자체로 끝나고 사용자 행동을 바꾸진 않는다’는 신호 — 멤버십 혜택 설계 자체를 재검토해야 합니다.
- **의사결정** — 격차가 큰 등급은 그 등급으로의 업그레이드 유도 캠페인(‘다음 단계까지 X원’) 우선 투자처. 격차가 거의 없다면 ‘등급 자체가 의미 없다’는 신호라 등급 구조 단순화 또는 혜택 차별화 강화를 검토합니다.

## 동질 집단 분석으로 보고할 때의 기준

- **동질 집단 포함과 반환 기준을 한 줄로 적습니다.** 같은 매트릭스라도 ‘포함 = 첫 터치 / 반환 = 이벤트’와 ‘포함 = purchase / 반환 = purchase’는 완전히 다른 분석입니다.
- **세분화(일·주·월)와 계산(표준·롤링·누적)도 캡션에 같이 적습니다.** 잔존율 수치의 비교를 안전하게 만들기 위한 최소 메타데이터입니다.
- **% 모드와 절대 수 모드를 함께 보여 줍니다.**% 만 있으면 ‘소수의 코호트에서% 가 들쭉날쭉’할 때 의사결정이 흐려집니다. 절대 수와% 두 매트릭스를 같이 두면 신뢰도가 함께 표시됩니다.
- **맨 아래 ‘미완성 코호트’ 행을 빼고 해석합니다.** 분석 끝나는 시점에 새로 들어온 코호트는 잔존 데이터가 충분히 누적되지 않아 판단의 근거로 쓰면 위험합니다.
- **비교 대상이 있는 분석으로 끝맺습니다.** ‘잔존율 1.9%’는 그 자체로 좋은 숫자도 나쁜 숫자도 아닙니다. 직전 기간의 같은 매트릭스, 다른 채널, 다른 세그먼트와 견주는 비교 한 장을 함께 두는 게 보고의 기본기입니다.

## 자주 묻는 질문

### 잔존율이 1~5%대로 너무 낮게 나오는데, 사이트가 잘못된 건가요?

이커머스·콘텐츠 사이트의 ‘신규 방문자 기준 주별 잔존율’은 보통 한 자릿수 %입니다(처음 방문해 둘러보기만 하는 사용자가 압도적으로 많기 때문). 자연스러운 결과입니다. 더 의미 있는 잔존을 보고 싶다면 동질 집단 포함을 ‘purchase’ 또는 ‘sign_up’ 같이 좁히고, 반환 기준도 같은 이벤트로 좁힌 ‘재구매 잔존율’·‘활성 멤버 잔존율’을 만듭니다. 정의가 좁아질수록 모집단은 작아지지만 잔존율 자체는 훨씬 높게(보통 30~70%대) 잡힙니다.

### 유입경로 탐색 분석(funnel)과 동질 집단 분석은 어떤 기준으로 골라야 하나요?

유입경로 탐색은 ‘한 사용자가 N개의 단계를 거치는가’의 한 사용자 안에서의 흐름을 봅니다. 동질 집단 분석은 ‘같은 시점에 들어온 사용자 묶음이 시간이 지나며 어떻게 줄어드는가’의 시간 흐름을 봅니다. 두 분석은 보완 관계라, 한 캠페인의 효과를 ‘퍼널 전환율’과 ‘이후 잔존율’ 둘로 함께 보는 게 가장 단단한 평가가 됩니다(같은 섹션의 [유입경로 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-funnel-exploration-in-ga4) 참고).

### 맨 아래 코호트는 항상 비어 있는데 왜 표시되나요?

분석 끝나는 시점에 새로 들어온 ‘아직 시간이 지나지 않은 코호트’입니다. 매트릭스의 정상 동작이므로 ‘오류’는 아니지만, 해석할 때는 그 행을 빼고 봐야 합니다. 본문 ‘보고 기준’ 항목에도 적은 것처럼, 보고서에 캡처를 올릴 땐 그 행을 잘라내거나 ‘미완성 코호트’ 표시를 한 줄 달아 두는 게 안전합니다.

### 동질 집단 세분화를 일별로 바꿨더니 매트릭스가 너무 커서 다 안 보입니다.

세분화가 일별이면 코호트와 N단계가 모두 일 단위로 잘게 쪼개져, 분석 기간이 28일이면 28×28 매트릭스가 그려집니다. 시각화로 한 번에 보긴 어려우니, (a) 분석 기간을 14일 정도로 짧게 줄이거나, (b) 보고할 때는 일별 매트릭스 대신 ‘일별로 본 N=1·N=3·N=7의 잔존율 추이 차트’를 별도로 만들어 곁들이는 식의 운영이 무난합니다.

### 세그먼트 비교에 4개 이상을 한 번에 넣을 수 없나요?

동질 집단 탐색 분석의 세그먼트 비교 슬롯은 최대 4개입니다(GA4 다른 탐색 분석들의 일반 한도와 동일). 다만 4개를 다 넣으면 매트릭스가 위아래로 4번 쌓여 한 화면에 들어오기 어려워, 실무에서는 2~3개가 가장 가독성이 좋습니다. 4개 이상의 시나리오는 분석을 2개로 복제해 ‘공통 세그먼트 1개를 양쪽에 두고 비교’하는 방식이 더 안정적입니다.

## Navigation

- [전체 플레이북 Markdown sitemap](/wiki/playbook/sitemap.md)

### GA4 탐색리포트

- [GA4 탐색리포트](/wiki/playbook/ga4-exploration-checklist)
- [탐색 리포트 인터페이스](/wiki/playbook/ga4-exploration-checklist/what-is-ga4-exploration-interface)
- [자유 형식으로 차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-free-form-charts-in-ga4)
- [자유 형식으로 도넛 차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-donut-charts-in-ga4-free-form)
- [자유 형식으로 선차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-line-charts-in-ga4-free-form)
- [자유 형식으로 분산형 차트 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-scatter-plots-in-ga4-free-form)
- [유입경로 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-funnel-exploration-in-ga4)
- [경로 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-path-exploration-in-ga4)
- [세그먼트 중복 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-segment-overlap-analysis-in-ga4)
- [동질 집단 탐색 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-cohort-exploration-in-ga4) (현재 문서)
- [사용자 전체 기간 분석 만들기](/wiki/playbook/ga4-exploration-checklist/how-to-build-user-lifetime-exploration-in-ga4)