재구매율이 오른 걸까요 아니면 시간이 더 지났을 뿐일까요?
고객을 첫 구매 시점으로 묶고, 같은 기간이 지난 시점끼리 비교하고, 재구매를 매출과 공헌이익과 나눠 보는 코호트 분석 방법이에요.

코호트 분석에서는 누가 언제 그룹에 들어갈까요?
성수동에서 약산성 클렌저를 만드는 브랜드가 미국 자사몰의 재구매 리포트를 연다고 해 볼게요. 1월에 들어온 고객이 3월에 들어온 고객보다 훨씬 많이 돌아온 것처럼 보여요. 대표님은 1월 캠페인이 더 좋은 고객을 데려왔다고 믿고 싶어져요. 그런데 사실 1월 고객에게는 돌아올 시간이 더 많았어요.
그래서 코호트 분석은 고객을 분명한 기준으로 묶고, 같은 시간이 지난 시점끼리 비교해야 해요. 첫 구매 코호트는 첫 유효 주문이 같은 기간에 일어난 고객 묶음이에요. 주 단위로 할지 월 단위로 할지는 주문량과 내릴 결정에 맞춰 고르세요. 테스트 주문, 취소, 도매 거래, 이전하다 빠진 과거 기록은 무엇을 뺄지 밝혀 두세요.
Shopify의 고객 코호트 리포트는 기본 화면에서 첫 주문 날짜를 쓰고, 재구매 분석도 지원해요. 문서에서도 실제로 관찰한 기간과 예측치를 구분해요. 값마다 이미 일어난 일인지, 추정한 값인지 표시하라는 신호로 받아들이세요. 음영으로 칠한 미래 칸이 실제 결과와 똑같아 보이면 안 돼요.
왜 첫 구매 후 같은 기간이 지난 고객끼리 비교할까요?
1월에 들어온 고객은 3월에 들어온 고객보다 돌아올 시간이 더 많았어요. 3월 말에 두 그룹의 누적 재구매율을 그대로 비교하면 오래된 그룹이 유리해요. 대신 두 그룹 모두 30일이나 60일처럼 각자 다 채운 기간에서 비교하세요. 의미 있는 다른 기간이어도 괜찮아요.
기간은 제품에 맞춰 고르세요. 다 쓰면 다시 사는 클렌저와 오래 쓰는 뷰티 기기는 구매 주기가 다를 가능성이 커요. 에이전시가 둘 다 똑같은 월간 재구매 목표에 끼워 맞추면 안 돼요. 기기라면 같은 기기를 또 사는 것보다 액세서리 구매나 다른 제품과의 관계가 더 중요할 수 있어요. 앞의 클렌저 브랜드라면 한 통을 다 쓰는 주기부터 떠올려 보세요.
재구매율과 재구매 매출은 왜 따로 봐야 할까요?
이 글에서는 60일 재구매 고객 비율을 예시로 이렇게 정의해요. 첫 주문 후 60일 안에 유효 주문을 한 번 이상 더 한 고객 수를 먼저 세어요. 이걸 그 관찰 기간을 다 채운 코호트 고객 수로 나눠요. 재구매를 세 번 한 고객도 이 비율에서는 한 번만 세어요.
관찰 기간을 다 채웠다는 건 그 고객의 첫 주문 뒤로 달력상 시간이 충분히 지났다는 뜻이에요. 그 사람이 계속 활동했거나 또 샀다는 뜻이 아니에요. 돌아오지 않은 고객도 코호트에 그대로 두세요. 안 돌아왔다고 빼 버리면 분모가 바뀌어서 재구매율이 실제보다 좋아 보여요.
고객당 재구매 주문 수, 고객당 재구매 순매출, 고객당 재구매 공헌이익은 서로 다른 지표예요. 구독 그룹은 할인가로 주문을 많이 만들 수 있어요. 다른 그룹은 덜 자주 돌아와도 한 번 살 때 더 많이 남길 수 있고요. 캠페인이 제일 좋아 보이는 지표 하나를 고르지 말고, 결정에 필요한 지표를 모두 보여 주세요.
같은 기간으로 맞춘 코호트 비교 예시
| 코호트 | 대상 고객 | 60일 안에 재구매한 고객 | 재구매 고객 비율 | 해석 |
|---|---|---|---|---|
| 1월 획득 | 200 | 50 | 25% | 60일 관찰 기간을 다 채운 뒤의 실측치 |
| 2월 획득 | 240 | 48 | 20% | 비교할 수 있는 기간이지만 고객 구성 차이는 확인 필요 |
| 3월 획득 | 180 | 아직 기간 미달 | 아직 보고하지 않음 | 추적이 덜 끝난 값을 0으로 보지 않기 |
재구매율이 같은 두 코호트는 똑같이 좋은 고객일까요?
가상 예시를 하나 더 볼게요. 미국에서 획득한 코호트 두 개가 있고, 각각 고객이 200명이라고 해 볼게요. 두 그룹 모두 60일 안에 재구매한 고객이 40명이라 재구매 고객 비율은 20%예요. 코호트 A는 재구매 순매출 4,000달러, 코호트 B는 5,000달러를 만들어요. 그래도 B가 더 가치 있다고 말할 수는 없어요. 할인, 제품 원가, 반품이 다를 수 있으니까요.
합의한 변동비 모델을 적용했더니 재구매 주문에서 나온 공헌이익이 A는 2,200달러, B는 1,900달러였다고 해 볼게요. 이제 제품 구성과 프로모션 조건을 들여다볼 이유가 생겨요. 코호트 전체 수익성을 비교하려면 처음의 고객 획득 비용과 첫 주문 공헌이익도 함께 따져야 해요.
모두 지어낸 숫자예요. 재구매율은 행동 신호로는 쓸모 있지만 사업적 결론으로는 부족해요. 그래서 리포트에는 중간 계산을 모두 남겨 두세요. 그래야 대표님이 겉보기 우위가 어디서 뒤집히는지 직접 볼 수 있어요. 앞의 클렌저 브랜드도 1월 캠페인을 칭찬하기 전에 이 단계를 거쳐야 해요.
캠페인이 통했다고 말하기 전에 무엇을 봐야 할까요?
할인 행사 때 들어온 코호트는 정가 신제품 출시로 들어온 코호트와 다를 수 있어요. 리필 제품을 산 그룹과 선물 세트를 산 그룹도 다를 수 있고요. 지역, 채널, 제품, 첫 주문 혜택은 모두 그룹 구성을 바꿀 수 있어요.
Microsoft의 장기 온라인 실험 연구는 시간이 지나면서 해석을 어렵게 만드는 함정들을 다뤄요. 저희는 이걸 코호트 리포트에 이렇게 적용해요. 단순한 전후 그룹 비교를 통제된 실험처럼 다루지 않는 거예요. 리텐션 이메일이나 패키지 변경은 테스트해 볼 만할 수 있어요. 하지만 같은 시기에 코호트 차이가 생겼다고 그게 원인이라는 증거는 아니에요.
고객 식별과 주문 상태 변화는 어떻게 다룰까요?
고객이 두 번째 이메일 주소를 쓰면 스토어는 재구매를 신규 고객으로 분류할 수 있어요. 과거 기록을 옮기다 일부가 빠졌다면 첫 주문 날짜가 틀릴 수도 있어요. 이런 한계는 눈에 보이게 남겨 두세요. 고객 식별 기록이 불완전한데 고객 생애 전체를 보여 주겠다고 약속하면 안 돼요.
환불과 취소도 중요해요. 첫 주문이 환불된 고객을 코호트에 남길지 정하세요. 반품된 재구매 주문이 매출과 공헌이익에 어떻게 반영될지도요. 팀이 이 업무 규칙에 합의하기 전에는 쓸모 있는 리포트가 나오지 않아요. 불편한 기록을 조용히 빼지 말고 규칙을 보여 주세요.
코호트 분석 결과로 다음에 무엇을 조사할까요?
재구매가 약한 코호트라면 제품 경험, 다시 살 시점, 고객 문의 이슈, 광고에서 한 약속을 살펴보세요. 재구매는 하는데 공헌이익이 적다면 할인과 비용을 보세요. 특정 첫 주문 제품 하나만 나중 가치가 높다면 이유를 확인하세요. 고객 의도 때문인지, 제품의 역할 때문인지요.
결과는 초점이 분명한 다음 단계를 고르는 데 쓰세요. 고객 인터뷰, 상품 페이지 수정, 생애주기 캠페인 테스트, 광고 타깃팅 변경 같은 거요.
코호트 패턴별로 다음에 확인할 것
| 패턴 | 다음 조사 |
|---|---|
| 모든 제품에서 재구매율이 낮음 | 고객 경험과 예상되는 재구매 주기 |
| 재구매율은 좋은데 공헌이익이 약함 | 할인, 반품, 제품 구성 |
| 특정 유입 경로 하나가 더 좋아 보임 | 인과를 말하기 전에 고객과 혜택 차이 확인 |
| 최근 코호트가 약해 보임 | 추적 기간을 다 채웠는지 |
| 데이터 이전 직후 갑자기 뜀 | 고객 식별과 첫 주문 날짜의 정확성 |
첫 주문 제품에 따라 재구매의 의미가 달라질까요?
디스커버리 세트, 본품, 구독 스타터 키트는 고객이 기대하는 다음 구매가 저마다 달라요. 표본이 충분히 커서 해석할 수 있다면 첫 주문의 역할별로 나눠 보세요. 디스커버리 세트 구매자가 본품으로 넘어간다면 원래 의도한 여정을 마치는 걸 수 있어요. 반면 기기 구매자가 기기를 또 산다면 다른 이유가 있을 수 있어요.
나누는 규칙은 바꾸지 말고 유지하세요. 그룹이 너무 작아 해석이 어렵다면 숫자와 사례를 보여 주고 불확실하다고 밝히세요. 흔들리는 비율로 캠페인 순위를 매기면 안 돼요.
Dahna에 코호트 리포트를 맡길 때 무엇을 준비할까요?
Dahna는 코호트 규칙을 정하고, 주문과 비용 데이터를 맞추고, 같은 기간이 지난 고객끼리 비교하는 리포트를 만드는 일을 도와요. 가진 주문 기록, 제품별 구매 주기, 내려야 할 고객 획득이나 리텐션 결정을 가져오세요. 불안정한 세그먼트 수십 개보다 해석할 수 있는 코호트 몇 개로 시작하세요.
예측치는 실제 결과와 눈에 띄게 분리하세요. 좋은 예측은 계획에 도움이 돼요. 그래도 대표님은 어떤 고객 가치가 실제로 일어났는지 늘 알고 있어야 해요.
다음으로 함께 볼 결정은 무엇일까요?
코호트 전체 수익성을 비교하기 전에 고객 획득 비용(CAC) 가이드를 보세요. 획득 비용과 고객 이력을 어떻게 정의할지 먼저 확인할 수 있어요.
코호트 결정 시트는 어떻게 채울까요?
코호트 비교표와 조사표를 내려받으세요. 그룹에 넣는 규칙, 경과 기간, 원래 고객 수로 정한 분모를 적으세요. 추적 기간을 다 채운 값만 넣고, 돌아오지 않은 고객도 범위에 두세요. 환불이 매출과 공헌이익에 어떻게 반영되는지도 기록하세요.
자주 묻는 질문
코호트 분석에서 재구매율은 어떻게 계산하나요?
이 글의 예시 정의로는 첫 주문 후 60일 안에 한 번 이상 더 산 고객 수를, 60일을 다 채운 코호트 고객 수로 나눠요. 여러 번 산 고객도 한 번만 세어요. 돌아오지 않은 고객도 분모에 그대로 두세요.
최근 코호트의 재구매율이 낮으면 성과가 나빠진 건가요?
아직 추적 기간을 다 채우지 못했을 수 있어요. 기간이 덜 끝난 값은 0으로 보지 말고 아직 보고하지 않은 상태로 두세요.
재구매율이 같으면 두 코호트의 가치도 같나요?
아니에요. 이 글의 가상 예시에서 두 코호트는 재구매율이 20%로 같았지만, 매출이 더 높은 쪽이 공헌이익은 더 적었어요. 할인, 원가, 반품을 반영해서 보세요.
이메일 캠페인 뒤에 코호트가 좋아졌다면 캠페인 덕분인가요?
같은 시기에 생긴 코호트 차이만으로는 원인이라고 말할 수 없어요. 단순한 전후 비교는 통제된 실험이 아니에요. 효과를 알고 싶다면 따로 테스트하세요.
핵심 요약
코호트 분석에서는 같은 기간이 지난 고객 그룹끼리 비교해야 해요. 고객은 분명한 획득 기준으로 묶으세요. 보통은 첫 유효 구매예요. 지표가 돌아온 사람 수인지, 재구매 주문 수인지, 매출인지, 공헌이익인지도 정의하세요. 생긴 지 얼마 안 된 그룹을 오래된 그룹의 전체 기록과 비교하면 안 돼요.
출처와 확인한 날짜
이 결정을 Dahna와 함께 정리해 보세요.
쓸 수 있는 주문 이력, 첫 구매 판단 규칙, 알고 있는 고객 식별의 빈틈을 알려 주세요. 제품의 예상 구매 주기, 지켜볼 기간, 내려야 할 고객 확보나 유지 결정도 알려 주세요.
Dahna가 AI의 도움을 받아 조사하고 분석했어요. 글에 나온 브랜드 사례는 공개 자료를 따로 찾아본 것이고, Dahna의 고객이라는 뜻이 아니에요. 계산 예시는 이해를 돕기 위한 것이고, 외부 전문가가 검토했다거나 결과를 보장한다는 뜻은 아니에요.



