[GA4 코호트 분석] Day9-1 주차별 신규 유저 추이 분석 (리텐션 분석의 출발점)

코호트 분석은 “재방문했는가?”를 확인한 뒤, “왜 재방문했는가?”를 분석하는 방법

 

첫 방문자 정의 → 재방문율 계산 → 리텐션 패턴 확인 → 왜 남았는지/떠났는지 가설 설정 → source, 행동, 구매, 카테고리별 검증 → 원인 해석 → CRM 전략 제안

 

누구를 첫 방문자로 볼 것인가?

- 데이터 내에서 관측된 첫 방문

 

방문자 정의 단위

- user_pseudo_id : 한 유저가 여러 번 방문해도 같은 사람으로 추적 가능

 

시간 단위 선택

- Weekly Cohort : 주차별 비교 가능, 패턴 보기 좋음

 

예시)

user	첫 방문일	cohort_week
A	11-03	11월 1주차
B	11-05	11월 1주차
C	11-12	11월 2주차

 

SQL

- 각 user별 MIN(session_start) → cohort_week 생성

SELECT
  user_pseudo_id,
  MIN(DATE(TIMESTAMP_MICROS(event_timestamp))) AS first_visit_date,
  DATE_TRUNC(
    MIN(DATE(TIMESTAMP_MICROS(event_timestamp))),
    WEEK
  ) AS cohort_week
FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
WHERE event_name = 'session_start'
GROUP BY user_pseudo_id
ORDER BY first_visit_date;

 

- 우리 데이터는 어떤 주차에 신규 유저가 많았나?

SELECT
  DATE_TRUNC(
    MIN(DATE(TIMESTAMP_MICROS(event_timestamp))),
    WEEK
  ) AS cohort_week,
  COUNT(DISTINCT user_pseudo_id) AS new_users
FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
WHERE event_name = 'session_start'
GROUP BY user_pseudo_id
ORDER BY cohort_week;

 

- cohort_week별 신규 유저 수는 어떻게 분포하는가?

-- 주차별 신규 유저 규모 확인

SELECT
  cohort_week,
  COUNT(*) AS new_users
FROM (
  SELECT
    user_pseudo_id,
    DATE_TRUNC(
      MIN(DATE(TIMESTAMP_MICROS(event_timestamp))),
      WEEK
    ) AS cohort_week
  FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
  WHERE event_name = 'session_start'
  GROUP BY user_pseudo_id
)
GROUP BY cohort_week
ORDER BY cohort_week;

결과 해석

[11월 초]

19,894 → 16,066 → 17,703 → 19,135 (비교적 안정적)

기본 유입 구조

• 안정적 acquisition
• 큰 이벤트 없음

[11월 말~12월 초]

21,829 → 27,750 (급증)

12월 첫째 주(2020-12-06) 최고치

신규 유저 27,750

 

가능 가설

1. 연말 쇼핑 시즌

• holiday shopping
• gift demand

2. 프로모션/캠페인

3. 시즌성 트래픽 증가

 

실무적 질문

“많이 왔는데, 잘 남았나?” → 12월 코호트 리텐션 중요

[12월 중순 이후]

24,977 → 17,663 → 16,407 (감소)

 

연말 peak 이후 감소

→ 시즌성 유입 가능성

[1월 초]

22,592 (재상승)

 

가능성

- 새해 프로모션 / 재유입 / 신규 시즌

[1월 마지막 주]

2,160 (급락)

이건 실제 유입 급감보다

데이터 종료 영향 가능성 매우 높음 (분석 왜곡 구간)

 

실무 처리

2021-01-31 코호트는 제외 또는 주의 : 이후 Week1 추적 불가

 

핵심 인사이트

가장 중요한 코호트 : 2020-12-06 (최대 유입)

유입 peak 코호트 → 리텐션 비교 핵심

 

추천 비교 대상

2020-11-01 (baseline) vs 2020-12-06 (seasonal peak)

 

연말 유입은 양만 많았나?

아니면 질도 좋았나?

비즈니스 관점

가능성 A : 신규 많음 + 리텐션 낮음 → 단기 할인 유입

가능성 B : 신규 많음 + 리텐션 높음 → 고품질 시즌 유입

 

여기서 코호트의 진짜 가치 : “유입량”보다“유입 질”

 

 

주차별 신규 유저 라인차트

 

2021-01-31 제거

 

2020년 12월 첫째 주 신규 유입이 가장 높게 나타났으며, 이는 연말 시즌성 또는 프로모션 영향 가능성을 시사한다. 그러나 단순 유입 증가보다 중요한 것은 이후 리텐션 유지 여부이므로, 해당 코호트의 재방문율 검증이 필요하다.