코호트 분석 입문(Cohort analysis in R)

코호트분석은 특정기간 특정집단의 행동패턴을 관찰하고 분석하기 위해 주로 사용됩니다.

비즈니스 환경에서는 주로 고객들의 리텐션 지표를 알아보기 위해 사용되는데요.

R에서 코호트 분석을 어떻게 사용해볼 수 있는지 알아보겠습니다.

저 같은 경우 인프런의 '그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법'의 수업자료를 사용했습니다.

 

데이터의 구조는 아래 표와 같이 생겼습니다. 제가 가진 데이터의 양은 10471개의 관측치를 보여주고 있습니다.

유저ID(PK)	가입일	마지막 로그인
1	YYYY-MM-DD	YYYY-MM-DD
2	YYYY-MM-DD	YYYY-MM-DD
3	YYYY-MM-DD	YYYY-MM-DD
4	YYYY-MM-DD	YYYY-MM-DD

위 3개의 컬럼을 가진 데이터를 통해 사용자의 리텐션을 알아볼 수 있습니다.

 

다른 정의가 있지않는 한 일반적으로 리텐션은 달별로 계산을 하는 것이 무난합니다.

여기에서는 Rolling Retention을 알아보겠습니다.
Rolling Retention이란 특정시점을 기준으로 N일 후에 얼마나 고객이 남아있는지 알아볼 수 있는 지표입니다.
이번 글에서는 지표에 관한 설명보다는 R로 어떻게 구현하는지에 대해 집중하겠습니다.

 

아래와 같이 df의 구조를 살펴보면

str(df)

아래와 같이 user_id, sign_up, last_login 3개의 변수로 이루어진 데이터인 것을 확인할 수 있습니다.

Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 10471 obs. of 3 variables:

$ user_id : num 1 2 3 4 5 6 7 8 9 10 ...

$ sign_up : POSIXct, format: "2019-01-01" "2019-01-01" "2019-01-01" "2019-01-01" ...

$ last_login: POSIXct, format: "2019-06-03" "2019-11-02" "2019-01-23" "2019-04-19" ...

 

이 중에서 아래와 같이 가입일과 마지막 로그인의 데이터 형태를 Date로 바꾼 뒤,

month함수를 이용해 YYYY-MM-DD 중 월 데이터만 가져와

sign_month와 last_month라는 새로운 variable로 저장합니다.

df$sign_up<- as.Date(df$sign_up)
df$last_login <- as.Date(df$last_login)
df$sign_month <- month(df$sign_up)
df$last_month <- month(df$last_login)

 

 

이후 dcast함수를 이용해 데이터의 형태를 변환합니다.

 

df2 <- dcast(df, sign_month~last_month, value.var = "user_id", length, margins=TRUE)

dcast함수는 reshape2라이브러리의 함수로
dcast(df, 행으로 지정할 variable~ 열로 지정할 variable, 값이 될 variable, length)로 지정합니다.

함수에 대한 자세한 설명은 생략하겠습니다.

 

 

이렇게 df2로 바꾼 데이터의 형태를 살펴보면

아래와 같은 모양을 확인 할 수 있습니다.

아래의 표는 가입월에 따른 서비스이탈 고객수를 월별로 집계한 것입니다.

데이터 형태에 대해 조금 설명을 덧붙이자면, 1월(row)가입자 중 1월(variable)이 마지막 사용이었던 09명, 2월(variable)이 마지막 사용이었던 유저 수는 21명, 3월은 46명으로 해석하면 됩니다.

그렇다면 같은 방식으로 7월에 가입하고 7월에 마지막으로 사용한 유저의 수는 74명인 것입니다.

 sign_month   1   2   3   4   5   6   7   8   9  10  11   12 (all)
1           1 109  21  46  28  42  19  24  20  18  22  20   59   428
2           2   0  94  34  25  37  22  34  34  25  31  34  111   481
3           3   0   0  86  27  35  37  26  41  42  43  37  171   545
4           4   0   0   0  84  34  22  36  35  29  43  34  184   501
5           5   0   0   0   0  74  37  29  27  33  47  45  238   530
6           6   0   0   0   0   0  84  29  31  29  27  39  291   530
7           7   0   0   0   0   0   0  74  32  26  31  24  308   495
8           8   0   0   0   0   0   0   0  77  37  41  31  348   534
9           9   0   0   0   0   0   0   0   0  81  44  34  473   632
10         10   0   0   0   0   0   0   0   0   0  45  50  642   737
11         11   0   0   0   0   0   0   0   0   0   0 152 2122  2274
12         12   0   0   0   0   0   0   0   0   0   0   0 2784  2784
13      (all) 109 115 166 164 222 221 252 297 320 374 500 7731 10471

이 데이터를 바로 활용하기에는 어렵습니다.

왜냐하면 몇 명이나 서비스를 이용하고 있는지를 알고 싶기 때문입니다.

따라서 월별 가입자의 수에서 서비스 이탈 고객의 수를 전부 빼주어야합니다.
이 작업은 아래와 같이 수행했습니다.

 

df2 <- df2[-13,]
df2 <- df2[,-1]

for(i in 1:11){
  for(j in 11:i){
    df2[i,j] <- as.numeric(df2[i,j]) + as.numeric(df2[i,j+1])
    }
}

 

그러면 아래와 같이 변환된 데이터를 확인할 수 있습니다.
시간이 지남에 따라 남아있는 유저의 수가 감소하는 추세를 보입니다.

     1   2   3   4   5   6   7   8   9  10   11   12 (all)
1  428 319 298 252 224 182 163 139 119 101   79   59   428
2    0 481 387 353 328 291 269 235 201 176  145  111   481
3    0   0 545 459 432 397 360 334 293 251  208  171   545
4    0   0   0 501 417 383 361 325 290 261  218  184   501
5    0   0   0   0 530 456 419 390 363 330  283  238   530
6    0   0   0   0   0 530 446 417 386 357  330  291   530
7    0   0   0   0   0   0 495 421 389 363  332  308   495
8    0   0   0   0   0   0   0 534 457 420  379  348   534
9    0   0   0   0   0   0   0   0 632 551  507  473   632
10   0   0   0   0   0   0   0   0   0 737  692  642   737
11   0   0   0   0   0   0   0   0   0   0 2274 2122  2274
12   0   0   0   0   0   0   0   0   0   0    0 2784  2784

 

아래와 같이 데이터를 백분율로 변환해서 총 가입자 중 몇퍼센트가 남아있는지를 히트맵을 통해 알아보겠습니다.

df3<- df2[,c(1:12)]
total <- df2[,13]


for(i in 1:12){
  df3[i,] <-df3[i,]/total[i]
}

 

히트맵을 통해 아래와 같은 그림을 얻을 수 있습니다.

pheatmap(df3, cluster_rows = F, cluster_cols = F, display_numbers = T, fontsize = 14,
         color = colorRampPalette(c('white','#C0392B'))(50))

 

시간이 지남에 따라 색이 옅어지면서 리텐션이 감소하는 것을 확인할 수 있습니다.
볼만 한 것 중 하나는 10월 가입자의 12월 리텐션율(2달 후)이 87%로 다른 코호트의 2달 후 리텐션율보다

최대 10%p넘게 크다는 점입니다.

이런 방식을 통해 고객들의 리텐션을 분석해 볼 수 있습니다.

 

지금까지 R을 통해 어떻게 코호트를 분석할 수 있는지 알아보았습니다. '

감사합니다.