활성화율과 유지율 직접 계산하기: 사용자 8명의 코호트 실습

이번 주 가입자가 늘었는데 제품이 나아졌는지는 여전히 모를 수 있습니다. 가입 후 핵심 기능을 사용했는지, 다음 사용 기회에 다시 행동했는지를 함께 봐야 합니다. 이 글에서는 가상 사용자 8명의 작은 표를 직접 계산합니다. 수치는 실제 서비스의 성과나 권장 목표가 아니며, 특정 분석 도구 없이 지표의 뜻을 검토하기 위한 실습입니다.

계산 전에 지표의 정의부터 고정합니다

가상의 업무 보고 제품에서 핵심 행동은 ‘실제 업무 데이터로 보고서를 만들어 동료에게 공유 완료’입니다. 빈 보고서 생성이나 버튼 클릭만으로는 집계하지 않습니다. 여기서는 계정 한 개를 사용자 한 명으로 세고, 테스트 계정과 내부 직원은 처음부터 제외합니다. 조직 단위로 쓰는 제품이라면 개인과 조직 중 어느 쪽이 가치를 얻는 단위인지 먼저 정해야 합니다.

8명 모두 가상으로 2026년 7월 6일 가입했다고 가정합니다. 시간대는 한국 시간이며, W0는 7월 6~12일, W1은 7월 13~19일, W2는 7월 20~26일입니다. 7월 27일에 조회해 세 구간의 관찰이 끝났습니다. 이 글의 활성화는 W0에 핵심 행동을 한 번 이상 완료한 상태, 가입 코호트의 주간 유지율은 해당 주에 핵심 행동을 한 사용자 비율로 정의합니다.

‘그 주에 사용’과 ‘그 주 또는 그 이후에 사용’은 다른 지표입니다. Amplitude의 유지율 해석 문서도 Return On과 Return On or After를 구분합니다. 아래 계산은 정해진 한 주의 행동만 확인합니다. 도구의 기본 설정이 이 정의와 같은지는 별도로 확인해야 합니다.

원자료: 체크 표시 하나는 사용 횟수가 아니라 사용자 존재입니다

A가 W1에 보고서를 열 번 공유했어도 W1 분자에는 한 명으로 들어갑니다. E는 첫 주의 활성화 기간에는 행동하지 않았지만 W1부터 사용했습니다. 이 글의 가입 코호트 유지율은 가입을 출발점으로 삼으므로 E도 W1 분자에 포함합니다. ‘첫 보고서 작성 후 다시 보고서를 작성한 비율’을 보고 싶다면 출발 이벤트와 코호트를 새로 정의해야 합니다.

세 가지 계산을 나란히 해 봅니다

1. 활성화율: W0에 행동한 A·B·C·D 4명 ÷ 가입자 8명 = 50%입니다.
2. W1 유지율: W1에 행동한 A·B·E 3명 ÷ 가입자 8명 = 37.5%입니다. W2도 A·C·E 3명 ÷ 8명 = 37.5%입니다.
3. 활성화 사용자 중 W1 유지율: 활성화된 4명 가운데 W1에 행동한 A·B 2명 ÷ 4명 = 50%입니다.

두 유지율이 37.5%와 50%로 달라도 계산 오류는 아닙니다. 분모가 다르기 때문입니다. 다만 회의 자료에 둘 다 ‘유지율’이라고만 쓰면 더 높은 쪽을 제품 개선처럼 읽게 됩니다. ‘가입자 기준 W1’과 ‘W0 활성화 사용자 기준 W1’처럼 모집단을 이름에 넣습니다. 활성화 여부로 집단을 나눴다는 사실만으로 활성화 행동이 유지의 원인이라고 결론 내릴 수도 없습니다. 원래 필요가 강한 사람이 두 행동을 모두 했을 가능성이 있습니다.

W1과 W2의 값이 같다고 같은 사람들이 계속 쓴 것도 아닙니다. B가 빠지고 C가 돌아왔습니다. 두 주 모두 행동한 사람은 A와 E로, 2÷8=25%입니다. ‘각 주의 사용률’과 ‘두 주 연속 사용률’을 구분해야 복귀와 이탈이 상쇄되는 현상을 발견할 수 있습니다. 월말에 주로 쓰는 제품이라면 주간 공백 자체가 문제인지도 실제 업무 주기로 검토해야 합니다.

관찰하지 못한 기간을 0으로 채우지 않습니다

7월 24일에 가입한 새 집단은 7월 27일 시점에 아직 W1 전체를 관찰할 수 없습니다. 이런 칸은 0%가 아니라 ‘관찰 중’으로 둡니다. 오래된 집단의 완성된 W1과 새 집단의 첫 며칠을 비교하면 새 제품의 유지율이 실제보다 낮게 보일 수 있습니다. 중간 값을 보여줄 경우에도 완료된 값과 시각적으로 구분하고 조회 시점을 표시합니다.

날짜의 경계도 결과에 영향을 줍니다. 가입 다음 날을 달력 날짜로 셀지, 가입 후 24시간 단위로 셀지 먼저 정합니다. Amplitude의 유지율 시간 계산 안내는 두 방식과 시간대 설정에 따른 차이를 설명합니다. 위 실습은 모두 같은 날 가입한 집단을 사용해 경계를 단순하게 만들었습니다. 가입일이 섞인 실제 데이터에서는 각 사용자의 경과 기간을 기준으로 같은 관찰 길이를 맞춰야 합니다.

코호트를 합칠 때는 비율보다 인원수를 먼저 더합니다

관찰이 완료된 또 다른 가상 코호트에서 2명 중 1명이 W1에 행동했다고 가정해 봅시다. 기존 8명 코호트의 37.5%와 새 코호트의 50%를 단순 평균하면 43.75%입니다. 하지만 사용자 전체 기준으로 합치면 (3+1)÷(8+2)=40%입니다. 서로 다른 크기의 집단을 합칠 때는 집계 목적에 따라 가중치를 정해야 하며, 여기서는 사람마다 같은 비중을 주므로 분자와 분모를 각각 더합니다.

팀이 원하는 질문이 ‘평균적인 가입 주의 성과’라면 코호트별 비율의 평균을 별도로 사용할 수 있습니다. 그 값은 전체 사용자의 유지율과 다른 질문에 답하므로 표 제목에 단위를 명시합니다. 표본이 8명이라 한 명의 행동만 바뀌어도 12.5%포인트가 움직입니다. 이 정도 자료로 작은 차이의 우열을 단정하기보다 어떤 사용자가 어느 단계에서 멈췄는지 추적하는 데 먼저 씁니다.

계산 전에 실제 완료 기록 몇 건과 이벤트 기록을 대조합니다. 실패한 공유 요청에서도 완료 이벤트가 발생하는지, 재시도로 같은 기록이 두 번 남는지 확인하세요. 휴대전화와 컴퓨터에서 같은 계정으로 접속했을 때 한 사람으로 연결되는지도 살펴봅니다. 이런 오류가 있으면 기능을 바꾸지 않아도 지표가 움직일 수 있습니다. 이벤트를 수정한 날에는 수정 전후의 수집 기준 차이를 함께 적습니다.

오늘 팀 문서에 남길 지표 정의

지표 이름: __________
분석 단위: 사용자 / 조직 / 기타 ______
코호트 진입 이벤트와 최초 진입 기준: __________
핵심 행동의 완료 조건: __________
활성화 허용 기간 / 주간 구간: __________
시간대 / 달력 기준 또는 경과 시간 기준: __________
제외 대상 / 중복 계정 처리: __________
관찰 완료 조건 / 마지막 조회 시점: __________
분자 / 분모 / 실제 인원수: __________

이 사례에서 다음 행동은 F·G·H의 가입 후 흐름과 C의 복귀 이유를 확인하는 것입니다. 데이터 수집 오류, 사용할 업무가 없었던 경우, 사용 중 막힌 경우를 먼저 나누면 같은 낮은 유지율에도 다른 대응을 할 수 있습니다. 화면 변경을 배포한 뒤에는 동일한 정의와 충분한 관찰 기간으로 비교합니다. 숫자를 높이는 것보다, 같은 숫자가 같은 행동을 뜻하도록 유지하는 일이 선행되어야 합니다.