신규 고객이 다시 사는지, 첫 구매 월별로 한눈에
캠페인·시즌·상품 변화가 재구매에 준 영향을 비교해 보세요. 첫 구매 이후 고객들의 재구매 흐름을 한눈에 파악할 수 있어요.
코호트 표, 이렇게 해석해요
가장 많이 받는 질문이에요. 기준, 가로, 세로, 대각선, 회색 셀. 다섯 가지만 알면 숫자가 재구매 흐름으로 보여요.
필터로 쪼개 보면 재구매율과 LTV가 달라져요.
첫 구매 이후 고객들의 재구매 흐름을 분석 단위·상품·고객군별로 나눠 보고, 필요한 고객은 바로 리스트로 꺼내요.
분석 단위별 재구매율 · LTV
판매처, 브랜드, 일반/정기 배송, 자사몰/외부몰, 유입 경로 등 즉시 사용 가능한 분석 단위들이 준비되어 있습니다.
- 판매처 · 브랜드 · 일반/정기 배송 · 자사몰/외부몰 · 유입 경로
- 같은 표를 재구매율 · LTR · LTV 로 바꿔 보기
- 단위를 바꿔도 M+0 기준은 그대로
어느 판매처에서 첫 구매한 고객이 더 오래 남는지
원가가 차감된 실질 고객생애가치(LTV)
기초 상품 주문 데이터를 선택하기만 하면 단순 매출 기반의 고객생애수익(LTR)과 매출에서 원가가 차감된 고객생애가치(LTV)를 분리하여 파악할 수 있습니다.
- 매출 기반 고객생애수익(LTR)
- 원가가 차감된 고객생애가치(LTV)
- 두 값을 나란히 놓고 차이 확인
지금은 매출 기준(LTR)만 보여요. 기초 상품 주문 데이터를 선택해 보세요.
어떤 상품으로 시작해야 오래 남을까?
첫 구매 상품이 같은 고객을 한 그룹으로 묶어 재구매율을 비교해요. 신규 고객 프로모션 상품을 고를 때 참고해요.
- 첫 구매 상품이 같은 고객을 한 그룹으로
- 상품별 재구매율을 평균과 비교
- 오래 남는 고객을 만드는 상품 찾기
필터 하나로 ‘돈이 되는 고객군’만
성별, 유입채널, 구매 상품, 구매 시점 등 상황별 맞춤 필터링으로 원하는 고객군의 리텐션과 LTV를 정밀하게 분석할 수 있습니다.
- 성별 · 유입채널 · 구매 상품 · 구매 시점
- 필터를 겹쳐 고객군을 좁히기
- 고객군별 리텐션과 LTV 비교
코호트 안의 고객을 바로 리스트로 추출
코호트 표에서 고른 고객군을 그대로 고객 리스트로 꺼내 CRM 에 연결해요. 재구매하지 않은 고객만 골라 다시 부를 수 있어요.
- 코호트 행 선택 → 고객 리스트
- 재구매 고객 / 재구매 안 한 고객 구분
- 개인정보는 마스킹해 표시
고객 리스트가 열려요
코호트 분석으로 이런 것까지 볼 수 있어요.
필터 하나로 ‘돈이 되는 고객군’만
성별, 유입채널, 구매 상품, 구매 시점 등 상황별 맞춤 필터링으로 원하는 고객군의 리텐션과 LTV를 정밀하게 분석할 수 있습니다.
어떤 상품으로 시작해야 오래 남을까?
첫 구매 상품이 같은 고객을 한 그룹으로 묶어 재구매율을 비교해요. 신규 고객 프로모션 상품을 고를 때 참고해요.
원가가 차감된 실질 고객생애가치(LTV)
기초 상품 주문 데이터를 선택하기만 하면 단순 매출 기반의 고객생애수익(LTR)과 매출에서 원가가 차감된 고객생애가치(LTV)를 분리하여 파악할 수 있습니다.
분석 단위별 재구매율 · LTV
판매처, 브랜드, 일반/정기 배송, 자사몰/외부몰, 유입 경로 등 즉시 사용 가능한 분석 단위들이 준비되어 있습니다.
자주 묻는 질문, 먼저 확인해 보세요.
더 궁금한 점은 언제든 문의해 주세요. 도입 방식에 맞춰 안내해 드려요.
코호트 분석은 특정 시점(예: 첫 구매월)에 그룹화된 고객들이 이후 어떻게 행동하는지 추적하는 분석 방법입니다. '1월에 첫 구매한 고객 중 3개월 후에도 구매한 비율이 몇 %인가?'를 파악할 수 있습니다. 리텐션 개선, LTV 예측, 특정 마케팅 캠페인의 장기 효과를 측정할 때 활용합니다.
라플라스는 동일 가입 시점 또는 첫 구매 시점의 코호트별 누적 매출을 트래킹해 LTV를 계산합니다. 과거 코호트의 패턴을 기반으로 AI가 신규 고객의 예상 LTV를 자동 추정하며, 이를 CAC(고객 획득 비용)와 비교해 채널별 수익성을 판단할 수 있습니다.
목적에 따라 다릅니다. 마케팅 효과 측정에는 첫 구매 월 기준이 더 유용합니다. 가입 후 실제 구매로 전환되는 데 시간이 걸리는 서비스라면 가입 월 기준 코호트로 온보딩 전환율을 분석하는 것이 적합합니다. 라플라스에서는 두 기준을 모두 설정해 비교할 수 있습니다.
라플라스 AI 에이전트는 리텐션율 하락을 감지하면 이탈 시점과 이탈이 집중된 고객군을 자동으로 분석해요. AI가 해당 코호트의 특성에 맞는 액션을 구체적으로 제안해요.
일반 재구매율은 전체 고객 중 재구매한 비율을 단순 집계합니다. 코호트 재구매율은 같은 시점에 첫 구매한 고객 그룹을 시간 흐름에 따라 추적하기 때문에, 특정 캠페인·채널·시기의 영향을 정확히 분리해 볼 수 있습니다. 전체 수치는 좋아 보여도 특정 코호트만 이탈이 심할 수 있어, 두 지표를 함께 보는 것이 중요합니다.