이런 질문도 같은 답입니다
코호트·리텐션 분석 데이터품질
결론부터
고객 데이터 품질 문제를 발견하면 ①식별자 정합성(같은 고객이 다른 ID로 중복 집계되거나 채널 간 매칭이 틀린 경우) ②핵심 이벤트 누락 ③중복 집계 ④지연 반영 순서로 우선순위를 매겨 수정합니다.
답변
3단계01
식별자가 틀리면 그 위에 쌓은 모든 지표·세그먼트 분석이 함께 틀어지기 때문에 다른 문제보다 먼저 고쳐야 손실을 막을 수 있습니다.
02
실제로 자주 나오는 문제는 이렇습니다. 코호트 분석에서 흔한 데이터 품질 문제는 코호트 기준일 정의가 팀·툴마다 달라(가입일 vs 첫 구매일) 같은 이름의 코호트가 실제로는 다른 집단을 가리키는 경우, 비로그인 세션이 신규 사용자로 중복 집계되는 경우, 리텐션 계산 기간(달력 월 vs 이동 30일)이 보고서마다 다른 경우입니다.
03
코호트 기준일 정의부터 팀 내 문서(위키·플레이북)에 한 줄로 못박아, 새로 합류하는 팀원도 같은 기준으로 분석하게 만드시길 권합니다.
과목 8212GA4 탐색(Explore) 분석탐색 데이터 기반 잠재고객 추출: 퍼널 이탈 유저 세그먼트를 즉각 구글 잠재고객으로 생성해 GDN/유튜브 리타게팅 광고에 쏘기→과목 10005VOC 텍스트 마이닝 기반 그로스 루프·카피 반영카피라이팅 원천 소스 치환법: 마케터의 머릿속 뇌피셜 카피를 버리고, 고객의 리뷰 문장(예: "남편 등드름 다 사라졌어요")을 광고 카피로 직형→과목 10006VOC 텍스트 마이닝 기반 그로스 루프·카피 반영상세페이지 스토리보드 전면 개편: VOC 분석에서 드러난 고객의 핵심 의문사 3가지를 상세페이지 최상단에 질문-답변(Q&A) 형태로 선배치→
12CODE ACADEMY
체계적으로 배우고 싶다면
퍼포먼스 광고 운영 과정에서 이 판단 기준을 순서대로 다룹니다.