핵심 가치 발굴
어떤 초기 행동을 며칠 안에 몇 번 한 유저가 장기 가치로 이어지는지 찾습니다.
로딩 중…
분석 결과는 여기까지아래는 다음 단계와 참고 자료입니다. 분석 결과에 포함되지 않습니다.
다음 단계
먹히는 요소 찾기
전체 여정
초기 이탈을 줄이려면 어떤 행동을 유도해야 하나요?
정착과 가장 강하게 연결된 행동 횟수와 기간 조합을 찾습니다.
판단 기준과 FAQ필요할 때만 펼쳐보세요
탐색 방식과 해석 한계 보기
언제 써야 하나
온보딩 개선 우선순위를 정할 때, 광고 최적화 이벤트를 무엇으로 둘지 고를 때, 리텐션이 갈리는 지점을 찾을 때 사용합니다. 사용자 식별자·이벤트명·발생 시각이 담긴 이벤트 CSV가 필요합니다.
무엇을 계산하나
윈도우(일)와 횟수 조합마다 기준 충족 여부와 장기 성과를 교차해 리프트와 F1을 계산하고, 표본이 충분한 후보만 상위로 올립니다. 세그먼트 컬럼을 지정하면 값별로 나눠 볼 수 있습니다.
결과를 어떻게 쓰나
찾은 기준은 '이 행동을 하게 만들면 잔존이 올라간다'는 증명이 아니라 실험 가설입니다. 온보딩 변경이나 캠페인 목표 이벤트 변경으로 검증하고, 그 검증은 A/B 또는 증분 분석의 몫입니다.
자주 묻는 질문
이 행동을 유도하면 리텐션이 오르나요?
그렇다고 단정할 수 없습니다. 관측된 연관이며, 원래 잔존할 사용자가 그 행동을 많이 했을 수도 있습니다. 인과는 실험으로 확인해야 합니다.
이벤트 종류가 많으면 어떻게 되나요?
조합이 늘어날수록 우연히 좋아 보이는 후보도 늘어납니다. 표본 크기와 리프트 안정성을 함께 보고, 상위 1개만 맹신하지 마세요.
어떤 데이터가 필요한가요?
사용자 식별자, 이벤트 이름, 발생 시각이 행 단위로 있는 CSV가 필요합니다. 장기 성과 판정용 컬럼이 있으면 리프트 계산이 더 정확해집니다.