[GA4 무료강의] GA4 코호트(동질 집단) 탐색 분석 완벽 가이드 : "첫 구매 고객, 다음 달에 다시 올까?" 7단계로 확인하기
핵심 요약 (한 줄 답변)
GA4 동질 집단 탐색 분석(코호트 분석) 은 같은 시기에 같은 행동을 한 고객들을 하나의 묶음으로 묶고, 그 묶음이 시간이 지나면서 얼마나 다시 돌아오는지를 표로 보여주는 기능입니다. "첫 구매 고객의 재구매"를 보려면 탐색 → 동질 집단 탐색 분석에서 포함 기준을 '첫 거래', 재방문 기준을 '거래', 세분화를 '월별', 계산 유형을 '표준' 으로 설정하면 됩니다. 5분이면 만들 수 있습니다. 다만 반드시 알아야 할 치명적인 제약이 있습니다. GA4의 동질 집단은 기기 데이터만 기반으로 하고 User-ID를 고려하지 않습니다. 그래서 모바일로 첫 구매하고 PC로 재구매한 고객은 다른 사람으로 집계되어, 실제 재구매율보다 낮게 나옵니다. 또 최대 60개 집단까지만 표시되고, 데이터가 많으면 샘플링이 발생합니다. 이 제약을 알고 보면 아주 유용한 도구이고, 모르고 보면 잘못된 결론을 내리게 됩니다.
이 글에서 알 수 있는 것
- 코호트 분석이 무엇인지 (비유로 쉽게 이해하기)
- GA4의 유지 보고서와 코호트 탐색 분석의 차이
- 설정 항목 5가지 완전 정복 (무엇을 고르면 무엇이 보이는지)
- "첫 구매 고객의 재구매" 7단계 실습
- 코호트 표를 읽는 순서와 3가지 패턴
- 계산 유형 표준·순차적·누적의 차이
- 반드시 알아야 할 함정 7가지 (특히 User-ID 문제)
- 응용 분석 5가지 (채널별·상품별·기기별 재구매)
- 내 수치가 좋은지 나쁜지 판단하는 벤치마크
✳️ 난이도 : 초급~중급 (코딩 불필요) | 소요 시간 : 읽기 약 16분, 실습 약 10분 | 대상 : GA4로 고객 재방문·재구매를 분석하려는 마케터, 쇼핑몰 운영자, 그로스 담당자
📌 실습 준비물 : GA4 속성과 전자상거래 추적(purchase 이벤트) 이 설정돼 있어야 합니다. 아직이라면 구글이 제공하는 GA4 데모 계정(Google Merchandise Store) 에서 똑같이 따라 할 수 있습니다.
목차
- 코호트 분석이란 무엇인가?
- GA4에서 어디에 있나? (유지 보고서와의 차이)
- 설정 항목 5가지 완전 정복
- 실습 : 첫 구매 고객의 재구매 7단계
- 코호트 표 읽는 법
- 계산 유형 3가지의 차이
- 반드시 알아야 할 함정 7가지
- 응용 분석 5가지
- 내 수치는 좋은 걸까? 벤치마크
- 최종 체크리스트
- 자주 묻는 질문(FAQ)
1. 코호트 분석이란 무엇인가요?
코호트(Cohort) 분석은 같은 시기에 같은 행동을 한 사용자들을 한 묶음으로 묶고, 그 묶음의 행동이 시간에 따라 어떻게 변하는지 추적하는 분석 방법입니다.
구글은 이를 동질 집단(同質集團) 이라고 번역합니다. "성질이 같은 집단"이라는 뜻입니다.
학교 입학 연도에 비유하면...
| 비유 | 실제 분석 |
| 2026년 3월 입학생 전체 | 2026년 9월에 첫 구매한 고객 전체 (= 하나의 코호트) |
| 1학년 때 몇 명이 남았나 | 첫 구매 1개월 뒤 몇 명이 재구매했나 |
| 2학년, 3학년 | 2개월 뒤, 3개월 뒤 |
| 입학 연도별로 비교 | 9월 첫 구매 고객 vs 10월 첫 구매 고객 비교 |
일반 보고서와 무엇이 다른가?
| 구분 | 일반 보고서 | 코호트 분석 |
| 보는 방식 | 특정 기간의 합계 | 집단별 시간 경과에 따른 변화 |
| 답하는 질문 | "지난달 재구매 고객이 몇 명?" | "9월에 첫 구매한 고객이 10월에 몇 % 돌아왔나?" |
| 시간 축 | 달력 날짜 | 첫 행동일로부터 경과한 기간 |
| 알 수 있는 것 | 현재 상태 | 고객이 언제 떠나는지, 어느 집단이 더 잘 남는지 |
✅ 핵심 차이 : 코호트 분석의 가로축은 달력 날짜가 아니라 "첫 행동 후 며칠/몇 주/몇 달" 입니다. 그래서 9월 고객과 10월 고객을 같은 출발선에서 공정하게 비교할 수 있습니다.
왜 중요한가?
쇼핑몰 운영자라면 이런 상황을 겪어보셨을 겁니다.
"이번 달 매출은 괜찮은데, 광고를 멈추면 매출이 바로 떨어진다."
이것은 신규 고객만 계속 사오고 있고, 재구매가 일어나지 않는다는 신호입니다. 일반 보고서로는 이 문제가 잘 보이지 않습니다. 매출 합계는 괜찮아 보이기 때문입니다. 코호트 분석은 이 문제를 숫자로 드러냅니다.
2. GA4에서 어디에 있나요? 유지 보고서와의 차이
코호트 분석은 왼쪽 메뉴의 '탐색'에서 '동질 집단 탐색 분석' 템플릿으로 만듭니다.
'보고서' 메뉴에는 없습니다.
경로
GA4 왼쪽 메뉴 → 탐색 → 동질 집단 탐색 분석 (템플릿 갤러리)
'유지' 보고서와 무엇이 다른가요?
GA4에는 보고서 → 유지(Retention) 라는 메뉴도 있습니다. 둘을 혼동하기 쉬운데, 역할이 다릅니다.
| 구분 | 유지 보고서 | 동질 집단 탐색 분석 |
| 위치 | 보고서 → 유지 | 탐색 → 동질 집단 탐색 분석 |
| 코호트 기준 | 획득일(첫 방문) 고정 | 첫 거래·첫 전환·특정 이벤트 등 선택 가능 |
| 재방문 기준 | 고정 | 거래·전환·특정 이벤트 등 선택 가능 |
| 보여주는 시점 | 1일·7일·30일 차로 고정 | 일·주·월 단위로 자유롭게 |
| 분석 기간 | 유지율 42일, 평생 가치 120일 고정 | 설정한 기간 |
| 세분화 | 제한적 | 측정기준으로 세분화 가능 |
| 값 선택 | 고정 | 활성 사용자·구매 수익 등 선택 가능 |
📌 쉽게 정리하면 : 유지 보고서는 "첫 방문 후 다시 왔는지" 를 정해진 틀로 보여줍니다. 동질 집단 탐색 분석은 "첫 구매 후 다시 구매했는지" 처럼 원하는 기준으로 직접 설계할 수 있습니다.
이 글에서 다루는 "첫 구매 고객의 재구매"는 유지 보고서로는 볼 수 없습니다. 반드시 탐색 분석을 써야 합니다.
3. 설정 항목 5가지 완전 정복
동질 집단 탐색 분석은 설정 항목이 5개뿐입니다. 각각 무엇을 고르면 무엇이 보이는지만 알면 끝입니다.
① 동질 집단 포함 (집단에 들어가는 조건)
"어떤 행동을 한 사람들을 한 묶음으로 묶을까?" 를 정합니다.
| 선택지 | 의미 | 이런 분석에 |
| 첫 번째 터치(획득일) | 사이트에 처음 온 날 | 신규 방문자 리텐션 |
| 모든 이벤트 | 특정 이벤트를 처음 발생시킨 날 | 회원가입자·장바구니 담은 고객 |
| 모든 거래 | 첫 구매한 날 | 첫 구매 고객 재구매 ← 이 글의 주제 |
| 모든 전환 | 첫 전환한 날 | 리드 전환 고객 추적 |
② 재방문 (집단에 남아 있는 조건)
"다시 돌아왔다고 인정할 기준은?" 을 정합니다.
| 선택지 | 의미 |
| 모든 이벤트 | 아무 활동이라도 하면 인정 |
| 모든 거래 | 구매를 했을 때만 인정 ← 재구매 분석 |
| 모든 전환 | 전환이 일어났을 때 인정 |
| 특정 이벤트 | 지정한 이벤트가 발생했을 때만 인정 |
⚠️ 중요 : '첫 번째 터치'는 재방문 기준으로는 선택할 수 없습니다. 첫 방문은 한 번만 일어나기 때문입니다.
조합에 따라 분석이 완전히 달라집니다
| 포함 기준 | 재방문 기준 | 알 수 있는 것 |
| 첫 번째 터치 | 모든 이벤트 | 신규 방문자가 다시 방문하는 비율 |
| 첫 번째 터치 | 모든 거래 | 신규 방문자가 구매로 전환되는 흐름 |
| 모든 거래 | 모든 거래 | 첫 구매 고객의 재구매율 ← 이 글의 목표 |
| 회원가입 이벤트 | 모든 거래 | 가입 후 첫 구매까지 걸리는 기간 |
✅ 이 표가 코호트 분석의 핵심입니다. 두 항목의 조합만 바꾸면 완전히 다른 질문에 답할 수 있습니다.
③ 동질 집단 세분화 (집단을 묶는 기간 단위)
| 선택지 | 기준 | 추천 상황 |
| 일별 | 속성 시간대 기준 자정~다음 자정 | 앱, 단기 캠페인 |
| 주별 | 일요일~토요일 | 구매 주기가 짧은 상품 |
| 월별 | 매월 1일~말일 | 대부분의 쇼핑몰 ← 추천 |
⚠️ 주별은 일요일 시작입니다. 월요일 기준으로 주간 보고를 하는 회사라면 숫자가 어긋날 수 있으니 주의하세요.
④ 계산 유형
표준, 순차적, 누적 세 가지가 있습니다. 6장에서 자세히 다룹니다. 처음에는 표준을 쓰세요.
⑤ 값 (표에 표시할 지표)
| 선택지 | 보이는 것 |
| 활성 사용자 | 몇 명이 돌아왔는지 ← 기본 |
| 총 구매 수익 | 각 집단이 만든 매출 |
| 거래 수 | 구매 건수 |
| 이벤트 수 | 특정 행동 횟수 |
또한 측정항목 유형에서 합계로 볼지, 사용자당 평균으로 볼지 선택할 수 있습니다.
✅ 실무 팁 : 먼저 활성 사용자로 재구매 인원을 확인하고, 그다음 총 구매 수익으로 바꿔서 "어느 집단이 돈을 더 쓰는지"를 보세요. 인원이 적어도 매출이 큰 집단이 있습니다.
4. 실습 : 첫 구매 고객의 재구매 7단계
이제 직접 만들어 봅니다. 5분이면 됩니다.
1단계. 동질 집단 탐색 분석 만들기
- GA4 왼쪽 메뉴에서 탐색을 클릭합니다.
- 템플릿 갤러리에서 동질 집단 탐색 분석을 선택합니다.
- 기본 설정된 표가 나타납니다. 이제 이걸 바꿔 나갑니다.
2단계. 기간 설정하기
- 상단에서 기간을 최근 6개월 이상으로 설정합니다.
- 최소 3개월 이상이어야 재구매 패턴이 보입니다.
⚠️ 기간이 짧으면 분석이 무의미합니다. 1개월만 보면 "아직 재구매할 시간이 없었던" 고객이 이탈로 보입니다.
3단계. 동질 집단 포함 기준을 '첫 거래'로 바꾸기
- 오른쪽 설정 패널에서 동질 집단 포함을 클릭합니다.
- 모든 거래를 선택합니다.
4단계. 재방문 기준을 '거래'로 바꾸기
- 재방문 기준을 클릭합니다.
- 모든 거래를 선택합니다.
이제 "첫 구매한 고객 중에서, 다시 구매한 사람" 만 집계됩니다.
5단계. 세분화를 '월별'로 설정하기
- 동질 집단 세분화를 클릭합니다.
- 월별을 선택합니다.
6단계. 계산 유형과 값 확인하기
- 계산 유형 : 표준
- 값 : 활성 사용자
- 측정항목 유형 : 합계
7단계. 표 읽기
이제 아래와 같은 삼각형 모양의 표가 나타납니다.
| 첫 구매 월 | 0개월 (첫 구매) | 1개월 후 | 2개월 후 | 3개월 후 |
| 2026년 5월 | 1,200명 | 180명 (15.0%) | 96명 (8.0%) | 72명 (6.0%) |
| 2026년 6월 | 1,450명 | 203명 (14.0%) | 109명 (7.5%) | - |
| 2026년 7월 | 1,100명 | 176명 (16.0%) | - | - |
| 2026년 8월 | 1,320명 | - | - | - |
(위 숫자는 이해를 돕기 위한 예시입니다.)
📌 삼각형 모양인 이유 : 8월에 첫 구매한 고객은 아직 1개월이 지나지 않았으므로 데이터가 없습니다. 오른쪽 아래가 비어 있는 것은 정상입니다. 이것을 "성과 하락"으로 읽으면 안 됩니다.
5. 코호트 표 읽는 법
숫자가 많아 보이지만, 보는 순서만 알면 간단합니다.
읽는 순서 3단계
| 순서 | 어디를 보나 | 무엇을 알 수 있나 |
| 1. 세로로 내려가며 | 같은 열(1개월 후)을 비교 | 최근 고객이 더 잘 남는가, 덜 남는가 |
| 2. 가로로 따라가며 | 한 행(한 집단)을 따라감 | 고객이 언제 떠나는가 |
| 3. 전체 색 분포 | 표 전체 | 패턴이 있는가, 없는가 |
1단계 : 세로로 비교 (가장 중요)
같은 "1개월 후" 열을 위에서 아래로 비교하세요.
| 패턴 | 의미 | 조치 |
| 아래로 내려갈수록 숫자가 올라감 | 최근 고객의 재구매가 개선 중 | 무엇이 효과였는지 찾아 강화 |
| 아래로 내려갈수록 숫자가 내려감 | 최근 고객의 질이 떨어짐 | 유입 채널·프로모션 점검 |
| 비슷하게 유지 | 안정적 | 전체 수준을 높일 방법 모색 |
📌 "최근 고객의 질이 떨어진다"는 신호를 놓치지 마세요. 할인 프로모션으로 신규 고객을 많이 데려오면 첫 구매는 늘지만 재구매는 떨어지는 경우가 많습니다. 세로 비교가 이걸 잡아냅니다.
2단계 : 가로로 따라가기
한 집단의 흐름을 따라가며 어디서 급격히 떨어지는지 찾으세요.
| 패턴 | 해석 |
| 1개월 후 급락, 이후 완만 | 첫 구매 후 한 달이 승부처 → 첫 구매 후 재구매 유도 강화 |
| 완만하게 지속 하락 | 자연 이탈 → 전체 리텐션 전략 필요 |
| 중간에 다시 올라감 | 재구매 주기 가설 → 그 시점에 맞춘 리마인드 발송 |
✅ 중간에 올라가는 구간을 찾으면 큰 수확입니다. 예를 들어 5~6개월 차에 소폭 상승한다면, 그게 상품의 소비 주기일 수 있습니다. 그 시점에 재구매 메시지를 보내면 효율이 높습니다. 단, 이것은 가설이므로 검증이 필요합니다.
3단계 : 패턴이 없다면
뚜렷한 패턴이 안 보이는 것도 결과입니다. 그 분류 기준(월별 집단)이 의미가 없다는 뜻일 수 있습니다. 이때는 세분화를 주별로 바꾸거나, 측정기준으로 채널별·기기별 세분화를 시도해 보세요.
6. 계산 유형 3가지의 차이
같은 데이터인데 계산 유형에 따라 숫자가 완전히 달라집니다. 가장 많이 혼동하는 부분입니다.
| 계산 유형 | 집계 방식 | 숫자 특성 | 이럴 때 사용 |
| 표준 (Standard) | 해당 기간에 재방문 조건을 충족한 사용자만 | 기간별로 독립 계산 | 일반적인 재구매율 ← 기본 |
| 순차적 (Rolling) | 해당 기간과 그 이전 모든 기간에 재방문한 사용자 | 가장 엄격, 갈수록 줄어듦 | 꾸준한 단골 고객 추적 |
| 누적 (Cumulative) | 분석 기간 중 한 번이라도 재방문한 사용자를 누적 | 갈수록 늘어남 | 전체 재구매 고객 규모 |
예시로 이해하기
고객 A가 5월에 첫 구매하고, 6월에 재구매, 7월에는 구매 없음, 8월에 재구매했다고 해봅시다.
| 계산 유형 | 1개월 후(6월) | 2개월 후(7월) | 3개월 후(8월) |
| 표준 | ✅ 포함 | ❌ 제외 | ✅ 포함 |
| 순차적 | ✅ 포함 | ❌ 제외 | ❌ 제외 (7월에 끊겼으므로) |
| 누적 | ✅ 포함 | ✅ 포함 (이미 재구매했으므로) | ✅ 포함 |
⚠️ 순차적을 쓸 때 주의하세요. 매 기간 빠짐없이 구매한 사람만 세기 때문에, 뒤로 갈수록 숫자가 급격히 줄어듭니다. 이걸 그대로 "이탈이 심하다"고 읽으면 오해입니다. 원래 그런 계산 방식입니다.
✅ 처음에는 '표준'만 쓰세요. 익숙해진 뒤 "매달 꾸준히 사는 고객이 얼마나 되나"가 궁금할 때 순차적을, "지금까지 재구매한 고객이 총 몇 명인가"가 필요할 때 누적을 쓰면 됩니다.
📌 용어 참고 : 화면에 표시되는 용어는 GA4 버전에 따라 조금씩 다를 수 있습니다. 영문 UI에서는 Standard / Rolling / Cumulative 로 표시되며, 차트 상단에 각 방식의 설명이 함께 나오니 헷갈릴 때 확인하세요.
7. 반드시 알아야 할 함정 7가지
이 장이 이 글에서 가장 중요합니다. 모르고 보면 잘못된 결론을 내립니다.
① User-ID를 고려하지 않습니다 (가장 치명적)
구글 공식 문서는 동질 집단이 "기기 데이터만 기반으로 하며 User-ID를 고려하지 않는다"고 명시합니다.
| 상황 | 실제 | GA4 코호트 집계 |
| 모바일로 첫 구매 → PC로 재구매 | 같은 고객 1명 | 다른 사람 2명으로 집계 |
| 로그인 상태로 기기 변경 | 같은 고객 | 다른 사람 |
| 브라우저 쿠키 삭제 후 재방문 | 같은 고객 | 다른 사람 |
⚠️ 결과 : GA4 코호트의 재구매율은 실제보다 낮게 나옵니다. 이 수치를 그대로 "우리 쇼핑몰 재구매율"로 보고하면 안 됩니다.
대응 방법
| 방법 | 설명 |
| 추세로 보기 | 절대값보다 집단 간 비교와 변화 추이에 집중 |
| 내부 데이터와 대조 | 주문 DB의 실제 재구매율과 비교해 차이율 파악 |
| BigQuery 활용 | User-ID 기반 정밀 분석이 필요하면 BigQuery 연동 |
📌 실무 권장 : 보고서에 "GA4 기준 수치이며, 기기 단위 집계로 실제 재구매율보다 낮게 측정됩니다" 라는 한 줄을 넣으세요.
② 최대 60개 집단까지만 표시됩니다
기간을 너무 길게 잡고 일별 세분화를 쓰면 60개를 넘어 일부가 표시되지 않습니다. 월별이라면 5년치까지 가능하니 대부분 문제없습니다.
③ 세부 측정기준은 상위 15개 값까지만
측정기준으로 세분화할 때 상위 15개 값만 표시됩니다. 채널이 20개라면 하위 5개는 보이지 않습니다.
④ 세분화는 '첫 번째 값'으로만 분류됩니다
예를 들어 기기 카테고리로 세분화하면, 사용자는 그 측정기준의 첫 번째 값으로만 분류됩니다. 모바일로 첫 구매한 고객은 이후 PC를 쓰더라도 계속 '모바일' 집단에 남습니다.
⑤ 샘플링이 발생할 수 있습니다
탐색 분석은 표준 속성의 경우 이벤트 1,000만 개를 넘으면 샘플링될 수 있습니다. (GA4 360은 최대 10억 개)
| 확인 방법 | 완화 방법 |
| 보고서 상단의 데이터 품질 아이콘 확인 (사용된 데이터 비율 표시) | 기간을 줄이기, 세그먼트로 범위 좁히기 |
⑥ 오른쪽 아래가 비어 있는 것은 정상입니다
최근 집단은 아직 시간이 지나지 않아 데이터가 없습니다. 삼각형 모양이 정상입니다. 이걸 하락으로 읽지 마세요.
⑦ 인구통계 세분화에는 기준값이 적용됩니다
연령·성별 같은 인구통계 측정기준으로 세분화하면, 사용자 수가 적은 집단은 익명성 보호를 위해 제외될 수 있습니다. 합계가 맞지 않는 이유입니다.
8. 응용 분석 5가지
기본을 익혔다면 아래 5가지를 시도해 보세요. 실무에서 바로 쓸 수 있는 분석입니다.
① 채널별 재구매율 비교
"어느 채널에서 온 고객이 재구매를 많이 하나?"
| 설정 | 값 |
| 포함 기준 | 모든 거래 |
| 재방문 기준 | 모든 거래 |
| 세분화 측정기준 | 첫 사용자 기본 채널 그룹 |
❇️ 활용 : CPA가 낮은 채널이 재구매율도 낮다면, 실제 고객 가치는 다를 수 있습니다. 이 분석으로 광고 예산 배분 근거를 만들 수 있습니다.
② 기기별 재구매율 비교
| 설정 | 값 |
| 세분화 측정기준 | 기기 카테고리 |
⚠️ 주의 : 7장 ④번 함정 때문에 첫 구매 기기로만 분류됩니다. "모바일 고객"이 아니라 "모바일로 첫 구매한 고객" 으로 해석하세요.
③ 첫 구매 상품 카테고리별 재구매율
| 설정 | 값 |
| 세분화 측정기준 | 상품 카테고리 또는 관련 맞춤 측정기준 |
❇️ 활용 : 어떤 상품이 입문 상품(Entry Product) 으로 좋은지 알 수 있습니다. 재구매율이 높은 카테고리로 신규 고객을 유도하는 전략이 가능합니다.
④ 회원가입에서 첫 구매까지
| 설정 | 값 |
| 포함 기준 | 모든 이벤트 → sign_up 선택 |
| 재방문 기준 | 모든 거래 |
| 세분화 | 주별 |
❇️ 활용 : 가입 후 며칠 안에 첫 구매가 집중되는지 알 수 있습니다. 그 시점에 맞춰 웰컴 쿠폰 발송 시점을 정하세요.
⑤ 매출 기준으로 보기
| 설정 | 값 |
| 값 | 총 구매 수익 |
| 측정항목 유형 | 합계 또는 사용자당 평균 |
❇️ 활용 : 인원은 적어도 매출이 큰 집단을 찾을 수 있습니다. 재구매 인원이 비슷한데 매출이 2배인 집단이 있다면, 그 집단의 유입 경로를 확대할 가치가 있습니다.
9. 내 수치는 좋은 걸까? 벤치마크
숫자를 봤는데 좋은지 나쁜지 모르겠다면, 아래를 참고하세요.
이커머스 재구매율 참고 수치
업계 집계 자료에 따르면 12개월 기준 이커머스 재구매율은 약 25~30% 수준입니다.
| 업종 | 12개월 재구매율 (방향성 범위) |
| 영양제·웰니스 | 30~45% |
| 식품·음료 | 28~40% |
| 뷰티 | 25~35% |
| 의류 | 20~30% |
| 홈 제품 | 15~25% |
| 전자제품 | 10~20% |
⚠️ 이 수치를 그대로 목표로 삼지 마세요. 여러 기관 자료를 조합한 방향성 범위이고, 측정 기간과 계산 방식에 따라 크게 달라집니다. 무엇보다 GA4 코호트는 기기 기준이라 실제보다 낮게 나옵니다.
재구매율 계산 공식
✅ 재구매율 = 2회 이상 주문한 고객 ÷ 전체 고객 × 100
예를 들어 연간 고객 10,000명 중 2,700명이 2회 이상 주문했다면 재구매율은 27% 입니다.
가장 현실적인 판단 기준
| 비교 대상 | 왜 |
| 우리 쇼핑몰의 지난달 코호트 | 같은 측정 방식이므로 가장 공정한 비교 |
| 내부 주문 DB의 실제 재구매율 | GA4와의 차이율 파악 가능 |
| 업종 벤치마크 | 대략적인 위치 확인용 |
📌 결론 : 외부 벤치마크보다 자사의 추세가 중요합니다. 지난달 15%였던 1개월 재구매율이 이번 달 18%가 됐다면, 그것이 25% 벤치마크보다 훨씬 의미 있는 정보입니다.
10. 최종 체크리스트
만들기 전
- 전자상거래 추적(purchase 이벤트) 이 정상 작동하는지 확인
- 분석 기간을 최소 3개월, 권장 6개월 이상으로 설정
- 답하고 싶은 질문을 한 문장으로 정리
설정할 때
- 포함 기준과 재방문 기준의 조합이 질문과 맞는지 확인
- 세분화 단위(일/주/월)가 상품 구매 주기에 맞는지 확인
- 계산 유형은 처음엔 표준으로
- 값은 활성 사용자부터 시작
해석할 때
- 세로로 먼저 비교했는가 (집단 간 비교)
- 오른쪽 아래 빈칸을 하락으로 오해하지 않았는가
- 데이터 품질 아이콘에서 샘플링 여부를 확인했는가
- User-ID 미반영으로 수치가 낮게 나온다는 점을 반영했는가
- 튀는 값의 원인을 가설로만 두고 검증 계획을 세웠는가
보고할 때
- 측정 기준(기간·조건)을 명시했는가
- "GA4 기기 기준 수치" 라는 단서를 달았는가
- 내부 주문 데이터와 대조했는가
- 다음 액션(재구매 유도 시점·채널)을 제안했는가
자주 묻는 질문 (FAQ)
Q1. GA4에서 코호트 분석은 어디에 있나요?
왼쪽 메뉴의 탐색 → 동질 집단 탐색 분석 템플릿에서 만들 수 있습니다. '보고서' 메뉴에는 없습니다. 보고서 메뉴의 '유지'는 획득일 기준으로만 고정돼 있어 첫 구매 기준 분석은 불가능합니다.
Q2. 첫 구매 고객의 재구매율을 보려면 어떻게 설정하나요?
동질 집단 포함 = 모든 거래, 재방문 기준 = 모든 거래, 세분화 = 월별, 계산 유형 = 표준, 값 = 활성 사용자로 설정하면 됩니다. 기간은 최소 3개월 이상으로 잡으세요.
Q3. 왜 표가 삼각형 모양인가요?
최근에 첫 구매한 집단은 아직 시간이 지나지 않아 데이터가 없기 때문입니다. 8월에 첫 구매한 고객의 "3개월 후" 데이터는 11월이 되어야 생깁니다. 정상적인 형태이므로 하락으로 해석하지 마세요.
Q4. GA4 재구매율이 실제보다 낮게 나오는데 왜 그런가요?
GA4 동질 집단은 기기 데이터만 기반으로 하고 User-ID를 고려하지 않습니다. 그래서 모바일로 첫 구매하고 PC로 재구매한 고객은 다른 사람으로 집계됩니다. 로그인 기반 쇼핑몰이라면 차이가 더 큽니다. 절대값보다 추세와 집단 간 비교에 활용하세요.
Q5. 표준·순차적·누적 중 무엇을 써야 하나요?
처음에는 표준을 쓰세요. 일반적인 재구매율을 보여줍니다. 순차적은 매 기간 빠짐없이 구매한 단골 고객만 세기 때문에 숫자가 급격히 줄어들고, 누적은 한 번이라도 재구매한 고객을 계속 더하므로 숫자가 늘어납니다. 목적에 따라 바꿔 쓰면 됩니다.
Q6. 코호트 분석과 유지(Retention) 보고서는 뭐가 다른가요?
유지 보고서는 획득일 기준으로 1일·7일·30일 차만 고정으로 보여줍니다. 동질 집단 탐색 분석은 첫 거래·첫 전환·특정 이벤트 등으로 기준을 직접 정할 수 있고, 기간 단위와 값도 선택할 수 있습니다. 재구매 분석은 탐색 분석을 써야 합니다.
Q7. 데이터가 샘플링됐는지 어떻게 아나요?
보고서 상단의 데이터 품질 아이콘을 확인하세요. 샘플링이 적용되면 결과 생성에 사용된 데이터 비율이 표시됩니다. 표준 속성은 이벤트 1,000만 개를 넘으면 샘플링될 수 있습니다. 기간을 줄이면 완화됩니다.
Q8. 채널별로 재구매율을 비교할 수 있나요?
가능합니다. 설정 패널의 세분화 항목에 첫 사용자 기본 채널 그룹 측정기준을 끌어다 놓으면 됩니다. 단 상위 15개 값까지만 표시되고, 사용자는 첫 번째 값으로만 분류됩니다.
Q9. 재구매율이 몇 퍼센트면 괜찮은 건가요?
업계 집계 기준으로 12개월 재구매율 25~30% 가 참고 수준이지만, 업종과 측정 방식에 따라 크게 다릅니다. 게다가 GA4는 기기 기준이라 낮게 나옵니다. 외부 벤치마크보다 자사의 전월 대비 변화를 보는 것이 훨씬 유용합니다.
Q10. 더 정확한 재구매 분석을 하려면 어떻게 해야 하나요?
세 가지 방법이 있습니다. ① 내부 주문 DB로 직접 계산하기 (가장 정확) ② BigQuery 연동으로 User-ID 기반 분석하기 ③ GA4 코호트는 추세 파악용으로 쓰고 절대값은 내부 데이터로 보완하기. 실무에서는 ③번 조합이 가장 현실적입니다.
결론 : 절대값이 아니라 '변화'를 보세요
GA4 코호트 분석의 가장 큰 가치는 "광고를 멈추면 매출이 떨어진다"는 막연한 불안을 숫자로 바꿔주는 것입니다.
신규 고객만 사오고 있는지, 재구매가 쌓이고 있는지가 표 하나로 드러납니다.
다만 두 가지는 꼭 기억하세요.
- GA4 코호트의 재구매율은 실제보다 낮습니다. 기기 기준으로 집계하고 User-ID를 쓰지 않기 때문입니다. 절대값을 그대로 보고하지 말고, 집단 간 비교와 추세에 집중하세요.
- 세로 비교가 가로 비교보다 중요합니다. "최근 고객이 예전 고객보다 더 잘 남는가"가 지금 하고 있는 마케팅이 잘되고 있는지를 알려주는 가장 빠른 신호입니다.
오늘 바로 해보실 일은 간단합니다. 탐색 → 동질 집단 탐색 분석을 열고, 포함 기준과 재방문 기준을 모두 '모든 거래' 로 바꾸고, 세분화를 월별로 두는 것. 그리고 1개월 후 열을 세로로 훑어보세요. 숫자가 올라가고 있나요, 내려가고 있나요? 그 답이 다음 달 마케팅의 방향을 알려줍니다.
참고 자료
구글 공식 자료 (코호트·탐색 분석)
- Google 애널리틱스 고객센터, "[GA4] 동질 집단 탐색 분석" - https://support.google.com/analytics/answer/9670133?hl=ko
- Google 애널리틱스 고객센터, "탐색 분석 시작하기" - https://support.google.com/analytics/answer/7579450?hl=ko
- Google 애널리틱스 고객센터, "[GA4] 유지 개요 보고서" - https://support.google.com/analytics/answer/11004084?hl=ko
구글 공식 자료 (데이터 품질·한도)
- Google 애널리틱스 고객센터, "데이터 샘플링 안내" - https://support.google.com/analytics/answer/13331292?hl=ko
- Google 애널리틱스 고객센터, "[GA4] 구성 한도" - https://support.google.com/analytics/answer/12229528?hl=ko
- Google 애널리틱스 고객센터, "[GA4] 이벤트 수집 한도" - https://support.google.com/analytics/answer/9267744?hl=ko
재구매율·리텐션 벤치마크
- Elogic, "Repeat Purchase Rate Benchmarks 2026: B2C and B2B" — https://elogic.co/blog/repeat-purchase-rate-benchmarks/
- Omniconvert, "Customer Retention Rate Benchmarks by Ecommerce Industry (2026)" — https://www.omniconvert.com/blog/customer-retention-rate-benchmarks-by-industry/
- Intempt, "Repeat Purchase Rate: Formula & Benchmarks (2026)" — https://intempt.com/blog/repeat-purchase-rate
작성 : 디애널리틱스(The Analytics) · 구글애널리틱스를 활용하여 기업의 마케팅 성과를 향상시키는 방법을 연구합니다.