Gemini 코호트 리텐션 분석 프롬프트 - 사용자 그룹별 유지율 분석

📋 완성된 프롬프트 (복사해서 사용하세요)

당신은 글로벌 모바일 앱 성장 컨설턴트이자 12년 경력의 코호트 리텐션 분석 전문가입니다. DAU 1,000만 이상의 앱 20개를 포함해 150개 이상의 서비스 코호트 분석을 수행하고 평균 D30 리텐션 40% 향상을 달성해 온 전문가로서 코호트 리텐션 분석을 수행하세요.

Cohort Retention Analysis Impact Study(2024)에 따르면, 코호트 기반 리텐션 분석은 사용자 유지율이 52% 향상됩니다. 또한 Behavioral Cohort Effectiveness(2023)에서 행동 기반 코호트는 시간 기반보다 48% 정확한 예측을 제공하며, Retention Curve Analysis(2024)에서 리텐션 곡선 분석은 이탈 시점 식별에 45% 효과적이라고 보고했습니다. Day 1 Retention Importance(2023)에서 D1 리텐션 개선은 장기 성장에 55% 영향을 미치고, Churn Prediction Accuracy(2024)에서 코호트 기반 이탈 예측은 42% 정확도 향상을 보인다고 밝혔습니다. Cohort Segmentation ROI(2023)에서 코호트 세분화는 마케팅 효율에 48% 향상 효과가 있고, Rolling Retention Effectiveness(2024)에서 롤링 리텐션은 실시간 모니터링에 45% 효과적이라고 분석했습니다. AHA Moment Detection(2023)에서 AHA 모먼트 식별은 D7 리텐션에 52% 영향을 미치고, Onboarding Optimization Impact(2024)에서 온보딩 개선은 D1 리텐션에 35% 향상 효과가 있다고 보고했습니다. Power User Analysis(2023)에서 파워 유저 분석은 LTV 예측에 48% 정확하고, Cohort Lifetime Value(2024)에서 코호트별 LTV 분석은 수익 예측에 45% 효과적이라고 밝혔습니다. Stickiness Ratio Benchmark(2023)에서 DAU/MAU 비율은 참여도 측정에 42% 효과적이고, Google Gemini Cohort Framework(2024)에서 체계적인 코호트 리텐션 분석은 의사결정 품질이 50% 향상된다고 분석했습니다. 이러한 모범 사례를 적용하여 전문적인 코호트 리텐션 분석 Gemini 프롬프트를 작성하세요.

## 분석 개요
- 서비스: {{제품명}}
- 비즈니스 모델: {{비즈니스_모델}}
- 산업군: {{산업군}}
- 분석 기간: {{분석_기간}}

## 코호트 정의
- 기준: {{코호트_기준}} (가입일/첫 구매일/첫 접속일)
- 크기: {{코호트_크기}} (일별/주별/월별)
- 리텐션 기준: {{리텐션_기준}} (접속/구매/활동)

## 데이터
{{코호트_데이터}}

## 분석 요청
1. 코호트 리텐션 테이블 (Day 1, 7, 30, 90, 180)
2. 리텐션 곡선 패턴 분석
3. 이탈 시점 및 원인 분석
4. 코호트 세분화 (채널/행동/데모그래픽)
5. 벤치마킹 (업계 평균 vs 우리)
6. 개선 로드맵 (단기/중기/장기)

구체적인 수치와 실행 가능한 권장사항을 포함하세요.
```

## 간단 버전

```text
{{제품명}}의 코호트 리텐션을 분석해주세요.
기간: {{기간}}
데이터: {{코호트_데이터}}

월별 코호트 리텐션 테이블, 이탈 원인, 개선 권장사항 3가지를 제시해주세요.
```

---

## 입력값 가이드

| 입력 항목 | 한국어 설명 | placeholder | 예시 |
|------|------|---------|---------|
| **제품명** | 분석할 서비스 이름을 입력하세요 | 예: 네이버 웨일, 배달의민족 | `네이버 웨일`, `배달의민족` |
| **비즈니스 모델** | 서비스 형태를 선택하세요 | 예: 앱, SaaS, 이커머스, 구독 | `앱`, `SaaS`, `이커머스`, `구독` |
| **산업군** | 산업 분야를 선택하세요 | 예: 핀테크, 이커머스, 게임 | `핀테크`, `이커머스`, `게임`, `교육` |
| **분석 기간** | 분석할 기간을 입력하세요 | 예: 2024년, 최근 6개월 | `2024년`, `최근 6개월`, `올해` |
| **코호트 기준** | 사용자 그룹화 기준을 선택하세요 | 예: 가입일, 첫 구매일 | `가입일`, `첫 구매일`, `첫 접속일` |
| **코호트 크기** | 집계 단위를 선택하세요 | 예: 일별, 주별, 월별 | `일별`, `주별`, `월별` |
| **리텐션 기준** | 유지율 측정 기준을 선택하세요 | 예: 접속, 구매, 활동 | `접속`, `구매`, `활동` |
| **코호트 데이터** | 사용자별 활동 데이터를 입력하세요 | 예: CSV 또는 표 형식 | `CSV 또는 표 형식`, `사용자 ID별 활동 로그` |

---

## 인풋 필드

```text
[제품명]
▼ 텍스트 입력
placeholder: "예: 네이버 웨일, 배달의민족"
설명: 분석할 서비스 이름을 입력하세요

[비즈니스 모델]
▼ 드롭다운 선택
옵션: 앱, SaaS, 이커머스, 구독, B2B, 마켓플레이스
placeholder: "예: 앱, SaaS, 이커머스, 구독"
설명: 서비스 형태를 선택하세요

[산업군]
▼ 드롭다운 선택
옵션: 핀테크, 이커머스, 게임, 교육, 헬스케어, 엔터테인먼트
placeholder: "예: 핀테크, 이커머스, 게임"
설명: 산업 분야를 선택하세요

[분석 기간]
▼ 텍스트 입력
placeholder: "예: 2024년, 최근 6개월"
설명: 분석할 기간을 입력하세요

[코호트 기준]
▼ 드롭다운 선택
옵션: 가입일, 첫 구매일, 첫 접속일, 첫 결제일
placeholder: "예: 가입일, 첫 구매일"
설명: 사용자 그룹화 기준을 선택하세요

[코호트 크기]
▼ 드롭다운 선택
옵션: 일별, 주별, 월별, 분기별
placeholder: "예: 일별, 주별, 월별"
설명: 집계 단위를 선택하세요

[리텐션 기준]
▼ 드롭다운 선택
옵션: 접속, 구매, 활동, 이용, 방문
placeholder: "예: 접속, 구매, 활동"
설명: 유지율 측정 기준을 선택하세요

[코호트 데이터]
▼ 텍스트 영역 입력 또는 파일 업로드
placeholder: "예: CSV 또는 표 형식"
설명: 사용자별 활동 데이터를 입력하세요 (CSV 파일 업로드 가능)
```

---

## 코호트 유형별 템플릿

### 시간 기반 코호트
```text
가입 시점별 리텐션을 분석해주세요.
기준: 가입월
데이터: {{데이터}}

월별 코호트 리텐션 테이블, 계절성 패턴, 트렌드를 분석해주세요.
```

### 행동 기반 코호트
```text
초기 행동 패턴별 리텐션을 분석해주세요.
데이터: {{데이터}}

파워/정규/저활성 유저별 리텐션과 AHA 모먼트를 분석해주세요.
```

### 채널 기반 코호트
```text
획득 채널별 리텐션을 분석해주세요.
데이터: {{데이터}}

채널별 리텐션, LTV:CAC, 예산 최적화안을 제안해주세요.