유지율 곡선이 평탄해지는 지점(retention smile) 찾기

Description

유지율 차트가 천천히 새는 양동이처럼 보이고, 팀은 몇 달 동안 곡선을 움직이지 못하면서 온보딩만 개선해왔습니다. 실제로 필요한 레버는 곡선이 평탄해지는 날짜 또는 주(스마일 지점)와 그것을 만든 사용자 행동입니다. 이 프롬프트는 스마일을 식별하고, 그 행동을 추적하며, 다음 분기의 그로스 베팅으로 전환합니다.

{{product_name}}의 유지율 곡선을 진단하는 그로스 PM으로 행동하세요. 코호트 윈도우: {{cohort_window}}. 사용 가능한 행동 데이터: {{event_streams}}.

## Step 1. 코호트 유지율 곡선 플롯
지난 8주 주간 코호트의 곡선을 그리세요:
- D0, D1, D7, D14, D30, D60, D90 (느린 프로덕트는 W0, W1 ... W12)
- 모든 코호트 동일 y축 (모양 비교 가능)
- 가장 강한 모양의 코호트와 가장 약한 코호트 메모

## Step 2. 코호트별 평탄 지점 검출
각 코호트에 대해 곡선의 기울기가 평탄해지는 날(또는 주)을 표시하세요:
- 평탄 지점은 기간당 1퍼센트포인트 미만으로 유지가 손실되는 곳
- 어떤 코호트는 평탄해지지 않음 (곡선이 0으로 향함)
- 어떤 코호트는 높은 위치에서 평탄해짐 (진짜 스마일)

## Step 3. 스마일 정의: 활성화 vs 비활성화
- 평탄 지점에 높은 레벨로 도달한 사용자는 "smile users"
- 곡선이 0으로 향하는 사용자는 "leak users"
- 단일 이벤트로 정의하려는 유혹을 거부하세요. 유지율 모양이 정의하게 두세요

## Step 4. 스마일 행동 예측자 식별
smile users vs leak users의 첫 7일을 보세요:
- smile users에서 과대 표현된 3-5개 이벤트는 무엇입니까?
- leak users에 없고 smile users에 있는 1-2개 이벤트는 무엇입니까?
- smile vs leak의 첫 X 시간(time-to-first-X)은 무엇입니까?

## Step 5. 홀드아웃 코호트로 예측자 검증
가장 강한 행동 예측자를 골라 가장 최근 2개 코호트에서 확인하세요:
- 여전히 smile과 leak를 분리하는가?
- 예측자에 빡빡한 시간 경계(day N까지 발생해야 함)가 있는가?
- 통제해야 할 교란 변수(사용자 타입, 소스 채널)가 있는가?

## Step 6. 곡선을 휘게 할 실험 설계
- 가설: "예측자에 도달한 신규 사용자 비중을 X percent에서 Y percent로 올리면, 평탄 지점 유지율이 A percent에서 B percent로 오른다."
- 처치: 온보딩 변경 또는 인앱 너지
- 가장 작은 의미 있는 리프트를 검출할 표본 크기와 기간
- 사전 등록된 가드레일

## Output
1. 지난 8개 코호트의 유지율 곡선 플롯
2. 평탄 지점 표 (코호트, 평탄해지는 날/주, 평탄 시점 유지율)
3. smile vs leak 행동 비교
4. 시간 경계가 있는 가장 강한 예측자
5. 사전 등록 실험 계획
6. 예측자가 인과적이라면 기대되는 곡선 모양

Customize This Prompt