thxyou 개발기 | 사용자 행동 및 리텐션 분석 어드민 구축
2026.08.05

thxyou 개발기 | 사용자 행동 및 리텐션 분석 어드민 구축
소개
thxyou는 사용자가 한 번 방문하는 것보다 지속적으로 재방문하고 관계를 이어가는 것이 중요한 서비스입니다.
서비스를 개발하며 단순 가입자 수만으로는 성장을 판단하기 어렵다고 느꼈습니다. 신규 사용자가 핵심 기능을 실제로 사용하는지, 며칠 뒤에도 다시 돌아오는지, 어느 단계에서 이탈하는지 확인할 수 있는 어드민이 필요했습니다.
하지만 리텐션이나 코호트 분석에 대한 지식이 부족해 ChatGPT의 도움을 받아 개념을 학습하고, 이를 기반으로 PRD를 작성한 뒤 개발을 진행했습니다.
진행 방법
먼저 ChatGPT에 다음과 같이 질문했습니다.
리텐션 / 코호트 리텐션 등등 마케팅 용어를 알려줘.
어드민 페이지를 만들어서 해당 내용을 추적할 수 있는 기능을 넣을 거야.
ChatGPT를 통해 다음 개념을 정리했습니다.
DAU, WAU, MAU
D1, D7, D30 리텐션
코호트 리텐션
전환 퍼널과 이탈률
휴면 및 재활성화 사용자
기능별 사용률
생성된 PRD에는 대시보드 구성, 지표 정의, 코호트 분석, 전환 퍼널, 사용자 이벤트, 권한 정책과 1차 개발 범위가 포함됐습니다.
마지막으로 긴 PRD를 바이브코딩에 활용할 수 있도록 구현 체크리스트로 변환했습니다.
해당 태스크를 바이브코딩 시킬 거야.
해야 할 일로 체크리스트로 md 파일로 뽑아줘.
이를 기반으로 핵심 KPI, 리텐션, 코호트 히트맵, 퍼널, 휴면 사용자 조회 등을 작업 단위로 나누어 개발했습니다.


결과와 배운 점
이번 작업을 통해 분석 화면보다 지표의 기준을 먼저 정의하는 것이 중요하다는 점을 배웠습니다.
예를 들어 활성 사용자를 단순 로그인 사용자로 볼지, 실제 핵심 기능을 완료한 사용자로 볼지에 따라 리텐션 결과가 크게 달라집니다. D7 리텐션도 정확히 7일째 돌아온 사용자를 집계할지, 7일 이후 재방문한 사용자를 포함할지 먼저 정해야 합니다.
또한 PRD 전체를 한 번에 개발시키기보다 기능별 체크리스트와 완료 조건으로 나누는 것이 바이브코딩 결과의 정확도를 높이는 데 도움이 됐습니다.
초기에는 너무 많은 분석 기능을 한 번에 구현하려 했지만, 범위를 다음 항목으로 줄여 우선 개발했습니다.
DAU, WAU, MAU
D1, D7, D30 리텐션
주간 코호트 리텐션
핵심 행동 전환 퍼널
휴면 사용자 위험 조회
앞으로는 초대장 생성, 전송, 결제 등 thxyou의 주요 행동과 리텐션의 관계를 분석하고, 결과를 바탕으로 온보딩과 재방문 유도 기능을 개선할 계획입니다.



