concern[]·problem_type 다중소속 · 문제별 가치 체인 — 로그 명세 v2(2026-07-30) 기준data/mio-user-flow-log.csv로 합성해 이 페이지가 fetch로 자동 로드합니다. 각 가입 유저에 나이·성별·마케팅동의·감정·주요고민(다중)·파트너 속성과
가입 후 핵심 가치행동 timing/횟수 시나리오(리텐션이 뛰어나지 않은 현실적 형태 — D1도 낮고 D7·D30로 급감, plateau·CC 낮음)를 부여했습니다.
아래 아하 퍼널·Plateau·CC·문제별 가치 체인을 포함한 모든 수치는 CSV 이벤트 스트림에서 실제 파생 계산됩니다(하드코딩 아님).
표본·기간이 작아 신규 진단 패널은 값이 아니라 "이 로그로 이런 진단이 뽑힌다"는 형태·방법론 시연입니다.
문제 유형(problem_type)은 서버 세션 요약 LLM 분류기가 산출한다는 가정 위의 합성값이며(자기보고 아님 · 분류기 미구현),
투두 체크인의 감정 델타(before/after_emotion)는 앱 UI가 아직 수집하지 않아 합성 CSV에서도 비워 둡니다(미수집 = null).
획득→활성 퍼널
app_installed → login_succeeded → signup_completed → onboarding_completed → 첫 핵심행동(activation). 단계별 전환/이탈.
세션 진입점 (entry_point)
재방문 경로 = app_session_started.entry_point 분포.
플랫폼
주간 활성 디바이스 (WAU)
막대 = 그 주에 app_session 1건 이상인 distinct 디바이스 수. 막대 위 = 유저베이스 흐름
(+신규·+복귀·−이탈, 0은 생략).
주간 집계(강의: Daily는 요일 노이즈 큼 → Weekly 선호).
핵심 기능 사용량 (semantic 이벤트)
텍소노미 활동 이벤트 발생 건수 Top.
일간 활성 디바이스 (DAU) 참고용
막대 = 그 날 app_session 1건 이상인 distinct 디바이스 수. 막대 위 =
+신규·+복귀·−이탈(0은 생략). 가로 스크롤 35일.
Aha Moment 퍼널 XX·YY·ZZ
X = 가입 후 일 내 핵심 가치행동(emotion_score_recorded 재구성 + todo_checked_in 투두) 횟수(ZZ). Y = D 잔존율(RPV). 곡선이 급등하는 임계 ZZ = "최적 아하 지점".
PMF Plateau (전체 리텐션 + 등급밴드)
전체 가입자 리텐션 곡선(t0=signup_completed)이 후반 평탄화(Plateau)하면 = 스스로 재방문하는 코어층 = PMF. Plateau 높이 → 강의 등급밴드(20/40/70%).
코호트별 리텐션 facet 스위처
코호트 = facet:value 쌍. 대상 = 회원가입 완료자(signup_completed). t0 = 회원가입 완료일.
Dn = 코호트 내 유저 중 t0+n일에 app_session≥1 비율. · = 관측 윈도우 밖이라 아직 측정 불가.
전체 리텐션 곡선 (설치일 코호트 대체)
코호트 무관 · 전체 회원가입자 대상 signup 기준 단일 리텐션. 기존 설치일 삼각행렬을 대체.
수용 한계치 (CC · Carrying Capacity) 80% 게이지
마케팅·외부개입 없이 자연 유입·이탈만으로 도달하는 유저베이스 상한. 유입 = 회원가입 완료 기준.
문제별 가치 체인 problem_type × 4고리
행 = 세션 요약이 분류한 problem_type 5종. 유저 귀속은 다중소속(그 문제를 1회 이상 겪은 세션이 있으면 소속) — ADR-003.
문제 × 도움 유형 히트맵
셀 = 그 문제에서 그 도움(제안 투두 카테고리)이 나온 세션의 평균 Δ감정(색 농도) + 세션 수. 어떤 도움이 어떤 문제에 효과적인지.
선행지표 뷰 — 가치 실현률 ↔ D14 잔존율
가치 실현률은 세션 종료 즉시 관측되고 D14는 2주를 기다려야 한다. 두 순위가 일치할수록 선행지표로 쓸 근거가 생긴다.
| user | demo | marketing | emotion | concern (다중) | partner | ∈ cohorts | 아하(7일) | 활성일 |
|---|