1. 학습 키워드
데이터 리터러시(AARRR, 리텐션, LTV, Funnel)
2. 학습 내용
데이터 리터러시
데이터를 읽고 이해하고 분석하는 능력
- 데이터 수집과 원천 이해
- 데이터 활용법 이해
- 데이터를 통한 핵심 지표 이해
데이터 리터러시는 올바른 질문을 던질 수 있도록 만들어줌.
심슨의 역설
- 전체에 대한 결론이 언제나 개별 집단에 동일하게 적용되는 것은 아니다.
데이터 분석 접근법
- 문제 및 가설 정의 - 데이터 분석 - 결과 해석 및 액션 도출
데이터 분석이 목적이 되지 않도록 '왜?'를 항상 생각해야함.
문제 정의
문제를 올바르게 정의하였는지 생각을 해봐야함.
문제 정의 방법론
-
MECE
문제를 상호 배타적이면서 포괄적인 구성 요소로 나누는 것
ex) 잘못된 MECE 예시: 사람을 남자, 여자, 아저씨로 나눔 -
로직 트리
MECE 원칙을 기반으로 상위 문제에서 하위 문제로 분해하며 계층적으로 접근
문제 정의를 왜 하는가?
- 풀고자 하는 것을 명확히 정의하고
- 이것을 해결하기 위한 데이터 분석의 방향을 정하고
- 결과를 정리하고 해석하여
- 새로운 액션플랜을 수립하기 위함.
문제 정의의 핵심
- So What?
- Why So?(So What?의 타당성을 검증하는 작업)
데이터의 유형
정성적 데이터
- 비수치적인 정보: 이미지, 텍스트, 오디오 등
정량적 데이터
- 수치적으로 표현되는 정보. 지표로 만들기에 용이함.
지표 설정
Active User(활성 유저)
우리 서비스만의 활성 유저를 설정하는 것이 중요하다.
- 일반유저와 활성 유저를 어떤 기준으로 나눌지
- 유저는 어디에서 효용성을 느낄지
- 우리가 핸들링 할 수 있는 유저의 사이즈는?
Retention Ratio(재방문율)
시간에 따라 점차 감소하지만 기울기가 점점 완만해 지면 시장에 적합한 서비스라고 할 수 있음.
N-Day 리텐션
- 최초 사용일로부터 N일 후에 재방문한 활성 유저의 비율
- 최초의 날을 Day 0으로 설정
- Day0에 액티브 상태가 된 모든 유저들의 N일차 리텐션을 계산
- 사용자가 매일 접속하는 서비스에 사용하기 좋음
Unbounded 리텐션
- 특정 날짜를 포함하여 그 이후에 한 번이라도 재방문한 유저의 비율
- Day5는 5일차 이후에 한 번 더 들어왔다면 5일차에도 들어왔다고 포함함.
- 마지막 방문일 이전에는 방문한 것으로 계산함.
- 사용 빈도가 높지 않은 서비스에 활용함. 수치보다는 트렌드를 보는 것에 활용함.(ex 채용 사이트, 쇼핑몰, 부동산 매물 서비스)
Bracket 리텐션
- 설정한 특정 기간을 기반으로 재방문율을 측정
- 1(0일차) / 2(1-3일차) / 3(4-6일차)
- 서비스 사용주기가 길거나 주기적인 경우(ex 식료품 배달 서비스)
리텐션이 높은 세그먼트를 발굴하는 작업이 필요함.
서비스의 사용 주기에 따라 리텐션 조회 기간을 늘려야 함.
후행 지표이기 때문에 사후 분석시에 용이함.
Funnel
잠재 고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정
AARRR
- Acquisition: 유입
- Activation: 활성화
- Retention: 재방문(재구매)
- Revenue: 수익
- Referral: 추천
LTV(고객 평생 가치)
해당 유저가 우리에게 평생 주는 이익은 얼마나 될까?
- 고객 생애 주기: 한명의 유저가 서비스를 사용하기 시작하여 이탈할 때까지의 기간
- LTV 추측이 가능하다면 신규 유저를 데려오는 비용(CAC)의 산출 및 효율적인 예산 운용이 가능
- LTV 산출 방법은 다양하다.
- LTV를 늘리기 위한 방안: 객단가 상승, 구매 빈도 높임, 이탈률 감소, 이용시간을 증가
북극성 지표
- 제품/서비스의 성공의 정의
- 유저에게 주는 core value를 가장 잘 나타낸 것
- 장기 성장을 위해 필수적으로 모니터링 해야함
- 선행지표임
- 외부 요인으로부터 영향을 많이 받지 않아야함.
북극성 지표가 중요한 이유
- 방향성
- 효율 증대
결론 도출
결론 ex) 고객 만족도와 구매 빈도 사이의 강한 상관관계를 보여주는 결과를 토대로, 고객 만족도 향상이 전반적인 매출 증가로 이어질 수 있다는 결론을 내릴 수 있습니다.
데이터 분석 결과
- 6개월 동안 전자제품의 판매량이 의류에 비해 25% 증가
- 매주 금요일에는 다른 요일에 비해 판매량이 15% 더 높음
- 오후 6시부터 9시 사이의 판매량이 전체 일일 판매량의 30%를 차지
결론
- 전자제품이 의류보다 인기가 높으므로, 전자제품에 대한 마케팅을 강화해야 한다.
- 금요일과 저녁 시간대의 높은 판매량을 고려할 때, 이 시간대에 특별 프로모션을 진행하면 전체 판매량을 증가시킬 수 있다.
결론을 잘 정리하는 법
- 단순하고 쉽게 전달
- 모든 내용을 다 담지 말고 상대가 궁금해야할 내용을 위주로
- 공유 받는 사람의 시선에서 이해하기 쉽도록 정리
3. 배운점
- 데이터 리터러시는 올바른 질문을 던지기 위해 데이터를 읽고 분석하는 능력이며 '왜?'라는 질문을 하며 접근하는 태도가 중요함.
- 리텐션 분석에 N-day 말고 unbounded와 bracket이 있다는 것을 알게됐다.
