0413 | 일류의 마인드로...

Day 26 (6주차)

시간	학습내용	소요시간	메모
아침	서비스 기획 숙련 [5-3]~[5-5]	60분
점심 전	AI 기획, 데이터 분석 특강 (자경T)
Arvo	과제 - 페르소나 분석, 데이터 추출		챗지피티, 클로드
Evening	과제 - 페르소나 분석, 데이터 추출		클로드

서비스 기획 숙련 完

[5-1]~[5-2] 데이터 활용 사례 (앱스토어 리뷰) / 데이터 분석 사례 (퍼널, AARRR)
[5-3]~[5-5] 킥오프/ 회고/ 공유/ 현실적인 역량

---

5-1. 5-2. 데이터 활용 및 분석

<리뷰 및 지표 관리>

• 지표 활용 예시: 유저 수, 클릭 수, 인당 클릭 수를 통한 데이터 인사이트 도출

<데이터 분석>

• *그로스해킹 – 데이터 기반 가설 검증 마케팅 방법론

1. 퍼널 분석

• 퍼널은 각 단계를 간략하게 압축하는 방식, 모든 단계를 세분화하는 방식 모두 활용 가능.
• 목적과 상황에 맞게 설계하면 됨.

2. AARRR

• AARRR에 해당하는 항목들이 어떤 기준으로 정의되는지는 서비스마다 상이함
  e.g. '획득' 단계는 회원가입이 될 수도, 앱 설치가 될 수도 있음 → 서비스 성격에 맞게 정의

• AARRR 설계에 포함 되어야 하는 내용:

  1. 각 항목이 무엇으로 정의되는 가?
  2. 어떤 활동으로 AARRR을 달성할 것인가?

---

5-3. 킥오프 및 회고 (실사례)

<해커톤 사례 분석>

• 킥오프가 제대로 이뤄지지 않음

  • 명확한 목표 및 MVP(Minimum Viable Product) 공유 미흡
  • 창업 아이템과 목표가 주어졌기 때문에 모두가 같은 목적을 이해하고 있다고 생각했던 것이 패착.
  • 킥오프 미팅을 통해 우리 서비스의 목표, 목적, 개발의 진행 방향 등의 싱크를 맞춰야함.

• 진행 관리:

  • 소통 채널을 명확하게 구축한 점은 프로젝트에 긍정적으로 작용함.
  • 파트별 진행 상황은 체크했으나 전체적인 그림을 보지 못함

<회고 — Retrospective>

• 구성 요소: 좋았던 점, 아쉬운 점, 개선 점
• KPT 방법론:
  • 특정인 비난 금지, 자책 금지
  • 잘잘못을 따지는 것이 아닌 다음을 위한 Action Item 도출에 집중
  • 최대한 자세하고 솔직하게 기록
  • 공유 여부 고민 시 '공유하는 방향'으로 결정

---

5-4. 공유 및 회의록

<회의록 작성 요령>

• 아젠다: 회의 목차 역할 수행
• 내용: 각 파트별 관점 및 이슈 기록
• 결론 및 정리: 구성원들이 꼭 알아야 할 사항 요약

<정보 전달 및 공유>

• 업무 공유: 문제 상황을 둘러싼 정보 정리 및 전달 (VoC, 개발 히스토리, 배경, 운영체제별 케이스, 파트별 문제점 등)
• 진행 상황: 어디까지, 얼마나 진행되고 있는지 투명하게 공유

---

5-5. PM 역량 케이스

1. '왜?'라고 묻는 습관

• 모든 현상과 문제에 대해 근본적인 이유를 탐구하는 태도
• 데이터 분석할 때도 적용 → 데이터의 신뢰도를 점검하는 계기가 되기도 함.

2. 우선순위 책정

[케이스 스터디] 앱 크래시 VS 결제 불가

• 둘 다 매출에 타격이 있으나, 앱 크래시는 서비스 경험 자체를 제공하지 못하는 상태이므로 우선순위가 높음
• 판단 기준: 확산 범위 (전체 유저 VS 결제 대상 유저)
• 핵심 고려 요소: 비즈니스 영향, 사용자 영향, 확산 범위, 시급성

3. 커뮤니케이션

• 감정적 대응 지양
• 상대방의 의견 경청
• 사실관계 위주로 상황 이해 및 대응

AI 기획 + 데이터 분석 특강 Pt.1

If Kakao 컨퍼런스 자료를 통한 카카오의 콘텐츠 운영 워크플로우 개선기

---

1. AI PM의 특징

• 협업 대상 : ML 엔지니어 / 데이터 사이언티스트
• AI 기획 프로세스 경험
• AI를 통해 비즈니스 임팩트를 낼 수 있는 기획 (단순히 업무에 AI를 활용한다 X)

---

2. IF Kakao 컨퍼런스 Case

데이터 수집

• 직접 수집 (크롤링, 플랫폼 자체 수집)

• 외부에서 데이터를 사오기

• 저작권, 개인정보보호법에 저촉되는지

• 학습을 위한 데이터 파이프라인 따로 설계

• 저장 형태 (어떤 형태로, 어디에 저장, 어느 빈도로, 어느 범위의 데이터를)

• 데이터 품질 검증 (중복, 신뢰도, 누락 여부)

워크플로우 개선 방식

• 수동으로 수집, 분류 과정을 거쳐야 했던 콘텐츠들을 머신러닝 기술을 적용해 자동 수집, 분류가 가능한 파이프라인을 구축함.
• 파이프라인 구축을 위해서는 학습을 위한 데이터셋을 마련해야 했음.
  • 전체 데이터 셋 → 훈련용 데이터 + 테스트 데이터 → 훈련용 + 검증용 + 테스트용

❓훈련용/ 검증용/ 테스트용
1. Training Set : 모델이 학습하는 데이터
2. Validation Set : 모델의 성능 중간 점검
3. Test Set: 학습에 사용되지 않은 데이터로 모델의 성능 최종 평가

과제 - 장바구니 담기 전환 데이터 분석 & 개선안 제안

Persona & Data Analysis

---

<과제 로드맵>

1. 페르소나 설정

• 페르소나 별 행동 패턴 파악
• 행동 패턴에 따라 데이터 셋을 나눠보자

→ 페르소나 지정 후 데이터 분석 순서로 진행

2. 데이터 추출

• 페르소나에 해당하는 유저를 추출

3. 데이터 분석

• 페르소나 조건에 부합하고 전환율 상승과 관련된 데이터를 골라서 분석

🔍 Advanced 페르소나별 (A~D) 행동패턴 차이를 데이터를 통해 분석해보기

4. 가설 및 해결방안

• 이커머스 서비스 레퍼런스로 참고하기 (아이디어 실현 방안 등)
  • 퀸잇, 오아시스 마켓, 젠테스토어
• 해결방안은 현실적으로
  • UIUX 개선: lo-fi 와이어프레임 제시
  • A/B Test : 테스트 계획 및 설계까지 포함

---

<페르소나 분석>

유형	대상사용자	특징 및 행동패턴
페르소나 A	고가 상품 비교 쇼핑 유저(30만원이상)	신중하게 오래 고민, 장바구니 담기까지 망설임
페르소나 B	저가 빠른 구매 유저 (5만원 이하)	빠르게 담거나 그냥 이탈, 가격에 민감
페르소나 C	외부 검색 유입 신규 유저	뚜렷한 목적으로 가지고 진입, 예상과 맞지 않다면 바로 이탈
페르소나 D	광고 유입 비교 유저	외부 광고 혹은 홈 화면에서 띄워져있는 기획전 광고를 보고 유입되어, 다른 플랫폼과 비교 후 장바구니 담기-구매 여부 결정

페르소나 A : 고가 상품 비교 쇼핑 유저

• 유저 추출 데이터 : price_band over_300k
  • pdp_duration_time 길다 → 선택 피로 줄이는 전략 (큐레이션, 비교기능, 개인화)
  • Funnel Stage = 탐색 → 발견 경험 고도화 (카테고리 가이드, 추천·인기 제품에 대한 콘텐츠)

페르소나 B : 저가 빠른 구매

• 유저 추출 데이터 : price_band under_50k
  • High Intent → 결제까지의 마찰 제거에 초점
  • pdp_duration_time 짧음 → 초반 설득력 강화 (ATF 최적화, 이미지vs 텍스트, 가격 vs 혜택)
  • Funnel Stage = 구매 직전 → 할인, Urgency 강조

페르소나 C : 외부 검색 유입 신규 유저

• 유저 추출 데이터 : traffic_source search
  • High Intent → 결제까지의 마찰 제거에 초점
  • user type new → 신뢰 형성 (리뷰, 교환·환불, CS) + 혜택 강조

페르소나 D : 광고 유입 비교 유저

• 유저 추출 데이터 : traffic source ad
  • previous_landing_page 이전 페이지의 맥락에 따라 pdp 구성 변경
  • 광고 유입형은 단일 상품에 대한 관심을 이용해 전환으로 이끌어 내야함.

📄참고자료 : Fast User Segmentation for a Better Conversion Strategy_2021

---

<데이터 추출>

1. 데이터를 통한 가설 검증

2. pdp_duration_sec을 short/ mid/ long 으로 구분 짓고 각 범위의 의미 정의하기.

3. 어떤 조합이 페르소나 D를 설명하기에 가장 적합한 사용자 행동 패턴 분석

분석할 페르소나 타입 = D '광고 유입 비교 유저'
traffic_source = ad 인 유저 추출 → Group D

---

1. 데이터를 통한 가설 검증

• 가설:
  • 리뷰를 클릭 유저는 장바구니 전환이 높을 것이다.
  • discount exposed 가 true인 사용자의 장바구니 전환이 높을 것이다.

검증 방법

두 변수 모두 범주형(True/False)이기 때문에 카이제곱 독립성 검정(Chi-square test)을 사용했습니다. 유의수준은 일반적인 기준인 α = 0.05로 설정했습니다.

가설 1 — 리뷰 클릭 ✅ 채택

리뷰를 클릭한 유저(36.3%)는 그렇지 않은 유저(27.9%)보다 장바구니 전환율이 8.5%p 높았고, p-value가 0.0079로 유의수준 0.05를 훨씬 밑돌아 통계적으로 유의미한 차이입니다.

가설이 채택되며, 리뷰 클릭은 구매 의도와 관련 있는 행동임을 시사합니다. PDP에서 리뷰 접근성을 높이거나, 리뷰를 클릭한 유저에게 장바구니 유도 CTA를 강화하는 전략이 유효할 수 있습니다.

가설 2 — 할인 노출 ❌ 기각

할인에 노출된 유저(31.0%)와 그렇지 않은 유저(30.3%) 간 전환율 차이는 고작 0.6%p에 불과하고, p-value가 0.8837로 통계적으로 의미 없는 수준입니다.

가설은 기각됩니다. 할인 노출 자체가 장바구니 전환에 직접적인 영향을 미치지 않는다는 뜻입니다. 추가적으로 확인해볼 만한 방향으로는, 할인율의 크기(price_band별 분석)나 유저 유형(신규/재방문)과 결합했을 때 효과가 달라지는지 세분화 분석이 있습니다.

---

내일 할 일

2. pdp_duration_sec을 short/ mid/ long 으로 구분 짓고 각 범위의 의미 정의하기.

3. 어떤 조합이 페르소나 D를 설명하기에 가장 적합한 사용자 행동 패턴 분석

⬇️ 3번 아래 프롬프트 넣고 돌리기~!

[분석 목적]
광고 유입 유저 중, 타 플랫폼 비교 여부는 직접 관측할 수 없지만 비교 쇼핑 맥락이 개입되었을 가능성이 있는 사용자 패턴을 탐색하고자 한다.

[분석 원칙]

데이터로 직접 확인 가능한 행동만 근거로 사용한다.
“외부 비교를 완료했다”처럼 관측 불가능한 상태는 단정하지 않는다.
대신 광고 유입, 체류시간, 리뷰 클릭 여부, 할인 노출 여부, 가격대, 이전 페이지 유형 등의 조합을 바탕으로 비교 맥락이 개입되었을 가능성이 있는 패턴을 가설적으로 도출한다.

[분석 요청]

광고 유입 유저를 대상으로, 아래 변수 조합을 기준으로 의미 있는 행동 패턴을 도출해줘.
user_type
previous_page_type
price_band
pdp_duration_sec 구간
review_clicked
discount_exposed
각 패턴에 대해 다음을 계산해줘.
유저 비율
장바구니 전환율
구매 전환율
평균 체류시간
각 패턴에 대해 아래 중 어떤 해석이 더 적절한지 구분해줘.
내부 탐색 성향이 강한 패턴
빠른 판단 성향이 강한 패턴
가격 민감 가능성이 높은 패턴
비교 쇼핑 맥락이 개입되었을 가능성이 있는 패턴
단, 모든 해석에는 “데이터로 직접 확인 가능한 사실”과 “해석적 가설”을 분리해서 작성해줘.

오늘 하루를 회고하며...

일류는 즐긴다

---

일요일에 푹 쉰 덕분에 잠을 잘 잤다.
일찍 일어나서 아침을 든든히 먹고 짧게 산책을 다녀와서 하루를 시작했더니 하루종일 집중이 꽤나 잘됐다.
오늘부터 새로운 멘탈리티를 장착하고 뉴 최혜령이 되었다.
이제 피곤하게 살지 않기로 했다. 매사 열심히 최선을 다하는 것도 좋지만, 힘을 줄 때와 뺄 때를 잘 골라가며 텐션 조절을 하는 것도 롱런의 비결이렸다. 그렇다고 내가 최선을 다하지 않는 성격도 아닐테니, 그냥 마음을 느긋하게 먹기로 다짐했다는 정도.
/
지난 과제 때 지피띠니, 잼미니, 클로드에 자아의탁 해버리는 바람에 시작부터 꼬였던 실수를 범했기 때문에 이번엔 나 스스로 사고하고 분석의 흐름을 구성하려고 노력했다.
확실히 내가 하고자 하는 바가 명확하게 정해져있으니까 훨씬 수월하다.
과제 재밌음ㅎㅎ
/
+타이핑 하면 동물의 숲 주민들이 재잘거리는 효과음이 나는 플러그인을 깔았더니 하루종일 유쾌하다ㅋㅋㅋ 동숲 브금 틀어놓고 과제하면 동숲세계에 들어온 거 같고 그래..

일류숭이로 마무리