Day 28 (6주차)
| 시간 | 학습내용 | 소요시간 | 메모 |
|---|---|---|---|
| 아침 | 아티클 카타 | ||
| 점심 전 | 잡담 + 아티클 카타 TIL 정리 | ||
| Arvo | 데이터 이론 공부 + 과제 | ||
| Evening | 과제 |
아티클 카타 - 설득
‘설득하기’만큼 ‘설득 당하기’가 중요한 이유
인상적인 팀원들의 문장:
- 좋은 PM은 설득을 잘하는 사람이 아니라, 더 나은 의사결정을 위해 기꺼이 설득될 수 있는 사람이다.
- 비판적 사고를 할 때에도, 전달하는 입장에서 그 사람에 대한 비판이 아닌 의견에 대한 비판이라는 것이 느껴지도록 얘기하는 방법을 익히는 것도 중요할 것 같다.
수빈님이 소개해 준 심리학 개념:
- 집단 사고(Groupthink)
- 악마의 대변인
범주형 데이터 분석
크라메르v , Odds Ratio(오즈비)
<TL;DR>
- 크라메르 v: 범주형 데이터 사이의 연관성이 얼마나 강한지 (0~1)
- 오즈비: 원인이 결과에 얼만큼 기여했는지
- 확률과 오즈 = 이길 확률과 승률
<크라메르 V>
- 범주형 데이터 간의 연관성이 얼마나 강한지 알려주는 지표
| 수치 | 해석 | 예시 |
|---|---|---|
| 0 | 완전한 독립 - 두 변수는 서로 관계가 없음 | 사용자의 혈액형과 거주지역 |
| 1 | 완전한 연관성 - 한쪽에 대한 정보로 다른 한쪽을 설명할 수 있음 |
- I.e. 크라메르V 값이 크다 = 변수 A가 변수 B를 설명하는 힘이 세다.
- 💡 타겟팅의 확실한 근거로 활용가능
⚠️ 해석 할 때 주의할 점
- 범주가 많아질 수록 실제보다 높게 나오는 경향이 있다.
- 특정 항목에 데이터가 부족한 비대칭적 상황에서는 신뢰도가 떨어진다.
- 연관성에 영향을 주는 제 3의 변수를 염두에 둘 것.
<오즈비 (Odds Ratio)>
확률(p)와 오즈의 차이를 짚고가자..!
P= = 이길 확률 (절대적)
Odds = = 승률 (상대적)
확률 대신 오즈를 쓰는 이유?
- 확률은 전체 중에 몇 %인지 결과 중심으로 현상을 보고할 때.
- 오즈는 원인이 결과에 얼만큼 기여했는지 알 수 있음.
OR =
| OR | 의미 | 해석 |
|---|---|---|
| OR=1 | 두 그룹의 발생 확률이 같음 | |
| OR>1 | A의 상대적 발생 확률이 B보다 높음 | |
| OR<1 | 비교 대상보다 발생확률이 낮음 |
예시 Case
- 분석군 (A안): 상단 버튼 사용 유저 (구매 20, 미구매 80) → 오즈 = 20/80 = 0.25
- 비교군 (B안): 하단 버튼 사용 유저 (구매 10, 미구매 90) → 오즈 = 10/90 = 0.11
이 경우 오즈비는 이 나온다.
1보다 크기 때문에 "상단 버튼이 하단 버튼보다 결제 승률을 약 2.27배 높였다"고 해석할 수 있음.
왜 확률대신 오즈비를 쓸까?
- 확률은 여러 변수가 섞여서 원인-결과가 명확하지 않음
- 오즈비는 특정 변수의 순수한 기여도를 뽑아내기 때문에 변수 컨트롤 가능.
- 확률은 모수에 의존
- 예를 들어 0.1% 짜리 지표가 0.2%로 성장하면 2배 성장이지만 0.1%p 상승률로 나타나 기획의 영햑력이 축소 될 수 있음.
- 예를 들어 0.1% 짜리 지표가 0.2%로 성장하면 2배 성장이지만 0.1%p 상승률로 나타나 기획의 영햑력이 축소 될 수 있음.
- 🌟 비즈니스 측면: 실패확률 대비 성공확률을 따지는 게 의사결정에 유리함.
실무에서의 활용
-
크라메르 V : 세크먼트를 나눌 만큼 유효한 상관관계를 지니는가?
-
OR : 특정 요인이 결과에 기여하는 배수가 비용대비 효율적인가?
-
OR 지표를 설명할 때, "확률이 N배 높습니다" 라고 말하면 혼동이 올 수 있음.
발생 확률이 낮은 데이터에는 확률과 오즈가 거의 비슷해 크게 지장X발생 확률이 높은 데이터에서는 "발생할 상대적 가능성이 높다" 혹은 "강력한 상관관계가 관찰된다"고 표현.
과제 - 장바구니 담기 전환 데이터 분석 & 개선안 제안
Data Analysis
<과제 로드맵>
1. 페르소나 설정✅
2. 데이터 추출 🎯
- 페르소나에 해당하는 유저를 추출
3. 데이터 분석🎯
- 페르소나 조건에 부합하고 전환율 상승과 관련된 데이터를 골라서 분석
🔍Advanced페르소나별 (A~D) 행동패턴 차이를 데이터를 통해 분석해보기4. 가설 및 해결방안
전체 사용자의 행동 패턴 분석
1. 리뷰 클릭은 장바구니 전환에 영향을 준다.
2. 할인 노출은 장바구니 전환에 영향을 주지 않는다.
3. 장바구니 전환에 가장 유리한 행동패턴은?
- TL;DR: 홈페이지에서 pdp 진입 유저, 가격대 — U자형 패턴, 오가닉 유저, 리뷰 클릭
장바구니 전환율에 유의미한 작용을 하는 변수는 이전 페이지 유형,가격대,리뷰 클릭으로 나타났다.
이 중 가장 강한 영향력을 미치는 변수는이전 페이지 유형이다.
그 다음으로는가격대,리뷰 클릭(🤔❓ 유입 채널은 왜 3위지?)
⬇️ 위 변수들이 실제로 얼만큼 전환율에 기여하는지를 알아보기 위한 오즈비 분석
🥇 이전 페이지 유형 (previous_page_type) p < 0.001, Cramér's V = 0.167
| previous_page_type | 장바구니 전환율 |
|---|---|
| hompage | 42.2% |
| ad_landing | 25.8% |
| serach_result | 24.8% |
| other | 7.2% |
가장 강한 영향 변수입니다. 오즈비 기준으로 홈페이지 진입 유저는 광고 랜딩 진입 유저보다 장바구니에 담을 가능성이 1.83배 높습니다. 이미 브랜드에 관심이 있는 상태로 진입한 유저일수록 전환 의도가 높다는 해석이 가능합니다.
🥈 가격대 (price_band) p = 0.004, Cramér's V = 0.105
| price_band | 장바구니 전환율 |
|---|---|
| under_50k | 33.1% |
| mid_50k_150k | 23.0% |
| over_300k | 35.1% |
충동 구매가 쉬운 저가 상품과, 구매 결심이 확고한 고가 상품 양쪽에서 전환이 일어나는 U자형 패턴입니다. 중간 가격대는 "비싸지도 않고 싸지도 않아" 결정을 미루는 심리가 작용할 수 있습니다.
🥉 유입 채널 & 리뷰 클릭 p = 0.025 / 0.008
오가닉 유입 유저의 전환율(36.9%)이 광고 유입(27.9%)보다 높고, 리뷰 클릭도 앞서 검증한 것처럼 유의미합니다. 둘 다 Cramér's V가 0.08~0.09 수준으로 효과 크기는 약한 편이지만 통계적으로는 유의합니다.
페르소나 D — 유저 추출 & 분석
- 광고 유입 유저 중, 타 플랫폼 비교 여부는 직접 관측할 수 없지만 비교 쇼핑 맥락이 개입되었을 가능성이 있는 사용자 패턴을 탐색하고자 한다.
- '광고 유입 비교 유저' → 비교라는 단어의 해석에 주의 할 것!
- 🙄왜냐미욘,,,, 다양한 해석 like, 서비스 내부에서 비교/ 타 서비스와 비교, 비교를 완료하고 돌아온 유저/ 비교를 하러 떠나는 유저 등등의 케이스가 있기 때문~~
- 🙄왜냐미욘,,,, 다양한 해석 like, 서비스 내부에서 비교/ 타 서비스와 비교, 비교를 완료하고 돌아온 유저/ 비교를 하러 떠나는 유저 등등의 케이스가 있기 때문~~
- 이 데이터셋에는 "비교 쇼핑을 했다"를 직접 관측할 수 있는 변수가 없다. 따라서 아래 모든 패턴은 행동 신호의 조합에서 맥락을 추론한 것
1. 광고 유입 (+가격 비교) 유저 분석
- 광고 유입 유저 중 가격 비교 맥락이 개입되었을 가능성이 있는 유저는 총 81명 (전체의 30%)
- 이를 총 8개의 패턴으로 구분한다.
2. '광고 유입 + 가격 비교' 행동 패턴 분석
-
비교 쇼핑 맥락이 가장 강력한 유형 (이상적인 Case)
- 재방문 유저가 신규 유저보다 더 높은 전환율을 보임.
- "한 번 봤던 상품을 검색을 통해 다시 찾아와서 리뷰까지 확인했다"는 행동 조합 자체가 데이터로 확인되고, 그 사이에 외부 비교가 있었을 가능성은 추론입니다.
- 고가 상품(30만원 이상) 비중이 58%로 높아 신중한 구매 결정과 연결될 수 있다.
-
장바구니 전환 동기가 강한 타입
- 재방문 + 홈페이지 진입 -> 서비스에 대한 신뢰와 관심이 형성 된 부류
- P4 = 비교를 마치고 구매를 목적으로 재방문 했을 가능성
- P8 = 저관여 상품에 대한 구매 결정이 빠른 부류
P2(신규 × 광고직진입 × 장기체류)는 P1(단기체류)보다 2.5배 오래 머물고 리뷰도 더 많이 봤는데 전환율이 오히려 낮습니다(16.7% vs 20.0%). 많이 탐색할수록 결정을 미루는 패턴으로, 재방문 타겟팅 대상군으로 볼 수 있는 세그먼트입니다.
3. 어떤 패턴의 사용자를 타겟할까?
P2 유저를 공략하는 전략.
왜? - 장기 체류 후 이탈하는 유저는 추후 재방문으로 전환하기 어려움.
현재 데이터 셋으로는 장/단기 체류 후 이탈한 유저의 재방문율을 알 수 없음.
- 확인해볼 데이터 :
- [행동 시그널]
review_clicked, discount_exposed, price_band
장기 체류 유저가 리뷰도 보고 할인도 봤는데 여전히 이탈하면 결정을 저해하는 요인이 있다는 증거가 됨.
- [행동 시그널]
가설 및 해결방안 (러프한 아이데이션)
-
P2 유형은 광고 직진입 후 평균 74.7초를 체류하며 리뷰까지 확인하는 등 탐색 행동이 충분히 나타났지만, 전환율은 16.7%로 광고 유입 평균(27.9%)보다 낮다.
-
이는 탐색 의향은 있으나 전환을 완료하지 못한 유저군으로 해석되며, 마지막 결정 단계에서의 장벽 제거가 핵심 과제가 된다.
-
세션 종료 직전 장바구니 넛지나 24시간 내 리타겟팅을 통해 이미 형성된 구매 의향을 전환으로 연결하는 전략이 유효할 것으로 기대됨.
넛지 레퍼런스 1.
📄참고자료 카카오 브랜드 메시지로 장바구니 이탈을 줄이는 방법
오늘 하루를 회고하며...
생각과 행동의 싱크를 맞추자
뭔가 한 건 많은데 과제 진도가 안 나갔다.
지난 과제 때 만큼은 아니지만 또 spiraling 하는 습관이 나타난 거 같다.
뭔가 빠르게 결론으로 챡챡 나아가야 하는데, 자꾸 한가지를 집요하게 붙잡고 있어서 그런 거 같다. 다 장단점이 있겠지만 너무 속도가 안 붙으면 몰입이 깨져서 적당히 밸런스를 맞출 필요가 있다고 느낌..
/
과제 진도와는 별개로 데이터 분석에 대한 새로운 개념을 익히는 게 너무 재밌다.
내가 직접 데이터를 해석을 할 수 있게 되니까 전체적인 맥락도 이해가 잘되고, 내가 내리는 판단에 자신감을 가질 수 있는 게 너무 좋다.
/
오늘은 등 운동 하는 날...운동 다녀와서 1시까지 과제 하는 걸로~
Keep being gwenchana, even tho your life is @#$@#
