01. 데이터 리터러시

1. 데이터 리터러시란?
   데이터 수집과 원천을 이해
   데이터 활용법 이해
   데이터 핵심 지표 이해

   데이터 리터러시는 올바른 질문을 던질 수 있게 하여 뚜렷한 목적을 얻게 함

2. 데이터 해석 오류

• 심슨의 역설 (Simpson's Paradox)
  부분에서 성립한 대소 관계가 그 부분들을 종합한 전체에는 성립하지 않는 모순적인 경우
  전체에 대한 결론이 언제나 개별 집단에 그대로 적용되는 것이 아니다

• 시각화를 활용한 왜곡
  자료의 표현 방법에 따라 해석의 오류 여지가 존재

• 샘플링 편향
  전체를 대표하지 못하는 편향된 샘플 선정으로 인해 오류가 발생
  표본이 편향되면서 실제와는 다르게 해석하게 될 수 있음

• 상관관계와 인과관계

• 상관관계

  • 두 변수가 얼마나 상호의존적인지를 파악하는 것을 의미
  • 파악 방법은 한 변수가 증가하면 다른 변수도 따라서 증감하며 그 추이를 따르는지 확인

• 인과관계
  - 실질적으로 하나의 요인으로 인해 다른 요인의 수치가 변하는 형태를 의미

  • 원인과 결과가 명확

상관관계는 인과관계가 아님!
상관관계만으로 의사결정 ❌
양쪽을 모두 활용하여 합리적인 의사판단 해야함

3. 데이터 활용 예제
   

• 위 그래프를 통해 말할 수 있는 것들 (➡️ 데이터를 읽는 것)
  고객 지원 부서가 가장 인원이 적고 개발 부서가 가장 인원이 많다
  회사내 인원 수는 개발, 마케팅, 인사, 영업, 재무, 고객지원 순으로 많다.
  영업 팀 대비 개발팀이 인원 수가 두배 정도 많다

• 위 그래프를 작성한 사람이 말하고 싶은 것 (➡️ 목적사고적 방식)
  (그래프 작성자의 의도)
  현재 개발팀의 인원이 과하게 많다, 고객지원 팀이 인원이 적기 때문에 인원 충원이 필요하다

4. 데이터 분석 접근법
   

생각 단계에서 데이터 리터러시가 필요하다
데이터의 분석이 목적 자체가 되지 않도록, '왜?'를 항상 생각해야 함

02. 문제 정의

1. 문제 정의란?
   데이터 분석 프로젝트의 성공을 위한 토대, 초석
   분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술
   프로젝트의 목표를 설정하고 분석 방향을 설정

2. 문제 정의 사례 및 예제

• 문제 정의 사례
  상황 : 매출 증가가 목표인 패션플랫폼
  문제 정의 : 매출을 어떻게 늘릴 수 있을까? (❌)
  문제가 모호하고 구체적이지 않아 데이터 분석 시 방향성 잡는 것이 어려움
  개선 후 문제 정의 : 지난 6개월 간 25~35세 여성의 구매 전환율이 급격히 감소했다. 이 고객층의 전환율을 2%에서 5%로 끌어올릴려면 어떤 마케팅 전략을 수립할 수 있을까?

  데이터를 먼저 읽고 나서, 구체적인 목표가 될 수 있는 문제를 설정한 뒤 구체적인 목표를 설정했다

• 문제 정의 예제
  상황 : 3개월 전부터 자사 제품 사용자 수가 감소 중. 사용자 수를 늘리기 위한 포인트 이벤트 진행중이나 효과가 미미함. 자사 제품 중 A보다 B가 더 안좋은 상황이다. 사용자가 줄어 수입도 감소중
  문제 정의 : 3개월 전에 사용자 수가 감소된 원인을 파악하기 위해 3개월 전에 변경된 사항, 경쟁사의 이벤트 등 감소 원인이 무엇일까?
  자사 제품 중 B가 A보다 사용자 수가 빠르게 감소하는 추세를 보이고 있다. B의 신규 사용자 유입을 5% 증가 시키기 위해 어떤 마케팅 전략을 수립해야 할까?

• 개선된 문제 정의 :
  사용자 수가 감소하는 것도 문제이나, 수입이 줄은 것이 문제다. 원인이 사용자 수의 감소
  이벤트의 효과가 근본적으로 해결되어야 하는 문제인지 파악 필요
  수입이 감소한 것이 문제지만, 단어의 정의가 구체적이어야 함. 매출액인지, 순이익인지 고려가 필요함.

3. 문제 정의 방법론

• MECE (Mutually Exclusive, Collevtively Exhaustive)
  

문제를 상호 배타적이면서 전체적으로 포괄적인 구성요소로 나누는 것
복잡한 문제를 체계적으로 분해하고 구조화된 방식으로 분석할 수 있음

• 잘못된 MECE 예시
  - 사람 - 남성, 여성, 아저씨로 나눔: 남성과 아저씨가 중복
  - 영화 장르 - 액션, 스릴러, 공포로 나눔: 멜로 코메디 등 누락 장르 존재
  - 자동차 - SUV, 세단, 쿠페, 현기차로 나눔: 분류 기준이 다름. 자동차 종류 VS 브랜드
  - 3학년 3반 학급원 - 영어 우수 학생, 수학 우수 학생으로 나눔: 분류 기준이 불명확, 서로 중복되고 누락된 정보가 존재

• 로직 트리 (Logic Tree)
  MECE를 기반으로 복잡한 문제를 더 하위 문제로 분해하는 데에 사용
  상위 문제부터 시작하여 하위로 계층적 접근
  도표 형식이기 때문에 파악하기 쉬움

• 로직 트리 예시
  수입 = 매출액으로 정의 후 구조화하기
  사용자 수 감소에서 A,B 서비스 나누기
  포인트 이벤트는 해결방안 중 하나일 뿐, 문제는 아님
  B의 서비스를 세분화하여 A와 비교하기 위해 구조화하기
  인과관계의 순서는 작은 가지에서 큰 가지로

• 로직 트리 예시
  수익성 개선 방법은?
  매출을 늘린다 - 신규 고객 유입 - 고객 수 증가, 객단가 증가 - 고객 유입을 위한 마케팅 전략, 객단가를 위한 서비스 개선
  비용을 줄인다 - 제품 원가를 절감,

• 로직트리 Chaet sheet
  

• 문제 정의 개념 정리
  결국 어떻다는 것인지? (So What) 과제의 답변에 맞는 핵심을 찾는 것
  왜 그렇게 말할 수 있는지? (Why So?) 요소의 타당성 확인

• 문제 정의 팁 💡
  결과를 공유하려고 하는 사람이 누구인지 정의
  결과를 통해 원하는 변화, 액션 생각
  회사 소속이라면 경영진 입장에서 생각해보기
  많은 사람들과 의견을 나눠보기
  혼자서 오래 고민하는 시간이 필요

03. 데이터의 유형

1. 정성적 데이터와 정량적 데이터

• 정성적 데이터

  • 비수치적인 텍스트, 비디오, 오디오
  • 정형화, 구조화 X
  • 새로운 현상이나 개념에 대한 이해를 심화

• 정량적 데이터

  • 수치적으로 표현되는 정보로 측정과 분석으로 얻을 수 있음
  • 데이터가 숫자형태기 때문에 통계적 분석이 쉬움
  • 개인의 해석이나 주관이 적게 작용되어 객관성을 띔
  • 지표로 만들기 용이하여 설문조사, 실험, 인구 통계 등에 활용

• 데이터의 유형별 비교
  

2. 데이터의 유형 예제

• Q1. 한 레스토랑에서 하루에 판매되는 햄버거 세트의 수는 150개 입니다.

  정량적

• Q2. 한 고객이 카페 이용 리뷰에 "커피 맛이 너무 좋았고, 분위기가 아늑했다"고 말했습니다.

  정성적

• Q3. 한 온라인 쇼핑몰의 지난 달의 평균 구매 금액은 10만원입니다.

  정량적

• Q4. 어떤 서비스를 이용한 유저가 "사용하기 쉽고, 인터페이스가 직관적이다"라는 평가를 남겼습니다.

  정성적

• Q5. 고객 설문 조사에서, 고객들이 서비스에 대해 "만족한다", "매우 만족한다", "만족하지 않는다"와 같이 응답했습니다.

  정성적

• Q6. 어떤 연구자가 인터뷰를 통해 수집한 데이터에는 참가자들의 나이, 성별, 직업과 더불어 그들의 생각과 느낌이 포함되어 있습니다.

  정량+정성

3. 정량적 데이터의 사례

• 인구 통계 데이터
• 점수로 표현된 수치형 설문조사 데이터
• 비즈니스 성과 데이터 (고객 아이디, 결제 금액, 주문 수량 등)
• 행동 로그 데이터
• 마케팅 데이터

4. 정량적 데이터의 활용

• 정량적 데이터는 객관적이고 측정 가능한 지표 제작에 적합
• 수치형 설문조사 데이터를 정량적인 기준으로 나눈 사례, 추천지수(NPS)를 만들 수 있다.
  - NPS = 추천 고객 비율 - 비추천 고객 비율
• 통계적 분석 적용
  - 분포, 평균, 중앙값 등을 계산하여 데이터의 경향성과 패턴 파악
• 다양한 데이터 분석 방법 적용
  - 비즈니스 분석, 예측 모델링, 추세 분석을 포함한 머신러닝에 활용 가능
  

04. 지표 설정

1. 지표란?

• 특정 목표, 성과를 측정하기 위한 구체적이고 측정 가능한 기준
• 목표 달성도 평가와 전략적 결정에 필요한 핵심 정보 제공
• 정의한 문제 정확하게 파악하기 위해 필요

2. 문제 정의 vs 지표
   문제 정의는 어떤 문제를 풀고자 하는가? - 문제 정의
   어떤 결과를 기대하는가? - 지표

3. 지표 설정 예제

• 목표 : 날씬해지기
  날씬을 구체적으로 재정의
• 핵심 지표 : 체지방률, BMI
  • 액션 아이템 : 주 5회 이상 운동
  • 지표 : 운동 이행률 (주 회 / 5회)
  • 액션 아이템 : 매일 7시 이후 금식
  • 지표 : 식단 달성률 ( 일 / 30일)

4. 주요 지표 이해하기

• Active User (활성 유저)
  이 정의로 전략과 방향이 달라짐

• Active User 설정해보기

  - 사이트 진입 유저

  가장 높게 측정될 것이지만 뒤로 갈 수록 많이 줄어들기 때문에 효율이 떨어짐
  - 사이트 진입 후 추가 행동을 한 유저
  1번보다는 액션 효율이 높을 수 있음
  - 서비스의 최종 액션까지 수행한 유저
  가장 허들이 높고, 지표가 가장 낮게 측정될 것
  해당 유저 대상 액션을 할 때 효율과 이익이 가장 높다 (이미 서비스의 핵심과 효용을 경험했기 때문에)
  

• 우리 서비스만의 Active User를 찾기 위해서는?
  - 어디까지 경험한 유저가 우리의 활성유저인지 정의

  • 일반 유저와 활성 유저를 나누는 기준 설정
  • 유저는 어디서 우리의 서비스의 효용성을 느낄지 고민
  • 핸들링할 수 있는 유저의 사이즈 수를 설정

• 그 외 주요 지표 정리
  

5. Retention Ratio의 역할
   의미 : 몇 %의 유저가 우리 서비스를 다시 이용하는가?
   정의 : 서비스를 이용한 유저가 다시 서비스를 사용하는 비율 %
   리텐션이 높다 > 획득 비용에 투자한 비용 빠르게 회수 가능
   성장에 매우 중요한 지표 중 하나

• Retention 더 알아보기
  

리텐션은 기본적으로 방문이 주요 측정 기준이나, 활성의 기준을 다르게 정의가능
일반적으로 리텐션은 시간이 지나면서 자연스럽게 감소되며, 점점 안정화되는 그래프가 된다면 시장에 적합한 서비스라고 할 수 있다.

• Retention 측정 방법

1) N-Day 리텐션

• 최초 사용일로부터 N일 후에 재방문한 활성 유저의 비율
• 활성 유저로 집계된 최초일을 Day 0으로 설정
• 서비스의 사용 주기가 길 경우, N-Day 리텐션을 사용하면 실제보다 더 과소평가됨.
• 따라서 매일 접속하는 서비스에 적절한 지표

2) Unbounded 리텐션

• 특정 날짜를 포함하여 그 이후에 재방문한 유저의 비율
• 특정일 포함하여 그 이후에 한번이라도 더 재방문하면 방문한 것으로 계산
• 마지막 방문일 이전에는 방문한 것으로 계산했을 경우, 실제로 방문하지 않았어도 계산에는 함께 포함
• 사용 빈도가 높지 않은 서비스에 적절한 지표로, 절대적인 수치보다는 지표가 어떻게 변화하는지 트렌드 확인용도로 적절

3) Bracket 리텐션

• 설정한 특정 기간을 기반으로 재방문한 유저의 비율

• N-Day 리텐션을 확장한 개념

• 활성 유저가 특정한 활동을 위해 각 브라켓 기간 내에 재방문 시 리텐션 유저로 해석

• 서비스 사용 주기가 길거나, 주기적으로 사용되는 서비스에 적합한 지표

• Retention에 대한 이해

  • 리텐션이 높은 세그먼트 발굴 필요
  • 서비스의 사용 주기에 따라 리텐션 조회 기간을 늘려야 함
  • 사후 분석에 용이

• 리텐션 활용 예제
  

위와 같이 페이스북 방문자 데이터 시 어떤 리텐션을 활용해야 할까?

소셜 미디어 같은 경우에는 방문 주기가 짧기 때문에 N-Day 리텐션이 적합하다

1월 5일의 리텐션 계산하기

A~F 중 A,B,E만 방문했다.
1) N-Day 리텐션 : 3/6100 = 50%
2) Unbounded 리텐션 : 5/6100 = 83.3%. C만 마지막 방문일이 Day 0
3) Bracket 리텐션 : 5/6*100 = 83.3%. 1번째 브라켓은 Day 0, 2번째 브라켓은 Day 1~3, 3번째 브라켓은 Day 4~6 으로 설정.

6. Funnel

• Funnel 정의와 역할
  

유저들이 어디서 이탈하는지 보기 위한 지표
잠재 고객 유입과 최종적인 모든 액션을 달성할 때까지의 과정
각 단계의 전환율(혹은 첫 유입 대비 전환율)을 측정함

• AARRR
  디지털 마케팅 시 활용하는 프레임 워크로,
  단계별 전환율을 지표화하여 서비스 보완 지점을 찾음

• LTV (Life Time Value, 고객 평생 가치)
  해당 유저가 우리에게 평생 주는 이익은 얼마나 될까?를 의미하는 지표
  한 명의 유저가 고객 생애 주기 동안 얼마만큼의 이익을 주는지 정량적으로 지표화 한 것
  LTV가 높다는 것은 고객과 서비스와의 관계가 좋으며 충성도 높은 고객이 많다는 것

• LTV 산출 방법의 예시

• 이익 x Life Time x 할인율(미래 비용에 대한 현재 가치)
• 연간 거래액 x 수익률 x 고객 지속 연수
• 고객의 평균 구매 단가 x 평균 구매 횟수
• (매출액 – 매출 원가) / 구매자 수
• 평균 구매 단가 x 구매 빈도 x 구매 기간
• (평균 구매 단가 x 구매 빈도 x 구매 기간) – (신규 획득 비용 + 고객 유지 비용)
• 월 평균 객단가 / 월 가중 평균 잔존율
• LTV를 산출하는 방법은 매우 여러가지이며, 서비스마다, 관점마다 다르기 때문에 다각도로 고민이 필요함

• LTV 정리
  자사 서비스에 딱 맞는 LTV 산출은 고객 사용주기, 변수, 객단가 등 여러 가지 요인을 고려해야 하기 때문에 쉽지 않다.
  LTV를 늘리기 위해서는 객단가 상승, 구매 빈도 높이기, 이탈율 감소, 고객 서비스 이용시간 증가 등이 있다.
  LTV는 가정을 베이스로 하는 지표이기 때문에 모니터링이 필요

7. 북극성 지표

• 북극성 지표란?
  제품/서비스의 성공을 정의하여 유저에게 주는 핵심 가치를 가장 잘 나타낸 것이다. 장기 성장을 위해서는 모니터링이 필수

• 좋은 북극성 지표의 특징
  제품/서비스 전략의 핵심을 담고 있어야 하며,
  유저가 제품/서비스에서 느끼는 가치이다.
  회사의 사업 목표를 나타내는 선행 지표 중 하나

• 좋은 북극성 지표를 위한 체크리스트

• 유저가 목적을 달성하는 때가 언제인가?
• 모든 유저가 해당되나?
• 측정 가능한 지표인가?
• 측정 주기가 적절한가? (일, 주, 월, …)
• 외부 요인으로부터 영향을 많이 받진 않는가?
• 북극성지표의 성장이 사업의 성장과 함께하는가?
• AARRR 퍼널 전 과정이 북극성 지표에 영향을 주는가?
• 북극성 지표의 변화가 적어도 매주 관찰가능한가?

• 좋지 않은 북극성 지표의 예시

• 외부 요인의 영향을 많이 받는 지표
• 유저/고객의 전체 여정을 반영하지 않는 지표
• 유저/고객이 직접 가치를 느낄 수 없는 지표
• 측정 불가하거나, 기간 설정이 안되는 지표
• 상황에 따라 위 지표들도 북극성 지표가 될 수 있음

• 북극성 지표의 유형
  

• 대표적인 북극성 지표의 사례
  

• 북극성 지표의 중요성 : 방향성 측면
  비즈니스의 최적화 방안과 포기할 수 있는 부분에 대한 방향 제시
  조직의 진척과 가치창출을 전사적으로 가시화 가능
  제품/서비스 조직이 결과에 책임을 지도록 함

• 북극성 지표의 중요성 : 효율성 측면
  전 직원을 하나의 목표에 집중시킴
  서로 상반된 목표에 집중하거나, 중복으로 일하는 것을 방지 (MECE 구조)

• 북극성 지표의 구조
  

• 북극성 지표 사례
  온라인 교육 플랫폼의 북극성 지표를 세운다면?
  목표 : 신규 고객 유입 증대
  전략 : 신규 고객 유입을 위한 마케팅
  사용자 : 직장인, 학생 등 새로운 학습을 하려는 사람들
  목표에 영향을 미치는 요소 : CTR, 광고 노출 수, 전환율

05. 결론 도출

1. 결과와 결론의 차이

• 결과
  • 데이터 처리, 분석, 모델링 후 얻어진 구체적인 데이터의 출력
  • 숫자, 통계, 그래프 등의 형태
  • 계산과 분석 후의 결과물
• 결론
  - 분석 데이터 결과를 바탕으로 이끌어내는 인사이트, 통찰
  • 데이터 기반의 해석, 추론 또는 권고 사항
  • 목적에 대해 어떤 의미가 있는지 설명
• 결과 도출 시 주의 사항
  결과와 결론 도출 시에는 스토리텔링이 필요함
  필요 이상으로 자신의 해석이 개입하면 안되기 때문에 데이터를 통해서 파악 가능한 범위 내에서만 생각

2. 결론 도출 예제

• Q1. 다음의 결론 도출이 합리적인가요? 맞다면, 왜 그렇고 아니라면, 왜 아닌지 설명해보아요.
  • 주어진 데이터: 가맹점 별 A 제품 판매 데이터
  • 결론: 모든 가맹점에서 가장 많이 팔리고 있는 A 제품이 대구 지점에서만 판매 실적이 부진한 것은, 대구에 큰 경쟁사가 있기 때문이다.

아니다. 제품 판매 데이터만으로는 나올 수 없는 결론이며 대구에서 판매 실적이 부진한 것이 문제라면 문제의 원인 파악을 위한 전략 수립이 필요하다.

• Q2. 다음의 분석 결과를 가지고 결론을 도출해보세요.

  상황 설명

  • 데이터: 온라인 소매점의 최근 6개월 판매 데이터

  • 목적: 판매 성과 분석 및 개선 방안 도출

    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

  • 주어진 데이터: 가맹점 별 A 제품 판매 데이터

전자제품이 인기가 높은 것으로 보아, 전자제품 쪽으로 마케팅을 강화
금요일 및 저녁 시간대에 프로모션 진행하여 판매량 증가

3. 결론을 잘 정리하는 법
   문제 정의, 지표 설정 시의 목적을 떠올리며 정리해보기
   결론을 공유할 대상, 액션 아이템을 생각

• 단순하고 쉽게 전달
  핵심 지표 위주
  지표 해석 방법 공유
  액션 아이템 제안이 핵심

• 흥미 유발
  흥미로운 부분만 공유
  상대방을 고려한 필터링 필요
  디테일한 문서도 따로 준비

• 대상자 관점에서의 접근
  공유 받는 사람의 시선에 정리
  지식의 저주에 빠지지 않기
  근거 자료들을 함께 첨부
  시각화 활용

• 시각화 팁
  화려한 그래프보다는 직관적으로 구성
  선과 막대 그래프만으로 보고 가능
  범례와 단위로 함께 표기해주기

• 결론 보고서에 쓰면 좋은 플로우
  전체 내용을 한 문장으로 정리 요약
  보고서의 메인 주제
  보고서 이유와 원하는 변화
  문제 정의
  핵심 내용 전개 (분석 결과 등)
  결론 및 액션 아이템 공유

4. 데이터 리터러시란?
   눈앞에 있는 데이터에 의존하지 않고, 스스로 목적과 문제를 정의하는 것
   그 목적을 달성하는 데 필요한 데이터와 지표를 설정하는 것
   데이터를 어떻게 봐야 문제의 정보를 효율적으로 얻을 수 있는지 분석하는 것
   단순히 데이터를 보는 방식, 분석 방법론, 통계지식에 매몰되지 않는 것
   왜?를 항상 생각하기