데이터 블로그 챌린지: 데블챌 2기 3일차
퍼널 분석을 배우면서 퍼널 최적화에 대해 관심이 생겼다.
마침 딜라이트룸에서 데이터 분석 사례를 시리즈로 작성하였기에 살펴보았다. 이 글 이후에 분석 사례가 많던데, 매우 기대된다.
요약
퍼널 최적화는 '유저의 제품 내 특정 전환율 증진'을 위한 방법으로, 두 가지 접근으로 나눌 수 있다.
- 진입률(퍼널 유입량) 높이기
- 진입 이후 전환율(퍼널 내 전환율, 완수율) 높이기
두 접근은 별개의 것이 아니라, 서로 영향을 끼친다. 진입률이 높으면 그만큼 다양한 유저들이 섞이면서 진입 이후 전환율이 낮아질 수 있다. 반대로 진입률이 낮으면, 소수의 유저들이 진입했다는 의미이므로 진입 이후 전환율이 높을 수도 있다.
두 접근 모두 중요하지만, 대부분의 경우에서는 '우선 진입률을 높이고 봐야'한다. 맛집 사장님이 되고 싶으면, 우선 손님부터 많이 찾아와야 하지 않을까?
1. 진입률 증대
특정 기능의 진입률을 높이기 위한 방법은 크게 두가지다.
먼저 해당 기능의 위치를 옮기면 된다.
두번째로 유저가 더 쉽게 해당 기능에 접근 할 수 있는 다양한 엔트리 전략이 있다.
(딜라이트룸의 다양한 엔트리 전략 사례는 다음 기회에..)
2. 진입 이후 전환율 증대
진입 이후 전환율을 높이는 것은 다른 말로 이탈율을 낮추는 것이다. 즉 "왜 이 단계에서 이탈 했을까?"에 대한 원인에 따라 증대 방안이 달라진다.
퍼널의 순서를 바꿀 수도 있고, 개수나 구조를 변경할 수도 있고, 아예 그 단계를 없앨 수도 있다.
인사이트
퍼널분석을 배우면서 퍼널에서의 전환율만 중요한줄 알았는데, 진입률과 전환율이 서로 영향을 끼친다는 부분이 매우 흥미로웠다.
결국 퍼널 분석에서 정해진 공식은 없고, 각각의 서비스마다 다양한 접근과 시도가 필요한 것 같다. 사실 데이터 분석 자체가 정해진 공식이 없는 것 같다. 역시 직접 분석해보고, 다양한 경험을 쌓아봐야하는걸까? 우선 딜라이트룸의 퍼널 최적화 사례들을 읽어봐야겠다.
여담으로, 취업준비를 하다보니, 퍼널 최적화와 취업이 유사하다는 생각이 든다. 서류 제출 횟수를 높이는게 진입율을 높이는 거라면, 실제로 합격하는게 진입 이후 전환율을 높이는 것에 비유할 수 있지 않을까?
