데이터와 지표의 이해
데이터
데이터? 그냥 수집된 정보!
어떤 의미도 해석도 없는 상태다.
분류
정량적 데이터 : 숫자로 표현 가능
정성적 데이터 : 질적, 주관적 정보
지표
데이터에서 중요한 정보를 뽑아낸 결과
데이터를 바탕으로 의미를 부여한 것
데이터의 중요성
데이터를 기반으로 한 의사결정은 정확하고 신뢰성 있는 판단을 가능하게 한다. 데이터는 중심 !
그냥 춥다 / 오늘 -10도더라
두 개가 주는 차이가 바로 데이터의 중요성
참고 아티클
https://blog.hwahae.co.kr/all/hwahaeteam/culture/5451
모든 업무를 데이터를 기반으로 하고 있다
데이터를 가지고 실험하는 문화
1. 의사결정의 근거를 제공한다
추측에 의한 결정이 아닌 데이터 분석을 통해 실시간으로 정보를 확인하고, 명확한 사실을 바탕으로 의사결정이 가능해진다.
특정 시간대에 배달이 지연된다는 클레임
-> 데이터를 통해 구체적인 문제 상황을 파악해서 정의해 솔루션을 찾아낼 수 있다.
몇 명이, 언제, 얼마나 : 전부 데이터로 측정 가능
2. 성과 측정 및 개선 기회의 제공
-10도인 사람을 -5도로 만드면 성공일까?
1도라도 따뜻하게 만들기가 목표였다면 맞겠지!
데이터를 통해서 성과를 측정하면 목표 달성 여부를 명확히 알 수 있고, 도달하지 못했다면 개선 기회를 찾을 수 있다.
측정하면 개선할 수 있습니다
3. 사용자 경험 향상
사용자 데이터 분석을 통해서 사용자의 행동패턴과 니즈를 파악할 수 있다. 이를 통해 사용자 경험 최적화가 가능하다.
4. 비즈니스 성과 예측 및 전략 수립
과거의 데이터를 바탕으로 미래의 비즈니스 성과를 예측한다. 시장의 트렌트와 소비자의 행동을 분석해서 전략을 수립한다.
EX ) 리디의 데이터 기반 촘촘한 그룹핑
로그의 개념과 설계 기초
로그란
블랙박스 같은 역할 !
소프트웨어나 시스템에서 발생하는 이벤트나 동작을 기록한 정보
용도
문제 해결 및 디버깅에 사용한다.
로그를 통해 오류의 원인과 발생 위치를 파악한다.
서비스 장애를 추적하는 힌트같은 존재
사용자 행동 분석
사용자 행동을 추적 및 경험 개선할 때 필요한 정보를 제공한다. 사용자가 어떻게 앱을 사용하는지, 어떤 페이지에서 이탈하는지를 파악한다.
비즈니스 전략 수립
서비스 이용 패턴, 매출, 주문량 등을 추적해 전략을 세우는데 도움이 되는 데이터를 제공한다.
종류
PM이 알아야할 대표적 로그는 클라이언트 로그
= 사용자 장치에서 발생하는 이벤트를 기록한 로그
페이지에서 내가 보고 싶은 데이터를 심는 것이 로그 !
설계 방법
왜 기록할지, 어떻게 기록할지에 대해 선행 고민이 필요하다.
로그 설계 목표 정의
로그의 목적과 필요성 정의
프로젝트에서 로그가 해결하고자 하는 문제를 명확히 파악해야함
로그 항목 정의 및 설계
로그에 기록할 항목들을 정의
개발팀과 협업하여, 어떤 데이터를 어떤 방식으로 기록할 지 확인함
로그 전송 및 테스트
개발에서 로그를 전송 후, 테스트 환경을 설정해 정상적으로 기록/전송되는 지 테스트
서비스 담당자들은 본인의 서비스 모든 곳에 로그를 심는다고 생각해도 무방하다 !
데이터 분석 방법
데이터 분석 순서
문제정의 - 데이터 수집 - 분석 수행 - 결과 해석 및 인사이트 도출 - 결과 적용
무조건 정답은 아니고, 일반론적으로 이렇다 !
데이터 분석 방법론
퍼널 분석
사용자가 특정 목표에 도달하기까지의 여정을 추적하는 방법.
사용자의 이탈 지점 파악, 이탈률을 줄이기 위한 개선점 찾기
- 분석 목표 정의
웹사이트 가입이 목표라면 - 단계 정의 (퍼널의 단계)
방문 - 회원가입 페이지 진입 - 폼 작성 - 가입 완료 - 이탈률 분석
각 단계마다의 이탈률을 확인하고 분석한다
3,4단계에서 가장 많이 이탈한다면 - 문제점 식별 및 개선책 제시
폼 작성의 복잡성과 불필요한 필드를 원인으로 꼽을 수 있다 + 회원가입 간소화, 필수 항목만 요구
AARRR
사용자의 행동을 5단계로 나누어 분석해 각 단계의 성과를 측정하는 프레임 워크
- acquisition (사용자 유입)
어떻게 프로덕트를 알게 됐는지 - activation (활성화)
첫 경험에서 긍정적인 반응을 보였는지 - retention (사용자 유지)
지속적으로 돌아오는지 - revenue (수익)
실제 결제가 있거나 수익 창출이 되는지 - referral (추천 및 공유)
다른 사람에게도 추천하는지
retention은 굉장히 주요한 항목
마켓컬리의 이벤트 쿠폰, 푸시 메세지, 게임사의 일일 보상 등 ... 다 리텐션을 위한 노력
A/B 테스트
두 가지 이상의 변수를 실험하여 더 나은 성과를 내는 버전을 찾는 실험적 방법
- 변수 정의
- 그룹 분할
- 결과 측정
- 결과 적용
A, B 중에 더 좋은 걸 고를거야 !
구글 애널리틱스
구글 애널리틱스?
웹사이트나 앱 방문자의 행동을 분석하는 도구
예시
방문자의 경로
어떤 페이지를 많이 보고, 오래 머무르는 지 등
뭘 할 수 있나요
웹사이트에 얼마나 많은 사람이 방문했는지
DAU, MAU
방문자가 어디서 왔는지
구글 검색, 페이스북, 인스타, 등등
다양한 채널들을 파악해 마케팅을 최적화할 수 있다.
사람들이 어떤 행동을 하는지
어디서 오래 머무는지, 어디서 이탈을 하는 지 등을 비교해서 UX 개선점을 확인할 수 있다.
구매 전환율 측정
예를 들면, 광고를 클릭한 사람 중에 몇 명이 실제로 상품을 샀는지 등을 확인할 수 있음
퍼널분석, aarrr 분석이 가능한 지표 툴이다 !
용어 정리
-
세션 session
사용자가 사이트에 방문한 기록
30분동안 아무 행동을 하지 않으면 자동 종료
자정이 지나면 새로운 세션으로 기록 -
페이지뷰 PV
페이지가 몇 번 조회되었는지 -
순 방문자 UV(unique visitor)
중복을 제외한 "실제 방문자 수" -
이탈률 bounce rate
한 페이지만 보고 바로 떠난 비율 -
전환율 CVR (conversion rate)
특정 목표를 달성한 방문자의 비율 -
트래픽 소스
방문자가 어디서 왔는지
GA4 참여 보고서 살펴보기
정의
사용자가 사이트에서 얼마나 적극적으로 활동했는지를 분석하는 보고서
용어가 어렵다면 쪼개서 이해하자 !
개요
사용자의 활동을 한 눈에 볼 수 있는 화면
-
활성 사용자 당 평균 참여시간
-
활성 사용자 당 참여 세션 수
참여 세션 : 10초 이상 머물렀거나 / 2개 이상의 이벤트를 실행했거나, 전환이 발생한 세션 -
세션 당 평균 참여 시간
-
활성 사용자
-
조회수
-
이벤트 수
이벤트 : 클릭, 스크롤, 동영상 재생 등등의 사용자 행동 -
이벤트 이름 별 이벤트 수
-
페이지 제목 및 화면 클래스 별 조회수
-
시간 경과에 따른 사용자 활동
-
사용자 재방문
이벤트
사용자의 모든 행동을 '이벤트'로 추적
-
이벤트 수
-
총 사용자
-
활성 사용자 당 이벤트 수
-
총 수익
응용
총 수익 데이터와 연결해보면 어떤 이벤트가 매출에 기여하는 지 확인 가능
장바구니 추가 수는 많지만 구매 완료가 적다면 결제 과정에서의 문제를 발견하고 개선안 도출 가능 (UX개선, 할인 쿠폰 제공 등)
자동으로 수집되는 이벤트(GA4 기본 이벤트)
- page_view
- scroll (90% 이상)
- click
- video_start
- file_download
페이지 및 화면
사용자가 웹사이트나 앱에서 어떤 페이지를 가장 많이 방문했고, 얼마나 오래 머물렀는지를 분석
-
조회수
-
활성 사용자
-
활성 사용자 당 조회수
-
활성 사용자 당 평균 참여 시간
-
이벤트 수
-
주요 이벤트
-
총 수익
응용
홈페이지 조회수 대비 회원가입 클릭이 적다면? 가입을 유도하는 요소를 추가하는 개선안 도출 가능
방문 페이지
사용자가 웹사이트에서 처음 방문한 페이지
-
세션 수
-
활성 사용자
-
새 사용자 수
-
세션 당 평균 참여 시간
-
주요 이벤트
-
총 수익
-
세션 주요 이벤트 비율
방문 페이지 VS 페이지 및 화면
| 비교 항목 | 방문 페이지 | 페이지 및 화면 |
|---|---|---|
| 목적 | 사용자가 웹사이트를 처음 방문한 페이지를 분석 | 사용자가 방문한 모든 페이지에서의 행동을 분석 |
| 중점 데이터 | 사용자가 어떤 페이지에서 세션을 시작했는지 | 사용자가 어떤 페이지를 얼마나 많이 방문했는지 |
| 사용 예시 | 신규 방문자가 처음 들어오는 페이지를 분석하여 유입 최적화 | 웹사이트에서 가장 인기 있는 페이지를 분석하여 콘텐츠 개선 |
| 주요 지표 | 세션 수, 활성 사용자, 새 사용자 수, 세션당 평균 참여 시간, 주요 이벤트, 총 수익, 세션 주요 이벤트 비율 | 조회수, 활성 사용자, 활성 사용자당 조회수, 평균 참여 시간, 이벤트 수, 주요 이벤트, 총 수익 |
| 활용 방법 | 마케팅 캠페인 분석, 유입 경로 최적화, 랜딩 페이지 최적화 | 인기 페이지 분석, UX/UI 개선, 사용자 행동 데이터 활용 |
프로덕트에서의 데이터 활용
리디북스의 도서 추천 사례
서점 내 ai 도서 추천 섹션 런칭
데이터를 기반으로 개인화된 도서 추천
1. 사용자 그룹 분류, 어떤 그룹에 먼저 도서 추천을 시도할까
: 알고리즘의 영향을 많이 받는 그룹을 대상으로
('이 책을 구매한 분들의 선택' 세션의 효과를 받는 그룹을 찾기 위해 데이터 사용)
2. 도서 추천을 어디에서 어떻게 해야할까
도서 상세화면 / 장르홈의 PV와 구매 비중에 대한 분석
-> 홈 화면에 넣으면 좋을 것이라는 의사결정
3. KPI 설정
각 섹션 별 효과 파악이 가능하도록 데이터 로깅
4. 론칭 후 지표 확인
이처럼 모든 곳에서 데이터는 친구처럼 붙어다닌다.
