💡 25-06-16 (월)
멘탈 다시 잡기 ‼️‼️‼️
넌 할 수 있어
고객 데이터 분석
: 고객과 관련된 다양한 데이터를 수집하고 이를 분석하여 의미 있는 정보를 도출하고 인사이트를 얻는 과정
▫️ 인구 통계 정보 : 성별, 나이, 거주 지역, 학력
▫️ 행동 정보 : 어떤 페이지를 봤는지, 어디를 클릭했는지, 얼마나 스크롤 했는지
▫️ 구매 정보 : 어떤 상품을 얼마나 자주, 얼마나 많이 구매했는지
☝️ 데이터 분석 시에는 다양한 시각화 방법을 활용하여 인사이트를 도출할 수 있으며 대표적으로 세그먼트 분석, 코호트 분석, 퍼널 분석, 사용자 여정 분석 등이 있다
세그먼트 분석
: 사용자를 비슷한 특징에 따라 그룹으로 묶고 그 차이를 분석하는 방법
↪️ 세그먼트 (Segment) : 나누다, 분할하다, 부분
☑️ 인구통계학적 세분화 (성별, 나이, 지역, 학력)
회원가입 시 수집 가능한 기본 정보 덕분에 데이터 수집은 용이하지만 같은 그룹 내에서도 관심사가 다양할 수 있어 과도한 일반화는 주의해야 한다
☝️ 10대는 SNS에, 30대는 뉴스레터에 더 반응한다는 결과 도출 가능
☑️ 위치 기반 세분화 (거주 지역, 아이피 접속 위치)
위치 정보만으로 고객 니즈를 정확히 파악하기는 어렵다
☝️ 서울과 제주도의 관심 제품, 날씨, 배송 가능 여부가 다를 수 있음
☑️ 심리적 세분화 (관심사, 태도, 라이프스타일)
고객의 마음과 니즈를 파악하는 데 효과적이지만 이를 위해선 인터뷰와 같은 정성적 리서치가 필요하다
☝️ 친환경에 관심 있는 고객에게는 친환경 제품을, 여행을 좋아하는 고객에겐 여행 굿즈나 콘텐츠를 노출
☑️ 행동 기반 세분화 (웹사이트/앱 내 사용자의 행동 기준)
실시간으로 고객의 니즈를 빠르게 파악하고 대응이 가능하다
☝️ 특정 상품을 자주 본 고객에게 비슷한 상품을 추천
☝️ 장바구니에 상품을 담고 결제를 완료하지 않은 사용자에게 알림 제공
다양한 기준으로 고객을 분류하고 그 안에서 차이를 분석함으로써 더 효과적인 마케팅 전략과 맞춤형 서비스를 설계할 수 있게 해준다 📚
고객 행동 데이터를 활용한 세그먼트 분석
1️⃣ 방문 구분 세그먼트 분석
사용자를 신규 방문자와 재방문자로 구분하고 방문 시점, 경로, 방식까지 함께 분석하면 고객 충성도와 유입 경로에 대한 핵심 인사이트를 도출할 수 있다
👥 신규 방문자는 보통 광고, 검색, 바이럴을 통해 유입된다
신규 방문 비율🔽 > 브랜드 인지도, 광고 부족 의심
신규 방문 비율🔼 / 재방문 비율🔽 = 고객의 충성도가 낮음 > 리타겟팅 마케팅 전략을 통해 재유입 유도
👤 재방문자는 이전에 긍정적인 경험을 했거나 브랜드에 대한 관심이 높은 경우가 많다
재방문 비율🔼 = 브랜드에 대한 충성도와 만족도가 높음 > 쿠폰이나 혜택 같은 보상 제공
비회원 비율🔼 > ‘첫 구매 5% 할인’ 같은 회원 가입 혜택을 강조해 전환 유도
☝️ 모바일 방문 비율이 70%인데도 UI가 PC 중심이라면모바일 최적화가 필요하다
이러한 분석을 위해서는 회사가 보유한 다양한 사용자 데이터가 충분히 축적되어 있어야 하며 그 데이터를 기반으로 전략을 세우는 것이 핵심이다
2️⃣ 유입채널 세그먼트 분석
사용자가 우리 사이트에 어떻게 유입되었는지를 기준으로 분류한 뒤 각 경로가 실제로 어떤 성과를 냈는지 비교해 효율을 판단한다
🔵 무료 검색을 통해 유입된 사용자는 이미 우리 브랜드에 관심이 있는 잠재 고객일 가능성이 높아 구매 전환 가능성이 크다
🟠 유료 검색은 광고비를 투입한 결과이기 때문에 실제 전환으로 이어졌는지를 확인해 파워링크 광고의 효율성을 평가해야 한다
🟢 접근 채널 중 감성적 요소가 강한 썸네일 기반 콘텐츠는 브랜드 이미지 제고에는 효과적일 수 있지만 구매로 이어지는 전환율은 따로 확인할 필요가 있다
데이터 분석의 목적은 결국 한정된 예산을 어디에 투자해야 가장 효과적인지 판단하기 위한 것이다
3️⃣ 회원 세그먼트 분석
사이트에 가입한 회원들을 성별이나 등급 등의 기준으로 나누어 분석하는 방법으로 일정 수준 이상의 회원 수가 확보된 상태에서 활용하면 효과적이다
☝️ 쇼핑몰에서 남성 회원과 여성 회원을 나누어 분석했을 때,
남성 회원은 방문율은 낮지만 구매 전환율이 높고 여성 회원은 방문 빈도는 높지만 전환율이 낮은 경우 전환율이 높은 남성 회원을 대상으로 맞춤형 이벤트를 집중 운영하는 전략을 세울 수 있다 !
회원 기준으로 세그먼트를 나누면 누가 실제로 구매를 이끌고 있는지를 파악해 보다 정교한 마케팅 전략 수립이 가능해진다
4️⃣ 전환 세그먼트 분석
사용자가 사이트에서 어떤 행동을 했는지를 기준으로 분석한다
회원가입 완료와 예·적금 가입을 비교했을 때,
회원가입 전환율(🔵)은 높지만 예·적금 가입 전환율(🟠)이 낮다면 "회원가입 이후 플로우가 복잡한가?", "프로모션이 충분히 매력적인가?" 등 다양한 원인을 고민해볼 수 있다
각 전환 단계별로 세그먼트를 나눠 분석하면 어디까지 사용자가 잘 도달하고 어디서 이탈하는지를 파악할 수 있고 사용자 여정을 더 매끄럽고 자연스럽게 개선하는 데 도움이 된다
5️⃣ 기타 세그먼트 분석
GA 외의 분석 툴을 사용할 때 기본적으로 제공되는 템플릿 외에 자체적으로 커스텀한 세그먼트를 설정해 우리에게 더 유의미한 인사이트를 얻을 수 있다
▶︎ 신규/재방문이나 성별처럼 정해진 항목이 아닌 성별 + 연령대와 같이 조합하여 특정 세그먼트를 정의할 수 있다 (40대 이상 + PC 접속자)
A 쇼핑몰에서 20~30대 여성 사용자가 이벤트에 얼마나 민감하게 반응하는지를 확인하고 싶다면 연령과 성별을 조합한 세그먼트를 직접 만들어 전환율이나 구매율 등을 분석할 수 있다
미리 정해진 항목을 넘어 우리 비즈니스에 적합한 방식으로 데이터를 분류하고 분석할 수 있는 유연한 방법이다
세그먼트를 코호트로 나눠보기
세그먼트 + 시간 축 = 코호트
세그먼트와 코호트는 모두 사용자를 집단으로 분류하는 방법이지만 세그먼트에 시간 요소를 추가하면 코호트 분석으로 확장할 수 있다
☝️ 세그먼트 기준이 ‘구매 전환에 성공한 신규 가입자 수’라고 가정해보자
여기에 ‘기간’이라는 시간 조건을 추가하면 다음과 같은 형태로 코호트 분석이 가능해진다
👤 지난 1주간 5회 이상 상품을 구매한 유저
👤 지난 2주간 5회 이상 상품을 구매한 유저
👤 지난 3주간 5회 이상 상품을 구매한 유저
세그먼트 분석은 반드시 세그먼트 방식으로만 해석할 필요는 없으며 코호트 분석과 결합하거나 목적에 맞게 커스텀하여 유연하게 활용할 수 있다 (코호트 분석도 마찬가지!)
코호트 분석
: 특정 시점에 동일한 특성을 가진 사용자 집단의 행동을 추적하고 분석하는 방법
▶︎ 그들의 행동 변화를 시간의 흐름에 따라 살펴보며 사용자를 더욱 깊이 이해할 수 있다
단순히 비슷한 특성을 가진 사람들을 묶는 것이 아니라 같은 시점과 같은 특성이라는 두 가지 조건을 모두 만족해야 한다 ‼️
✔️ 전체 사용자 데이터를 단순히 보기보다 언제 어떤 경로로 유입된 사용자가 어떻게 다르게 행동하는지를 파악해 문제점이나 효과적인 요소를 구체적으로 확인하고 개선할 수 있다
✔️ 마케팅, UX, 제품 개선 등 다양한 분야에서 활용되며 대표적인 툴로는 Google Analytics (GA)가 있다
☝️ 어떤 쇼핑 앱에서 6월 첫째 주에 가입한 사용자를 A코호트, 둘째 주 가입자를 B코호트라고 했을때, A코호트는 일주일 후에도 50% 이상이 앱을 사용하고 있는데 B코호트는 20%만 사용한다
전환율이 왜 떨어졌는지, 기능이 변경됐는지, 광고 메시지가 바뀌었는지 등을 파악할 수 있고 A코호트의 긍정적인 요소를 B코호트에 적용해볼 수도 있다
⭕ 올바른 예 : ○○ 대학교 25학번 신입생
❌ 잘못된 예 : ○○ 대학교 신입생
➡️ 같은 신입생이라도 ‘입학 연도’라는 시점 조건이 포함되어야 코호트로 간주할 수 있다
차트는 코호트 분석 그래프로 Google Analytics (GA)에서도 확인이 가능하다
📌 코호트 분석은 모든 데이터를 다룰 수 있는 건 아니며 특정한 성격을 지닌 지표들만 분석할 수 있다
▪️ 전환율 (Conversion rates) : 사용자가 다음 행동 단계로 얼마나 많이 이동했는지
▪️ 이용자당 전환률 (Transactions per user) : 사용자 1명당 평균 거래 횟수
▪️ 이용자당 수익률 (Revenue per user) : 사용자 1명이 만들어낸 평균 수익
▪️ 이용자당 페이지 뷰 수 (Page views per user) : 사용자들이 평균적으로 몇 개의 페이지를 봤는지
▪️ 리텐션률 (Retention rates) : 한 번 방문한 사용자가 며칠 후에도 다시 돌아오는지
▪️ 이용자의 목표 달성률 (Goal completions per user) : 사용자 1명당 설정된 목표를 얼마나 달성했는지
▪️ 이용자당 세션 수 (Sessions per user) : 사용자 1명이 앱이나 웹사이트를 얼마나 자주 열었는지
▪️ 이용자당 세션 기간 (Session duration per user) : 한 번 방문했을 때 얼마나 오래 머물렀는지
코호트 분석은 시간 흐름에 따른 사용자 행동의 변화를 파악해 UX 개선이나 마케팅 전략에 필요한 인사이트를 제공한다 🧠
왼쪽부터 앱 최초 사용 날짜, 해당 날짜의 유입 사용자 수, 설치 후 방문률을 순서대로 나타내며 All users는 전체 사용자 기준의 평균값을 의미한다 ⤵️
유저 가입 수는 10일 동안 증가하고 있지만 신규 유저의 10일간 앱 활성률은 오히려 낮아지고 있는 것으로 나타난다 📉
앱 활성률 하락의 원인으로는 다음과 같은 점들을 고려해볼 수 있다
- 온보딩 과정이 복잡하거나 이해하기 어려움
- 서비스 자체의 품질 문제나 사용성 저하
- 사용자의 니즈와 기대를 충분히 충족시키지 못했을 가능성
▶️ 감소하는 비율을 보면 사용자가 어느 시점에서 이탈하는지 명확히 파악할 수 있다❗
⬇️ 리텐션이 낮은 경우 온보딩 과정에 문제가 있는지, UI가 불편한지, 푸시 알림의 효과가 부족한지 등 다양한 원인을 고려해볼 수 있다
⬆️ 리텐션이 높은 상황에서도 이를 유지하거나 더욱 향상시키기 위한 캠페인이나 이벤트 기획이 필요할 수 있다
코호트 분석 시 고려해야 할 점
특정 이용자를 분류할 때 단순히 나이, 지역, 구매 횟수, 서비스 버전 등으로 집단을 나누는 것은 코호트 분석의 기준이 될 수 없다
집단을 나눌 땐 반드시 기간과 유형(특성)에 대한 명확한 정의가 선행되어야 한다 ‼️
🛍️ 최근 7일간 3회 이상 상품 구매를 한 집단 (파워 유저)
💰 최근 30일간 요금제를 업그레이드 한 집단 (요금제 업그레이드 한 유저)
📉 최근 14일간 서비스에 접속하지 않은 집단 (비활성화된 유저)
코호트를 나눌 때는 반드시 언제와 어떤 특성인지 이 두 가지 기준을 꼭 기억해야 한다 ⭐
코호트와 세그먼트의 차이점
그로스 해킹의 핵심은 데이터 기반의 빠른 실험과 검증이며 이 과정에서 세그먼트와 코호트는 전략의 효과를 정확히 측정하고 성과와 개선점을 명확히 보여주는 핵심 도구이다
둘 중 하나만으로는 완전한 분석이 어려우므로 효과적인 전략 설계와 정확한 데이터 해석을 위해 함께 활용하는 것이 중요하다 ‼️
✅ 세그먼트 (누구인가?)
: 현재 사용자의 특성에 초점을 맞춰 전체 고객을 특정 기준으로 나눈 그룹
▶︎ 현재 고객의 특징을 파악하고 그에 맞는 맞춤형 마케팅이나 푸시 알림 전략을 실행할 수 있다
나이, 성별, 지역, 관심사, 구매 이력 등의 기준에 따라 유사한 특성을 가진 사용자들을 그룹으로 나눈다
☝️ 스마트폰 회사에서 사용자의 니즈에 따라 그룹을 나누고 각 그룹에 맞는 제품이나 마케팅 전략을 설정할 수 있다
(A) 최신 기능이나 카메라 성능을 중시하는 고객
(B) 배터리 지속 시간과 쉬운 사용법을 원하는 고객
(C) 통화와 문자만 되면 충분한 가성비 중시 고객
☝️ ‘장바구니에 물건을 담아둔 유저들’처럼 현재의 행동이나 특성을 기준으로 분류하며 이때 사용자가 물건을 언제 담았는지는 중요한 요소로 고려되지 않는다
✅ 코호트 (언제부터 함께했는가?)
: 특정 시점에 동일한 행동이나 경험을 시작한 사용자들을 시간과 특성을 기준으로 나눈 집단
▶︎ 시간의 흐름에 따라 사용자 행동의 변화를 살펴보고 그에 따른 전략의 효과를 정밀하게 평가할 수 있게 해준다
☝️ 6월 1주차에 앱에 가입한 유저들과 2주차에 가입한 유저들을 구분해 각 그룹의 리텐션이나 전환율이 어떻게 달라지는지 추적해볼 수 있다
☝️ “이번 달에 가입한 유저 중 최근 7일간 장바구니에 물건을 담아둔 유저들”처럼 동일한 기간에 동일한 특성을 보인 사용자 그룹을 기준으로 나눈다
세그먼트는 현재 특성 기반으로, 코호트는 시작 시점 기반이다
세그먼트와 코호트는 상호 보완적인 개념으로 그로스 해킹 전략에서는 이 둘을 유기적으로 결합해 활용할 때 가장 강력한 인사이트를 얻을 수 있다 🔥
📌 자유형식 탐색 분석
GA에서는 특정 기능을 제공하며 이는 사용자가 보유한 데이터를 미리 만들어진 템플릿 스타일에 맞춰 시각화해 보여준다
Google Merch Shop > 탐색 > 자유 형식을 선택한 뒤 기본으로 설정되어 있던 값들을 모두 삭제하고 화면처럼 설정해준다
오른쪽 패널에는 아직 시각화된 데이터가 없어 ‘사용 가능한 데이터 없음’으로 표시되고 있다
왼쪽 패널(변수)에서 선택한 측정기준과 측정항목들을 중앙 설정 영역으로 드래그해 넣어준다
어떤 데이터를 행으로, 어떤 데이터를 열로 볼 것인지에 따라 넣어주면 오른쪽 영역에 자유 형식 기반의 데이터 시각화 테이블이 생성된다
📌 코호트 분석
코호트 분석을 진행하려면 상단의 설정 패널에서 ‘기법’을 ‘동질 집단 탐색 분석’으로 변경해야 한다
그 후 자유 형식 분석과 마찬가지로 기본 세팅값을 지우고 보고자 하는 데이터를 선택해 원하는 기준에 맞게 설정해주면 된다
✏️ 구글 애널리틱스 수강하기
💡 https://youtu.be/BkvRu5-Cuz4?si=ve4IdRPGnSvXghYk
Google Analytics는 수집된 데이터를 먼저 실시간 보고서에 표시하고 이후 다른 보고서에도 반영되며 이를 통해 데이터가 정상적으로 수집되고 있는지 확인할 수 있다
먼저 Analytics 속성의 보고서 > 실시간 메뉴로 이동하여 웹사이트의 사용자 트래픽이 Google Analytics에 나타나는지 확인한다
▶︎ 만약 아무 데이터도 보이지 않는다면 직접 웹사이트나 앱을 열어 활성 사용자가 되어 블로그에 방문하고 이벤트를 발생시켜야 한다
실시간 보고서는 지난 30분간의 사용자 활동과 함께 사용자 수, 사용 중인 기기 정보까지 확인할 수 있다
⭕ 데이터가 수집되고 있다면 실시간 보고서에서 거의 즉각적인 실시간 활동을 볼 수 있다
❌ 예상한 페이지가 나타나지 않는다면 구현 설정을 다시 확인해야 하며 여전히 데이터가 보이지 않는다면 웹사이트 태그에 문제가 있을 수 있다
📌 데이터가 제대로 수집되고 있는지 확인하기 위해 두 가지 주요 항목에 집중해야 한다
✅ 지난 30분 동안 어떤 활동이 표시되고 있는지?
✅ 예상한 데이터가 Analytics로 들어오고 있는지? (이벤트 이름별, 이벤트 수 카드 확인)
태그가 삽입된 사이트에서 수집되는 모든 이벤트를 확인할 수 있으며 이 카드는 상호작용이 가능하다
이벤트 이름을 클릭하면 해당 이벤트에 연결된 파라미터 목록이 나타나고 파라미터 이름을 클릭하면 그에 대한 수집된 값도 확인할 수 있다
↪︎ 지난 30분 동안 사용자가 방문한 페이지들의 URL
데이터 수집을 디버깅하거나 어떤 데이터를 수집 중인지 파악하는 데 매우 유용하다 ‼️
💡 https://youtu.be/jKDykqKDMLI?si=Plgkp_8KP-eDm0yr
Admin 메뉴 : Google Analytics 계정과 속성 설정을 관리할 수 있는 핵심 도구
▶︎ 사용자, 계정, 속성, 데이터 스트림 관리 / 사용자 정의 차원과 지표 등 고급 기능 설정 가능
✅ 사용자 추가 및 권한 설정
직원이나 팀원이 보고서와 데이터를 열람하도록 하려면 계정에 사용자를 추가하거나 삭제할 수 있다
▶︎ 누가 접근 권한을 가지고 있는지 각 사용자에게 어떤 권한이 부여되어 있는지도 확인 가능
사용자를 추가하려면 이메일 주소를 입력하고 해당 사용자가 가질 권한 수준을 선택하면 된다
✔️ 관리자 (Administrator)
👤 계정을 처음 만든 사람은 기본적으로 관리자 권한을 갖게 됨
▪️ Analytics 계정에 대한 전체 권한을 가지고 있음
▪️ 사용자 관리와 권한 설정은 물론 다른 사용자 추가/삭제 가능
▪️ 비용 및 수익과 같은 민감한 데이터는 체크박스를 통해 볼 수 없도록 제한 가능
✔️ 편집자 (Editor)
속성 및 계정의 설정을 자유롭게 변경 가능 (사용자 관리 ❌)
✔️ 마케터 (Marketer)
오디언스, 전환, 어트리뷰션 모델, 이벤트 등 생성/수정/삭제 가능
✔️ 분석가 (Analyst)
특정 자산을 생성/수정/삭제할 수 있고 공유된 자산에 협업 가능
계정/데이터 설정이나 사용자 권한은 수정 불가 ❌
✔️ 뷰어 (Viewer)
데이터 및 설정 보기, 보고서에서 비교 항목 추가, 보조 차원 추가 가능
↪︎ 보고서 탐색은 가능하지만 내비게이션 수정 ❌
✔️ 없음 (None)
해당 계정이나 속성에는 역할이 없지만 다른 관련 계정이나 속성에서는 역할을 가질 수 있음
상위 역할일수록 하위 역할의 기능을 포함한다 ⭐
✅ 속성과 데이터 스트림 관리
데이터 스트림 설정에서는 측정 기능 수정과 주요 태그 설정 등을 할 수 있고 그 외 설정에서는 데이터 수집 기능을 켜거나 끌 수 있다 (데이터 보관 기간 설정 등)
이 데이터 보관 설정은 일반 보고서에는 영향을 주지 않지만 Explore와 같은 고급 분석 도구에 사용되는 데이터에는 영향을 줄 수 있다
✅ 데이터 삭제 및 복원
삭제하면 35일 동안 휴지통에 보관되며 그 안에 복원도 가능하다
✅ 변경 이력 확인
누가 어떤 변경을 했는지도 계정 변경 기록에서 확인할 수 있다
원하는 설정을 못 찾겠다면 화면 상단의 검색창을 활용하기 😇
📊 데이터 제한사항
▫️ 광고/마케팅 투자와 관련된 비용 데이터는 볼 수 없음
▫️ 고객 구매와 관련된 수익 데이터는 볼 수 없음
🧠 역할 상속
역할은 기본적으로 상속되기 때문에 계정 레벨에서 부여하면 해당 계정의 모든 속성에 동일한 권한이 적용되며 필요에 따라 특정 속성에만 역할을 부여할 수도 있다
💡 https://youtu.be/BlKDZgH8Qqw?si=K5p9HKDdtI4OEY7c
파라미터 : 이벤트에 맥락(상황)을 더해주는 역할
이벤트 : 사용자가 앱을 처음 열거나 동영상을 시청하거나 웹사이트에서 페이지를 보는 등의 행동
웹사이트나 앱에서 사용자의 상호작용이 발생하면 해당 이벤트는 관련 정보를 담은 이벤트 파라미터와 함께 Analytics로 전송된다
☝️ 누군가 웹사이트에서 동영상을 시청할 때 사용자가 재생 버튼을 클릭하는 순간 이벤트가 발생하고 이벤트 파라미터로는 동영상 이름, 시청 시간 등이 함께 전송된다
이벤트 및 파라미터 외에도 사용자에 대한 정보도 함께 전송되는데 (사용자의 지리적 위치, 사용 중인 기기 종류) 🟰 사용자 속성 (user properties)
Google Analytics는 이벤트, 이벤트 파라미터, 사용자 속성을 바탕으로 데이터를 수집하고 이를 보고서에 집계해서 보여준다
보고서에서 이 데이터를 시각적으로 표현할 때는 차원(dimensions)과 지표(metrics)를 사용한다
✔️ 차원 (Dimension)
: 데이터의 속성 또는 특성으로 보통 텍스트 형태 (이벤트 이름 - click)
🗣️ “누가, 무엇을, 어디서?”
✔️ 지표 (Metric)
: 수치로 표현되는 양적인 측정값으로 평균, 비율, 퍼센트 등 숫자 형태 (이벤트 발생 횟수)
🗣️ “얼마나 많이?”
☝️ “멕시코에서 내 웹사이트에 방문한 사용자는 몇 명일까?”를 알고 싶다면
차원은 국가이고 값은 멕시코(Mexico) / 지표는 몇명이 된다
▶️ GA를 처음 설정하면 기본 데이터는 자동으로 수집되지만 웹사이트나 앱에 특화된 맞춤형 이벤트를 직접 설정해야 보다 유의미하고 비즈니스에 적합한 데이터 분석이 가능하다 ‼️
✏️ 데일리 UI 하기
