본 내용은 데이터리안 'SQL 데이터 분석 캠프 실전반' 을 수강하며 작성한 내용입니다.
1. 퍼널 분석이란?
퍼널 분석은 사용자가 우리가 원하는 최종 목적지까지 잘 도착하고 있는지 단계를 나누어 살펴보는 분석 기법입니다. 점점 좁아지는 형태를 보고 깔대기와 같다 하여, 퍼널 분석(Funnel Analysis)이라고 합니다.
퍼널 분석이란 고객이 유입되고 전환에 이르기까지의 과정을 살펴보는 분석 방법입니다. 퍼널 분석을 하기 위해서는 우선, 어떠한 지표로 각 단계를 설정할 것인지 정해야합니다.
퍼널의 단계가 정해졌다면, 각 단계별로 전환율과 이탈율은 얼마나 되는지 확인을 합니다. 그리고 이 비율을 개선하기 위한 전략을 수립합니다.
2. 퍼널을 개선하는 방법
퍼널을 개선하는 방법은 크게 세 가지가 있습니다. 우선, "퍼널의 단계를 줄이는 방법"이 있습니다. 만약 물건을 구매하기 위해 여러 인증절차가 필요하면 사람들이 이탈할 확률이 높습니다. 그래서 간편 결제를 지원한다거나, 회원가입을 소셜 로그인을 통해서 가능하도록 하는 방법으로 퍼널을 줄일 수 있습니다.
다음으로 "퍼널의 단계를 추가하는 방법"이 있습니다. 일반적으로는 퍼널을 줄이려고 노력하지만, 특수한 경우에는 퍼널을 늘리는 것도 방법입니다. 서비스 이용 난이도가 높은 경우, 이용자들의 허들을 낮추기 위해 사용 가이드를 제공합니다.
마지막으로 "퍼널의 순서를 바꾸는 방법"이 있습니다. 기존 의류 쇼핑몰의 경우에는 서비스 이용자들이 물건을 구매한 후, 배송을 받아 상품의 상태를 확인했습니다. 하지만, 에이블리에서는 반송비를 전액 지원을 하여, 옷을 입어보고 물건 구매를 확정할 수 있게끔 하는 방식으로 서비스를 시도했습니다.
3. 실습
화장품 회사의 샘플 데이터를 가지고 퍼널 분석 실습을 진행해보았습니다. 데이터를 확인해 보았을 때, 퍼널의 구조는 "view → cart → purchase"로 구성되었습니다. 그리고 장바구니에서 삭제를 한 경우에는, 데이터가remove_from_cart로 정리되고 있었습니다.
퍼널별 이용자들의 전환을 확인하기 위해 쿼리를 작성해보았습니다. 그런데 단순 수치만으로만 보면, 어떤 내용이 중요한지 한 눈에 알아보기 어렵습니다. 그래서 전환율을 함께 구해보았습니다.
데이터를 보면 2019년 10월이 유독 방문 유저가 장바구니에 담는 액션을 많이 하고
장바구니에서 삭제를 하지 않는다는 것을 알 수 있습니다.
결과가 나오게 된 이유를 추측해본다면, 10월에 장바구니 관련 이벤트를 했을 가능성이 높습니다. 추가적인 데이터가 있다면, 함께 확인해보면 좋을 것 같습니다.
다음으로 눈에 띄는 데이터는 2019년 12월의 데이터입니다. 해당 기간에 장바구니에 담는 액션이 저조하고 장바구니 삭제율도 높다는 것을 확인할 수 있습니다.
지금 데이터만 가지고 이유를 정확하게 확인하기는 어렵지만, 12월에는 어떠한 이유로 액션을 주저했는지 대내외적인 상황을 확인해볼 필요가 있습니다.
