<서비스기획> 데이터를 기반으로 한 의사결정은 정확하고 신뢰성 있는 판단을 가능하게 하며, 프로젝트의 성과를 추적하는 데 도움을 줍니다. 또한, 사용자 경험 향상, 비즈니스 성과 예측, 자원 최적화 등 다양한 측면에서 효과적인 전략을 수립할 수 있습니다.
Step 1. 데이터/지표의 이해
● 데이터란?
데이터는 의미나 해석이 없는, 그냥 수집된 정보를 의미
- 정량적 데이터
숫자로 표현할 수 있는 데이터
- 정성적 데이터
숫자로 측정할 수 없는 정보로, 질적이고 주관적
주로 느낌, 의견, 태도, 경험 등 비수치적이고 언어적 표현으로 나타낼 수 있는 정보
● 지표란?
지표는 데이터에서 중요한 정보를 뽑아 낸 결과
우리에게 무엇이 중요한지, 잘 되고 있는지, 잘못되고 있는지를 알려주는 도구
데이터를 가공하거나 해석해서 만들어진다
ex. 매출 성장률, 웹 사이트 전환율
● 데이터와 지표의 관계
지표는 데이터를 바탕으로 의미를 부여한 것
- 데이터: 어제 100명이 웹사이트에 방문, 오늘은 120명이 방문
- 지표: 방문자 수 변화율 (방문자 수 20% 증가)
●PM 채용공고 속 데이터 역량
1) 네이버쇼핑
2) 라인
3) 배달의민족
4. 쿠팡페이
과제 내가 원하는 회사들의 PM 공고들을 찾아보고, 데이터 역량을 얼마나 요구하고 있는지 확인해보세요. 데이터 역량이 왜 중요하게 여겨지는지 고민해보세요.
Step 2. 데이터의 중요성
● 의사결정의 근거 제공
데이터는 객관적인 사실을 기반으로 의사결정을 내릴 수 있게 도와준다
데이터 분석을 통해 실시간으로 정보를 확인하고, 명확한 사실을 바탕으로 결정을 내릴 수 있다
배달 앱에서 "배달 지연" 문제를 다루는 경우
고객이 특정 시간대에 배달이 저연된다고 불만 제기 데이터 분석 결과 "저녁 6시부터 9시 사이에 배달이 평균 30분 이상 지연된다"라는 결과 도출 해당 시간대 배달원의 부족/준비 시간이 길어지는 이유 등 근본적인 실제 문제 파악 배달원 추가 배치/주문 대기 시간 최적화 등 효율적이고 현실적인 해결책 도출
● 성과 측정 및 개선 기회 제공
데이터를 통해 성과를 측정함으로써
목표 달성 여부를 명확히 알 수 있고 / 목표에 도달하지 못한 부분에 대한 개선기회 탐색이 가능하다
배달 앱에서 KPI로 성과를 측정하는 경우
배달 시간(주문 접수 후 배달 완료까지 걸리는 시간)은 배달 앱의 핵심 셩과 지표(KPI) 배달 시간이 45분을 초과한 경우 사용자 만족도가 급격히 떨어진다는 데이터 수집 '배달 시간이 45분 이상 소요된 주문 비율' 지표 추적 및 낮추기 위한 방안 고안 배달 경로 최적화 시스템 / 배달 시간 초과 고객에게 알림 제공 등 개선 방안 적용
● 사용자 경험 향상
사용자 경험을 분석하여 사용자의 행동 패턴과 니즈를 파악해
서비스를 더 직관적으로 만들고 사용자 경험(UX)를 최적화
어플의 매출이 동결되어 있는 경우
장바구니까지의 이동 후 결제전환율이 낮다는 사용자 행동에 대한 데이터 분석 장바구니 및 결제페이지에서 소비자에게 이탈을 유도하는 문제점 발견 및 개선 방안 도입
과제 모바일 앱에서 사용자들이 가입을 완료한 후, 실제 결제나 서비스 이용까지 이어지지 않는 경우가 많아 서비스를 개선하고자 합니다. 어떤 데이터를 살펴보고 활용하면 좋을지 생각해 보세요.
가입 후 행동 분석 사용자가 가입 후 어떤 페이지에서 이탈하는지, 혹은 어떤 단계에서 결제를 완료하지 않는지 분석. A/B 테스트 결제 페이지 디자인을 바꾸고, 사용자 경험을 개선하기 위해 A/B 테스트를 진행. 예를 들어, 결제 버튼의 위치를 변경하거나, 결제 과정에서 필요한 단계를 줄이는 실험을 진행. 사용자 피드백 사용자가 결제 과정에서 어떤 점이 불편하다고 생각하는지 직접 피드백을 받아 분석.
개선 A/B 테스트와 피드백을 통해 결제 페이지의 디자인을 간소화하고,결제 버튼을 더 눈에 띄게 배치. 또한, 결제 과정에서의 필수 정보를 최소화하여 사용자가 더 쉽게 결제를 완료할 수 있도록 개선.
Step 3. 로그 설계 기초
● 로그란?
로그는 소프트웨어나 시스템에서 발생하는 이벤트나 동작을 기록한 정보
블랙박스와 비슷한 기능이라고 할 수 있음
● 로그의 용도
1) 문제 해결 및 디버깅
시스템에서 오류가 발생하거나 예상치 못한 동작이 일어날 때, 로그를 통해 오류의 원인과 발생 위치를 파악
배달앱에서 결제 오류가 발생한 경우
사용자가 결제 진행 중 오류 메세지를 받았고, 결제가 완료되지 않는 오류 발생 결제 시스템의 로그를 분석하여 오류 발생 지점 파악 (카드 결제 요청 단계, 결제 승인 단계 등) 로그에서에러 코드와 실패한 API 요청에 대한 정보 확인 및 버그 수정
로그를 통해 문제가 된 단계를 발견
2) 사용자 행동 분석
사용자 행동을 추적하고 UX를 개선하는데 필요한 정보 제공
배달 앱에서 사용자가 음식 주문을 완료하지 않고 앱을 이탈하는 경우
로그에 기록된 사용자 세션 정보를 분석해 사용자의 이탈 지점, 어떤 버튼을 클릭했는지 분석 사용자가 장바구니에서 결제 페이지로 넘어가는 도중 이탈함을 통해 결제 과정에서 문제 탐색 결제 프로세스 개선을 위한 인사이트 도출
3) 비즈니스 전략 수립
서비스 이용 패턴, 매출, 주문량 등을 추적하여 비즈니스 전략을 세우는데 유용한 데이터 제공
배달 앱에서 특정 지역의 주문량, 주문 평균 금액을 추적하는 경우
로그에 기록된 주문 정보 분석 특정 프로모션 기간 동안 해당 지역의 주문량 급증 데이터를 확인하여 프로모션의 효과 평가 향후 비슷한 프로모션을 효과적으로 계획하고 비즈니스 성장 전략 수립
● 클라이언트 로그
사용자 장치 (웹 브라우저, 모바일 앱) 등에서 발생하는 이벤트를 기록한 로그
● 로그 설계 방법
로그 설계는 단순히 '무엇을 기록할지' 가 아니라 '왜 기록할지', '어떻게 기록할지'에 전략적으로 접근해야 한다
로그 설계를 통해 개발 팀이 데이터를 수집하고 이를 기반으로 문제 파악 및 서비스 개선을 해야 한다
1) 로그 설계 목표 정의
프로젝트에서 로그가 해결하고자 하는 문제를 명확히 파악하여 로그의 목적과 필요성을 정의
2) 로그 항목 정의 및 설계
중요한 데이터 포인트를 파악하고 이를 로그로 기록할 수 있도록 설계
개발팀과 협업하여 어떤 데이터를 어떤 방식으로 기록할지 결정
3) 로그 전송 및 테스트
개발에서 로그를 전송한 후, 실제 시스템에 로그를 심기 전에 테스트 환경을 설정하여 확인
과제 첨부된 스파르타 코딩클럽 웹페이지에서 클릭로그로 정의 할 수 있는 항목들을 적어보세요
Step 4. 데이터 분석 방법
● PM의 데이터 분석 과정
문제 정의 - 데이터 수집 - 분석 수행 - 결과 및 해석 인사이트 도출 - 결과 적용
● 데이터 분석 방법론
1) 퍼널 분석
사용자가 특정 목표(가입, 구매 등)에 도달하기까지의 여정을 추적하는 방법
퍼널 분석을 통해 각 단계에서 사용자가 이탈하는 지점을 파악하고, 이탈률을 줄이기 위한 개선점 탐색
목표 정의 - 단계 정의 - 이탈률 분석 - 문제점 및 개선책 제시
일반적인 퍼널이커머스 퍼널
웹사이트에서의 사용자 가입이 목표인 경우
1. 방문 - 사용자가 웹사이트에 방문 (1000명) 2. 회원가입 페이지 진입 - 사용자가 회원가입 페이지에 진입 (800명. 20% 이탈) 3. 회원가입 폼 작성 - 사용자가 폼을 작성 (400명. 50% 이탈) 4. 회원가입 완료 - 사용자가 최종적으로 가입을 완료 (200명. 50% 이탈)
단계
방문자 수
이탈자 수
이탈 비율
방문
1000명
-
-
회원가입 페이지 진입
800명
200명
20%
회원가입 폼 작성
400명
400명
50%
회원가입 완료
200명
400명
50%
분석 결과 3, 4단계에서 가장 많은 사용자가 이탈함을 확인 이탈 원인으로 폼 작성의 복잡성 / 불필요한 필드 선정 개선 방안으로 회원가입 폼 간소화, 필수 항목만 요구하도록 수정
2) AARRR 프레임워크
사용자의 행동을 5단계로 나누어 분석하고, 각 단계에서의 성과를 측정하는 프레임워크
Acquisition (사용자 유입) - 사용자가 어떻게 제품이나 서비스를 알게 되었는지
Activation (활성화)- 사용자가 첫 경험에서 긍정적인 반응을 보였는지 (회원가입, 첫 거래 등)
Retention (사용자 유지) - 사용자가 지속적으로 들어오는지
Revenue (수익) - 사용자가 실제로 결제를 하거나 수익을 창출하는지
Referral (추천 및 공유) - 사용자가 다른 사람에서 서비스를 추천하는지
게임 앱 사용자의 경우
1. Acquisition (사용자 유입) 사용자는 소셜 미디어 광고나 친구의 추천으로 게임을 다운로드 2. Activation (활성화) 사용자가 첫 번째 레벨을 클리어하고, 보상을 받으며 게임의 재미를 느낌 3. Retention (사용자 유지) 매일 로그인하여 일일 미션을 완료하고, 꾸준히 게임을 플레이. 게임 내 알림이나 보상이 유지의 중요한 요소 4. Revenue (수익) 사용자가 게임 내 아이템을 구매하거나, VIP 플랜에 가입하여 수익이 발생 5. Referral (추천 및 공유) 사용자가 친구에게 추천 코드를 보내고, 친구가 게임을 다운로드하면 두 사람 모두 보상을 받는 방식
3) A/B 테스트
두 가지 이상의 변수를 실험하여 어느 버전이 더 나은 성과를 내는지 비교하는 실험적 방법
변수 정의 - 테스트할 두 가지 이상의 버전을 정의
그룹 분할 - 사용자 집단을 두 그룹으로 나누고, 각 그룹에 다른 버전을 노출
결과 측정 - 테스트가 끝난 후, 각 그룹의 성과를 비교하여 어떤 버전이 더 나은 결과를 가져왔는지 분석
결과 적용 - 더 나은 성과를 보인 버전을 적용하고, 지속적으로 개선
신규 사용자 회원가입 전환율을 높이기 위한 경우
버전 A: 기존 디자인 (파란색 버튼) 버전 B: 새로운 디자인 (큰 주황색 버튼, 강조된 텍스트) 실험 결과 - 버전 A 클릭률 3% / 버전 B 클릭률 5% 분석 - 버전 B가 더 높은 클릭률을 보여주었으므로 버전 B를 적용하고 개선
과제 강의안에서 설명된 내용의 퍼널 분석 표를 직접 작성해 보세요. 단계 1에서 1000명이 방문 단계 2에서 800명이 회원가입 페이지에 진입 (20% 이탈) 단계 3에서 400명이 폼을 작성 (50% 이탈) 단계 4에서 200명이 회원가입을 완료 (50% 이탈)
Step 5. 구글 애널리틱스
● 구글 애널리틱스란?
웹사이트나 앱 방문자의 행동을 분석하는 도구
방문자가 어디에서 왔는지, 어떤 페이지를 많이 보는지, 얼마나 머무는지, 어떤 버튼을 클릭하는지 등
구글 애널리틱스 홈
● 구글 애널리틱스로 할 수 있는 것
1) 웹사이트에 얼마나 많은 사람이 방문했는지
DAU, 일일 활성 사용자 - 하루 몇 명이 사이트를 방문했는지
MAU, 월간 활성 사용자 - 한 달 동안 몇 명이 방문했는지
2) 방문자가 어디서 왔는지
구글 검색(SEO), 페이스북, 인스타그램, 광고,등 채널별 방문자 수를 파악하여 마케팅 최적화
3) 사람들이 내 사이트에서 어떤 행동을 하는지
어떤 페이지를 많이 보는지, 어디서 이탈하는지, 어떤 버튼을 클릭하는지
4) 구매 전환율 측정
"광고를 클릭한 사람 중 몇 %가 실제로 상품을 샀을까?"
구글 애널리틱스 보고서 개요구글 애널리틱스 실시간 개요구글 애널리틱스 실시간 페이지
● 구글 애널리틱스 용어
- 세션 (Session)
사용자가 사이트에 방문한 기록
사용자가 30분 동안 아무 행동도 하지 않으면 자동 종료
자정(00:00)이 지나면 새로운 세션으로 기록
ex. 한 사용자가 오전 10시에 방문 → 10분 동안 여러 페이지를 봄 (1세션)
- 페이지뷰 (Page Views, PV)
페이지가 몇 번 조회되었는지
ex. 한 사용자가 3개의 페이지를 보면 PV = 3
- 순 방문자 (UV, Unique Visitors)
중복을 제외한 "실제 방문자 수"
ex. 같은 사람이 3번 방문해도 UV = 1
- 이탈률 (Bounce Rate)
한 페이지만 보고 바로 떠난 비율
ex. 방문자가 홈 화면만 보고 나가면 이탈률 100%
- 전환율 (Conversion Rate, CVR)
특정 목표를 달성한 방문자의 비율
ex. 1,000명이 방문해서 50명이 구매하면 CVR = 5%
- 트래픽 소스 (Traffic Source)
방문자가 어디서 왔는지
ex. 검색(SEO), SNS(페이스북, 인스타), 광고(구글 애즈) 등
● 참여 보고서
사용자가 사이트에서 얼마나 적극적으로 활동했는지를 분석하는 보고서
1) 개요
사용자의 활동을 한눈에 볼 수 있는 화면
사용자가 사이트에 얼마나 오래 머물렀고, 어떤 행동을 했는지 확인
GA 개요
- 활성 사용자당 평균 참여 시간
한 명의 활성 사용자가 평균적으로 사이트에서 머문 시간
ex. 활성 사용자당 평균 참여 시간이 2분 30초 → 사용자가 평균적으로 2분 30초 동안 사이트에서 활동했음을 의미
- 활성 사용자당 참여 세션 수
한 명의 활성 사용자가 일정 기간 동안 평균적으로 몇 개의 참여 세션을 시작했는지를 나타냄
(참여 세션: 사용자가 10초 이상 머물렀거나, 2개 이상의 이벤트를 실행했거나, 전환이 발생한 세션)
ex. 활성 사용자당 참여 세션 수가 1.8회 → 평균적으로 한 명의 활성 사용자가 1.8번 방문하여 적극적으로 활동했다는 의미
- 세션당 평균 참여 시간
한 세션 동안 사용자가 평균적으로 머문 시간
ex. 세션당 평균 참여 시간이 3분 15초 → 사용자가 평균적으로 한 번 방문할 때 3분 15초 동안 사이트에서 활동했음을 의미
- 활성 사용자
특정 기간 동안 사이트에서 활동한 고유 사용자 수
단순 방문자가 아니라, 실제로 참여(이벤트 실행, 페이지 탐색 등)한 사용자
ex. 활성 사용자 수가 10,000명 → 10,000명이 실제로 사이트에서 활동했음을 의미
- 조회수
웹사이트나 앱의 모든 페이지 또는 화면이 조회된 총 횟수
사용자가 같은 페이지를 여러 번 방문하면, 각각의 조회가 개별적으로 기록됨
ex. 조회수 50,000회 → 웹사이트의 모든 페이지가 총 50,000번 조회됨
- 이벤트 수
사용자가 사이트나 앱에서 실행한 모든 이벤트의 총합
(이벤트: 클릭, 스크롤, 동영상 재생, 다운로드, 장바구니 추가, 구매 완료 등 사용자의 행동)
ex. 이벤트 수 30,000회 → 사용자들이 사이트에서 30,000번의 다양한 행동을 실행함
- 이벤트 이름별 이벤트 수
어떤 이벤트가 가장 많이 발생했는지 보여주는 데이터
(페이지 조회(page_view), 클릭(click), 구매(purchase) 등의 개별 이벤트 수를 확인 가능)
