dev course - DE/특강

[특강] 사용자 행동 데이터의 수집과 분석

nani-jin 2024. 5. 20. 16:09

발표자 - 한기용(max)

일자 - 2024/05/20(월)

 

특강 요약 및 후기
1. 데이터 팀이 어느정도 커지면 결국 사용자 행동 데이터를 분석해 서비스를 개선하거나 이를 통한 마케팅 설계가 필요하게됨
2. 직접 다 만들기는 힘들다 보니, 사용자 분석 플랫폼을 쓰게됨. Amplitude, Google Analytics, ....
3. 내가 궁금해하는 회사의 데이터 팀이 어떻게 인프라를 설계하고 발전시키고 있는지 케이스 스터디를 해보는 것도 중요하다는 생각이 든다. 전체적인 그림을 그릴 짬바(?)는 아니지만 그런것들을 보며 이해하는 과정은 아주 중요해보임!
4. 오늘도 깔끔한 강의를 해주신 맥스께 감사... 그 무엇보다 삶의 태도를 항상 언급해주셔서 도움이 된다. 결국 사람을 살게 하는건 기술 그 자체가 아니라는 점은 위로가 되는 것 같다

 

 

1. 사용자 행동 데이터 분석 = 우리 제품을 '어떻게' 사용하는지 = 디지털 데이터 분석

  • 이를 가능하게 하는 것이 제품 분석 플랫폼(Product Analytics Platform)
  • 제품/서비스에 대한 사용자 행동을 분석하고 이해하는데 도움이 되는 툴
  • 마케팅 기여도 분석용으로도 사용될 수 있음

 

 

 

2. 사용자 행동 분석(제품 분석) 플랫폼의 주요 특징과 기능

  • 사용자 행동 데이터 수집
    • 웹사이트, 모바일 앱, 백엔드 시스템 등 다양한 소스에서 데이터를 수집해 사용자 행동에 대한 충분한 데이터를 마련
  • 사용자 세분화(User Segment)
    • 무료 강의만 구매하는 사람들
    • 유료 강의만 대량 구매하는 사람들
    • 유료 강의를 구매하나, 할인 판매만 사는 사람들
  • 퍼널 분석(Funnel Analysis) = 깔대기
    • 사용자 여정과 전환 퍼널을 분석해 이탈 지점 등 최적화 영역을 파악함
    • 제품 구매 퍼널 분석, 회원 등록 퍼널 분석
  • 코호트 분석(Cohort Analysis)
    • 공통된 특성이나 행동에 따라, 사용자를 그룹화해 시간 경과에 따른 사용자 행동을 분석하고 서로 다른 코호트 간의 비교 가능
    • 예를 들어, 페이스북과 인스타그램을 통해 들어온 사용자는 다른 행동 양상을 보임
  • A/B 테스트
  • 사용자 리텐션 분석
  • 데이터 시각화 및 리포트 생성
  • 다른 툴과 통합하는 기능

 

 

 

3. 사용자 지표

  • 코호트 분석
    • 목적은 결국 코호트 기반 사용자 잔존율(Retention Rate)을 높일 방법을 찾는 것
      • 코호트 = 특정 속성을 바탕으로 나뉘어진 사용자 그룹
      • 코호트를 기반으로 사용자의 이탈율/잔존율, 총 소비금액 등을 시간을 두고 계산함
      • 시간은 보통 월 단위
     

  • 퍼널 데이터
    • 각 사용자의 여정과 전환 퍼널을 분석해, 최적화 영역을 파악해 사용자에게 추천할 때 쓰임
      • 각 사용자별로 아래를 기록함
        • What was seen?
        • What was clicked?
        • What was purchased?
        • How much was it?
        • Was it consumed?
      • 사용자 행동은 여러 스테이지에 걸쳐 이뤄짐
        • 방문
        • 보조 전환
          • 상품 정보 검색, 상품 페이지 방문, 쇼핑 카트 추가 등
        • 주요 전환(매출)
      • 어느 스테이지에서 많이 빠져나가는가?
    • Impression vs. click
      • 보여진 것과 실제 클릭한 것
      • Impression을 기록하려면, 데이터도 많아지고 구현도 복잡해짐

 

 

 

4. 마케팅 효과 분석

  • CPC(Cost per Click)
    • 고객이 광고를 클릭하는데 드는 평균 비용. 캠페인에 들어간 모든 비용 / 총 클릭 수
    • CPC가 클수록 마케팅 효과는 떨어진다고 봄. 하지만 서비스의 종류에 따라 다르기에 도메인 별로 상대 비교를 해야함
    • 한 광고를 클릭할 때 벌어들이는 비용이 클수록 마케팅 비용이 비싸짐
    • 총 클릭 수는 데이터 엔지니어들이 가져오는 데이터
  • CPA(Cost per Acquisition)
    • 고객이 광고를 통해 구매를 한번 하는데 지불하는 평균 비용. 캠페인에 들어간 모든 비용 / 총 판매 수
    • CPA가 클수록 마케팅 효과는 떨어진다고 봄. 하지만 서비스의 종류에 따라 다르기에 도메인 별로 상대 비교를 해야함
    • 총 판매 수는 데이터 엔지니어들이 가져오는 데이터
  • ROAS(Return On Advertising Spend)
    • 캠페인에서 나온 모든 매출액 / 캠페인에 들어간 모든 비용
    • ROAS가 클수록 좋음. 1이면 이득 혹은 손실이 없는 상태이며, 1보다 작으면 손해를 나타냄
    • 1보다 작아도, 재구매율이 높다면 마케팅할 이유가 있음
    • 총 매출액은 데이터 엔지니어들이 가져오는 데이터

 

 

 

5. 사용자 행동 이벤트

  • 사용자가 온라인 서비스 내에서 수행하는 특정 작업(주로 클릭) 또는 상호 작용. 어떤 기능이 잘 쓰이는지/쓰이지 않는지를 보면 서비스를 없앨지 개선할지를 판단할 수 있음
  • 예시
    • 회원가입/등록
    • 로그인
    • 페이지/화면 보기
    • 버튼 클릭 수
    • 양식 제출
    • 검색 쿼리
    • 카트에 추가
    • 결제 시작
    • 결제 완료
  • 포맷
    • user
      • ID, version
      • country, city, region
      • carrier, Platform, Device Type, Device Family, OS, Language, IP address
    • event
      • Name, Timestamp
      • sessionid, referrer
      • custom properties(이벤트에 따라 다른 데이터를 저장하는데 사용됨)

 

 

 

6. 사용자 행동 분석 플랫폼

  • Amplitude
  • Google Analytics(GA)
    • 웹 사이트와 앱 방문 트래픽(방문자)을 추적하고 분석할 수 있게 해주는 서비스이자 구글 마케팅 플랫폼에서 근간이 되는 서비스
    • 활용 예시
      • 몇 명의 방문자가 있고 몇 개의 세션이 있는지
      • 어디서 방문하는지
      • 얼마나 오랫동안 머무르는지
      • 어느 페이지들을 방문하는지
      • 어느 페이지에서 가장 많이 사이트를 나가는지 = 이탈율(bounce rate)
      • 방문자들의 인구 통계 정보
    • 방문자 - 쿠키를 이용해 방문자별로 유일한 식별자를 부여. 식별자는 디바이스마다 부여하기 때문에 로그인 없이 여러 디바이스를 통해 접근할 경우 중복 카운트됨. 혼동 주의
    • 세션 - 하루에도 한 사이트를 다른 목적을 가지고 여러번 방문하는데, 이것을 논리적인 단위로 나눈 것
      • 시간 기반, 캠페인 기반, ...
    •  
  • Mixpanel

 

 

 

7. 사용자 행동 데이터 시스템 구현 시 고려해봐야할 점

 

 

 

8. 일반적인 구성

  • 마케팅 접점 데이터 수집 레이어
  • 마케팅 접점 데이터와 고객/전환 데이터 저장 레이어
  • 마케팅 접점 데이터 분석/시각화 레이어

 

 

 

9. Udemy의 발전 단계