[내일배움캠프] TIL 45일차 26.04.06(월)

이커머스 이해

 

 

모바일서비스 분석 방법론이란?

 

사용자 행동 로그 데이터: 웹/앱/서비스에서 사용자가 무엇을 했는지를 이벤트 단위로 저장한 기록

• 데이터베이스 데이터(서비스 로그)
  • 서비스 운영 위한 데이터
  • 결제데이터나 고객 정보 (가입 시 고객이 입력) 등이 여기 해당
  • 서비스 화면에서 고객에게 보여주는 정보들이 해당
• 사용자 행동 데이터(유저 행동 로그)
  • 서비스에서 유저의 활동을 기록한 데이터
  • Click, View, Add_to_cart 등
  • 고객에게 보여줄 필요가 없고, 분석을 위해 활용하는 경우 많음
    • user_id: 누가
    • event_name: 무슨 행동을 했는지
    • event_time: 언제
    • properties: 행동의 부가 정보
      • 예: 검색어, 버튼 ID, 상품 ID, 가격, 카테고리 등
      • device_info: OS, 모델, 지역

 

세션

• 앱이 백그라운드가 아닌 전면에서 실행될 때 분석되는 단위
• 보통 모바일은 5분 정도 액션이 없으면 세션이 끊기고, 5분 간격 이내로 계속해서 행동 로그가 있으면 한 개 세션이 이어짐

 

Data Taxonomy

로그 정의서

• 회사에서 수집할 행동 로그에 대해서 정의한 문서
• 구글 스프레드 시트로 작성되는 경우 다수 존재
• Event에 대한 정의 페이지와 각 Event와 함께 저장할 Property들을 같이 정의해둠

 

 

모바일 서비스 분석 방법론

: 대용량으로 쌓여있는 사용자 행동 로그를 분석해서 인사이트를 도출하는 방법론 전반

 

1. 퍼널 분석 (Funnel Analysis)

• 사용자가 목표 행동을 완료하기까지 거치는 단계(step)를 순서대로 분석하여 각 단계에서 얼마나 이탈(drop-off)하는지 파악하는 분석 방법
  • 퍼널: 사용자가 제품을 사용할 때 거치는 일련의 단계들
• 단계별 흐름에서 어떤 사용자가 전환하는지, 어느 지점에서 이탈하는지, 그 이유가 무엇인지를 파악하는 과정

• 퍼널 정의 -> 핵심 이탈 구간 발견하기 -> 원인에 대한 가설 수립 -> 개선 포인트 도출
  • Segmentation 하기: 이탈 구간을 발견하는 단계에서 유저를 여러 세그먼트로 쪼개서 세그먼트 간 이탈율의 차이 비교

 

 

2.  AARRR

• 모바일 서비스를 관통하는 핵심 개념
  • Acquistion (사용자 휙득, 유입)
    • 사용자를 우리 서비스로 데려오는 것과 관련된 활동
    • 신규 고객이 생기는 것
    • 고객 유치에 기여(Attribution)한 채널의 성과를 판단할 수 있는 모델을 만드는 것
    • => 어떤 채널을 통해 들어온 사용자들이 꾸준히 남아서 활동하는지, 결제로 전환되는 비율이 얼마나 되는지 등을 바탕으로 각 채널의 가치를 정확히 판단할 수 있어야 이를 기반으로 전체적인 전략을 수립하거나 예산 분배 가능
    • 핵심지표:
      • Active User (활성 유저수)
        • 기간에 따라 DAU (Daily), WAU (Weekly), MAU (Monthly) 로 구분
        • 활성 유저를 정의하는 방법은 케이스별로 다양하나 일반적으로 앱에 접속한 유저 수로 계산
        • Amplitude에서는 Event를 Active / Inactive로 구분하여 Active Event를 발생시킨 유저수로 계산
        • **모든 Event를 Active로 정의하기도 함
      • CAC (Customer Acquisition Cost) - 유저 휙득 비용
        • 한 명의 사용자를 데려오기 위해 지출하는 평균 비용
        • 각 채널별/캠페인별/광고별로 얼마의 예산을 집행했고, 각 경로를 통한 유입이 어느 정도인지 추적
    • 측정 방법:
      • 웹: UTM 파라미터 (Urchin Tracking Module)
        • 서비스로 유입된 트래픽 경로 출처를 확인할 수 있도록 URL 뒤에 추가된 파라미터
        • 파라미터 예시:
          • utm_source (소스): 어디에서 왔나?
          • utm_medium (매체): 어떤 유형의 링크인가?
          • utm_campaign (캠페인): 어떤 캠페인을 통해서 들어왔나?
          • utm_term (검색어): 어떤 키워드로 검색해서 들어왔나?
          • utm_content (콘텐츠): 어떤 내용을 보고 왔나?
      • 앱: 어트리뷰션 (Attribution)
        • 모바일의 경우 웹사이트와 달리 UTM 파라미터 확인 불가
          • 모바일앱은 링크클릭 > 앱스토어 설치 및 실행 과정 필요한데 앱스토어로 가면서 URL에 지정된 UTM 파라미터 유실
        • 어트리뷰션: 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별하여 앱의 마케팅 성과를 판단하는 과정
        • UTM 파라미터 대비 훨씬 복잡해서 보통 유료 서비스(MMP) 대부분 이용
    • 지표 분석:
      • CAC (Customer Acquistion Cost) < LTV (Lifetime Value)
        • 유저 휙득 비용보다 고객 LTV가 커야한다.
        • 같은 비율이라면 LTV를 증가시키는 것이 CAC를 감소시키는 것보다 효과적
        • 단순히 비용계산이 아닌, 채널/캠페인/날짜 등에 따라 쪼개서 살펴야 함 -> 채널별 예산 수립 책정
  • Activation (활성화)
    • 사용자가 서비스의 핵심 기능 사용
    • 신규 유저를 아하 모먼트로 이끌고, 유저에게 비즈니스 가치를 되돌려 받는 단계에 이르는 과정
    • 신규 유저의 활성화 단계:
      • Step1: 온보딩 (Onboarding)
        
        • 신규 유저가 프로덕트에 익숙해지고, 처음으로 가치를 찾아내는 과정
        • 행동 중심, 혜택 중심, 계절 중심의 온보딩으로 정의
        • 일부 타입이 겹쳐서 같이 사용 가능
          • 행동 중심 온보딩: 프로덕트에서 의미있는 행동을 하도록 만듦
            • 프로덕트를 유용하거나 흥미롭게 느끼도록 만들어야함 (예: 튜토리얼)
          • 혜택 (benefit) 중심 온보딩: 유저가 자신에게 이득이 되는 프로덕트의 특정 기능을 깨닫게 만듦
            • 유저에게 프로덕트의 2~3가지 핵심 혜택 명확히 전달 후 앱이나 프로덕트 안에서 기능을 사용하는 방법을 알게 함 (예: 주요 기능 사용 튜토리얼)
          • 계정 중심 온보딩: 가입이나 프로필 생성 위주
            • 유저가 프로필 생성을 완료하고 다른 유저들과 연결 (예: SNS 서비스)
      • Step2: 아하 모먼트 (Aha-Moment)
        • 유저가 프로덕트에서 처음으로 가치를 발현하도록 만드는 순간 또는 일련의 과정
        • "프로덕트의 장기적 성공과 가장 관련 있는 초기 핵심 행동은 무엇일까?"
        • 활성화를 위해 노력하는 프로덕트 팀의 북극성 지표가 될 수 있으며, 회사의 모든 구성원들을 하나의 인사이트로 통합
      • Step3: 첫 번째 가치 교환 (First-Value Exchange)
        • 신규 유저와 비즈니스 간의 상호 가치 교환
        • 신규 유저는 무료 체험에서 구독을 선택하거나, 첫 번째 결제를 진행함으로써 비즈니스 가치가 창출됨
        • 예시 (제품: 첫 번째 가치 교환(First value exchange) -> 추가 가치 교환(Other value exchanges)):
          • Pinterest: 사용자가 '프로모션 핀(promoted pins)'을 봄.(광고 수익 창출)
          • Spotify: 청취자가 광고를 들음.(광고 수익 창출) -> 청취자가 Spotify Premium 구독
          • Washington Post: 독자가 홈페이지에서 광고를 봄.(광고 수익 창출) -> 독자가 구독
          • Airbnb: 게스트가 첫 숙소 예약(Airbnb는 거래 수수료 휙득) -> 사용자가 Airbnb 상품 구매
          • Airbnb: 숙소 호스트가 첫 게스트 요약(Airbnb는 커머션 휙득)
          • Slack: 팀이 무료 요금제에서 유료 요금제로 업그레이드(구독료 휙득)
      • 핵심 지표:
        • 온보딩 퍼널의 각 단계별 전환
          • 아하모먼트로의 전환
          • 첫번째 가치 교환으로의 전환
      • 측정하기
        • 1. 온보딩 퍼널의 정의
        • 2. 퍼널 분석
          • 단계별 전환율 확인
          • 30일 간 얼마나 많은 유저가 퍼널 단계를 모두 통과했는지 측정
        • 3. 추가 분석
          • 활성화되지 않은 유저들의 행동 패턴 분석
          • 활성화에 걸리는 시간 측정
          • 유입 코호트별 분석 (동일 시기에 유입된 고객을 한 그룹으로 하여 그룹 간 비교)
  • Retention (유지/재방문)
    • 시간이 지날수록 얼마나 많은 유저가 제품으로 다시 돌아오는가
    • Engagement (참여, 인게이지먼트): 유저가 프로덕트 혹은 기능과 얼마나 많이 혹은 자주 상호 작용을 하는가를 나타내는 척도
    • 유저의 재참여 (Re-engage)를 돕는 트리거: 유저가 다시 프로덕트로 돌아오고, 그 프로덕트를 사용하도록 만드는 장치
      • 1. 외부 트리거
        • 기업/프로덕트 들이 유저를 자극하여 액션을 취하도록 유도하기 위해 사용되는 장치
        • CTA (call-to-action)이 포함된 푸시 알림, 이메일, 광고 및 추천
        • 좋은 외부 트리거는 다음에 해야 할 일을 알려줌
          • 예: 장바구니에 담은 ~~ 의 할인혜택이 곧 끝나요!
      • 2. 내부 트리거
        • 마음 속에서 나타나 유저들이 스스로 액션을 취할 수 있도록 유도하는 감정과 신호
    • 핵심 지표:
      • 리텐션: 지속적으로 제품을 사용하는 활성 유저의 비율
        • 유저가 이탈하는 시점 파악 가능
          • 리텐션 커브를 그리면 유저가 이탈율이 높아지는 구간을 찾을 수 있고, 해당 시점을 주요 이탈시점으로 파악 가능
        • 유저의 재방문을 유도하는 기능이나 캠페인(이벤트)를 식별 가능 
          •  기능/캠페인별로 나눠서 리텐션을 비교하면 재방문을 높이는 외부 트리거(혜택, 알림, 신규 기능) 발견 가능
        • 장기적으로 유저의 LTV(고객 생애 가치) 높을 수 있다.
          • 사용자의 재방문이 잦아질수록 사용자의 LTV(고객 생애가치)가 올라가고, 고객한테서 CAC(사용자 휙득 비용)을 회수하는 기간이 짧아진다.
          • 유저를 휙득했을 때, 얻는 효과 증가
          • 동일한 예산으로 더 서비스를 크게 성장 시킬 수 있음
        • 측정 방법:
          • Unbounded 리텐션(롤링 리텐션):
            • 특정 날짜를 포함하여 그 이후에 재방문한 유저의 비율 (이탈율의 반대개념)
            • 비정기적으로 사용되는 제품이나 서비스에 적합
          • N-Day 리텐션(클래식 리텐션):
            • 첫 방문 후 특정 일자에만 재방문한 유저 비율
            • 게임 앱이나 소셜 앱, 혹은 정기적이고 습관적으로 사용하는 제품에 적합
          • Bracket 리텐션(범위 리텐션):
            • 설정한 특정 기간을 기반으로 재방문 측정
            • 각 구간별 재방문 유저 비율 (N-Day 리텐션 구간으로 확장시킨 개념)
            • 일/주/월 단위 혹은 다양한 기간을 커스텀하게 설정 가능
            • 구독형,주기적 사용 서비스에 적합
            • Amplitude는 각 구간별 재방문 유저 비율 측정
        • 측정 시 고려 사항:
          • 제품 사용 주기
          • 비즈니스 목표
          • 세그먼트별 차이
          • 활성 유저의 정의
      • 리텐션 커브: 특정 기간 내 일일 활성 유저의 평균 비율을 보여주는 실선 그래프
        • y축이 리텐션, x축이 사용일수(또는 주기)로 하는 그래프
        • 시간이 지날수록 완만한 곡선을 갖는 형태
        • 해석 방법:
          • 커브가 완만해지지 않고, 우하향하는 경우
            • 장기적으로 고객이 서비스에 남지 않는다는 것
            • 시장에 적합하지 않은 제품 (product-market fit 하지 않음)
          • 커브의 모양 그대로 올라가는 경우
            • 유입 초기에 유저가 잔존하는 비율 올라감 (초기 이탈 유저 감소)
          • 커브가 완만(flat)해지는 경우
            • 유입된지 오래된 유저가 잔존하는 비율 증가
            • 서비스를 장기적으로 이용하는 유저 증가
      • 밀착도 (Stickiness): 유저가 프로덕트에 얼마나 자주 인게이지(engage)하는가에 대한 빈도
        • 유저가 활성화되거나 특정 액션을 수행한 날의 수를 측정
        • 일반적인 공식: DAU/MAU
          • 프로덕트의 사용빈도에 따라 조정 가능
        • **이커머스에서는 유저의 사용빈도만큼이나 구매한 금액 중요!!
        • **Stickiness만 메트릭으로 잡게 되면, 매출을 놓칠 수 있음.
      • 파워 유저 곡선: 특정 기간(예: 30일)동안 사용자가 '며칠이나' 제품을 사용했는지를 분포로 나타낸 히스토그램
        • 오른쪽 끝에서 다시 그래프가 올라가는 구조를 보일수록 제품에 파워 유저(power user)가 많다고 해석
          • Retention의 건강도를 가장 직관적으로 보여줌
          • 핵심 사용 패턴 (Usage Habit)을 파악
          • 제품의 Type-fit 파악
            • 메신저/소셜 -> 오른쪽으로 무게가 쏠려 있어야 정상
            • 커머스 -> 4~6일처럼 적절한 주기로 몰려 있어야 정상
            • 생산성(SaaS) -> 월~금 패턴으로 주로 20~25일 근처에 몰림
          • 리텐션 기획의 기본 데이터
            • 어떤 빈도대 (Frequency band)에 유저가 몰려 있는지를 확인하여 개선 우선순위 설정 가능
  • Revenue (수익화)
    • 사용자가 우리 서비스의 핵심 기능을 사용하기 위해 결제하는가?
    • 고객이 서비스에 금액을 지불하는 것
    • 핵심 지표:
      • 인당 결제액 (정의 (지표): 계산)
        • 인당 평균 결제액 (APPU.Average Revenue Per User) = Revenue / User
        • 결제자 인당 평균 결제액 (ARPPU.Average Revenue Per Paying User) = Revenue / Paying User
      • 고객 생애 가치 (정의 (지표): 계산)
        • 고객 생애 가치 한명의 유저가 전체활동 기간동안 발생시키는 누적 수익 (LTV.Lifetime Value) = (인당평균매출 - 인당평균비용) / 1 - 고객유지비율 + 할인율) - 고객휙득비용
        • 고객 생애 매출 한명의 유저가 전체활동 기간동안 발생시키는 누적 매출 (LTR.Lifetime Revenue) = CAC + a < LTR
          • 기준에 따라 달라지는 개념적인 지표로써 고객 휙득 비용(CAC)보다 높아져야 긍정적 신호
  • Referral (추천)
    • 사용자들이 우리 서비스를 주변 지인에게 소개/추천하는가?
    • 서비스를 이용한 고객이 만족하여 자발적 바이럴 및 공유를 일으키는 것
    • 핵심 지표:
      • 바이럴 계수 (Viral Coefficient): 기존 사용자 1명이 새로운 사용자를 몇 명 데려오는지를 나타내는 지표
        • K = (한 유저가 보낸 초대 수 x 초대 전환율)
          • 예: 한 유저가 친구 10명을 초대하고, 그 중 20%인 2명이 가입
            • 초대 수: 10
            • 초대 전환율: 20%
            • K = 10 * 0.2 = 2 --> 사용자 1명이 2명을 데려옴
          • 지표 분석
            • K > 1(바이럴 성장(Viral Growth)): 1명이 1명 이상을 데려오면 유저 수가 기하급수적으로 증가
            • K = 1(유지(Level-off): 유저 수가 계속 유지
            • K < 1(자연 상태에선 성장 불가): 마케팅/광고 없다면 사용자 수 점차 감소

• 코호트 분석
  • 코호트(Cohert):
    • 공통된 특성을 공유하는 집단
    • 종류:
      • 유입코호트: 제품 가입시기별로 유저들 그룹핑
      • 행동코호트: 주어진 기간 내 제품에서 수행하는 행동(event)에 따라 유저 구분
      • 라이프사이클 코호트: 특정 시점의 사용자 상태를 기준으로 구분
        • New User(신규 유저): 첫 방문/가입/첫 액션을 기준으로 특정 기간 안에 있는 사용자
        • Current User(현재 유저): 최근 N일 안에 앱/서비스 사용한 사용자
        • Resurrected User(복귀 유저): Dormant였다가 다시 돌아온 사용자
        • Dormant User(휴먼 유저, Inactive User): 최근 N일 동안 아무 행동도 하지 않은 사용자
  • 고객을 특정 단위로 쪼개서 분석하는 방법
  • 같은 시점 또는 동일한 조건에서 시작한 사용자 집단(코호트, Cohert)의 행동이 시간이 지나면서 어떻게 변하는지를 표로 시각화한 차트 (heatmap)
  • 해석 (해석포인트(읽는 위치): 의미):
    • 온보딩 품질(첫 열): Day1/Week1 리텐션
    • 핵심 가치 도달 문제(중간 열): Activation 구간
    • 장기 충성도(마지막 열): 장기적인 유지력이 존재하는지 여부
    • 유입 품질 변화(행 비교): 마케팅/시즌/버전 영향
    • 특정 이상치(특정 행 또는 특정 열): 장애, 버그, 잘못된 타겟
• A/B Test
  • A안과 B안을 비교하는 대표적인 실험 방법
  • 대조군(통제군)과 실험군을 두고, 특정 변수 한 개만 다르게 변화를 주어 그 변수에 대한 효과를 측정하는 방법