분석 : 유저데이터 분석하기

in Analysis / Analysis Method

목차

  • 실제 회사들은 어떤 데이터를 가지고 있을까?
  • 데이터에서 지표를 만들어 내는 방법
  • 유저 행동 데이터에서 얼마나 다양한 것들을 알 수 있을까?
  • 유저수와 세션수
  • 코호트 분석
  • 그 외 지표들( 세션의 길이, 이탈률, CLV(LTV) )

실제 회사들은 어떤 데이터를 가지고 있을까?

  • 회사의 제품/서비스에 대한 데이터
  • 고객 데이터
  • 서비스와 고객의 인터렉션으로 발생하는 데이터

단순히 우리가 가지고 있는 데이터가 제품과 고객 정보 밖에 없다면, 분석할 수 있는 재료가 그렇게 많지 않다.

제품에 대한 고객의 반응, 서비스 내 유저의 활동으로 인해 유의미한 데이터가 생성된다. 이를 로그(기록), 이벤트 정보라고 말한다.

데이터에서 지표를 만들어 내는 방법

  • 현상을 요약하는 지표 : 비즈니스에 대한 가설을 세우고 그에 맞는 적절한 지표를 세울 줄 알아야 한다.

  • 좋은 지표란 무엇일까 ?

  1. 좋은지표는 이해하기 쉽다.
  2. 좋은 지표는 상대적이다.
  3. 좋은 지표는 비율로 표현된다.
  4. 좋은 지표는 문제를 해결할 수 있어야 한다.
  5. 정의가 명확해야 한다.

유저 행동 데이터에서 얼마나 다양한 것들을 알 수 있을까?

  • 우리 서비스의 Active User는 얼마나 되나요 ?
    • active user는 특정 기간안에 어플리케이션이나 웹사이트에 방문하는 unique 유저수를 의미
    • Daily Active Users(DAU) : 하루 동안 방문하는 유니크한 유저수
    • Weekly Active Users(WAU) : 한주 동안 방문하는 유니크한 유저수
    • Monthly Active Users(MAU) : 한달 동안 방문하는 유니크한 유저수
  • DAU / MAU = 유저가 자주 방문하는 서비스 인가?
    • DAU / MAU = 3.3%라면 1달 동안 거의 매일 새로운 유저가 유입되는 서비스이다.
    • DAU / MAU = 3.3%라면 어제 유저들이 매일 방문하는 서비스이다.
  • Active Users 의 장단점
    • 거의 모든 서비스에서 쉽게 구하는 자주 쓰이는 지표 but 방문만 보기 때문에 서비스 내 활동성 있는 유저 또는 전환한 유저가 얼마나 되는지 측정 불가

유저수와 세션수

  • 처음 방문해서 사용하다가 서비스에서 나가기까지의 여정을 하나의 세션으로 간주한다.

  • 세션의 기준은 회사마다 다르고 분석마다 다르니 제대로 정의해야한다.

  • 페이지뷰수 : 화면이 전환되는 것을 기준으로 +1 더한다.

  • 질문하기
    • 유저수 대비 페이지뷰 수가 많다면 ?
    • 유저수 대비 페이지뷰가 적다면 ?
    • 유저수와 세션수가 같다면 ?
    • 유저수 대비 세션수, 페이지뷰수가 많다면 ?

코호트 분석

  • 코호트 분석 ?
    • 동일 집단끼리 울타리로 묶고, 다른 집단과 기간 별 행동이나 패턴을 비교하는 것

image

image

image

그 외 지표들( 세션의 길이, 이탈률, CLV(LTV) )

  • 세션의 길이
    • 유저가 방문해서 어느 정도의 시간동안 머무르는지도 중요
    • 들어와서 1초만에 나가면, 의미있는 활동은 아니다.
  • 이탈률(Bounce rate)
    • 서비스에 들어와 아무것도 하지 않고 나가는 것도 의미있을까?
    • 이탈(Bounce) = 서비스에 방문하고 아무 행동(Event)없이 나가는 경우를 말한다.
  • CLV( Customer Lifetime Value ), LTV( Lifetime Value )
    • 고객(Customer) + 생애(Lifetime) + 가치(Value)
    • 고객들이 우리 서비스에 들어와서 나가기까지 얼마나 많은 기여를 하는가?
    • 우리가 고객을 유치하는 데 쓰는 비용이 적합한지 알 수 있다.
    • 고객, 생애, 가치를 어떻게 정의할 것인지 고민해야한다.

image

image