[서비스 기획 숙련] 데이터의 이해와 분석

 

PM에게 데이터는 

1) 제품의 문제를 객관적으로 바라보고

2) 의사결정의 근거를 만들며

3) 개선 방향을 찾기 위한

 

중요한 기준이다.

---

1. 데이터와 지표의 차이

	정의	예제
데이터 = 재료	아직 해석되지 않은 수집된 정보	어제 방문자 수 100명 / 오늘 방문자 수 120명
지표 = 가공 결과	데이터를 목적에 맞게 가공해 판단 기준으로 만든 것	방문자 수 변화 추이) 방문자 수 20% 증가

 

---

2. PM에게 데이터가 중요한 이유

1) 의사결정의 근거

데이터는 주관적인 판단을 객관적인 판단으로 바꿔준다.

예를 들어 “배달이 너무 늦다”는 문제가 있을 때, 단순히 불만만 보고 판단하면 원인을 정확히 찾기 어렵다.

 

확인해 볼 데이터

• 실제 평균 배달 시간
• 배달 지연이 발생한 주문 비율
• 지연이 많이 발생한 시간대
• 음식 준비 시간과 배달 시간의 구분
• 특정 지역 또는 매장에 집중된 문제인지 여부

이를 기반으로 파악해 볼 수 있는 근본 원인

• 배달원 부족
• 조리 지연
• 주문량 폭증

 

 

2) 성과를 측정할 수 있다

데이터가 있어야 목표를 달성했는지 확인할 수 있다.

 

e.g)

목표 : 월별 배달 시간 45분 이내 완료 건 80% 달성

이 경우 단순히 “배달이 빨라졌는가?”가 아니라, 실제로 45분 이내 완료된 주문 비율이 얼마나 되는지를 확인해야 한다.

 

<월 45분 이내 배달 완료율>

5월	74%
6월	76%
목표	80%

 

목표에는 도달하지 못했지만,

수치가 개선되고 있다면 현재 전략이 어느 정도 효과가 있는지 판단 가능

 

 

3) 개선 기회를 찾을 수 있다

데이터를 보면 사용자가 어디에서 불편을 겪는지 확인할 수 있다.

 

e.g)

회원가입 과정에서 사용자 이탈 데이터 확인 

• 입력해야 할 정보가 너무 많다 -> 간편하게 축소 또는 입력 편의성 확대
• 필수 입력값이 부담스럽다 -> 규제 또는 워딩 완화
• 가입 완료까지 단계가 너무 길다 -> 간편하게 축소 또는 자동 인증 도입

이처럼 데이터는 단순히 결과를 보여주는 것이 아니라,

어디를 개선해야 하는지 알려주는 힌트가 된다.

 

4) 사용자 경험을 이해하는 데 도움이 된다

 

(정성 데이터)사용자 피드백 : “다음 페이지로 넘어가도 형광펜 기능이 이어졌으면 좋겠다”

(정량 데이터) 실제 사용 로그

• 이전 페이지에서 형광펜 사용
• 다음 페이지로 이동
• 형광펜 기능 중단
• 이후 형광펜 재사용률 낮음

사용자의 불편이 실제 행동에서도 나타나는지 확인할 수 있다.

---

3. 데이터 분석 과정

문제 정의 → 데이터 수집 → 분석 수행 → 결과 해석 및 인사이트 도출 → 결과 적용

문제를 정의하고 그 문제를 해결하기 위한 근거를 찾는 과정

❓의문점 
데이터 수집하고 분석을 수행하면서 문제 상황을 인지하고 문제를 정의하게 되진 않는지? 
문제 정의를 하는 과정에 데이터 수집과 분석, 결과 해석 및 인사이트 도출이 포함되어 있는건 아닌지?
순서가 헷갈린다.

---

4. 대표적인 데이터 분석 방법론

4-1. 퍼널 분석

 

사용자가 특정 목표에 도달하기까지의 과정을 단계별로 나누어 보는 방법

 

e.g) 회원가입 퍼널

방문	1000명
회원가입 페이지 진입	800명	20%
폼 작성	400명	50%
회원가입 완료	200명	50%

 

어느 단계에서 사용자가 많이 이탈하는지 확인하는 것이 핵심

 

---

4-2. AARRR 프레임워크

사용자의 전체 여정을 5단계로 나누어 보는 프레임워크

 

	단계	의미
Acquisition	유입	사용자는 어디서 들어왔는가?
Activation	활성화	사용자가 첫 경험에서 가치를 느꼈는가?
Retention	리텐션	사용자가 다시 방문하는가?
Revenue	수익	결제나 매출로 이어지는가?
Referral	추천	다른 사람에게 추천하는가?

 

• 유입은 많은데 가입이 낮다면 → Activation 문제
• 첫 사용은 하지만 재방문이 낮다면 → Retention 문제
• 재방문은 하지만 결제가 낮다면 → Revenue 문제

---

4-3. A/B 테스트

두 가지 이상의 버전을 비교해 어떤 안이 더 좋은 성과를 내는지 확인하는 실험 방법

테스트할 변수 정의 → 사용자 그룹 분리 → 서로 다른 버전 노출 → 결과 측정 → 더 나은 버전 적용

 

 

실험 항목	A안	B안
결제 버튼 위치	화면 하단	상품 정보 바로 아래
버튼 문구	결제하기	바로 구매하기
가입 방식	이메일 가입	소셜 로그인 우선 노출

 

❓ 의문점
사용자 그룹은 어떤 기준으로 나누는가?
A안과 B안을 각각 어떤 사용자 그룹에 노출할지 결정하는 기준은 무엇일까?
테스트는 어떤 기준으로 종료해야 하는가?
- 기간이 끝나면? 목표한 양의 테스트 결과 데이터가 수집되면? 양질의 테스트 결과가 나오면? 

 

---

5. GA (Google Analytics) 

데이터 분석 툴

• 사용자가 어디서 유입되었는지
• 어떤 페이지를 많이 보는지
• 얼마나 오래 머무르는지
• 어떤 버튼을 클릭하는지
• 목표 행동까지 도달했는지

❓의문점

1) 사용자는 어떻게 식별할까?
(회원/비회원 포함) 사용자 식별값은 뭐를 쓰는게 좋을까?
-> 실제로는 한 명의 사용자인데
다른 기기 사용 / 브라우저 변경 / 쿠키 삭제/ 로그인 전후 행동 분리
등의 이유로 여러 명으로 잡힐 수 있을텐데..

2) 세션과 이탈의 기준은 무엇일까?
사용자가 앱을 나갔다가 다른 앱을 본 뒤 다시 돌아오는 경우, 이는 같은 세션일까 다른 세션일까?
30분이 지나 세션이 끊긴 후 돌아온다면 이는 이탈로 정의되는가?

3) 커스텀 이벤트는 얼마나 정확할까?
GA 기본 이벤트가 아니라 직접 설정한 커스텀 이벤트 등
상세페이지 조회 이벤트가 여러 번 발생했을 때, 이것이 실제 반복 조회인지, 새로고침인지, 앱 재진입인지
어떻게 구분하고 감안하여 분석/해석할 수 있을까?

---

c.f) GA 방문 페이지 vs 페이지 및 화면

방문 페이지	사용자가 처음 들어온 페이지	랜딩 페이지 분석
페이지 및 화면	사용자가 방문한 전체 페이지와 화면	콘텐츠·UX 분석

 

• 방문 페이지: 유입 시작점 분석
• 페이지 및 화면: 서비스 내 행동 분석

---

 

 

PM은 데이터를 통해 다음을 할 수 있어야 한다.

• 문제를 객관적으로 정의하기
• 성과를 측정하기
• 사용자 행동을 이해하기
• 개선 우선순위 정하기
• 이해관계자와 근거 기반으로 소통하기