[데이터 마케팅 전략 특강] 데이터를 수집하는 것은, 데이터 분석을 하기 위해서가 아니다!

🎤데이터 마케팅 전략 특강 with 데잇걸즈

• 특강 날짜 : 2022.09.01
• 특강 연사 : 한지현님, 김해인님, 조은정님

---

💡콘텐츠 인사이트

1. 데이터 문해력과 비즈니스 분석의 기초 (카카오응용분석팀 한지현님)

• 데이터 분석은 기술이나 TOOL은 컴퓨터가 잘하는 것이지, 사람은 문제를 정의하고 결과값 해석을 더 잘하기 때문에 이 부분에 힘을 들여야 비즈니스 분석을 잘할 수 있다.
• 내 비즈니스에 질문을 던져 보자
  • 우리 서비스에 신규 유저가 잘 유입되고 있을까?
  • 신규 유저 중에서 우리 서비스를 다시 찾아오는 경우는 얼마나 될까?
  • 우리 서비스 방문자들은 회원가입을 많이 할까?
  • 이번 달 매출이 감소한 것 같은데, 원인이 뭘까?
  • 광고는 열심히 하고 있는데, 효과는 있는 걸까?
• 퍼널(깔때기)에 질문을 배치해보자
  • 유저들이 우리 서비스를 어떻게, 얼마나 찾아오나?
    • 유저들의 유입 경로 누락 없이 추적/ 경로별 유입 성과 측정
  • 유저들이 우리 서비스의 핵심 요소를 잘 사용하고 있을까?
    • 활성화 퍼널 기준 수립 → 회원 가입을 많이 시키는 게 목적이면 회원가입 수가 활성화 기준이고, 돈을 많이 쓰게 만드는 게 목적이면 매출이 활성화 기준 → 유저의 여정을 그려보면서 이탈이 많이 일어나는 곳을 개선한다.
    • 코호트 별 전환율 파악
  • 얼마나 많은 유저들이 재방문/이탈할까?
    • 리텐션 기준 수집 → 메신저는 매일, 배달 서비스는 주 단위나 월 단위로 설계
    • 코호트별 리텐션 파악
  • 누가, 얼마나, 소비(구매) 할까?
    • 비용 대비 매출 측정 (= 수익 모델 분석) → 우리 서비스가 소수에게 의존하는지, 모두에게 골고루 돈을 버는지? → 고객 획득 비용 = 고객 유입을 위해 마케팅에 사용한 비용/ 신규 고객 수
  • 입소문, 추천이 활발한가?
    • 친구 초대 효율 측정
    • 유저들이 우리 서비스를 어떻게, 얼마나 찾아오나?
      • 유저들의 유입 경로 누락 없이 추적/ 경로별 유입 성과 측정
    • 유저들이 우리 서비스의 핵심 요소를 잘 사용하고 있을까?
      • 활성화 퍼널 기준 수립 → 회원 가입을 많이 시키는 게 목적이면 회원가입 수가 활성화 기준이고, 돈을 많이 쓰게 만드는 게 목적이면 매출이 활성화 기준 → 유저의 여정을 그려보면서 이탈이 많이 일어나는 곳을 개선한다.
      • 코호트 별 전환율 파악
    • 얼마나 많은 유저들이 재방문/이탈할까?
      • 리텐션 기준 수집 → 메신저는 매일, 배달 서비스는 주 단위나 월 단위로 설계
      • 코호트별 리텐션 파악
    • 누가, 얼마나, 소비(구매) 할까?
      • 비용 대비 매출 측정 (= 수익 모델 분석) → 우리 서비스가 소수에게 의존하는지, 모두에게 골고루 돈을 버는지? → 고객 획득 비용 = 고객 유입을 위해 마케팅에 사용한 비용/ 신규 고객 수
    • 입소문, 추천이 활발한가?
      • 친구 초대 효율 측정
• 리텐션 커브 OR 리텐션 차트 : 커브가 평탄해지는 지점이 있는지 체크해봐야 한다.
  
  • 프로덕트 분석에서 가장 중요한 지표는 리텐션이라고 생각한다. 단기간에 개선하기 쉽지 않고, 한 번 안 좋아지면 회복하기 쉽지 않다. 종합적으로 많은 요소가 반영이 되는 지표, 회원가입도 쉬워야 하고 상품도 좋아야 하고, 푸시로 귀찮게 해서도 안 된다.
• 데이터를 볼 때 자주 하는 실수들(데이터 볼 때 꼭 챙기면 좋을 것 같은 것)
  • 심슨의 역설 :데이터의 전체를 봤을 때랑 부분 부분 볼 때와 결과가 달라진다. 간단한 것이지만 현업에서 많이 놓치는 부분이다. 데이터를 볼 때는 덩어리로 보지 말고 잘게 쪼갤 수 있을 만큼 쪼개서 봐야 한다. 
  • 평균의 함정 → 현업에서 많이 실수, 쉬운 지표여서 관성적으로 계산하곤 한다. 일평균 5000만 원인데, 알고 보니 한 이벤트일 때 한철 매출이 많았던 것이었다. (평균, 중앙값, 표준편차)를 잘 봐야 한다.
  • 생존자 편향 → 우수 고객 위주로 분석을 하면, 오류가 발생할 가능성 높다.
• Q&A
  • 6년 차 분석가, 취업을 하실 때 이런 걸 더 생각하거나 준비하면 더 좋을 것 같다고 이야기해주고 싶은 것은?
    • 회사를 바라보던 눈을 과감해도 된다. 분석 업무는 작은 곳에서 해도 커리어를 시작해도 되는 업무다. 지표 따로 의사결정 따로 인 경우가 많아서 작은 곳에서 시작해도 된다라고 규모나 업종에 구애받지 않고 하길 바란다.
  • 상황이나 산업에 맞게 이미 만들어진 지표인 바이럴 계수 같은 것도 수정을 해야 하는 경우도 있고, 새로운 지표를 만들어야 하는 경우도 있는데 이런 경우 어떻게 지표를 설계하시는지?
    • 지표를 제안할 때, 다른 부서에서 보는 지표를 레퍼런스 체크를 , 다른 서비스는 어떤 것을 KPI로 가져가는지 체크를 하겠다. 목적이 있어서 만들기 때문에, 목적에 대한 의견교환이라던지 합의점을 찾으려고 노력하겠다. (내부 구성원이나, 다른 사람에게 물어본다거나, 토의, 현업인들에게 체크, 어떤 지표를 봐야 될지 커뮤니케이션하겠다)

---

2. 프로덕트의 성장을 돕는 룰 베이스 데이터 수집 (OP.GG 프로덕트 데이터 분석가 김해인 님)

• 데이터 분석에서 룰 베이스가 중요한 이유
  • 1) 데이터의 중복과 누락을 최소화할 수 있다.
  • 2) 모두 같은 말을 사용하여, 커뮤니케이션 효율이 높아진다.
    
    • 회사에서 배너 가지고 디자인을 바꿀 일 있었는데, 글로벌 배너 띠, 배너 상단 배너 등등 직군별로 부르는 용어가 달랐다. 생각보다 본인들 언어가 있어서 잘 지키기 어렵다.
  • 3) 담당자 의존성, 레거시가 확연히 줄어든다.
• 룰 베이스 구성 요소 
  • 1) 네이밍 컨벤션 : 이름을 짓는 '형식'을 통일
  • 2) 텍소노미 : 어느 수준까지 개별적으로 수집할 것인가? 그룹으로 수집한다면, 무엇을 기준으로 할 것인가?
  • 3) 이벤트 정의 : 가장 중요한 지표라고 생각, 누구는 검색을 할 때 엔터를 치고, 자동완성을 하고, 오타를 통해서 도달하는 등등 사람들 마다 검색 방법도 다르다. 검색을 성공한 것만 할 것인지 실패한 것 만 할 것인지 구체적인 수준으로 정의해야 한다. (개발자랑 엄청 협의해야 한다)
• 룰 베이스가 프로덕트의 성장을 돕는다는 의미
  • 룰 = 규칙, 누가 하든 무엇을 만들든 동일하게 적용되어야 한다.
  • 모든 조직과 프로덕트에 똑같이 적용되는 규칙은 없다. 그러나 기준이 될 수 있는 요소가 많다. (개발코드, UI, 기능 명세서 등)을 토대로 잘 만들어야 한다. → 처음에는 개발 코드 따라가려고 했는데, 개발자들이 보는 화면과 내가 보는 게 달랐다. UI 보려고 했는데 고객이 못 보는 화면이 있었다. 
• 데이터를 수집하는 이유는?  프로덕트의 성장을 위해서, 유저를 이해하기 위해서, 목표 달성을 측정하기 위해서 (데이터 분석을 하기 위해서가 아니다)
• 수집 전에 생각해 봐야 할 것들 
  • 우리 프로덕트의 ‘성장’은 무엇인가?
  • 우리 프로덕트의 ‘목표’는 무엇인가?
  • 우리 유저는 어떤 사람들인가?
  • 우리 유저는 우리 서비스를 왜 사용하나?
  • 우리 유저는 어떤 흐름으로 프로덕트를 사용하나?
• 코드/프로덕트 주도적인 데이터 수집  vs 유저/이벤트 주도적인 데이터 수집
  • 우리가 궁금한 건, 클릭하는 게 궁금한 게 아니라 유저가 상세페이지 보는 것을 궁금한 거다. 유저/이벤트 주도적인 데이터 수집을 해야 한다. 
    • 코드/프로덕트 주도적인 데이터 수집 : 상품 리스트의 클릭 이벤트를 수집하자
    • 유저/이벤트 주도적인 데이터 수집 : 상품 리스트를 클릭하는 이유는 ‘상세 페이지’를 보기 위해서다. 우리는 클릭하는 게 궁금하는 게 아니라 유저가 상세페이지를 보는지가 궁금하는 거다. ‘페이지뷰’ 이벤트는 기본으로 발생한다. → 페이지뷰 이벤트 발생 시 상품 이름을 수집하자! → 상세페이지 진입한 경로를 추가하자
• 룰 베이스 데이터 수집이 프로덕트의 성장을 돕는다는 의미
  • 1. 필수적으로 프로덕트/유저/현장 전문가가 필요
  • 2. 구성원들이 같은 생각을 가지고 같은 목표를 향해서 가게 해야 함
  • 3. 데이터 수집을 위해 고민하는 과정이 곧 프로덕트 성장을 고민하는 과정
• 프로덕트 성장을 돕는 룰 베이스 데이터 수집
  • 룰(네이밍/텍소노미/이벤트 정의)을 만들고, 구성원과 얼라인을 맞추자
  • 프로덕트의 목표와 유저 이해를 중심으로 시작해야 한다.
  • 데이터 분석의 시작은 '수집'이 아니다. 

---

3. 소규모 조직을 위한 데이터 시각화와 스토리텔링 (브래키츠 분석사업팀 조은정님)

• 데이터 시각화의 목적은 액션을 이끌어내기 위해서이다.
• 시각화에서 고려해야 하는 두 가지 (분석적 요소, 디자인 적인 요소)
• 데이터 시각화 원칙
  • 1. 사실 왜곡이 없어야 한다.
  • 2. 보는 사람이 인지적인 부담이 없고 쉽고 명확하게 결과물을 이해할 수 있어야 한다.
    
    • 선행지표는 가로, 후행지표는 세로 
    • 선행지표와 후행지표가 인간관계는 아니다. 하지만 이를 통해 영향을 받는 것은 맞다.
• 스토리텔링으로 데이터 분석 결과를 설명하면 효과적이다.
• 소규모 조직을 위한 데이터 시각화 도구 
  • looker : 구글에서 인수해서 밀어주는 곳
  • 태블로 : 1년에 100만 원, 무료로 사용도 가능한데 제한은 있지만 소규모 조직에 적합

 

---

📝의견 및 추후 적용사항

✍️ 의견

• 데잇걸즈 출신 데이터 분석가 현직자 선배님들의 강의를 들었다. 세 분 강연 모두 큰 도움을 받았는데, OP.GG 프로덕트 데이터 분석가 김해인님의 강연이 가장 인상 깊었다.지금까지 내가 분석을 위한 분석을 생각하진 않았을까? 목적을 먼저 생각하는 방법을 알려주신 강의였다. 
• 데이터 수집을 하는 이유는 데이터 분석을 하기 위해서가 아니라, 프로덕트의 성장을 위해서/ 유저를 이해하기 위해서/ 목표 달성을 측정하기 위해서이다. 지금 뿐만 아니라 나중에 현직에 가서도 분석을 위한 분석이 이뤄지는 것이 아니라 우리 프로덕트의 성장을 위한 분석이 이뤄지기 위해 미팅에서 아래와 같은 질문을 던지고, 질문에 대한 답을 항상 고민하는 분석가가 되어야겠다. 
  
  • 우리 프로덕트의 ‘성장’은 무엇인가?
  • 우리 프로덕트의 ‘목표’는 무엇인가?
  • 우리 유저는 어떤 사람들인가?
  • 우리 유저는 우리 서비스를 왜 사용하나?
  • 우리 유저는 어떤 흐름으로 프로덕트를 사용하나?

✨적용할 것 

• 나온 질문 관점을 토대로 기업 분석 실행해보기