-
서비스기획자로서 가장 친해져야하는 것.
나를 받쳐주는 든든한 아군이고, 나를 지켜주는 든든한 근거이며
때로는 나를 공격하기도 하는 애증의 관계.
기획 업무의 시작이자 끝을 관리하는 이것은 과연 무엇일까?
지금부터 "데이터"에 관해 정리해 보려고 한다.
1. 📊 데이터란?
데이터 (Data): 현실 세계에서 측정하고 수집한 사실이나 값
정보 (Imformation): 어떠한 목적이나 의도에 맞게 데이터를 가공 처리한 것요즘엔 다양한 업무환경에서 흔히들 "데이터적 사고" 를 지향하지만
데이터란 그저 "수집된 자료"를 뜻하는 용어이다.
목적도, 의도도 없는 단순한 수치에 불과하며,
기획자가 "분석"이라는 목적을 들고 요리하는 순간
그것은 "정보"가 된다.
2. 📌데이터의 종류
< 전설의 쨔쟝꿍꼬또 > 데이터의 종류는 총 2가지
『정성적 데이터』와 『정량적 데이터』이다.
위 배민 리뷰를 예시로, 5점 만점의 별점은 수치화가 가능하므로 정량적 데이터,
리뷰와 같이 숫자로 측정하지 못하는
주관적 느낌, 태도, 의견 등 언어적 표현은 정성적 데이터이다.
3. ❓데이터는 왜 중요할까?
데이터를 기반으로 한 의사결정은 정확하고 신뢰성 있는 판단을 가능하게 한다.
바꿔말하면, 데이터가 없는 의사결정은 신뢰성을 얻기 어렵다.
직관이나 경험 등 지극히 주관적이고 추상적인 기준에 의한 판단이 되기 때문이다.
< 출처- 리디북스 기술 블로그 > 데이터를 통해 성과를 측정하면, 목표 달성 여부를 명확히 알 수 있으며
문제에 대한 개선점을 찾아 서비스를 더 직관적으로 만들 수 있다.
따라서 숫자를 읽는데 머물지 않고,
데이터에서 중요한 인사이트를 발견해 유의미한 가치로 추출하는 과정은
서비스기획자의 중요한 능력이다.
4. 본격적으로 데이터를 분석해보자!
- 데이터 분석 방법론 중 기획자에게 중요한 3가지 방법을 정리해보았다.
4-1 . 퍼널분석 (Funnel Analysis)
< 퍼널 분석 > 퍼널분석은 사용자가 특정 목표(예: 가입, 구매 등)에 도달하기까지의 여정을 추적하는 방법이다.
보통 마케팅 분야에서 사용하지만, 데이터 기반 사고를 하는 기획자에게도 친근한 방법론이다.
주로 마름모꼴 모양으로 표현하며, 각 단계별로 나누어 분석하므로
사용자의 이탈 지점을 비교적 쉽게 파악할 수 있다.
퍼널 분석은 크게 4단계로 나누어 분석한다.
1. 목표 수립
2. 단계 정의
3. 단계별 이탈률 분석
3. 문제점 식별 및 개선안 제시회원 가입을 예로들면, 방문/ 회원가입 진입/ 폼 작성/ 가입 완료의 단계로 나눌 수있다.
그리고 각 단계별 이탈률에 근거하여 문제점을 도출하고,
그 문제점이 존재하는 단계를 개선하는 것이다.
4-2 . AARRR 프레임워크
<AARRR> Acquisition (획득, 유입) : 사용자가 서비스를 처음 유입하는 단계
Activation (활성화) : 사용자가 서비스의 핵심 가치를 처음 경험하는 단계(예: 회원가입, 첫거래).
Revenue (수익화) : 사용자가 실제 매출을 발생시키는 단계
Retention (리텐션) : 사용자가 지속적으로 서비스를 재방문하는 단계
Referral (추천 및 공유) : 기존 사용자가 새로운 사용자를 데려오는 단계AARRR은 사용자 여정을 5단계로 나누어 분석하고, 단계별 성과를 측정하는 프레임워크이다.
각 단계에서는 사용자의 유입부터 수익 발생, 서비스 성장까지 이어지는 일련의 과정을 알 수 있다.
AARRR 프레임워크를 사용하면
어디에서 사용자가 이탈하는지를 파악할 수 있으며,
병목 등 문제점을 빠르게 짚어내어 보다 구체적인 문제 정의를 수행할 수 있다.
4-3 . A / B 테스트
< A/B 테스트 예시. 출처 -당근 테크 블로그 > “이 버튼 색을 바꾸면 클릭률이 올라갈까?”
“타이틀 문구를 바꾸면 구매 전환율이 높아질까?”
A/B 테스트는 소비자의 행동을 살펴보는 실험이다.
기존의 서비스를 제 1안(대조군)으로 두고 시험적 개선안을 제 2안으로 하여
특정 사용자 집단을 대상으로 한 실험을 통해 데이터를 확보한다.
이때, 사용자 집단을 두 그룹으로 나누고, 각 그룹에 다른 버전을 노출시켜야 한다.
실험을 통한다면 더 명확하게 가설을 확인하게 되고,
의사결정도 단순 아이디어가 아닌 사실을 기반으로 할 수 있게 된다.이전에 정리했던 글 중 당근의 A/B 테스트 문화에 대해 정리했던 아티클에서는
A/B 테스트 효과를 위와 같이 요약했다.
A/B 테스트의 본질은 단순히 ‘소비자의 실제 행동’을 데이터로 관찰한다는 데 있다.
의견이나 추측이 아니라, 실제로 어떤 변화가 전환율/ 클릭률/ 매출 등에 긍정적인 영향을 주는지
객관적으로 검증하기 위해 사용한다.
댓글
Rody's
기획자로 진화 중
