[OZ코딩스쿨] Part 3-2 문제 발굴과 데이터 스크래핑/시각화_회고 (2)

[DAY 37]

 

<코호트 분석 Cohort> - 언제 들어온 사용자가 남는가?

: 특정 기간 동안 공통된 특성이나 경험을 갖는 사용자 집단

• = GA4의 동질 집단 탐색 분석
• 같은 행동 한 사람들끼리 그룹(코호트)으로 묶어 시간이 지나면서 행동 어떻게 달라지는지 분석
• → 시간 흐름에 따라 변하는 사용 그룹의 행동 패턴 이해하는 첫걸음
• 목적
  • 리텐션 Retention 확인 - ex. 이커머스 서비스
    • 코호트 : 신규 가입자 / 기간 : 1일, 7일, 30일 후 → 얼마나 들어왔는지, 서비스를 계속 사용하는지 파악 가능
  • 특정 기능의 효과 측정 - ex. 6월에 이벤트 쿠폰 발행
    • 코호트 : 5, 6월 가입자 / 3~7일 유지율 : 5월(25%), 6월(40%)
  • 마케팅 성과 확인 - ex. 다른 채널의 광고 진행
    • 코호트 : 인스타그램 광고를 통해 가입한 사용자, 네이버 배너 광고 / 7일 유지율 : 인스타(40%), 네이버(35%) → 어떤 광고 사용자가 오래 남는지 확인
• 장점 → 전체 데이터의 평균이 숨기는 문제와 기회 발견하기 위해 쓰임
  • 유입 시점별 품질 비교 가능
  • 문제 발생 시점 명확화
  • 개선 효과 검증 가능
• 방법
  • 코호트 : 분석 대상이 되는 공통된 특정 가진 사용자 그룹 - 어떤 기준으로 사용자 묶을지 정의
  • 기준 시점 : 그룹 나누는 시작점이 되는 특정 시점 - 시점 기준으로 시간이 얼마나 흘렀는지 측정
  • 타임라인 : 기준 시점 이후 흐르는 시간 단위 - 분석 목적에 따라 일간, 주간, 월간 등으로 설정
  • 지표 : 해당 그룹이 시간에 따라 보여주는 구체적인 행동 데이터 분석을 통해 확인하고자 하는 성과 지표

유지율(Retention), 재방문율, 매출, 이벤트 수행률 등

1. 행 Row : 코호트 그룹 의미
2. 열 Column : 기준 시점 이후 경과시간 의미
3. 값 Value : 분석하고 싶은 핵심 지표
4. 해석 포인트 : 첫번째 열 - 기준 시점 / 시간이 지날수록 얼마나 남는지 - 유지율

• 학번 = 코호트 Cohort
  • 가입 시점별로 사용자 묶기 / 각 그룹은 고유한 특징과 경험 공유
• 학년/학기 = 경과 시간 Time Period
  • 가입 후 1, 2개월 등 시간 경과 추적
• 성적 변화 = 행동 패턴 Action
  • 시간 지나며 “누가 꾸준히 잘 유지하는지”, “언제 이탈하는지” 확인

---

<세그먼트 분석 Segment> - 사용자 그룹별 특징 확인

• 방문 빈도별 비교 - 자주 방문 VS 가끔 방문
• 구매 행동별 비교 - 장바구니에 담고 구매하지 않는 고객
• 반응 유형별 비교 - 할인 코드 반응 VS 신제품 반응
• 코호트 VS 세그먼트
  • 코호트
    • “언제 들어왔나?”로 묶어 시간의 흐름을 파악해 유지율, 리텐션 보는게 목적
  • 세그먼트
    • 그룹별 타겟에 집중해 비즈니스적으로 각 고객별 어떤 가치 줄 수 있는지 집중

	코호트 분석	세그먼트 분석
그룹 기준	동일한 시기에 시작한 사용자 그룹	동일한 특성, 행동 가진 사용자 그룹
핵심 질문	시간이 지나면서 어떻게 변화하는가?	서로 어떤 차이가 있는가?
분석 관점	동일한 시기에 시작한 사용자 그룹의 변화 추적	특정 조건 가진 사용자 그룹 간 비교
대표 예시	1월 가입자 vs 2월 가입자 / 프로모션 전, 후 유입 사용자	VIP 고객 vs 일반 고객 / 판매자 vs 구매자
확인 지표	리텐션, 재방문율, 재구매율, 활성 사용자 변화	전환율, 구매율, 평균 주문 금액, 참여도
주요 목적	사용자 유지율 분석 서비스 개선 효과 검증 장기적인 행동 변화 확인	사용자 특성 파악 타겟 마케팅 퍼널 최적화 및 고객군 비교

• 종류
  • 인구통계적 - 나이, 성별, 거주 지역, 직업, 소득 수준 등 가장 기본적이고 전통적
  • 심리적 - 관심사, 라이프스타일, 가치관, 성격 등 고객의 내면적 특성
  • RFM - 최근성 Recency, 빈도 Frequency, 구매액 Monetary 조합한 고객 가치 (VIP분석 / 이탈위험고객)
• 해석방법
  • 매출을 주도하는 핵심 그룹은 누구인가?
  • 이탈 위험이 큰 고객은 누구인가?
  • 어떤 그룹에 마케팅을 집중해야 하나? - ROAS 극대화
  • 어떤 기능을 누가 많이 사용하는가?

---

<퍼널 분석> - 어느 단계에서 이탈하는지 확인

• 특징
  • 지점별 이탈률이 가장 높은 화면을 우선순위로 두고 개선 진행
  • 화면 개선 시, 한 번에 개선하기 보다 A/B테스트를 통해 사용자 반응 파악하며 발전
• 지표
  • Step별 유저수 - 각 Step별 유저 몇 명인지
  • Step별 전환율 - Step 1 → Step 2 전환율 = Step 2 / Step 1
  • 이탈률 - Step 1 → Step 2 이탈률
  • 전체 전환율 - 첫 Step ~ 마지막 Step
• 해석방법
  • Where - 전환율 가장 낮은 구간, 이탈율 높은 단계 확인
  • Who - 세그먼트 / 코호트로 쪼개기
  • Why - 데이터와 함께 분석
    • 세션 리플레이 / 히트맵, 설문, CS / 리뷰 텍스트, 에러 로그
• 유의사항
  • 행동 기반으로 정의
  • 서로 겹치지 않게 주의
  • 측정 가능한 데이터로
  • 단계는 4~7단계 적당
• 핵심요약
  • 퍼널분석 = 전환 목표까지의 단계별 이탈
  • Step정의가 전부다 = 중복 없는 단계 구성 필요
  • 보는 것 = Step별 유저수, 단계 전환율, 이탈률, 전체 전환율
  • 해석 = 어디서 떨어지나 → 누가 → 왜
  • 개선 후 테스트 필요 = A/B 전략 비교로 검증
  •  

---

 

[DAY 38]

 

<GTM 맞춤형 태그 이벤트> 만들기

1. 게시글에 맞는 하트 클릭
   • 측정 ID > 이벤트 이름 : click_heart1 > 트리거 > 일부 클릭 > 매개변수 2개 추가 (url에 페이지 명 맞추기)
2. 공유버튼 클릭
   • 측정 ID > 이벤트 이름 : click_share > 트리거 > 일부 클릭 > 매개변수 추가
3. 영상재생
   • 측정 ID > 이벤트 이름 > 이벤트 매개변수 추가 > 트리거 > 시작, 완료, 진행률, 고급 체크
4. 스크롤 깊이
   • 측정 ID > 이벤트 이름 > 매개변수 입력 > 트리거 > 스크롤 깊이 > 비율 추가

 

<데이터 시각화>

• 정의
  • 데이터 : 분석의 기초가 되는 정량적/정성적 사실과 수치
  • 인사이트 : 데이터 분석을 통해 발견한 의미있는 패턴과 결론
  • 시각화 : 차트, 색상, 레이아웃을 활용한 직관적 표현
  • 스토리텔링 : 청중의 행동을 이끌어내는 설득력있는 서사
• 필요 이유
  1. 복잡한 데이터의 쉬운 이해
  2. 빠른 정보 처리
  3. 통찰력 발견
  4. 의사결정 지원
  5. 효과적인 정보 전달
• 효과 → 뇌 과학과 소셜 데이터가 증명하는 시각적 정보의 압도적 힘
  • 시각 요소는 주의 attention, 기억 memory, 공유 share를 촉진해 보고서의 설득력 극대화
    • 60,000배 더 빠른 정보 처리 속도 (시각적 정보)
    • 95% 더 높은 콘텐츠 도달률 (공유 Retweet)
• 7가지 원칙
  1. 명확성 clarity : 복잡한 데이터를 쉽게 이해할 수 있도록 불필요한 장식 제거하고 핵심 강조
     1. 단순함과 강조 - 불필요한 요소 제거, 중요한 데이터만 색상
     2. “한 눈에 핵심 메시지가 보이는가?”
  2. 정확성 accuracy : 정보 최소화하되 본질 훼손 X
     1. 축 절단 truncated axis, 체리 피킹 cherry-picking X
     2. 0점 기준 zero baseline, 투명한 정보 제공 O
     3. “데이터가 왜곡되지 않았나요?”
  3. 간결성 simplicity : 정보 최소화하되 본질 훼손 X
     1. 모든 데이터 수치 표기, 불필요한 격자선과 배경색, 과도하게 많은 컬러와 라벨 X
     2. 핵심 데이터만 강조, 여백을 활용해 메시지 집중 O
     3. “한 차트에 하나의 메시지만 담았나요?”
  4. 일관성 consistency : 상황에서 시작해 문제를 거쳐 해결책으로 이어지는 흐름 설계
     1. 같은 항목인데 차트마다 색상 다름 → 혼란 유발
     2. 색상, 폰트, 라인 스타일, 축의 범위 동일하게 유지 → 신뢰도 상승
     3. “색상, 폰트, 스타일이 전체 페이지에 걸쳐 통일되어있나요?”
  5. 스토리텔링 storytelling : 상황에서 시작해 문제를 거쳐 해결책으로 이어지는 흐름 설계
     1. 단순 나열식 구성 X
     2. 내러티브 구조 - ‘무엇이 문제인지(so what?)’, ‘어떻게 해야 하는지(now what?)’
     3. “데이터가 논리적 흐름(현상 → 원인 → 해결)을 가지고 있나요?”
  6. 대상 고려 audience : 보고서를 읽는 사람이 누구냐에 따라 보여주는 데이터와 형식 달라야함
     1. 경영진 / 투자자 - 전략적 의사결정자 → one-page 대시보드, 핵심 지표 중심, 결론 우선
     2. 실무 팀원 / 마케터 - 실행 및 최적화 담당자 → 상세 분석 리포트, 실행 지표 중심, 액션 아이템
     3. “보는 사람(경영진/실무자)의 관심사와 이해 수준에 맞는 용어를 사용했나요?”
  7. 적절한 차트 선택 chart type
     1. “비교, 비중, 추세 등 데이터의 성격에 맞는 최적의 차를 선택했나요?”

 

<데이터 보고서>

• 원칙
  1. 핵심 메시지 먼저 전달 : 단순한 숫자 나열 X, 데이터가 말하는 ‘스토리’와 ‘제안’
     • 인사이트 중심 - 가장 중요한 발견점 insight, 행동 제안 action item 명확히 요약
  2. 인사이트+개선 방향 제시 : 단순한 현상 보고 X, 행동을 유도하는 해결책을 데이터와 함께 제안
  3. 불필요한 정보는 최소화 : 의사 결정에 필요한 핵심 지표에만 집중하며 명확한 행동 유도
     1. 데이터 과부화 X, 선택과 집중
        1. 주요 비교 대상 3~5개로 제한
        2. 세부 데이터는 별첨 appendix으로 분리
        3. 성과가 가장 좋은 항목 시각적으로 강조
• 차트 선택 가이드
  • 단계별 진행 - 시계열 데이터 - 선 그래프 - 변화 추이, 트랜드 파악
  • 비율 비교 - 전체 대비 부분 - 원형/도넛 차트 - 각 요소의 기여도 및 비중 비교
  • 범주별 비교 - 항목별 크기 - 막대 그래프 - 항목 간의 순위 및 차이 비교
  • 변수 간 관계 - 두 변수의 상관관계 - 버블차트/산점도 - 변수 간 관계 및 패턴 파악
  • 단계별 진행 - 전환율, 이탈률 - 퍼널 차트 - 단계별 흐름 및 병목 구간 파악

1. 비교 comparison - 막대 그래프
2. 비중 proportion - 파이 차트, 도넛 차트
3. 추세 trend - 선 그래프, 영역 차트
4. 관계& 분포 relationship
   1. 산점도 scatter plot : 두 변수 간의 상관관계와 패턴 파악하기 위한 차트
   2. 버블 차트 : 두 변수의 관계에 세 번째 변수(규모)를 추가로 표현하는 차트
5. 흐름 & 전환 flow - 퍼널 차트, 유저 플로우
6. 주의 warning - 단순함