일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- matplotlib
- 데이터분석
- 그로스해킹
- 데이터시각화
- SQL
- MySQL
- seaborn
- pandas
- 프로그래머스
- 파이썬
- solvesql
- GROUPBY
- hackerrank
- 다중 JOIN
- 결측값
- 전처리
- Oracle
- SUM
- Limit
- having
- not in
- 머신러닝
- TRUNCATE
- 데이터리안 웨비나
- join
- airflow.cfg
- Round
- SQLite
- airflow 설치
- PostgreSQL
- Today
- Total
Milky's note
[Webinar Review] 3월 데이터리안 웨비나 - 데이터 분석가는 어떤 일을 하나요? 본문
오늘은 데이터리안에서 진행하는 월간 웨비나에 대한 리뷰를 쓰려고 한다.
3월에 진행한 웨비나에 대한 요약 영상 부분이다.
https://www.youtube.com/watch?v=PQqOE1P6PQ0&t=8s
3월 웨비나의 주제는 데이터 분석가는 어떤 일을 하나요? 이다.
그에 대해서 많이 사용하고 있는 Funnel 분석과 사용자 행동 분석 데이터 분석에 대하여 설명을 해주시고 QnA 시간을 가지고 마무리되었다.
먼저 첫 번째로 Funnel 분석에 대하여 발표해주셨다.
그 내용을 간단하게 내가 정리한대로 적어보려고 한다.
Funnel 분석의 목표는 사용자를 특정한 목표 지점에 도달하게 하는 것 이다.
퍼널 분석에 대해서는 이전에 블로그에 간단하게 글을 써넣었다.
결국 퍼널 분석은 마지막지점까지 사용자를 늘리는 게 목표인데 사용자를 늘리려면 퍼널을 개선해야한다.
퍼널을 개선하는 방법으로 다음 6가지를 예를 들어주셨다.
1. 스타트 지점에 있는 사람 수 늘리기
-> 시작 지점을 늘리면 당연히 최종 도달도 늘어날 것이다.
2. 전환율을 높이기
-> 결국 이게 가장 중요한데 어떻게 높이는지 예를 들면
다음단계로 넘어가는 버튼 잘보이게 하기, 넘어갈 때 입력해야하는 작업 줄이기
등을 통해서 사용자들이 보다 쉽게 다음 단계로 넘어가게 만들어주어야한다.
3. 퍼널의 단계를 없애기
-> 불필요한 단계를 줄이면 퍼널의 수가 적어져서 당연히 다음 퍼널로 이동하는 사용자 수가 늘어난다.
4. 퍼널의 순서를 바꾸기
-> 사용자에게 미리 경험을 하게 해주면 말로 듣는 것 보다 더 큰 욕구가 생겨서 다음 단계로 이동이 수월해진다.
5. 퍼널의 단계를 추가하기
-> 보다 정확한 니즈를 파악하기 위해 추천할 항목에 대한 부분을 미리 파악하는 단계를 추가시켜 사용자의 요구에 대한
정확도를 높일 수 있어 최종 단계에 도달하기 쉬워진다.
6. 코호트로 나누어보기
-> 아직 블로그에 정리하지 않았지만 코호트 분석(동질 집단으로 사용자를 나누어 분석)을 사용하여 최종 단계에 도달하기 쉽게 한다.
퍼널 분석을 공부할 때 단순히 전환율을 높이면 되지 까지만 생각하고 구체적으로 어떤 방법으로 어떻게? 라는 생각은 해보지 않았는데 예시를 들어주시면서 방법을 알려주셔서 도움이 많이 되었다. 추후에는 내가 생각한 방법도 추가로 넣을 예정이다.
그리고 퍼널 분석에 대한 설명을 마무리하면서 역시 가장 중요한 건 분석에서 다음으로 이어지는 액션이라고 설명해주시면서 웨비나는 마무리 되었다.
지극히 당연한 말이지만 정말 분석에 온갖 공수를 다 쏟아부어도 그 다음에 이어지는 액션이 없으면 끝이다.
어디를 어떻게 수정하라고 다 떠놔도 수정해서 반영하지 않으면 아무것도 없는게 되니까
분석을 하고 그에 대한 액션 플랜도 세워서 같이 행해지면 최고의 성과가 날 것이라고 생각한다 !!
다음으로는 사용자 행동 데이터 분석에 대하여 발표 해주셨다.
다음과 같이 회사에서 볼 수 있는 두 가지 유형의 데이터가 있다.
1) 서비스 데이터
- 결제 내역
- 회원 정보
2) 사용자 행동 데이터
- 페이지 체류 시간
- 확인한 페이지
- 내린 스크롤 수
서비스 데이터는 가입, 결제 등 서비스 운영에 반드시 필요한 데이터이고,
사용자 행동 데이터는 사용자들의 행동 패턴을 별도로 나타낸 데이터이다.
일반 개발자들은 서비스 데이터만 확인하면 되지만 (물론 때에따라 아닌 경우가 있지만 대부분) 데이터 분석가는 사용자 행동 데이터를 분석해야하는 경우가 많다.
서비스를 힘들게 만들어서 운영하기 시작하였으면 그게 끝인가? 절대 아니다. 유지보수, 여론 조사, 장애 대응 등등이 필요하다.
이렇게 운영되고 있는 서비스가 제작자들이 원하는 목적에 맞게 사용자들이 잘 사용하고 있는지? 또는 사용자들이 어떤 기능을 더 원하는 지? 에 대한 모니터링 및 분석이 필요하다.
이 때 필요한 데이터들이 사용자 행동 데이터이다.
사용자 행동 데이터를 분석하면 사용자들이 주로 어느 단계에서 이탈하는지? 어떤 기능을 요구로 하는지? 얼마만에 재방문을 하는지? 등을 알아낼 수 있다.
(이런 데이터로 위에서 설명한 퍼널 분석이 진행됨)
그래서 데이터 분석가들에겐 정말 중요한 데이터이다.
나도 옴니버그를 설치해서 간단하게 사용자 행동 데이터를 확인해보았다.
설치는 크롬에서 옴니버그를 검색하여 플러그인 설치를 하면 끝이다.
내가 좋아하는 분야인 쇼핑몰 사이트에 대한 사용자 행동 데이터를 간단하게 보았다.
개발자 모드에서 확인 할 수 있는데 스크롤, 클릭 등 사용자가 일종의 이벤트를 벌이면 다 기록이 되어 GA나 에드센스 등으로 데이터가 전달된다. 그래서 한 번 검색을 하면 SNS 등에 검색한 내용과 관련된 광고가 출력되곤 한다.
생각해보니 나는 광고를 보다가 속는 셈 치고 구매한 적이 엄청 많다...
서비스 분석에 꼭 필요한 사용자 행동 데이터를 쓸 땐 유의해야 할 점이 있다.
- 엄청나게 방대한 양의 데이터이므로 조회할 때 주의가 필요하다.
- 데이터가 기록되는 정확한 방식을 알아야 제대로된 분석이 가능하다.
- 사용자들은 다른 의도로 시스템을 사용하는 경우가 있다.
- 데이터는 언제나 잘못 저장될 수 있다.
이 중에서 강조하셨던게 조회할 때 주의가 필요하다는 점인데 위 사진처럼 잠깐 클릭하고 내린 스크롤에 대해서도 저만큼의 데이터가 쌓인 걸 확인할 수 있었다. 이걸 시스템 사용자들에 대해 모두 쌓인다고 생각하면 엄청나게 많은 양이라 DB를 조회할 때 분석 DB가 멈추지 않게 꼭 꼭 주의가 필요하다!!!
사용자 행동 분석 데이터를 쌓으려면 많은 공수가 들어가지만 이 데이터를 잘 분석하다보면 서비스의 문제를 파악하고 개선하는데 쓰이는 많은 시간과 수고를 덜 수 있을 것이다. 추가로 데이터를 잘 분석해서 개인에 맞춤화된 시스템으로 변화해가면서 많은 수익을 창출할 수도 있다!
웨비나는 여기에서 마무리 되었고 엄청 유익한 시간이었다.
4월달에도 진행하는데 이것도 역시 신청할 예정이다! 이번 달 주제는 코호트가 나온다고 해서 더 기대가 된다.
그리고 다 들으면 이렇게 참여증도 주시는데 완전 만족!!!! 오늘 받아서 블로그에 자랑하려고 신청을 했당
모든 출처는 데이터리안에 있습니다.
'리뷰' 카테고리의 다른 글
[Webinar Review] 4월 핵클 웨비나 - 데이터 잘 보기, 활용 (0) | 2022.05.03 |
---|---|
[Webinar Review] 3월 핵클 웨비나 - 데이터 잘 보기, 첫 걸음 (0) | 2022.05.02 |
[Webinar Review] 4월 데이터리안 웨비나 - 실무에서 바로 써먹는 데이터 분석 스킬 (0) | 2022.04.26 |
[Article Review] 10배 이상 뛰어난 개발자가 되는 법 (0) | 2022.03.25 |
[Webinar Review] 2월 데이터리안 웨비나 - 면접으로 직행하는 데이터 분석가 이력서 (0) | 2022.02.23 |