[Webinar Review] 4월 데이터리안 웨비나 - 실무에서 바로 써먹는 데이터 분석 스킬

● Part 1. “아반*사러와서 그랜 * 풀옵션을 계약하기까지”

 

Upsell

• 의미: 이미 고른 제품보다 더 비싸고 좋은 제품을 판매하는 전략
• 업그레이드의 관점
• 예시: 아이폰 미니 vs 13?

Cross-sell

• 의미: 관련된 다른 상품을 판매하는 것 
• 아예 다른 구매를 유도
• 예시: 아이폰 악세사리들 추천

->  두가지 모두 판매를 늘려서 매출을 극대화 하기 위한 전략

 

ARPU

• 의미: Average Revenue Per User
• 계산 방식: 전체매출/전체 유저 수

ARPPU

• 의미:  Average Revenue Per Paying User
• 계산 방식: 전체매출/ 결제 유저 수

 

· 매출 증가의 원인

결제 유저 수 * ARPPU = 전체 매출

위와 같은 공식을 사용해서 매출을 구하는데, 만약 매출이 증가하게 되었을 때 어떤 원인이 있는지 다음 세 가지를 확인해보자

1. 결제 유저 수의 증가

- 전체 고객의 구성 

1. 전체 고객 수가 증가하면  결제 고객 수도 증가하게 된다.

2. 전체 고객 비율 증가하면 결제 고객 수도 증가한다.

 

-  결제 유저의 구성

1. 재결제가 많은 달인지?

2. 이번 달에 새로 결제한 고객인지?

(=구매 리텐션이 높은 달인지?, 어떤 이벤트가 진행되어서 그러는지? 확인 가능) 

2. ARPPU 증가

- 전보다 자주 구매한 경우(빈도)

- 한 번 결제할 때 더 비싼 구매를 한 경우(금액)

3. 결제 유저 수 & ARPPU 증가

- 결제 유저수와 ARPPU가 증가한 방식을 모두 활용하여 분석

 

<<객관식 문제>>

1. 만약, 배달의 민족 매출이 증가하고 있다면 그 이유로 가장 적절한 것은? (정답:  4)

⓵ 전체 이용자 수의 증가

⓶ 결제 고객 비율의 증가

⓷ 결제 1회 당 결제 금액의 증가

⓸ 결제 빈도의 증가

✍🏻 위 문항을 정답으로 선택한 이유

1,2 -> 결제 고객 증가

3,4 -> ARPPU 증가

내 생각>> 사람들이 한 달에 한 번 시키다가 외식을 못하는 요즘에 많이 배달을 시키면서 하루에 한 번, 또는 거의 매일 시켜먹기 시작했기 때문이다.

2. 카카오 선물하기의 매출을 늘리는 전략으로 가장 합리적인 것은? (정답:  4)

⓵ 전체 이용자 수의 증가

⓶ 결제 고객 비율의 증가

⓷ 결제 1회 당 결제 금액의 증가

⓸ 결제 빈도의 증가

✍🏻 위 문항을 정답으로 선택한 이유

1,2 -> 결제 고객 증가

3,4 -> ARPPU 증가

내 생각>> 생일이라는 특정한 기념일과 위시리스트 기능 등을 통해서 바로 확인하고 선물을 보내줄 수 있어서 인터넷 쇼핑몰에서 찾는 것보다 간편해서 빈도가 늘어나는 것 같다.

· 요약

고객이 더 자주 큰 금액을 결제하도록 upsell, cross-sell 을 계산해서 이익을 계산한다.

마케팅 비용과 고객이 결제하는 금액을 비교하여 어느 정도 시간이 지나면 원금을 회수할 수 있는지?

LTV, CLV등 블로그에 이전에 쓴 내용처럼 무수히 많은 공식들이 있다. 어떤 공식을 사용해야하는지는  

우리 서비스가 어떤 서비스이고 어떤 가치를 고객의 어떤 생애를 파악해서 적절한 방식으로 적용

즉, "고객", "생애", "가치"를 서비스에 맞게 LTV를 정의하고 계산하는 것이 중요

 

 

돈이 되는 분석을 하자 !!! 

-> 돈을 분석하면 결국 돈이 되는 분석을 할 수 있다.

 

---

● Part 2.“분석이 지지부진 한가요? 그러면 코호트(Cohort)를 추가해보세요.”

 

코호트 분석을 하려면 데이터를 쪼개야한다.

우선 데이터를 쪼개면 그 안에 내용을 발견할 수 있다.

· 데이터를 쪼개는 대표적인 방법

1. 시간에 따라 쪼개기
   (시간이 흐르면서 데이터가 어떻게 변하는지 관찰)
2. 사용자 별로 쪼개기
   (사용자들을 어떤 특성에 따라 나누고, 각 특성을 가진 사용자들이 다른 특성을 가진 사용자들과 다르게 행동하는지 관찰)
   즉 고객 세분화라고한다. Customer Segmentation-Cohort가 방법 중에 하나이다.
3. A/B 테스트
   (사용자들에게 다른 옵션을 주고 어떻게 행동하는지 관찰)

· 대표적인 고객 세분화 방법 4 가지

1. 인구 통계 데이터 기반

- 성별, 연령대, 사는 지역, 직업 등

취향이나 행동 패턴이 다르다는 큰 기반이 깔려있다는 증거

하지만 요즘에는 성별이나 인구 통계로 어떤 패턴을 가지고 행동하는 시대는 지나가고 있다. 특히 물건의 수요같은 경우

2. 사용 기기 기반

- 사용 디바이스, OS, 앱 버전 등

한 OS에 맞춰서 개선을 해야할 때 포커스를 더 맞출 수 있다.

3. 유입 채널 기반

- 어떤 채널을 통해 우리 서비스에 들어왔나?

어떤 링크를 통해서 유입된 사용자들이 더 높은 결제 전환율을 가지는 지 알 수 있다.

4. 결제, 앱 로그 등 유저 데이터 기반

- 특정 기능 사용. 미사용, 웹사이트 방문 시간대

- 결제 유저. 미결제 유저

- 결제 유저 중에서도 과금 정도에 따라 구분

 

· 전략적인 측면에서 고객 세분화 활용하기

전환율

1. 전환율이란?
   최종 목표에 도달한 사람 / 전체 컨텐츠를 확인한 사람

유입채널 별 세분화

1. 유입 경로별 전환율은 어떻게 다른가요?
   광고를 하는 사이트마다 전환율은 다르기 마련이다.
   엄청 적은 차이의 전환율이라면 다른 방법으로 분석을 하거나 데이터를 더 모아서 분석해야하는 경우도 있다.
   
   
2. 전환율이 다른 걸 확인했다면 어떤 일을 해볼 수 있을까요?
   전환율로 코호트 분석을 사용해서 지금의 상황을 분석한다.

· 코호트 분석

 

앞에서 쪼갠 데이터로 코호트 분석을 수행하여 지금 상황이 괜찮은지 확인을 하고 어려운 상황이라면 개선점을 발견하고 개선을 해나가야한다.

그 외의 차트를 사용할 수도 있다.

 

리텐션 차트 - 어제 방문한 사용자가 오늘도 방문할까? 확인하는 차트

즉 시간에 따라 우리 페이지에 얼마나 많은 사람들이 방문하는지 확인이 가능

 

(추후에 코호트 분석을 공부해서 블로그에 글을 써야겠다)

· 요약

페이지 방문자 수 라는 숫차 자체는 전략에 도움이 안되는 대표적인 허상 지표이지만 증가하고 있으면 기분이 좋당^_^

앞의 퍼널 분석에서는 페이지 방문자 수가 늘어나면 목표 지점에 도달하는 사람이 늘어난다고 했는데 오늘은 허상 지표라고 한 이유는

지금 퍼널 단계가 적절한가 평가해보는 게 먼저 선행되어야한다. 퍼널이 최적화 되고 나서는 결국 웹사이트 방문자를 늘리는 것도 유효한 전략이 되기 때문이다.

그래서 단순히 웹사이트 방문자 수만 늘리면 된다! 고 생각하는 건 위험하기 때문에 퍼널이 최적화 되기 전까지는 허상지표라고 볼 수 있다.

---

· Q&A

데이터 분석가가 도메인 지식이 중요하다고 하지만 모르더라도 데이터 분석 기술을 더 발전시켜서 모르더라도 공부를 하고 간다... !!!!!!

혹은 관련 내용의 공모전에 참가해보는 것도 하나의 방법일 수도 있다.

이미 이력서를 보고 도메인지식이 부족하다는 것을 알고 있기 때문에 어떻게 부족한 도메인 지식을 극복해갈지 대비하는 것도 도움이 된다.

 

Acquisition(고객 유입) 보다 Retenntion(고객 유지)에 데이터를 분석하는 것이 더 어려운데 어떤 데이터들을 분석해야하는지?

어떤 기능을 이용하는 사용자의 비율을 확인하는 것이 더 도움이 된다.

토스의 사례

토스가 부릅니다, 매일매일 이자 기다려

 

Cohort, AARRR과 같은 분석 방법론에 대한 공부 방법?

도서추천 5권

데이터를 공부하는 사람들에게 추천하는 책 5권

 

요즘 분석 기법 트렌드는 뭐가 있을까요?

회사 입장에서는 트렌드에 상관없이 필요한 시점에 써먹을 수 있게 분석을 했는지 적시에 분석을 할 수 있는지 확인하는 게 더 중요하다.

 

 

 

웨비나는 여기에서 마무리 되었다.

5월달에는 외부 연사님이 오셔서 내가 제일 자신있고 좋아하는 시각화에 대한 강연을 해준다고 하셔서 이것도 역시 신청할 예정이다

아직 참여증은 받지 않아서 참여증을 받는대로 업로드도 할 예정이다 ! 

 

---

 

모든 출처는 데이터리안에 있습니다.

https://www.datarian.io/