오늘부터 본격적으로 과제에 돌입했다. 어제 강의에서 배운 앱스토어 리뷰 분석, 퍼널 분석,
AARRR 프레임워크가 머릿속에 있는 상태에서 실제 데이터를 마주하니 감이 조금씩 잡혔다.
과제의 시작을 위해 타겟 사용자 데이터를 직접 분류해봤는데,
데이터를 보는 눈을 기르는 게 생각보다 훨씬 재밌고 복잡한 일이라는 걸 느꼈다.
강의에서 "직접 해봐야 안다"고 했는데, 딱 그 말이 맞았다.
1. 🎯 분석 대상 정의 — 어떤 고객을 봤는가
오늘 분석한 대상은 특정 소비 금액 이상을 지출한 고객군이다. 단순히 "구매했다 / 안 했다"를 보는 게 아니라, 장바구니 전환 여부와 신규 / 재방문 여부를 기준으로 총 네 가지 축으로 나눠서 행동 패턴을 들여다봤다.
📊 전체 모수 구성 비율 (장바구니 전환 여부)
Add to Cart — 장바구니에 담은 고객
Not Add to Cart — 담지 않은 고객
📊 전체 모수 구성 비율 (고객 유형)
첫 사용 고객 (First-time)
이전 사용 고객 (Returning)
💡 전체 모수를 이렇게 나눠 보는 것 자체가 분석의 출발점인것 같다.
"고객"을 하나의 덩어리로 보지 않고 행동과 경험에 따라 쪼개는 것.
2. 🛒 장바구니 전환 행동 분석 — 리뷰와 할인, 무엇이 달랐나
장바구니에 담은 그룹과 담지 않은 그룹이 각각 리뷰(Review clicked)와 할인 노출(discount_exposed)에 어떻게 반응했는지 비교했다. 결과가 꽤 명확하게 갈렸다.
📊 장바구니 전환 여부별 행동 비교
| 비교 항목 | Add to Cart 그룹 | Not Add to Cart 그룹 | 특징 |
|---|---|---|---|
| Review clicked | 🔵 매우 높음 | ⬜ 상대적으로 낮음 | 전환 그룹에서 압도적 차이 |
| discount_exposed | 🟡 중간 | 🟡 중간 (거의 동일) | 두 그룹 간 차이 거의 없음 |
| Review AND discount | 🟣 높음 | 🟣 낮음 | 두 조건 동시 충족 시 전환율 차이 존재 |
🔴 할인은 두 그룹 모두에게 비슷하게 노출됐는데 전환율 차이가 없었다.
반면 리뷰 클릭은 전환한 그룹에서 훨씬 높았다.
즉, 이 고객군에서는 할인보다 리뷰가 전환에 더 큰 영향을 미쳤을 가능성이 크다.
단정 짓기엔 모수가 크지 않지만, 방향성으로 읽기엔 충분했다.
3. 👤 첫 사용 고객 vs 이전 사용 고객 — 전혀 다른 패턴
같은 고객군 안에서도 처음 온 고객과 다시 온 고객의 행동이 상당히 달랐다. 특히 할인 민감도와 리뷰 의존도에서 반대 방향의 패턴이 나왔다.
📊 첫 사용 고객 — 장바구니 담은 그룹의 행동 (First-time · Add to Cart)
📊 이전 사용 고객 — 장바구니 담은 그룹의 행동 (Returning · Add to Cart)
🟢 방향성 정리
- 첫 사용 고객은 할인(discount_exposed)에 상대적으로 더 민감하게 반응했다
- 이전 사용 고객은 리뷰(Review clicked)에 훨씬 더 강하게 반응했다
- 두 그룹이 같은 퍼널을 거치더라도 무엇이 전환을 유도하는가는 완전히 다르다
→ 페르소나를 하나로 퉁칠 수 없다는 게 데이터로 보이는 순간이었다.
- 첫 사용 고객은 할인(discount_exposed)에 상대적으로 더 민감하게 반응했다
- 이전 사용 고객은 리뷰(Review clicked)에 훨씬 더 강하게 반응했다
- 두 그룹이 같은 퍼널을 거치더라도 무엇이 전환을 유도하는가는 완전히 다르다
→ 페르소나를 하나로 퉁칠 수 없다는 게 데이터로 보이는 순간이었다.
4. 🔀 유입 경로(Traffic Source) 분석
고객들이 어떤 경로로 들어왔는지도 함께 분류해봤다. 광고(AD), 직접 유입(Organic), 검색(Search) 세 가지 경로로 나눠서 비중을 확인했다.
📊 유입 경로별 비율 (Traffic Source)
AD — 광고 유입
Organic — 직접 유입
Search — 검색 유입
💡 세 경로가 크게 차이 나지 않고 비교적 고르게 분포되어 있었다.
다만 검색 유입이 소폭 높은 편이었는데, 이 고객군이 구매 전 정보 탐색을 적극적으로 한다는
행동 패턴과 연결해서 생각해볼 수 있을 것 같다.
유입 경로에 따라 리뷰 클릭률이나 전환율이 다른지도 다음에 더 들여다봐야 할 것 같다.
5. 🧩 오늘 분석을 통해 정리한 것들
오늘 처음으로 직접 데이터를 분류하고 비교해봤다. 숫자를 읽는 게 아니라 "왜 이 그룹은 이렇게 행동했을까?"를 생각하는 게 훨씬 중요하다는 걸 느꼈다.
| 분류 축 | 세부 항목 |
|---|---|
| 전환 여부 | Add to Cart / Not Add to Cart |
| 고객 유형 | 첫 사용 / 이전 사용 |
| 행동 신호 | Review clicked / discount_exposed / Review AND discount |
| 유입 경로 | AD / Organic / Search |
🟣 현재 과제 진행 상황
오늘 데이터 분류를 진행중이고, 이 결과를 바탕으로 보고서 작성까지 이어가 볼 것이다.. 단순히 "30만원 이상 쓰는 고객"이 아니라, 신규/재방문 여부와 리뷰·할인 반응 패턴을 기반으로 결과를 도출하기 위한 준비를 하는것이다.💪
오늘 데이터 분류를 진행중이고, 이 결과를 바탕으로 보고서 작성까지 이어가 볼 것이다.. 단순히 "30만원 이상 쓰는 고객"이 아니라, 신규/재방문 여부와 리뷰·할인 반응 패턴을 기반으로 결과를 도출하기 위한 준비를 하는것이다.💪
오늘 배운 것 한 줄 정리 🗒️
데이터 분류는 "나누는 행위"가 아니라 "질문을 만드는 행위"다 — 그룹을 나눌수록 "왜 다를까?"라는 질문이 생기고, 그 질문을 계속해서 알아보고 탐색해 볼 것이다.
데이터 분류는 "나누는 행위"가 아니라 "질문을 만드는 행위"다 — 그룹을 나눌수록 "왜 다를까?"라는 질문이 생기고, 그 질문을 계속해서 알아보고 탐색해 볼 것이다.