[내일배움캠프 TIL] 서비스기획 과제 — 장바구니 전환율 분석 종합 정리

서비스기획 과제 — 장바구니 전환율 분석을 과제 요구사항 순서대로 처음부터 정리한다.
페르소나를 먼저 정하고, 그에 맞는 데이터를 추출하고, 필요한 항목만 선별해서 분석하는 흐름이다.

---

1️⃣ 페르소나 선택 — 왜 페르소나 A인가

네 가지 페르소나 중 페르소나 A — 고가 상품 비교 쇼핑 유저를 선택했다.

항목	내용
페르소나	페르소나 A — 고가 상품 비교 쇼핑 유저 (30만원 이상)
특징	신중하게 오래 고민, 장바구니 담기까지 망설임
선택 근거	고가 상품은 구매 결정까지 탐색·검토 행동이 명확하게 나타날 가능성이 높고, 데이터셋에 리뷰 클릭·할인 노출·체류시간 등 탐색 행동을 추적할 수 있는 변수가 갖춰져 있어 분석 적합성이 높다

💡 페르소나 A를 선택한 이유
고가 상품일수록 구매 전 정보 탐색(리뷰·비교)과 체류시간이 길어지는 소비자 행동이 일반적으로 관찰된다. 이를 데이터로 검증할 수 있고, "왜 담기를 망설이는가"에 대한 인사이트를 뽑을 수 있는 구조다.

---

2️⃣ 데이터 추출 — 페르소나에 해당하는 유저 추출

추출 조건 및 근거

조건	값	근거
price_band	over_300k	페르소나 A의 정의인 "30만원 이상 고가 상품 조회 유저"에 직접 대응하는 조건

💡 추출 근거 설명
price_band = over_300k는 상품 가격대가 30만원 초과임을 의미한다. 페르소나 A가 "신중하게 오래 고민하는" 행동을 보이는 이유는 높은 가격 때문일 가능성이 크다. 따라서 이 필터 하나로 페르소나 A에 해당하는 유저를 합리적으로 추출할 수 있다.

추출 결과

항목	결과
추출 인원	205명
이상값 처리	체류시간 IQR 상한 초과 4건 → 무효 세션 2건 배제 / 고관여 탐색 유저 2건 별도 세그먼트 분류
분석 기준 모수	205명 (전환율·비율 분석) / 201명 (체류시간 구간 분석)

💡 이상값 처리 기준 — IQR 방법
체류시간 데이터에서 비정상적으로 긴 값을 제거하기 위해 IQR(사분위수 범위) 기준을 사용했다.
상한 = Q3 + 1.5 × IQR 를 초과하는 값 중 리뷰·할인·장바구니 행동이 모두 없는 케이스만 무효 세션으로 배제했다. 행동이 있는 케이스는 별도 고관여 세그먼트로 분류했다.

---

3️⃣ 분석 항목 선택 — 어떤 데이터를 볼 것인가

데이터셋의 모든 컬럼을 분석할 필요는 없다. 페르소나 A의 특성인 "신중한 탐색"과 "장바구니 망설임"을 이해하는 데 필요한 항목만 선별했다.

컬럼	선택 여부	이유
add_to_cart	✅ 사용	분석의 핵심 KPI — 장바구니 전환 여부
review_clicked	✅ 사용	신중한 탐색 행동의 핵심 지표 — 구매 전 정보 확인 행동
pdp_duration_sec	✅ 사용	"오래 고민"하는 특성 확인 — 체류시간 길이로 탐색 깊이 측정
previous_page_type	✅ 사용	어디서 진입한 사람이 전환율이 높은지 확인
traffic_source	✅ 사용	유입 경로별 행동 차이 확인 — 비교 쇼핑 특성 검증
user_type	✅ 사용	첫 고객 vs 이전 고객의 탐색 패턴 차이 확인
product_category	✅ 사용	카테고리별 전환율 차이 확인 — 상품 특성이 행동에 영향을 주는지
discount_exposed	✅ 사용 (검증용)	"가격 비교" 특성 검증 — 할인이 전환 레버인지 확인

---

4️⃣ 데이터 분석 — 전체 장바구니 O vs X

가장 먼저 전체 205명을 장바구니 담은 그룹(O)과 안 담은 그룹(X)으로 나눠서 행동 차이를 비교했다.
페르소나 A의 "신중한 탐색" 특성이 리뷰 클릭과 체류시간에 반영될 것이라는 가설을 세웠다.

리뷰 클릭률 비교 (장바구니 O vs X)

장바구니 O

매우 높음 ↑

장바구니 X

낮음

할인 노출률 비교 (장바구니 O vs X)

장바구니 O

비슷

장바구니 X

비슷

✅ 리뷰가 전환의 핵심 레버, 할인은 무관
리뷰 클릭률은 두 그룹 간 차이가 압도적이다. 할인 노출은 두 그룹 모두 거의 동일하다.
페르소나 A의 "신중한 탐색" 특성이 리뷰 행동으로 나타나고 있음이 확인됐다.

---

5️⃣ 고객 유형별 — 첫 고객 vs 이전 고객의 탐색 패턴 차이

항목	첫 고객	이전 고객
장바구니 전환율	낮음	높음
리뷰 O vs X 차이	압도적 차이	더 큰 차이 ★
할인 O vs X 차이	거의 없음	역방향 ⚠️

💡 이전 고객은 할인을 봐도 안 담는다
이전 고객의 X 그룹이 O 그룹보다 할인 노출이 오히려 더 높다. 브랜드를 이미 아는 고객에게 할인은 구매 설득 요소가 아니다.

---

6️⃣ 유입 경로별 — 비교 쇼핑 특성 검증

페르소나 A는 "비교 쇼핑" 특성을 가진다. 유입 경로별로 탐색 패턴과 전환율이 다른지 확인했다.

경로별 장바구니 전환율

🌿 직접 (Organic)

가장 높음 ↑

📢 광고 (AD)

중간

🔍 검색 (Search)

중간

💡 검색 유입은 할인 민감도 압도적 — 비교 쇼핑 특성 확인
검색으로 유입된 장바구니 O 인원 중 할인 노출 비율이 광고 유입의 5배 이상이다.
검색 유입 유저가 페르소나 A의 "가격 비교" 특성을 가장 뚜렷하게 보여주는 세그먼트다.

---

7️⃣ 체류시간 구간별 — "오래 고민" 특성과 전환율의 관계

페르소나 A의 핵심 특성인 "오래 고민"이 실제 전환율에 영향을 주는지 체류시간 구간으로 확인했다.

체류시간 구간별 장바구니 전환율

💨 즉시 이탈 (0~30초)

낮음

👀 단순 확인 (31~51초)

가장 낮음 ↓

🔍 일반 탐색 (52~130초)

높음 ↑

📖 깊은 탐색 (131~248초)

가장 높음 ↑

✅ "오래 고민할수록 잘 담는다" — 페르소나 특성 데이터로 확인
체류시간이 길수록 전환율이 올라가는 패턴이 뚜렷하다. 페르소나 A의 "신중하게 오래 고민" 특성이 실제 전환으로 이어진다는 것이 확인됐다.

---

8️⃣ 상품 카테고리별 — 카테고리가 탐색 패턴에 영향을 주는가

카테고리	전환율	리뷰 차이 (O vs X)	할인 차이 (O vs X)
Accessory	높음	압도적 차이 ↑	거의 없음
Bag	최고 ↑	가장 큰 차이 ↑	거의 없음
Fashion	중간	압도적 차이 ↑	거의 없음
Outlet	최저 ↓	압도적 차이 ↑	역방향 ⚠️

💡 카테고리 불문 — 리뷰는 공통 레버
4개 카테고리 전체에서 리뷰가 전환 레버임이 확인됐다. Outlet만 할인이 역방향으로 나타났는데, 이미 할인된 상품군이라 추가 할인이 구매 설득력을 갖지 못하는 것으로 추정된다.

---

9️⃣ 직전 페이지별 — 어디서 진입한 유저가 잘 전환되는가

직전 페이지별 장바구니 전환율

🏠 Homepage

가장 높음 ↑

📁 Other

높음

📢 Ad landing

낮음

🔍 Search results (모수 전체의 약 40%)

가장 낮음 ↓

🔍 핵심 문제 — 가장 많이 오는 경로에서 전환이 안 된다
Search results는 전체 유입의 약 40%를 차지하는 최대 경로인데 전환율이 가장 낮다.
Homepage 전환율과의 차이가 약 20%p 이상으로 가장 크다.

---

📋 종합 인사이트 — 페르소나 A 분석 결론

세그먼트별 핵심 발견 요약

세그먼트	핵심 발견	리뷰	할인
전체 O vs X	O 그룹 리뷰 클릭률 압도적으로 높음	레버 ✅	차이 없음
고객 유형	이전 고객의 리뷰 O vs X 차이가 더 큼	레버 ✅	역방향 ⚠️
유입 경로	직접 전환율 최고 / 검색 할인 민감도 압도적	레버 ✅	경로별 상이
체류시간	오래 볼수록 전환율 높음 — 페르소나 특성 확인	레버 ✅	차이 없음
카테고리	전 카테고리 리뷰 공통 / Outlet 할인 역방향	레버 ✅	Outlet 역방향 ⚠️
직전 페이지	Search results — 모수 최대인데 전환율 최저	레버 ✅	미분석

확정된 결론

✅ 리뷰가 전환의 핵심 레버 — 전 세그먼트 공통
고객 유형 · 유입 경로 · 카테고리 · 직전 페이지 모든 세그먼트에서 예외 없이 확인됐다.
페르소나 A의 "신중한 탐색" 특성이 리뷰 클릭 행동으로 나타나고 있다.

❌ 할인은 전환 레버가 아니다 — 전 세그먼트 공통
모든 세그먼트에서 할인 차이는 거의 없거나 역방향이다.
이전 고객 · Outlet에서 할인을 더 본 쪽이 오히려 안 담는 패턴이 확인됐다.

💡 핵심 개선 포인트 — Search results → PDP 경로
전체 유입의 약 40%가 집중된 최대 경로인데 전환율이 가장 낮다.
이 경로에서 전환율을 높이는 것이 전체 장바구니 전환율에 가장 큰 임팩트를 준다.
→ 원인 탐색(체류시간 교차 분석) 및 개선 가설 수립은 다음 분석 과제로 이어서 진행한다.

---

✍️ 오늘 배운 것 한 줄 정리

페르소나를 먼저 정하고 데이터를 보면 "어떤 데이터를 왜 봐야 하는가"가 명확해진다. 데이터가 많다고 다 분석하는 게 아니라, 페르소나의 행동을 검증하는 데 필요한 것만 골라내는 것이 PM의 데이터 분석 역량이다.