고객분석 도구, GA, 그리고 Amplitude 1탄 | 코드스테이츠 PMB 17기 W6D3

오늘은 고객 데이터 분석 도구가 무엇이며,

선택할 때 고려해야하는 점은 어떤 것들이 있는지 살펴보자!

.

.

 

 

---

 

 

고객 데이터 분석을 위해 필요한 작업

 

 

고객 행동을 분석할 수 있는 지표와 분석 시법은 다양하다. 앞서 포스팅에서 다뤘던 퍼널 분석, AARRR, A/B테스트, 고객세분화 기법, 코호트 분석 등이 있다. 기법들을 활용할 수 있기 위해서, 핵심 지표를 특정하기 위해 필요한 것이 데이터이다. 하지만 프로덕트 단계별, 상황에 따라 다양한 데이터들이 필요한데, 일일이 사람이 직접 수집하기란 쉽지 않다. 

 

 

데이터를 수집하는 것도 복잡한데, 수집한 이후에 진행해야할 작업도 많다. 분석 방법 및 분석 모델을 설계해야 하고, 이어 모델이 실제 고객 행동을 놓치지 않고 추적하도록 코드를 서비스에 심어야 한다. 이렇게 수행한 분석의 백로그도 작성해야 하고, 시장 분석도 필요하다. 

 

 

이걸 그래서 PM이 다 해야하나?

Nope! 아니다.

 

 

복잡한 과정을 쉽고 간편하게 처리해 주는 ‘고객 데이터 분석 도구’들이 있다. 최근에는 Google Analytics, Amplitude를 가장 많이 사용하고 있는 추세이다. 그외에도 Optimize, AppsFlyer, Firebase 등이 있다. 

 

 

이러한 고객 데이터 분석 도구는 고객 행동을 추적한다. 미리 심어둔 추적 코드로 고객 행동을 탐지한다. 그리고 수집한 데이터는 고객 데이터 분석 도구의 서버로 전송되고, 서버에서는 전송받은 데이터를 기록하고, 알아보기 쉽도록 처리한다. 데이터 수집과 정리, 이후 분석과 시각화까지 전 단계에 도움을 주는 것이다. 데이터 분석과 통계 기법, 그리고 이를 가능케하는 분석 툴의 활용은 데이터 기반 PM의 필수 역량 중 하나이다. 

 

 

웹서비스 분석과 앱서비스 분석

 

 

웹과 앱에서 고객 데이터를 분석할 때 제일 큰 차이점은 무엇일까?

 

 

서비스를 이용하는 행동 방식이 다르다.

 

기본적으로 웹 서비스는 '페이지'를 중심으로 서비스가 설계되어 있으며 마우스 '클릭'을 중심으로 사용자가 행동한다. 웹페이지의 특징은 넓은 모니터 화면 하나에 필요한 정보들이 한 번에 들어있으며 클릭을 통한 하이퍼링크 클릭 동작이 일반적이다. 또한 HTTP 특성상 화면에 보여주는 정보를 보고 사용자가 이를 판단해 선택하는 인터페이스가 주를 이룬다. 따라서 웹 서비스의 데이터를 분석할 때는 ‘각페이지 별로 + 화면의 어떤 곳을 클릭하는가’를 중점적으로 본다. 

 

 

앱 서비스는 웹 서비스와 달리, 사용자는 여러 화면을 이동하며 행동한다. 클릭뿐 아니라 스크롤, 화면 머물기, 햅틱, 줌인/줌아웃 등 다양한 동작을 수행한다. 또 앱 서비스는 모바일의 기능을 접목하여, 예컨대 카메라를 활용한다거나, 마이크를 활용하기도 한다. 문서 형식의 웹과는 달리 앱은 모바일 OS에서 돌아가는 애플리케이션 프로그램이 주를 이루기 때문에 동작을 더 복합적으로 분석할 필요가 있다. 

 

 

따라서 웹 서비스, 앱 서비스를 분석 할 때 사용하는 고객 데이터 분석 툴이 다르다. 

웹 서비스는 GA가 많이 사용되고, 앱 서비스는 앰플리튜드가 많이 사용된다. 

 

 

고객 데이처 추적을 위해 고객 분석 도구이 제공하는 기능

 

 

1. 자동 코드 생성

고객의 행동을 추적할 수 있는 코드를 자동으로 생성해 주고, 이를 서비스에 바로 이식할 수 있도록 도움을 준다. 원하는 행동과 지표를 설정하면 자동으로 코드를 생성해 준다. 생성된 코드를 넣은 후, 설정이 잘 되어 있는지  확인해야 한다. 

 

 

2. 고객 정보 수집 기능

고객 데이터 툴은 다양한 고객 데이터를 수집한다. 로그인 해야만 알 수 있는 정보, 이름, 나이, 주소 등 개인정보부터, 로그인 없이도 수집할 수 있는 정보, 언어 설정, 디바이스 등 데이터를 모은다. 

 

 

3. 수집정보 관리

수집된 정보를 체계적으로 분류 및 관리하는 기능을 제공한다. 다양한 곳에서 수집되는 가입 정보, 로그인 정보, 구매 정보, 메시지 오픈, 구독, 광고 등의 정보를 필요에 맞게 관리해준다. 

 

 

4. 데이터 분석 기능

수집된 데이터를 여러 데이터 분석 기법을 활용해 쉽게 분석할 수 있도록 도와준다. 요즘 데이터 분석 툴은 기본 기능으로 코호트 분석을 해준다고 한다. 

 

 

5. 테스트 구성

A/B 테스트와 같이 가설 검증에 필요한 테스트를 설정에 따라 자동으로 구성해 주는 기능이 있다. 목표 설정, 지표 설정, 기간 설정, 대상 설정을 통해 A/B 테스트 절차를 쉽게 관리할 수 있다. A/B 테스트 전문 툴인 Optimize, Optimizely 와 같은 툴이 있지만, 데이터 분석 툴을 활용하여 A/B 테스트 구성 및 추적도 가능한 것이다. 

 

 

6. 대시보드 & 분석 시각화 기능

분석 결과를 한눈에 알아볼 수 있는 대시보드 제작 및 간단한 시각화 도구를 제공한다. 대시보드를 통해 현재 고객 데이터가 어떤 방향으로 흘러가고 있는지 바로 확인할 수 있다.  

 

 

7. 데이터 통합

기존 DB에 존재하는 데이터와 분석 도구를 통해 수집된 데이터를 통합하여 관리하는 기능을 제공한다. 이를 통해 제품에 맞는 복합적인 분석을 가능하도록 도와준다. 

 

 

고객 분석 과정에서 유의해야 할 점

 

 

1. 최종적으로 분석하고자 하는 것은 '고객이 어떤 경험을 했는가'이다. 

무작정 데이터를 가지고 있다고 해서 고객 경험을 분석할 수 있는 것은 아니다. 데이터 분석의 핵심은 목적이다, 서비스 특징에 따라 중요 기표가 다르다. 따라서 프로덕트의 UX 절차를 분석하고 우리가 수집하고자 하는 행동이 클릭인지, 머무는 시간인지 등을 구체적으로 설정해야 한다. 프로덕트에서 고객이 어떤 경험을 하고 있는지, 이를 알아낼 지표를 찾아야 한다. 그리고 이 지표를 점검할 정확한 데이터를 수집했는지 체크하도록 하자. 

 

 

2. 수집한 데이터의 양과 질 확인하기. 

 

데이터를 수집하였다 하더라도 양이 너무 적으면 분석 결과가 무의미할 수 있다. 또 모인 데이터가 분석에 적합하지 않으면, 유의미한 인사이트를 뽑아낼 수도 없다. 수집한 데이터의 양과 질이 통계학적으로 충분한지를 반드시 확인해야 한다. 

 

 

3. 데이터의 수집, 분석보다 중요한 것은 적절한 지표.

 

고객 행동은 섬세하게 다뤄야 하지만, 우선순위는 필요하다. 특정 지표에 집중하다 보면 허영 지표를 수집하고 있게 될 수도 있다. 또한 수집할 수 있는 데이터에 이끌려 무의미한 가설을 만들어 억지로 검증하게 될 위험도 조심해야 한다. 어떤 지표를 측정하고자 하는지를 구체적으로 설정하고, 해당 지표를 측정하기 위해 모든 분석 절차를 설계할 수 있도록 해야한다. 

 

 

---

 

그럼 과제글로 다시 만나요👋