*이 글은 프로덕트 데이터 분석은 무엇인지, 올바른 프로덕트 분석을 위한 4단계 프로세스와 단계별 사례를 소개하는 글입니다.
이런 분들께 도움이 될 거예요
✅ 프로덕트 데이터 분석 주요 개념이 생소한 PM/PO/마케터
✅ 프로덕트 분석 툴을 도입을 고민 중인 PM/PO/마케터
✅ 프로덕트 분석 툴 실무 활용이 막막한 PM/PO/마케터
안녕하세요. 프로덕트 데이터 분석 초보자 시리즈 네 번째 글입니다.
앞서 프로덕트 데이터 분석이 무엇인지 기본 개념 설명과 어떤 이벤트를 추적할지 계획하는 트래킹 플랜 작성 및 이벤트 심기(구현)에 관해서 이야기했습니다. 이번에는 프로덕트 데이터 분석 개념과 사례를 소개하겠습니다.
1. 프로덕트 데이터 분석이란?
프로덕트 데이터 분석 Product data analysis 과 데이터 분석 data analysis 차이
프로덕트 데이터 분석이란 프로덕트와 관련된 데이터를 수집, 분석하여 비즈니스 의사결정을 돕는 활동을 말합니다. 데이터 분석은 더 광범위하게 데이터를 수집하고 분석 및 활용하는 활동입니다.
일반적으로 데이터 분석은 크게 4단계로 나눕니다. (*위키피디아 - Data Analysis 참고)
- 문제 이해 & 정의
- 문제 분석에 맞는 데이터 선별 및 수집
- 수집한 데이터 분석
- 관계자와 분석 내용 소통 및 의사 결정
데이터 분석의 목적에 따라 각 단계에서 구체적으로 할일이 달라집니다. 프로덕트 데이터 분석은 말 그대로 프로덕트에 관련된 문제를 다루므로 분석 목적과 범위가 특정됩니다. 그래서 1-4단계를 어느정도 정형화할 수 있습니다. 이런 배경에서 믹스패널 Mixpanel 과 같이 특정 분석을 손쇱게 할 수 있는 PA도구가 나올 수 있었던거죠.
그러면 프로덕트 데이터 분석시 각 단계에서 어떤일이 일어나는지 구체적으로 살펴보겠습니다. 이해를 돕기 위해 흔히 접할 수 있는 이커머스 서비스를 예시로 설명하겠습니다.
프로덕트 데이터란 제품과 관계되어 일어나는 주요 사건 정보 를 말합니다. 흔히 사용자 행동 User behavior 또는 이벤트 Event 데이터라고 말합니다. 이커머스 서비스에서 일어나는 주요 사건은 상품 검색, 상품 상세 페이지 조회, 장바구니 담기, 상품 구매 등이 있습니다.
그러면 이제부터 데이터 분석의 4단계가 각각 어떻게 적용되는지 살펴보겠습니다.
2. 프로덕트 데이터 분석의 4단계
1) 문제 이해 & 정의
프로덕트를 중심 데이터 분석을 한다는 것은 프로덕트가 사용자에게 제공하는 가치(Jobs to be done)를 중심으로 분석한다는 걸 말합니다. 프로덕트가 제공하는 중요한 가치를 경험할때 일어나는 이벤트를 핵심 이벤트(Critial Event)라고 합니다. 핵심 이벤트가 많이 발생하면 프로덕트가 제 몫을 하고 있다고 볼 수 있습니다. 그렇지 않다면 뭔가 문제가 있는거죠. 프로덕트 데이터 분석에서 문제정의는 핵심이벤트가 일어나는 맥락에 초점이 맞추져있다고 할 수 있습니다.
이커머스 서비스는 일반적으로 소비자가 온라인으로 상품을 손쉽게 구매할 수 있도록 만들어졌으므로 상품 구매가 핵심 이벤트이고 상품 구매에 관련된 문제들을 조사하게 됩니다.
2) 문제 분석에 맞는 데이터 선별 및 수집
어떤 행동 데이터를 수집할지 그리고 그 행동 데이터에는 어떤 세부 정보가 들어가야하는지 결정하는 단계입니다. 당연히 핵심 이벤트와 관련 이벤트를 수집해야겠죠. 사용자 행동을 손쉽게 표현 및 분석 할수 있도록 적절한 형태로 수집하게 됩니다 . 믹스패널에서는 이벤트 event (사건 이름) 와 이벤트속성 property (사건과 관계된 주요 정보들) 이라는 형태로 데이터를 수집합니다. 앞서 논의 했던 트래킹 플랜 작성 및 이벤트 심기(구현)가 이 단계에 해당됩니다.
3) 데이터 분석
데이터 분석도 핵심 이벤트를 중심으로 진행합니다. 핵심 이벤트 중심의 프로덕트 데이터 분석은 크게 두 가지 측면으로 접근 할 수 있습니다.
- 유저에게 핵심 이벤트 경험시키기 (활성화 Activation)
- 지속적으로 핵심 이벤트 경험시키기 (리텐션 Retention)
1, 2 항목 모두 해당 경험을 한 집단과 그렇지 않은 집단을 비교하는 방식으로 분석할 수 있습니다. 예를들어 핵심 이벤트를 경험한 집단과 경험하지 않은 집단의 차이 또는 핵심 이벤트를 적게 경험한 집단과 많이 경험한 집단의 차이를 조사하는 것이죠. 핵심 이벤트와 관계된 이벤트들이 잘 수집되고 있다면 두 집단 비교 분석이 쉬워집니다.
이커머스 서비스를 예로 들면 사이트 방문자 중 상품을 구매한 사용자와 그렇지 않은 사용자 집단을 만들어서 비교 분석하면 배경을 추정 할 수 있습니다.
구매 퍼널을 상품 검색 → 상품 조회 → 상품 구입 이라고 했을때 상품 구입한 사람과 구입하지 않은사람이 어떤 상품을 많이 검색 했는지 비교하는 것처럼 말이죠.
상품 구입 사용자 그룹이 신발을 많이 검색 했고 구매했고, 미 구입 그룹은 모자를 많이 검색했지만 구매를 안했다면 모자 상품 재고 조사나 해당 상품 수를 늘리는 접근을 할 수 있습니다.
PA 도구에는 이 분석을 효과적으로 수행하도록 돕는 기능이 준비되어 있습니다. 믹스패널(Mixpanel), 구글 애널리틱스(GA4), 앰플리튜드(Amplitude) 모두 퍼널(Funnel) 리포트와 리텐션 (Retention) 리포트, 빈도 리포트 그리고 특정 사용자를 그룹으로 묶는 코호트(Cohort) 혹은 세그먼트(Segment) 기능을 제공합니다.
*믹스패널(Mixpane) vs GA4 vs 앰플리튜드(Amplitude) 대표 PA 툴간의 차이가 궁금하시다면 여기를 클릭하세요.
3-1) 데이터 분석 그룹분석 심화 (부록)
PA 도구에서는 여러가지 방법으로 그룹을 만들 수 있습니다. 다양한 방법으로 그룹을 만들어서 각각 그룹이 활성화 또는 리텐션과 어떤 관계가 있는지 다각도로 분석합니다.
그룹을 만드는 기준은 다양합니다. 다음은 참고용 예시입니다.
속성기준
- 사용자 속성 : 나이, 성별, 지역, 유입 채널 등
- 이벤트 속성 : 상품 카테고리, 제조사, 가격대 등
행동 기준
- 핵심 이벤트를 얼마나 많이 일으키는가
- 핵심 이벤트를 얼마나 자주 일으키는가
- 핵심 이벤트를 경험하기까지 얼마나 걸리는가? 등등…
이커머스 예시
- 상품 구매를 적게한 그룹 vs 많이한 그룹
- 상품 구매를 자주하는 그룹 vs 가끔하는 그룹
- 상품 구매 시 구매 금액이 큰 그룹 vs 적은 그룹
- 구매까지 걸리는 시간이 짧은 그룹 vs 긴 그룹
4) 관계자와 분석 내용 소통 및 의사 결정
이제 관계자들과 분석 내용에 대해 논의하고 제품 개선이나 마케팅 등의 의사결정을 합니다. 지금까지 일관적으로 다뤘듯이 핵심 이벤트 분석에 대한 공통된 이해가 있어야 효과적으로 논의 할 수 있습니다. 이는 문제 정의 단계에서부터 주요 이해 관계자들이 참여해야한다는 것을 말합니다.
3. 끝마치며
지금까지 프로덕트 데이터 분석의 기본 개념에 대해서 살펴봤습니다. 프로덕트 데이터 분석의 목적과 범위를 제대로 이해하지 못하면 엉뚱한 데이터를 수집하거나 PA 도구로는 하기 어려운 분석으로 시간을 허비하게 됩니다. 비즈니스 의사결정에 영향이 없거나 적은 일에 리소스가 낭비되는거죠. 오늘 설명한 개념을 기반으로 효과적인 프로덕트 분석 하시길 바랍니다.
믹스패널과 같은 제품 분석 도구는 주요 데이터 분석 기능을 효과적으로 수행하게 돕는 다양한 기능을 제공합니다. 직관적인 UI/UX로 데이터 분석 초보자도 손쉽게 사용할 수 있습니다.
프로덕트 데이터 분석에 대해서 더 궁금하신 분은 mixpanel@mfitlab.com 언제든지 문의주세요. 다양한 서비스 분석 경험이 있는 컨설턴트가 1:1 맞춤 상담을 도와드릴게요.
*이 글에서는 프로덕트 데이터 분석에서 알아야 할 최소의 정보를 담았습니다. 추후 고급 내용도 공유드리도록 하겠습니다!
.svg)
