*믹스패널과 마켓핏랩 솔루션즈의 첫 한국 공식 밋업, #AnalyticsForAll, 모두를 위한 믹스패널이 더 궁금하시다면 이 글을 참고해 주세요.
*이 글은, 모요에서 데이터 분석가 없이 데이터 분석하는 법과, 자란다는 어떻게 믹스패널을 활용하고 있을까요? 에 이어지는 글입니다.
8월 3일, 믹스패널(Mixpanel) 첫 한국 밋업이 성황리에 열렸습니다.
이번 행사에서는 믹스패널의 슬로건인 #AnalyticsForAll이라는 주제 하에, PO·마케터·데이터분석가 등 다양한 직군이 믹스패널을 실무에서 어떻게 사용하고 있는지 직접 Use Case를 발표하는 자리였습니다.
믹스패널이 특정 산업군이나 특정 직무에 얽매이지않고 모두를 위한 프로덕트 데이터 분석 툴로 활용되고 있는만큼 다양한 산업군의 대표·PO·마케터·데이터분석가·개발자 분들 약 90여명이 행사에 참석해 주셨는데요.
세번째 세션은 믹스패널 Solution Engineering팀인 Rafael Loh의 “What’s New in Mixpanel”에 대한 세션이었습니다.
01. 믹스패널의 변화, Analytics For All
그동안 믹스패널은 주로 PM/PO들이 제품 내의 유저 행동 데이터를 분석하는 Product Analytics 툴로 인식되어 왔습니다.
하지만 최근 Mixpanel은 “Analytics For All”이라는 캐치프레이즈 아래 단순히 프로덕트팀만이 아닌 다른 여러 직군들이 모두 사용할 수 있는 데이터 툴이 되고자 여러가지 굵직한 Product Update를 진행하고 있습니다.
오늘은 마케팅팀이 활용할 수 있는 Marketing Analytics, Product 팀이 활용할 수 있는 Behavioral Breakdown, 데이터 팀이 활용할 수 있는 Warehouse Events, 그리고 데이터를 모르는 초보자도 쉽게 데이터 분석을 할 수 있는 Spark AI 기능을 소개하고자 합니다.
02. 마케팅 팀을 위한 업데이트 : 마케팅 애널리틱스 (Marketing Analytics)
1) Marketing KPI Dashboard
이제 마케팅팀은 큰 노력을 기울이지 않고 믹스패널이 제공하는 Marketing KPI Dashboard를 활용해 편하게 자사의 마케팅 KPI 달성 여부를 확인할 수 있습니다.
대시보드에서 템플릿 > 마케팅 KPI 대시보드 템플릿을 클릭하면 아래처럼 자동으로 대시보드가 만들어집니다.
해당 대시보드에는 이렇게 세션 이탈률, 평균세션시간 등 GA에서 많이 보던 지표들도 모두 확인할 수 있으며, 당연히 소스/매체별 신규 유저 수와 리텐션 까지 모두 확인할 수 있습니다.
2) 매체 기여도 분석 (Multi Touch Attribution)
유저들은 예측하기 어려울정도로 다양한 매체 및 채널을 통해 제품을 인식하고, 진입하고, 전환합니다. 예를 들어서, 카카오 비즈보드를 통해 광고를 처음 보고, 인스타그램 광고를 통해 클릭하여 진입하고, 유튜브 광고를 통해 최종 전환합니다.
그렇기 때문에 이제 마케팅팀은 마케팅 성과를 단기적으로 바라보지않고 장기적인 관점에서 First Touch와 Last Touch, 그리고 이를 넘어서 다양한 기여 기준을 통해 가장 적합한 채널을 확인하고 모델링을 하려고 노력합니다.
믹스패널 또한 Multi Touch Attribution(이하, MTA) 기능을 런칭하여 다양한 매체에서의 전환 기여도 분석을 할 수 있도록 지원합니다.
아래처럼 인사이트 리포트에서 Breakdown > Attributed By를 클릭하면 원하는 MTA 모델과 전환 기여 기간 (Look Back Window)를 설정하면 됩니다.
최종적으로 7 day Lookback Window로 Time Decay 모델을 선택하게되면 이런식으로 리포트가 생성됩니다. 이를 통해 마케팅팀은 Organic 진입 수를 더 늘릴 수 있도록 오가닉 컨텐츠 생성에 리소스를 더 분배하는 등의 의사결정을 할 수 있게 됩니다.
더 자세한 사항은 아래 영상에서 확인해보세요!
3) 광고 데이터 분석
그동안 믹스패널은 UTM 태그를 자동으로 인식하고, MMP와의 무료 연동을 통해 소스/매체/캠페인 데이터들을 다양하게 연동할 수 있는 덕분에 유저의 행동 저니를 풀 퍼널로 분석할 수 있었습니다.
이를 넘어서서, 이제 믹스패널은 구글, 메타 등의 광고 매체의 비용, 노출, 클릭 등의 데이터를 매일 아침마다 연동하여 분석할 수 있어졌습니다.
각 매체에서 API 연동 작업만 진행하면 매일 아침마다 광고 매체 데이터가 믹스패널로 전송되며, 아래처럼 믹스패널에서 광고 데이터를 다양하게 조합하여 분석할 수 있습니다.
최종적으로 마케팅팀은 여러 광고 매체를 하나씩 둘러보고 엑셀이나 구글시트에 데이터를 정리할 필요없이 믹스패널 안에서 모두 해결할 수 있게 됩니다.
더 자세한 방법은 아래 문서에서 확인해보세요!
3. 프로덕트 팀을 위한 업데이트 : Behavioral Breakdown
그동안 다른 모든 분석 툴들은 한 이벤트에 종속되어있는 프로퍼티로만 데이터를 분석할 수 있었습니다. 예를 들면, 구매완료 이벤트 안에 있는 상품명, 결제금액 을 분석하는 방식으로 말이죠.
이렇게 분석하는 것은 당연히 효과적이지만 구매완료를 하는데에 가장 영향을 많이 미친 다른 이벤트 속성값은 무엇일까? 에 대한 대답을 얻기는 어려웠습니다. 하지만 이제 Behaviroal Breakdown 기능을 통해 다른 이벤트의 빈도 및 속성 값들간의 상관 관계를 분석할 수 있게 되었습니다.
예를 들어, 1) ‘제품을 몇 번을 둘러봐야 사람들이 구매를 할까?’ 혹은 2) ‘영상을 몇분 이상 시청해야 사람들이 구매를 할까?’와 같은 질문에 대한 해답이 가능해졌습니다.
1) Frequency Per User (빈도 분석)
‘제품을 몇번 둘러봐야 사람들이 구매를 할까?’ 와 같은 질문은 구매를 하기 전에 유저가 제품을 둘러보는 빈도를 확인하기 위한 질문입니다. 이는 인사이트 리포트에서 Frequency Per User라는 기능을 통해 구현이 가능합니다.
인사이트 리포트에서 ‘구매 완료’ 이벤트를 선택하고 Break Down > Frequency Per User > ‘제품 상세 페이지 조회 완료’ 이벤트를 선택하면 아래처럼 유저가 구매를 완료하기까지 총 몇번의 제품 상세페이지를 조회했는지 확인할 수 있습니다.
이 결과를 통해 우리는 13번 이상 제품 상세페이지를 조회하고 구매를 한 유저가 상당히 많다는 사실을 알 수 있습니다. 그렇게되면 제품 팀에서는 유저가 제품을 더 많이 둘러보고 분석할 수 있는 UX 기능을 개발하여 구매전환 지표를 개선해보자는 제품 개선 아이디어를 낼 수도 있습니다.
2) Aggregated Property Per User (속성값 분석)
위의 예시는 특정 이벤트와 다른 이벤트간의 관계를 쉽게 분석할 수 있는 기능이라면, 이 기능은 특정 이벤트와 다른 속성값간의 관계를 쉽게 분석할 수 있는 기능입니다.
‘영상을 몇분 이상 시청해야 사람들이 구매를 할까?’와 같은 질문은 구매를 하기 전에 유저가 영상을 시청하는 시간을 모두 덧셈 (Sum)해야 확인할 수 있습니다. 넷플릭스 같은 OTT에서는 이런 식으로 영상 시청과 구매와의 관계를 분석하는 것이 굉장히 중요한 부분일 것입니다.
마찬가지로 인사이트 리포트 > 구매전환 이벤트를 선택한 다음 Breakdown > Aggregated Property Per User > Sum > Watch Video 이벤트 아래 watch time (mins) 를 선택하면 아래처럼 유저들이 영상을 얼마나 시청하고 구매하는지 확인할 수 있습니다.
최종적으로 우리는 구매완료하는 유저들은 120분 이상 영상을 시청한 유저들이라는 것을 확인할 수 있습니다. 이를 통해 제품팀은 유저들이 120분 이상 시청할 수 있도록 유도하는 기능을 만들고, 마케팅팀은 120분 이상 시청하는 시점에 팝업/푸시 등을 날려서 구매전환을 더욱 유도하는 캠페인 등을 기획해볼 수도 있습니다.
더 자세한 사항은 아래 영상에서 확인해보세요!
4. 데이터 팀을 위한 업데이트 : Warehouse Events
대부분의 고객사분들은 믹스패널을 도입하기 전에 이미 데이터 웨어하우스에 여러 이벤트 데이터와 로그들을 쌓고 있습니다.
이를 이용하여 클라이언트 SDK를 삽입하는 것이 아니라 믹스패널의 API를 활용하여 서버 사이드 트래킹을 하는 분들도 많이 계십니다.
클라이언트 SDK로 데이터를 분석하는 경우 애드 블락커를 사용하거나 기타 환경적인 이슈가 발생한 고객들의 데이터가 확인되지않아 일부 데이터를 정확하게 분석하는데 어려움이 있었습니다.
따라서 믹스패널은 서버 사이드 트래킹을 더욱 원활하게 도움을 주기위해 편하게 클릭 몇번만으로 데이터 웨어하우스 데이터 (현재는 Bigquery, Snowflake 지원)와 연동할 수 있는 Warehouse Events 기능을 런칭하였습니다.
사용방법은 아주 간단합니다.
Project Settings > Warehouse Sources > Bigquery 혹은 Snowflake와 웨어하우스를 연동합니다.
그 후 Project Settings > Warehouse Data로 진입하여 이벤트 혹은 유저 로그를 테이블 항목에 맞게 테이블을 매칭합니다.
이렇게 클릭 몇번만 하면 최종적으로 기존 웨어하우스에서 쌓고 있던 데이터가 맵핑되어 믹스패널로 자동으로 들어오게 됩니다. 믹스패널로 데이터가 Hourly로 들어오도록 설정하면 자동으로 이벤트가 한시간 단위로 계속 맵핑되는 것을 확인할 수 있습니다.
그동안 API로 데이터를 연동해야하는 불편함을 겪었던 분들이 코드 한 줄 없이 클릭 몇번만으로 이벤트 / 유저 로그들을 믹스패널과 연동할 수 있게 되는 것입니다.
자세한 사항은 아래 영상을 확인해보세요.
5. 초보자를 위한 업데이트 : Spark- Generative AI (출시 예정)
혹시 보고싶은 데이터가 있을 때 리포트를 어떻게 구성해야할지 헷갈렸던 적 있으신가요?
아마 믹스패널이나 다른 툴을 사용하면서 한번쯤 다들 어떻게 리포트를 구성해야할지 고민했던 적이 있을겁니다.
이러한 고민의 시간을 줄여주고, 믹스패널 사용을 더 쉽게 하기 위해 믹스패널 안에 Spark 라는 AI 기능이 런칭할 예정이라고 합니다.
Spark 사용 방법은 아주 간단합니다. Dashboard > 리포트 만들기 > Spark 클릭 > 프롬프트에 원하는 질문을 입력하면 원하는 리포트를 자동으로 생성해줍니다.
예를 들어, “최근 90일간 구매전환율 트렌드가 어떻게 돼?” 라고 물어보면 AI가 해당 문장을 토대로 믹스패널에서 가장 적합한 리포트로 만들어줍니다.
만들어진 리포트 안에서 다시 한번 더 “이 리포트를 브라우저별로 다시 쪼개서 분석해줘” 라고 기입하면 최종적으로 아래처럼 최근 90일간의 브라우저별 구매전환율 트렌드 리포트를 만들어줍니다.
이처럼 믹스패널을 한번도 써보지 않았거나 데이터 분석 진입에 허들이 있는 분들은 Spark 라는 기능을 통해 더 편하게 데이터 분석에 입문할 수 있게 되어 진입장벽 및 러닝커브를 획기적으로 낮춰주게 됩니다.
더 자세한 사항은 아래 영상으로 확인해보세요.
6. 끝마치며
Analytics For All이라는 캐치프레이즈에 맞게, 프로덕트팀, 데이터팀을 넘어 전 직군이 활용하는 분석툴로 도약하고 있는 믹스패널(Mixpanel)의 앞으로가 기대되는 Rafael Loh의 세션이였습니다.
전 직군을 위한 가장 쉬운 데이터 분석 툴, 믹스패널이 더 궁금하시다면?
👉 https://mixpanel.mfitlab.com/demo-request
.svg)
