💡 구매 동기
데이터 분석에 사용되는 기술 스택은 어느 정도 능숙해졌다고 생각되어,
실무에서는 데이터 분석이 어떻게 이루어지고 있는지 감을 잡아보고자 책을 구매하게 되었다.
데이터 분석을 통해서 문제를 해결하거나 기획을 하는 것에 관심있는 나로선
책의 머리말부터 상당히 흥미롭게 읽을 수 있었다.
1️⃣ 데이터 리터러시와 마인드셋
문제에 대한 해결책을 제시해야 하는 입장에선 문제를 정확히 파악하는 것이 중요한데,
이는 정확하고 세심한 관찰 없이는 제대로 된 해결책이 나올 수 없기 때문이다.
이런 점에서 데이터를 이해하고 활용하는 역량인 '데이터 리터러시'의 중요성이 이해되었다.
또한 데이터를 통한 문제 해결을 위해서는 정량적 데이터의 분석도 물론 중요하지만,
고객에 대한 관심 및 정성에 기반한 데이터 분석이 차별화 전략인 것 같다는 생각을 하게 되었다.
이러한 차별화 전략을 위해서는 고객의 입장에서 서비스를 바라보고,
그들의 의견을 경청하는 태도를 갖추는 것이 무엇보다 중요해보인다.
2️⃣ 데이터 분석을 위한 준비
데이터 분석을 했다고 해서 그 자체로 무언가가 일어나는 것은 당연히 아니다.
데이터를 분석한 이후엔, 그것들을 바탕으로 일련의 '액션'이 이루어져야 하는데,
이 책에서는 데이터 분석에 앞서 이를 위한 '고객 여정 설계' 단계의 중요성을 강조하고 있다.
'고객 여정 설계'란, 서비스나 제품을 처음 접한 순간부터 제품을 이용한 이후의 경험까지의 설계를 뜻한다.
위에서 언급한 '고객의 입장에서 서비스를 바라보고, 그들의 의견을 경청하는 태도'는
바로 이러한 고객 여정 설계 단계에서 매우 강조되는 덕목이라고 생각했다.
이 책의 저자분이 소개하길, 소위 '일잘러'들의 특징을 보면 공통적으로 고객에 집착한다고 한다.
나 또한 늘 제품을 직접 사용해보며 소비자의 입장에서 고충을 느껴봐야 한다고 생각하기에,
앞으로 실무를 맡을 기회가 생긴다면 이러한 태도를 더더욱 습관화해야 할 것 같다.
이 책에서는 작은 부분에 집착하지 말고, 항상 나무보다는 숲을 먼저 보는 습관을 바탕으로
탑다운 방식을 통해 고객 여정을 설계해 볼 것을 한 가지 팁으로써 제안하고 있다.
3️⃣ 데이터 설계 팁
고객 여정 설계가 마무리 되었다면, 이제 각 여정들에 필요한 데이터가 필요할 것이다.
보통 데이터 분석가들은 분석만 하지 않기 때문에, 데이터 수집을 위해 데이터 기획 및 설계가 필요하다.
다음은 이 책에서 데이터 설계 시에 권장하는 3가지 팁이다.
1. 데이터의 우선순위 정하기
사실 어떤 데이터든 사용하기에 따라 의미가 생기기도 하고, 중요한 역할을 하기도 한다고 생각했었다.
그러나 이 책에서는 욕심을 버리고, 필요한 데이터부터 차근차근 수집하는 것을 권장한다.
이유는 간단하다.
무턱대고 막무가내로 데이터를 수집하게 되면 우선 시간과 비용이 그만큼 들게 되고,
그렇게 수집한 데이터를 사용하지 않고 방치하게 되면 그것도 그것대로 자원을 갉아먹기 때문이다.
2. 데이터 택소노미 만들기
데이터 택소노미는 간단하게 데이터 분류 및 명명에 대한 내부 규칙이라 할 수 있다.
책에서는 데이터 택소노미의 중요성을 다음과 같이 소개하고 있다.
- 데이터를 체계적이고 일관성 있게 수집할 수 있다.
- 명확하게 정의된 분류 체계를 바탕으로 불필요한 업무를 줄일 수 있다.
만약 시간이 지나 데이터에 대한 정보를 까먹거나 데이터에 대해 궁금증이 생겼을때를 위해
데이터 택소노미 가이드를 최대한 자세하게 서술하여, 이를 참고할 수 있다면 아주 이상적이라고 할 수 있겠다.
3. 항상 문서화하기
문서화가 중요하다는 것은 뭐 누구나 공감하지 않을까 싶은 내용이다.
연구실 일을 할 때 다들 아무것도 문서화를 안하고 도망가서 처음부터 다 다시했던걸 생각하면.. 아직도 이가 갈린다.
데이터 설계의 결과를 모두 문서로 확인할 수 있어야 하며, 엑셀보단 구글 시트로 하는 것을 추천한다.
(사실 이건 생각도 못하고 있었는데, 듣고 한 대 맞은 기분이었다.)
저자분의 경험상 문서화는 습관이자 조직 문화와 연결되며,
잘 만들어진 문서가 데이터 퀄리티 유지에 중요한 역할을 한다고 한다.
4️⃣ 필수 용어 목록
👉🏻 사용자(User)
방문자를 의미하며, 흔히 유저라고 부른다.
👉🏻 획득(Acquisition)
신규로 유입된 방문을 의미한다.
마케팅 측면에서는 고객의 유입보다는, 랜딩 페이지를 매력적으로 구성해 전환까지 유도하는 것이 중요하다.
👉🏻 소스(Source)
해당 트래픽이 어떤 경로를 통해 유입되었는지를 의미한다.
예를 들어 소스가 google.com 이라면 구글에서 유입된 것이며,
소스가 m.naver.com 이라면 모바일에서 네이버를 통해 유입된 것이다.
소스가 direct인 경우는 직접 유입을 의미하는데, 출처가 불명확한 트래픽도 전부 direct로 분류된다고 한다.
👉🏻 매체(Medium)
트래픽이 어떠한 방법으로 유입되었는지를 의미한다.
매체값이 organic이라면 광고로 유입되지 않은 순수 방문으로 해석하며,
매체값이 CPC라면 광고를 통해 유입된 방문이라고 해석한다.
트래픽을 정의할 때는 항상 '소스/매체' 값이 따라붙기 마련이며,
각 트래픽의 성과는 목표 또는 구매 완료 여부로 판별한다고 한다.
👉🏻 오가닉 트래픽(Organic Traffic)
organic이라는 단어 자체가 순수함을 의미하기 때문에,
오가닉 트래픽은 광고 없이 유입된 순수 트래픽이라는 의미를 가진다.
따라서 전체 트래픽 비중에서 오가닉 트래픽의 비중이 높다면, 퀄리티가 아주 훌륭한 트래픽으로 본다.
오가닉 트래픽의 전환율은 일반 트래픽보다 높고,
직접 방문할정도로 관심이 높은 사람들이 방문하므로 체류시간도 높다.
결과적으로 오가닉 트래픽의 비중이 높아지는 것은 아주 긍정적인 신호라고 볼 수 있겠다.
👉🏻 광고 트래픽(Paid Traffic)
광고 트래픽은 오가닉 트래픽의 반대 개념으로, 광고를 통해 유입된 트래픽이라는 의미를 가진다.
오가닉 트래픽의 반대 개념이므로, 광고 트래픽은 체류시간이나 전환율이 낮다.
키워드 광고를 진행하는 경우, 사람들이 많이 찾으면서도 경쟁사들이 등록하지 않은 키워드를 찾는게 핵심이고,
배너 광고의 경우 유저 이탈의 가능성이 높으므로, 랜딩 페이지에서 전달하려는 메시지를 명확히 해야한다.
👉🏻 레퍼럴(Referral)
특정 웹사이트를 방문하기 전, 어떤 도메인이나 URL에서 유입되었는지 판단할 수 있는 데이터이다.
예를 들어 이전 페이지의 URL이 'facebook.com/1234567'이라면, 레퍼럴은 'facebook.com'이 된다.
👉🏻 쿠키(Cookie)
방문자의 브라우저에 담긴 작은 파일로, 사용자가 사용하는 브라우저, 기기 및 유입된 페이지 정보를 담고있다.
다만, 개인정보 침해에 대한 우려로 인해 활용도가 점차 떨어지고 있다고 한다.
👉🏻 참여(Engagement)
고객이 방문해서 얼마나 참여했는지를 측정하는 지표로, 이를 통해 이탈률과 참여율을 체크할 수 있다.
GA4를 기준으로 고객의 참여 여부는 랜딩 페이지에서 10초 이상(변경 가능) 체류하거나,
다른 페이지로 이동한 경우 또는 전환 이벤트가 발생한 경우를 기준으로 판단한다.
👉🏻 이벤트(Event)
방문자가 접속해서 발생하는 일련의 상호작용을 의미한다.
자동으로 수집되는 이벤트도 있지만, 고객의 특정 행동들을 별도로 수집하는 경우가 필요하다.
이런 경우, 구글 태그 매니저(GTM)를 활용하면 되겠다.
👉🏻 전환(Conversion)
서비스에서 고객에게 기대하는 목표 액션이 달성되었는지를 의미한다.
서비스 지표 성장을 위해 반드시 관리되어야 할 이벤트는 전환으로 활성화해서 모니터링 해줘야 하며,
Macro나 Micro 전환으로 구분해 중요도에 따라 분류해주는 것을 권장하고 있다.
일반적으로 Macro 전환은 서비스 성장에 직접적으로 연결되는 이벤트를,
Micro 전환은 Macro 전환을 지원하는 역할을 하는 액션을 포함한다.
👉🏻 퍼널(Funnel)
깔때기 분석이라고도 부르며, 고객의 여정을 주요 단계별 흐름에 따라 측정하고 관리하는 것을 의미한다.
각각의 단계를 수치로 관리하는 것을 통해 어느 단계에서 이탈이 가장 많이 발생했는지 분석이 가능하다.
👉🏻 세그먼트(Segment)
특정 성향을 가졌거나, 동일한 액션을 한 방문자 또는 세션 그룹을 의미한다.
세그먼트를 통해 데이터를 얼마나 다양한 관점으로 보고 분석하느냐가 인사이트 도출에 가장 중요한 부분 되시겠다.
세그먼트는 별도의 잠재고객으로 생성해서 구글 광고 캠페인의 모수로 활용하거나,
구글 옵티마이즈를 통해 A/B 테스트의 실험 모수로 활용할 수 있다고 한다.
💡 정리
사실 생각보다 사전에 알아야 할 용어들이 꽤 있었는데, 꽤나 술술 읽혔다.
또 무엇보다 저자 본인이 생각하는 데이터 분석의 중요 포인트들을 실제 업무 경험을 바탕으로 설명해주다 보니,
엄청 흥미롭기도 하고 이걸 실무에서는 이렇게 하는구나.. 하면서 배울 포인트들이 많았던 것 같다.
(실무를 맡아 수행하는 그 순간에도 명심하고 있어야겠다.)
다음 챕터부터는 본격적으로 구글 애널리틱스4에 대해 배울 수 있을 것 같아 기대가 되는 부분이다.
