우리 서비스, 뭐가 문제일까? 사내 데이터로 퍼널 개선하기 2) Q&A

데이터 분석가 김민주님과 함께 한 하트카운트 웨비나! 패널 토크 시간에 나눈 이야기를 콘텐츠로 공개합니다 :) 더 자세한 내용이 궁금하시다면 아래 다시 보기 영상 및 전편을 참고해 보세요.

📌

하트카운트 3월 웨비나 <사내 데이터로 퍼널 개선하기>
- (1) 사례 소개편 읽으러 가기
- 다시보기 영상 바로 가기
- 다음 웨비나 등록하기

퍼널 분석, 데이터는 어디에서?

가장 중요한 것은 각 단계에 도달한 사용자 수

Q1. 퍼널 분석을 위해서 어떤 데이터가 필요할까요? 어떻게 데이터를 가지고 올 수 있을까요?

우선 퍼널 분석에서 기본적으로 필요한 것은 각 단계에 도달한 “사용자 수” 입니다. 이 부분을 자주 헷갈리시는 것 같더라고요. 웹사이트 접속이 1,000번 있었고, 입주 신청이 10건 있었다고 해서 “웹사이트 접속 -> 입주 신청” 단계의 전환율이 1%가 되는 게 아닙니다. 웹사이트 접속은 1,000번이었다고 해도 웹사이트에 접속한 사용자 수는 100명일 수 있죠. 그리고 웹사이트에 접속한 사용자 중에서 입주 신청을 한 사용자 수가 9명이라면, 이 단계의 전환율은 9%가 됩니다. 이렇게 퍼널의 전환율은 “사용자 수”를 기준으로 한다는 점을 기억해주시면 좋을 것 같고요.

다음으로 어떤 데이터가 필요한지는 서비스에 따라, 어디서 데이터를 가지고 올 지는 회사 상황에 따라 달라질 수 있는 내용 같은데요. 제가 예시로 들었던 쉐어하우스 사례로 말씀드려볼게요.

💡

쉐어하우스 예시의 퍼널
“웹사이트 접속 -> 입주 신청 -> 투어 일정 잡기 -> 투어 -> 입주 계약”

쉐어하우스 입주 계약 퍼널에서 “웹사이트 접속 -> 입주 신청” 까지는 웹사이트, 즉 온라인에서 이루어지는 단계이고, 그 이후의 “투어 일정 잡기 -> 투어 -> 입주 계약”은 오프라인에서 이루어지는 단계입니다. 온라인, 오프라인을 나눠서 설명해볼게요.

온라인 서비스를 위한 데이터 수집 예시

대부분의 서비스가 온라인 서비스일 것 같은데요. 온라인 서비스에서는 데이터 활용을 할 수 있는 여건이 많이 갖춰져 있어서 훨씬 많이 적극적으로 하고 있는 것 같아요.

웹사이트나 앱 같은 온라인 서비스의 데이터는 구글 애널리틱스나 앰플리튜드 같은 데이터 수집 툴을 통해서 수집할 수 있어요. 웹사이트에 접속한 사용자가 몇 명인지, 입주 신청을 할 수 있는 페이지가 따로 있다면 해당 페이지에 접속한 사용자는 몇 명인지, 또 입주 신청서를 작성하기 시작한 사용자는 몇 명인지, 입주 신청서 작성을 완료한 사용자는 몇 명인지. 이렇게 디테일한 웹사이트 관련 데이터를 확인할 수 있습니다.

구글 애널리틱스를 웹사이트에 연결하면 자동으로 수집해주는 이벤트들도 있고요. 간단한 커스텀 이벤트를 만들어서 원하는 데이터를 수집할 수도 있습니다. 특정 버튼을 얼마나 클릭했는지, 스크롤은 얼마나 했는지, 구매를 얼마나 했는지 그 금액은 얼마인지 같은 데이터도 모두 수집할 수 있어요. 더 나아가 웹사이트에 들어온 사용자들이 어떤 경로를 통해 들어왔는지 유입 경로 데이터도 볼 수 있고요.

로그인이나 구매 같은 액션 외에 기본적인 액션들은 코딩을 할 줄 몰라도 간단하게 수집할 수 있습니다. 애널리틱스 고객센터에 가보시면 가이드를 확인할 수 있어요.

📌

구글 애널리틱스 가이드 바로 가기

보다 자세한 가이드가 필요하신 분들은 구글에 “GA 웹사이트 연결하기”이런 키워드로 검색해보시면 많은 가이드가 나올 거예요.

오프라인에서 이루어지는 액션들의 데이터는 어떻게 수집할까?

다음으로 투어 일정 잡기, 투어, 입주 계약 단계는 오프라인에서 이루어지는 액션들입니다. 저의 경험으로는 오프라인에서 이루어지는 일들은 구글스프레드시트에 직접 기록해서 수집했어요. 우선 웹사이트를 통해 입주 신청한 신청자 리스트를 구글 스프레드시트에 불러오고요. 각각의 신청자의 투어 일정, 투어 이후의 커뮤니케이션이라든지 특이사항을 기록하고, 입주 계약 여부를 입력합니다. 다음으로 입주 계약한 사용자 리스트를 따로 관리했어요.

B2B 서비스에서도 많은 경우 이런 식으로 리드를 관리하실 것 같네요.

이렇게 온오프라인에서 각각 수집한 데이터를 하트카운트 같은 데이터 툴을 통해서 통합해서 분석해볼 수 있을 것 같아요.

자잘하게 발생하는 액션들은 어떻게 측정하지?

Q2. 퍼널 분석은 보통 크고 굵직한 단위에서의 사용자 액션(접속, 입주 신청, 투어, 계약 등)을 기반으로 분석을 진행하게 되는데요.그 사이에 일어나는 자잘한 유저의 행동들이 중요한 인사이트를 담고 있는 경우가 많습니다. 관련한 사례가 있을까요?

사용자들의 움직임이 뭔가 이상하다..?

첫 번째, 퍼널을 정의할 때는 우리가 예상하는, 원하는 사용자 행동을 기준으로 구성하게 되는데요. 어떤 페이지에서 시작해서 어떤 경로를 통해서 목표 지점에 도달할지 페이지 기획을 합니다.

그런데 막상 사용자 데이터를 보면 우리가 생각하는 것과 다르게 움직이고 있을 수 있어요.

예를 들어, 웹사이트에 접속하는 사람들은 많았는데 입주 신청을 하는 사람이 없었다고 해볼게요. 실제로 신청을 하는 사람이 없었을 수도 있지만, 평소 같았으면 몇 건 정도 발생해야 하는 신청 건수가 현저하게 적었다든지, 하는 경우라면 뭔가 기술적인 문제가 있는 게 아닌가 하는 의심을 해볼 수 있어요. 실제로 데이터를 보다 보면 이런 경우도 의외로 자주 발생합니다. 특히 업데이트가 있었던 이후라면 평소와 데이터 흐름이 크게 달라지지 않았는지 꼭 확인해볼 필요가 있어요.

뭔가 이상하다면, 퍼널을 더 쪼개서 살펴 보자

두 번째, 입주 신청서를 작성하다가 완료하지 않고 하우스 소개 페이지로 가는 사용자들이 많이 있었다고 해볼게요.

입주할 지점과 룸타입을 선택할지 물어보는 질문에서 지점과 룸타입에 대한 정보가 있는지 몰라서 다른 페이지로 이동할 수 있어요. 그럼 그 질문에다가 룸타입에 대한 설명을 추가해두면 이탈률을 줄이는 데 도움이 되겠죠.

세 번째로는 마찬가지로 입주 신청서 작성 단계에서 입주 신청서를 작성하는데 시간이 많이 걸린다고 한다면, 어디에서 많이 걸리는지 살펴보고 개선할 수 있어요. 주관식 질문을 객관식으로 바꿔준다든지, 질문의 갯수 자체를 줄인다든지요.

이런 식으로 사용자들이 어려워하거나 복잡한 단계라면 퍼널을 좀 더 쪼개서 자세히 보기도 합니다. 특히 회원 가입이라든지 결제 같은 단계를 자세히 많이 봐요.

서비스의 성장 수준에 따라 고려해야 할 점이 있다면?

Q3. 서비스가 얼마나 성장했느냐에 따라 (초기 서비스이냐 어느 정도 성장한 서비스이냐..) 유심히 봐야 하는 지표나 지표를 바라보는 기준이 달라질 것 같은데요.서비스의 성장 단계에 따른 고려사항에는 어떤 것이 있을까요?

AARRR 프레임워크를 참고하여 퍼널을 기획해보자

*출처: https://pathmonk.com/what-is-the-pirate-funnel-the-aarrr-framework-explained/*

서비스 성장 단계와 관련해 참고할 만한 프레임워크를 소개해드릴게요. AARRR 이라는 데이터 분석 프레임워크가 있어요. 데이브 맥클루어라는 벤처 투자자가 만든, 서비스의 성장 단계를 나타내는 프레임워크예요. Acquisition 사용자 획득, Activation 활성화, Retention 유지, Revenue 매출, Referral 추천 이렇게 다섯 단계로 구성됩니다. 서비스가 성장하려면 맨 처음에 사용자에게 우리 서비스를 알려서 우리 웹사이트에 들어오게 해야죠.

사용자를 획득 Acquisition 하는 단계입니다. 다음으로 들어온 사용자들이 바로 나가버리면 안 되겠죠. 서비스를 사용하기 위해 회원 가입이 필요하다면 회원 가입도 하고 이런 저런 기능도 써보고 우리 서비스를 경험해 봐야 합니다. 이 단계가 활성화Activation 단계입니다. 다음으로 우리 서비스를 한번 써보고 다시는 안 오면 안 되겠죠. 사용자들이 계속해서 찾아와야 합니다.

사용자들이 우리 서비스를 주기적으로 방문하고 사용하는 단계가 유지 Retention 입니다. 그다음은 사용자들이 우리 서비스를 계속해서 사용하면서 매출 Revenue이 발생하는 단계입니다. 포털 사이트라면 트래픽, 우리 서비스를 사용하는 사용자 수가 늘어나면 이 사용자 수 자체가 광고 수익으로 이어지겠죠. 쇼핑몰이라면 구매와 같은 직접적인 사용자의 액션이 필요하구요.

마지막은 추천 Referral 입니다. 우리 서비스를 사용하는 사용자들이 입소문을 내줘서 다른 사용자들을 데리고 오는 거죠. 그러면 맨 처음의 사용자 획득 Acquisition 단계로 자연스럽게 이어집니다.

전환율이 낮아져야 하는 퍼널

Q4. 앞선 발표에서 “전환율이 낮아져야 하는 퍼널“도 있다고 해주셨는데, 말씀해 주신 예시 말고도 또 어떤 예시를 들 수 있을까요?

전환율이 낮아야 하는 퍼널 이야기를 할 때 실제 맨파워가 들고 리소스에 제한이 있는 서비스의 경우를 예로 들었었는데요.

이번에는 결이 조금 다른 예시를 들려드릴까 해요. 데이터리안에서 진행하던 강의 프로그램에서 스터디 프로그램을 함께 운영했는데요. 이 스터디는 필수가 아니라 선택 사항으로 원하는 분들에 한해 진행하는 프로그램이었습니다. 함께 과제를 하고 온라인 교육이다보니 함께 할 의지 메이트를 만들어 드리려는 목적이었어요. 그렇기 위해서는 말 그대로 의지가 충만한 분들이 스터디에 신청하시기를 바랐습니다.

그런데 꼭 스터디 그룹마다 한두 명씩 이탈하는 사람들이 생기더라고요. 중간에 이탈하는 사람이 생기면 남은 사람들의 사기에 좋지 않은 영향을 주고, 그룹을 매칭해드린 것이 무색하게 아예 공중 분해 되는 경우도 생겼어요. 그래서 스터디 신청서를 받을 때 “꼭 끝까지 참여할 수 있는 분만 신청해 주셨으면 좋겠다”는 문구를 추가했어요. 스터디 신청 공지를 할 때도 그런 멘트를 넣었고요.

그런데 그렇다고 해도 결과는 크게 달라지지 않았어요. 계속해서 이탈하는 사람은 생기고, 그런 팀은 어김없이 불만족스러운 피드백이 들어왔습니다. 스터디가 잘 진행된 그룹의 경우 전체 교육에 대한 만족도도 상당히 좋았고, 서로 연락을 이어가며 함께 프로젝트까지 진행하는 경우도 있었는데요. 스터디가 중간에 공중 분해되거나 몇 명이 중도 이탈하는 경우에는 만족도에 나쁜 영향을 주었습니다. 안 하니만 못한 결과가 나오게 된 거죠.

전환해야 하는 대상의 수를 줄이자

그래서 고민을 했습니다. 아예 스터디 프로그램 운영을 하지 말아야 할까? 그렇다고 바로 없애기에는 스터디가 잘 진행된 경우의 메리트가 너무나 확실했어요. 그래서 한번 더 시도해 보기로 했습니다. 그때 선택한 방법은 신청서를 아주 아주 어렵게 만들어 보는 것이었어요. '신청서에서 의지가 중요하다. ', '하루에 몇 시간 이상 시간을 낼 수 있는 분', '끝까지 완주할 수 있는 분이 신청해주었으면 좋겠다' 하는 멘트는 이전에도 있었지만 이 항목 하나하나를 체크박스로 만들어서 하나씩 읽어보면서 체크하도록 만들었습니다. 맨 앞에도 넣어두고 마지막에도 넣어두고요.

이후 신청율이 조금 감소했고요. 이것만 보고도 어느 정도 전략이 통했다는 걸 직감할 수 있었어요. 그리고 이탈자도 이전만큼 발생하지 않게 되었습니다.

일반적인 서비스라기 보다는 '참여자들의 적극적인 의지가 중요하다'와 같은 우리 서비스에서 원하는 사용자들의 특징이 명확한 경우에 써볼 수 있는 방법이라고 이해해주시면 좋을 것 같아요.

퍼널 분석, 잘 하고 있는 것 맞을까요?

Q5.

1. 구글 시트, Looker Studio, GA 등에 산재되어 있는 데이터들을 어떤 식으로 모아서 정리할 수 있을지 궁금합니다. 예를들어 매출이나, 인바운드 건은 구글시트, DAU/MAU/이탈율 또는 특정 경로는 GA, 주요 이벤트는 Looker Studio에 대시보드화 해놓는데 로우데이터만 나열해놓고 핵심 요약은 되어있지 않은 느낌입니다ㅠ

2. 서비스의 퍼널을 설계하는 과정이 어떻게 되는지 궁금합니다. 저 같은 경우에는 User Flow를 그려놓고 각 Flow에서 볼법한, 볼 수 있는 이벤트를 적어두는 방식으로 했는데 이런 식으로 접근하는게 맞는지, 아니면 좀 더 정형화된 방식이 있는지 궁금합니다.

1. 흩어져 있는 데이터를 모아서 보시는 건 잘하고 계신 것 같아요. 그럼 이제 데이터끼리 어떻게 연결해서 볼지, 데이터 속에서 어떻게 맥락을 찾을지를 생각해보시면 좋을 것 같아요. 데이터를 보고는 있지만 그놈의 “인사이트”가 없다고 느끼시는 게 아닐까 조심스레 추측해볼게요.ㅎㅎ

제가 추천드리고 싶은건 첫번째는, 오늘 이야기했던 퍼널 분석을 적용해보시고 퍼널을 따라서 이벤트수나 전환율을 보시는 것도 좋을 것 같고요.

두번째는, 매출 지표를 보더라도 가입월별 코호트로 쪼개서 본다든지, 회원가입 수를 본다고 해도 유입경로별로 나눠서 본다든지, 같은 지표도 여러가지 기준으로 쪼개서 보는 것도 인사이트를 얻는데 도움이 될 수 있어요. 전체를 볼 때는 안 보이던 게 쪼개서 보면 뭔가 특이한 점이 발견될 때가 많거든요.

마지막으로 단순한 지표 숫자값 하나만 보기보다는 추이 그래프를 그려본다든지 하는 식으로 시간에 따른 흐름을 보는 것도 데이터에서 이슈를 찾아내는 데 큰 도움이 될 거예요.

2. 서비스 퍼널 설계도 잘 하고 계시는 것 같아요. User Flow 를 그려서 퍼널 구성을 해보셨으면 그다음으로 실제로 퍼널 데이터를 보고 사용자들이 그대로 움직이고 있는지 점검해보시면 좋을 것 같아요. 앞 질문 답변 중에 말씀드렸던 것처럼 사용자들이 우리가 생각하는대로 움직이지 않을 때도 종종 있거든요.