- 데이터의 유형
- 정량적 데이터
- 수치나 기호 데이터베이스, 스프레드 시트
- 통계 분석 시 용이
- 성별과 직업과 같은 명목형 데이터도 통계학적으로 정량적 분석의 대상이 됨
- 객관적 분류: 주관적인 느낌이 아니라 사회적으로 약속된 객관적인 사실임
- 빈도 계산: 통계적 빈도와 비중을 내기 매우 쉬움
- 더미(Dummy) 변수화: 분석 모델을 만들 떄 성별을 0과 1로 치환하여 계산기에 넣을 수 있기 때문에 정량적 분석
- 만약 설문조사에서 '매우만족(5점) ~ 매우 불만족(1점)' 처럼 숫자 점수를 부여했다면 이는 정성적인 느낌을 정량화 한 것이 됨. 이때부턴 정량적 분석이 가능.
- 정성적 데이터
- 문자나 언어 웹 로그, 텍스트 파일
- 통계 분석 시 어려움
- 지표 설정
- 지표란?
- 특정 목표나 성과를 측정하기 위한 구체적이고 측정가능 한 기준
- 목표 달성도를 평가하고 전략적 결정에 필요한 핵심 정보를 제공
- 정의한 문제에 대해 정확하게 파악하기 위해서 필요
- '어떤 결과를 기대하는가?'에 대한 정량화된 기준
- 주요 지표
- Active User (활성유저)
- 정밀도, 허들이 높아질 수록 Active User의 수는 낮아지는 구조
- Retension Ratio (재방문율)
- 고객이 서비스를 지속적으로 이용하고 있는지 파악
- 서비스를 사용한 사람이 다시 서비스를 사용하는 비율 (몇%의 유저가 우리 서비스를 다시 사용하는가?)
- 리텐션이 높은 서비스는 획득 비용에 투자한 비용을 빠르게 회수할 수 있음
- 서비스(특히 앱서비스) 성장에 있어서 매우 중요한 지표
- Retension 측정 방법
- N-Day 리텐션
- 최초 사용일로부터 N일 후에 재방문한 Active User의 비율
- 게임, 소셜 등 습관적으로 사용하거나 반복적으로 행동을 유도하는 제품에 적합 (카카오톡, 인스타그램,...)
- 유저가 Active User로 집계된 최초 날을 Day 0으로 설정
- N-day 리텐션의 한계
- 튜브는 1월 3일을 제외하고는 전부 방문함 ; 그렇다면, 1월 3일의 리텐션에도 튜브를 포함하는게 맞는 것 아닐까?
- 서비스의 사용 주기가 길 경우, N-day 리텐션을 사용하면 실제보다 더 과소평가
- Unbounded 리텐션
- 특정 날짜를 포함하여 그 이후에 한번이라도 재방문한 유저의 비율
- 유저가 정기적으로 반복해서 방문하는 서비스가 아닐 경우 적합
- Unbounded 리텐션은 이탈률의 반대 개념
-
- 마지막 방문일 이전에는 방문한 것으로 계산
- 실제로 방문하지 않았어도, 계산에는 함께 포함
- N-day 리텐션과 비교시 결과값에 큰 차이가 있음
- 사용 빈도가 높지 않은 서비스에 활용하기 적절 (채용사이트, 쇼핑몰,...)
- 사용 주기가 좀 더 긴 서비스에서 N-day 리텐션을 적용하게 될 경우 불필요한 할인, 푸쉬 메시지 발송 등 잘못된 액션을 할 가능성 존재
- Unbounded 리텐션의 한계
- 1월 6일에 계속 접속하지 않던 무지가 접속할 경우, 이전의 리텐션 값들이 전부 변동되는 상황이 발생할 수 있음
- 절대적인 수치보다는 지표가 어떻게 변화하는 지에 대한 트렌드를 보는 용도로 활용하는 것을 권장
- Bracket 리텐션
- 설정한 특정 기간을 기반으로 재방문율을 축정
- N-Day 리텐션을 확장한 개념 > 일/주/월 단위가 아닌 지정한 구간으로 나눔
- 1(0일차) / 2(1-3일차) / 3(4-6일차) / 4(7-11일차)
- 활성유저가 특정한 활동을 위해 각 Bracket 내 서비스에 재방문시 잔존 유저로 해석
- 하루 정도 서비스에 접속을 안했더라도, 리텐션에 영향을 주지 않기 때문에 기준이 더 널널함
- 서비스 사용주기가 길거나 주기적인 경우 사용하기 적합한 지표 (식료품 배달 서비스, 세차 서비스,...)
- 리텐션이 높은 세그먼트를 발굴하는 작업이 필요함
- 서비스의 사용 주기에 따라 리텐션 조회 기간을 늘려야 함
- 사후 분석 시에 용이
- N-Day 리텐션
- Funnel (퍼널)
- 유저들이 어디서 이탈하는가?를 확인하기 위한 구조화
- 퍼널은 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정
- 모든 서비스와 비즈니스는 각 단계로 갈수록 이용자 수가 줄어들게 됨
- AARRR
- 디지털 마케팅시 퍼널을 활용하는 프레임워크
- LTV (Life Time Value, 고객 평생 가치)
- 해당 유저가 우리에게 평생 주는 이익은 얼마나 될까?
- 고객 생애 주기: 한 명의 유저가 서비스를 사용하기 시작하여 이탈할 때까지의 기간
- LTV가 높다는 것은 해당 서비스와 관계도 좋고, 충성도가 높은 고객이 많다는 것
- LTV 추측이 가능하다면, 신규 유저를 데려오는 비용(CAC: Customer Acquisition Cost)의 산출 및 효율적인 예산 운용이 가능
- LTV 산출 방법은 매우 여러가지이며, 서비스마다, 관점마다 다르기 때문에 다각도로 고민이 필요함.
- LTV는 가정을 베이스로 하는 지표이기 때문에 꾸준한 모니터링이 필요
- LTV에 관심이 더 생긴다면 읽어보면 좋을 자료들
- Active User (활성유저)
- 북극성 지표
- 제품/서비스가 유저에게 주는 core value를 가장 잘 나타낸 것
- 장기 성장을 위해 필수적으로 모니터링 해야함
- 좋은 북극성 지표의 특징
- 제품/서비스 전략의 핵심
- 유저/고객 이 제품/서비스에서 느끼는 가치
- 회사의 사업 목표를 나타내는 지표 중 선행지표 (후행x)
- 좋지 않은 북극성 지표의 예
- 외부 요인의 영향을 많이 받는 지표
- 유저/고객이 직접 가치를 느낄 수 없는 지표
- 측정 불가하거나, 기간 설정이 안되는 지표
- 북극성 지표의 유형
- 대표적인 북극성 지표 사례
- 북극성 지표가 중요한 이유
- 방향성
- 제품/사업 조직이 무엇에 최적화되어야 하고, 무엇을 포기해도 되는지에 대한 방향 제시
- 효율 증대
- 전 직원을 하나의 목표에 집중시킴
- 서로 상반된 목표에 집중하거나 중복으로 일하는 것을 방지 (MECE 한 구조)
- 방향성
'기타' 카테고리의 다른 글
| 컴퓨터 수명 확인법 (0) | 2026.01.16 |
|---|---|
| 윈도우와 맥(air) 차이 (1) | 2026.01.16 |
| [데이터 리터러시 강의] 결과 vs 결론, 결론을 잘 정리하는 법 (0) | 2026.01.10 |
| [데이터 리터러시 강의] 심슨의 역설, 샘플링 편향, 문제정의 방법 (0) | 2026.01.10 |
| Microsoft 사용자 변경하기 (0) | 2026.01.10 |