안녕하세요 뭉뭉이아범입니다.

오랜만에 근황 공유도 할 겸 글을 끄적여 봅니다.

좋은 기회가 생겨 수천만 개의 데이터를 활용한 saas에서 일을 한지

어느덧 1년이라는 시간이 넘기게 되었네요

요즘은 저희 솔루션을 이용하는 고객사에게

더 나은 고객 경험을 제공하기 위해

수집된 고객사의 데이터 분석을 통해 버틀넥을 파악하여

다양한 액션플랜을 도출하는 업무를 하며 보내고 있습니다.

이미 아이보스 내에서 다양한 방법론을 활용하여

데이터 분석을 잘 하는 분들이 계실 텐데요

saas에 솔루션 매니저로 있다 보니 사용하는 고객사의 담당자분들이

제반 되어야 하는 지식과 접근 방식에 대한

경험이 부족한 분들이 꽤 많다는 것을 느꼈습니다.

deep한 데이터 분석을 하기 위해선

그만큼 정교한 데이터를 수집하기 위한

이벤트 설계를 촘촘하게 해야  합니다.

이런 부분은 배제하고 주니어 분들이 접근하기 쉽게

실제 사례를 조금 공유 드려볼까 합니다.

- Client : 건강기능식품을 판매하는 K사

- Task : 고객사 사이트에 이커머스 퍼널 현황이 어떠한지?

버틀넥이 어디인지 조사 후 액션 플랜 도출

- Period : 최근 3개월 데이터

솔루션을 도입하기 전 현황 파악이 필요하고

그에 맞는 액션 플랜이 필요한 상황이기 때문에

자사 솔루션에 데이터 수집이 되지 않는 상황입니다.

다행히 고객사에서 보유한 ga 데이터가 있었고

해당 데이터를 활용하여 접근을 해봤습니다.

데이터가 수집되는 기준이 동일한 조건에 Trigger & Tag라면

분석툴은 무엇이어도 상관이 없습니다.

저는 당시 아래와 같은 기준으로 세그먼트를 나누어 확인했습니다.

(feat. AIDA 분석)

1. Awareness : 관심 상품을 찾지 못한 그룹
   주력 상품과 베스트 상품을 추천하여 관심 상품을 조회 할 수 있는 액션이 필요한 그룹
2. Interest : 관심은 있으나 아직 구매할 욕구가 없는 그룹
   주력 상품과 주력 상품의 연관 상품을 추천하고 장바구니 추가
   바로 구매를 할수있는 액션이 필요한 그룹
3. Desire : 구매를 망설이고 있는 그룹 구매 혜택을 제시하여 구매할 수 있는 액션이 필요한 그룹
4. Action : 베스트 그룹 재구매를 할 수 있는 액션이 필요한 그룹
5. fastAction : 빠른 구매 결정 그룹 객단가가 낮기 때문에 구매한 상품에 대한 연관 상품을 추천하여
   빠른 재구매를 할 수 있는 액션이 필요한 그룹

위 그룹은 각각의 수집된 이벤트 수를 통해 다음과 같이 확인 해볼 수 있습니다.

Awareness : 페이지 조회 1 이상 and 상품 조회,주문서 입력,구매 0과 같음

Interest : 페이지 조회,상품 조회 1이상 and 주문서 입력,구매 0과 같음

Desire : 페이지 조회,상품 조회,주문서 입력 1이상 and 구매 0과 같음

Action : 페이지 조회, 상품 조회, 주문서 입력, 구매 1이상

fastAction : 페이지 조회,상품 조회, 주문서 입력, 구매 1이상 and 장바구니 추가 0과 같음

앞서 말한 내용을 토대로 추출한 데이터를 도식화 한 이미지입니다.

*위에 Desire 그룹은 세분화 하여 페이지 조회, 상품 조회, 장바구니 추가 1이상 and 구매 0과 같음을

추가 그룹으로 나누어 볼 수도 있습니다.

Summary

1. 최근 3개월 간 전체 방문자 중 53.44%인 절반 이상은

사이트에 방문 후 상품에 관심을 갖지 않고 이탈하고 있다.

상품을 조회하지 않은 고객을 대상으로 K사 상품에 관심을 유도가 필요

2. 전체 방문자 중 40.63%는 상품을 조회했지만

전환에 근접한 행동(장바구니, 결제)를 하지 않은 채 이탈

상품에 관심있는 고객은 혜택에 반응할 가능성이 높음

상품 상세 페이지에서 스크롤을 N% 내리는 고객을 대상으로 가입 혜택 또는 할인 혜택 유도

3. Action(2.34%), FastAction(2.24%)라는 것은 장바구니에 담지 않고

바로 구매를 하는 유저들의 패턴이 있음을 확인할 수 있음

추가 확인이 필요하겠지만 구매 고객들의 데이터를 확인 했을 때

객단가 낮은 단품 상품이라면 세트 상품 구매 유도를 통한 객단가 상승 전략이 필요

(전체적으로 저관여 상품을 파는 쇼핑몰이라면 고객들이 구매 데이터를 분석하여

잘 팔리는 상품을 살 때 어떤 상품과 함께 구매하는 지 분석을 해보는 것도 방법입니다)

어느 정도에 고객사 사이트에 현황을 파악했으니

액션 플랜을 제안해야겠죠?

위와 같은 상황에 개선할 수 있는 방법은 광고를 통해 할 수도 있고,

요즘 온사이트/오프사이트 캠페인을 활용할 수 있는 다양한 CRM 툴을

이용하여 시도하는 방법이 있을 수 있습니다.

물론 해당 고객사는 제가 현재 속해 있는 saas 솔루션을 통해

할 수 있는 방법으로 액션 플랜을 제안 했지만

여러분들이 사용하는 툴이 따로 존재한다면 해당 기능을 활용 해보세요

위 데이터는 사용 하고 계신 어트리뷰션툴을 에서 데이터를 추출하여

시각화 툴을 통해 대시보드를 구축한 뒤 주별/월별/분기별과 같은

주기로 얼만큼의 개선이 되었는지 확인 해보는 것이 좋습니다.

ga4가 기준이라면 빅쿼리를 연동하여 데이터를 업데이트 하고

sql로 쿼리를 짜 필요한 데이터만 조회하고

Redash, Tableau, LookerStudio와 같은 툴을 활용하여

내부 유관 부서 또는 결정권자에게 공유하며 개선해보세요

*위 툴을 꼭 사용해야 하는 건 아니고 엑셀로 해도 되지만
결과론적으로 액션만 하는 것이 아닌 실제 개선이 되었는지를
경과 관찰이 중요하니 기록이 중요하다는 것을 기억해주세요

오늘 공유드린 예시는 웹 환경에서 수집된 행동 데이터 기반을

활용한 방법이지만 실제 갖고 있는 결제 데이터를 활용하는 방법도 존재합니다.

간단히 말하자면 주문서 데이터를 활용하여 월별 분기별 가장 잘 팔리는 상품을

확인하고 해당 상품을 구매한 고객들이 함께 구매하는 상품 중 제일 많이 구매하는

연관 상품이 무엇인지를 파악할 수 있다면 두 가지 상품을 세트 상품으로 묶어

프로모션을 진행 해볼 수 있겠죠?

3개월,6개월,12개월 데이터 무엇이라도 좋으니 한 번 시도 해보세요

위에 말씀 드린 ga4 > BIGquery > SQL > redash/tableau/Lookerstudio 

아는 분도 계실거고 모르는 분도 많을 텐데 당장 시도하는데 다 필요 없습니다.

지금 여러분이 관리하는 쇼핑몰에 호스팅사가 무엇이던

3/6/12개월 중 정하여 거래 데이터를 다운 받아 보세요

엑셀로도 충분히 데이터 분석이 가능하고, 대시보드처럼 보이게

그래프로 모든 것이 구축이 가능합니다.

마치며...

정말 오랜만에 글 작성을 하는 거라

나름대로 글에 매끄러움이 없는지 계속 보면서 작성해도

뭔가 글이 매끄럽지 않은 것 같네요

글을 읽는 데 있어 불편함이 있다면 미리 사과 드립니다...

마지막으로 데이터를 다루다 보면 유명한 말이 있습니다.

garbage in, garbage out

(쓰레기가 들어가면, 쓰레기가 나온다)

오늘 작성한 글 초입에 deep한 데이터 분석을 하기 위해선

데이터를 수집을 위한 이벤트 설계를 촘촘하게 해야 한다고 했는데요

이 부분 똑같은 event 지만 trigger 조건이 다를 수 있는 경우를

생각해보면 무슨 말인지 이해가 될 거라 생각합니다.

그렇기에 데이터 분석을 하려면 먼저 분석해야 하는 데이터가

정확도가 높은 데이터여야 한다는 이야기를 하고 싶었습니다..ㅋㅋ

그럼 오늘도 커리어 고민이 많은, 사수 없이 혼자 맨 땅에 헤딩하고 있는

수많은 주니어 마케터분들 화이팅 입니다!