사용자 행동 데이터 분석 (1) 사용자 행동 데이터 왜 필요할까요?
사용자 행동 데이터 분석 시리즈 모아보기
사용자 행동 데이터 왜 필요할까요?
넷플릭스와 아마존은 어떻게 데이터 분석을 하고 있을까요?
사용자 행동 데이터를 분석할 때 주의할 점 4가지
“우리 서비스 사용자들이 잘 사용하고 있나요?”라고 대표님이 여쭤보시면 여러분은 어떻게 대답하실 건가요? 저는 입사 초기에 이런 질문에 어떤 대답을 해야 할지 몰라서 우물쭈물했던 기억이 있어요. 이 날부터 저는 사용자 행동 데이터 분석 공부를 시작했는데요. 
사용자 행동 데이터는 고객들이 서비스를 잘 쓰고 있는지를 가늠할 수 있는 방법 중 하나입니다. 요즘처럼 발 빠르게 사용자들의 니즈를 캐치하고 서비스를 만들어 나가야 하는 상황에서는 이전보다 사용자 행동 데이터 분석을 더 자주 하게 되는 것 같아요. 이번 글에서는 우선 데이터의 종류에 대해 알아보고 서비스를 사용자들이 잘 쓰고 있는지 확인하는 여러 가지 방법의 장단점에 대해 알아보도록 하겠습니다. 그리고 그중에서도 왜 사용자 행동 데이터 분석이 필요한 지에 대해 이야기를 해볼게요.
회사에서 볼 수 있는 데이터의 2가지 종류
회사에 들어갔을 때 볼 수 있는 데이터는 크게 두 가지로 나눠볼 수 있어요. 서비스 데이터와 사용자 행동 데이터로 구분할 수 있는데요.
1. 서비스 데이터
Untitled
서비스 데이터는 가입, 결제 등 서비스 운영을 위해서 반드시 필요한 데이터입니다. 세미나 신청서 제출 내역, 사용자들의 결제 내역, 회원가입 정보 등이 서비스 데이터에 해당해요.
월간 데이터리안 세미나를 예로 들어볼게요. 세미나를 결제했는데 결제 내역이 데이터로 저장되지 않는다면, 행사 참여를 위해 결제한 사람들의 연락처를 알 수 없으니까 초대 메일 또는 문자를 보내드릴 수 없겠죠. 또 다른 예시를 들어볼게요. 만약 온라인 쇼핑몰인데 회원 주소 정보가 없으면 어떻게 될까요? 물건을 사도 배송해 줄 수 없을 거예요.
즉, 서비스 데이터는 별도로 저장해놓지 않으면 서비스를 운영할 수 없습니다. 그래서 데이터가 있어야 한다, 저장을 꼭 해야 한다는 점에 아무도 이견을 내지 않죠.
2. 사용자 행동 데이터
Untitled
사용자 행동 데이터는 사용자들의 행동 패턴을 확인하기 위해서 별도로 저장하는 데이터입니다. 현업에서는 웹 로그 데이터, 앱 로그 데이터, 이벤트 데이터, 사용자 로그 데이터 등 여러 가지 이름으로 부르고요. 사용자 행동 데이터의 특징으로는 비교적 규모가 크고, 데이터 신뢰도는 서비스 데이터보다 낮다는 점이 있습니다. 언제든지 누락, 중복 집계될 가능성도 있고요.
예시로는 웹사이트 페이지뷰, 스크롤, 클릭 등이 있는데요. 페이지뷰는 사용자들이 어느 페이지를 열람했는지를 확인할 수 있는 방문 기록에 대한 데이터구요. 스크롤은 어디까지 스크롤 했는지, 클릭은 어떤 요소를 클릭했는지를 기록하는 데이터입니다.
사실 웹사이트 특정 페이지를 누가 조회했는지는 궁금하긴 하지만, 그 데이터가 없어도 서비스의 주요 기능에 큰 문제가 발생하지는 않습니다. 그래서 현업에서 데이터 분석가가 사용자 행동 데이터 심어서 봐야 한다고 개발자분들께 요청을 드리면 “그 데이터 꼭 필요해요?”라고 말씀하시기도 해요.
서비스, 만들고 배포하는 게 전부가 아니에요
본격적으로 데이터 이야기를 하기에 앞서, 먼저 회사에서 서비스를 만드는 과정을 생각해 볼게요. 보통 웹, 앱 서비스를 만드는 회사의 상품 출시까지의 프로세스는 아래와 같습니다. 열심히 아이디에이션을 하고 서비스 기획을 합니다. 그리고 기능 또는 서비스를 개발해요. 열심히 만든 기능 또는 서비스를 배포하여 소비자들에게 내놓습니다. 마케팅도 하겠죠.
그런데 배포하고 마케팅하면 모든 게 끝난 걸까요? 아니요. 사실은 배포는 서비스 만들기의 끝이 아니라 시작입니다. 여기서부터 본격적인 비즈니스가 시작됩니다.
Untitled
만약, “사용자가 우리 서비스에서 뭘 원하든, 서비스를 어떻게 쓰든 상관없이 우리는 우리가 만들고 싶은 걸 만들겠어!”라고 한다면 그 비즈니스는 살아남기가 정말 힘들 거예요. 사용자들이 불만족하고 있거나, 사용에 어려움을 겪는 것에 대해 전혀 알아챌 수가 없으니까요. 그렇기 때문에 실제 비즈니스에서는 서비스 배포 후에 이 기능을 사용자들이 우리 생각대로 잘 쓰고 있는지, 사용자들이 잘 쓰고 있지 못하다면 왜 잘 못 쓰고 있는지, 어떻게 해야 더 잘 쓰게 할 수 있을지를 반드시 알아보아야 합니다.
이 서비스를 사용자들이 잘 쓰고 있는지 알 수 있는 방법 3가지
그렇다면 이 기능 또는 서비스를 사용자들이 잘 쓰고 있는지를 알 수 있는 방법에는 어떤 것들이 있을까요? 다양한 방법이 있지만 크게 세 가지 방법을 소개해 드릴게요.
1. 사용자 직접 관찰
첫 번째, 사용자 직접 관찰은 사람들을 데려다가 직접 서비스를 사용하게끔 하면서 어떤 식으로 사용하는지를 관찰하는 방법입니다. 
실제 사용자가 겪는 실질적인 문제와 니즈를 명확하게 파악할 수 있고, 무의식적으로 겪고 있는 어려움까지 관찰할 수 있습니다. 설문이나 인터뷰 등의 도구를 이용하는 것이 아니므로 인터뷰 과정에서 발생할 수 있는 오류가 발생하지 않는다는 장점이 있습니다.
단점으로는 시간과 비용이 많이 발생하며, 실험 참여자의 행동을 정확하게 기록하고 분석하는 것이 수월하지 않을 수 있습니다. 행동을 기반으로 분석을 하기 때문에 해석의 차이도 발생할 수 있습니다.
2. 사용자 인터뷰
두 번째 사용자 인터뷰는 서비스를 사용하는 사용자들에게 서비스 사용 경험, 사용 방식 등을 인터뷰하는 방법입니다.
장점으로는 평소 사용자들에게 궁금했던 것들을 직접 물어보고 사용자들의 구체적인 의견을 수집할 수 있다는 것이 있고요. 제품이나 서비스를 구매하고 이용하는 정확한 이유를 알 수 있습니다. 때로는 응답자의 지식이나 노하우가 새로운 인사이트를 얻는 데 도움이 되기도 합니다.
단점으로는 사용자 직접 관찰과 마찬가지로 시간과 비용이 많이 발생하고, 정성적인 답변을 받는 것이므로 동일한 기준으로 답변 내용을 해석하거나 비교하기 어렵습니다. 그리고 사용자들은 가끔 거짓말을 하기도 하는데요. 물론 작정하고 거짓말을 하는 경우는 많지 않겠지만 내가 관찰이 되고 있다는 점을 인식하고 있거나 서비스 관계자 앞에서 인터뷰를 하고 있다는 점을 인식하고 있는 경우에 무의식적으로 서비스 경험에 대해서 과장을 하거나 포장을 하게 될 수가 있습니다.

3. 사용자 행동 데이터 분석
마지막으로 사용자 행동 데이터 분석은 사용자들이 서비스를 사용하면서 남긴 행동 데이터(페이지뷰, 클릭, 스크롤 등)를 분석하는 방법입니다.
사용자 직접 관찰이나 인터뷰에 비해 적은 비용으로 많은 사람들의 행동을 분석할 수 있다는 장점이 있습니다. 데이터만 잘 쌓여있다면 사용자들의 행동 패턴을 원할 때 언제든 분석을 할 수 있고. 가장 자연스러운 사용자들의 행동을 볼 수 있고요. 또한 특정 사용자의 데이터만 골라서 분석하는 것이 아니기 때문에 사용자의 행동 패턴이나 의견이 편향되지 않는다는 점도 장점입니다.
단점으로는 데이터에 대한 해석을 분석가가 자의적으로 해야 하기 때문에 같은 데이터를 보더라도 분석가마다 다른 해석을 할 수 있고, 정확하게 문제 파악을 하기는 어려울 수 있다는 점이 있습니다.
그 중에서도 사용자 행동 데이터 분석을 해야하는 이유
사용자 직접 관찰, 인터뷰, 그리고 사용자 행동 데이터 분석은 장단점이 아주 뚜렷해서 사실은 할 수만 있다면 다 하면 좋긴 합니다. 그러나 요즘처럼 발 빠르게 사용자들의 니즈를 캐치하고 서비스를 만들어 나가야 하는 상황에서는 이전보다 사용자 행동 데이터 분석을 더 자주 하게 되는 것 같습니다. 그래서 분석가들은 당연히 사용자 행동 데이터를 봐야 하고요. 점점 타 직군들에서도 이런 사용자 행동 데이터를 보는 능력이 요구되고 그 중요성이 점점 커지고 있는 추세인 듯해요.
그렇다면 실제 비즈니스에서는 어떤 식으로 사용자 행동 데이터 분석을 활용하고 있을까요? 사용자 행동 데이터 분석의 구체적인 예시는 사용자 행동 데이터 분석 (2) 넷플릭스와 아마존은 어떻게 데이터 분석을 하고 있을까요? 에서 더 자세히 이야기 해보도록 하겠습니다.
참고자료
모바일 앱 로그분석, 어떻게 시작해야 할까?(마이리얼트립 기술블로그)
로그 데이터로 유저 이해하기(우아한 형제들 기술블로그)
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유


아마존의 평균 구매 전환율은 13%, 국내 온라인 쇼핑몰 평균 전환율은 6% 라고 합니다.

사용자 행동 데이터 분석 (2) 넷플릭스와 아마존이 데이터로 비즈니스 임팩트 내는 방법

conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

이 글은 Taylor Brownlow 의 아티클(Dashboards are Dead)을 번역한 내용입니다.

내가 만든 대시보드는 왜 아무도 보지 않을까?

회사에서 볼 수 있는 데이터의 2가지 종류

서비스, 만들고 배포하는 게 전부가 아니에요

이 서비스를 사용자들이 잘 쓰고 있는지 알 수 있는 방법 3가지

그 중에서도 사용자 행동 데이터 분석을 해야하는 이유

마케터, 기획자 등 거의 모든 직군에서 사용자 행동 데이터를 보는 능력이 필요해지고 있습니다

사용자 행동 데이터 분석 (1) 사용자 행동 데이터 왜 필요할까요?

Contents

함께 읽어보면 좋은 글

파워 유저 커브(스마일 커브)

A/B 테스트란

데이터 사이언스 자동화의 추세와 전망, 인간의 역할

데이터 분석 소식을
한 달에 한 번 받아보세요