[서비스기획] 프로덕트 데이터 분석에 필요한 핵심 기술과 대표적인 분석 방법론에 대해 알아보자

1. 프로덕트 데이터 분석에 필요한 핵심기술

아래 3가지 기술은 실무에서 사용되는 기술과 역할, 사용예시, 활용도에 대해 정리해 보았다. 

프로덕트를 분석하는 행위는 주로 사용자 행동과 비즈니스 성과를 정량적으로 측정하고 해석하는 과정으로써, 아래 기술을 다룰 수 있다면 차별화 된 기획자로서 성장할 수 있다.

 

간략한 기본 정보들을 담고 있으므로, 심도 깊은 데이터 분석 지식에 대해서는 다음포스팅에서 다뤄볼 예정이다. 

 

① SQL (Structured Query Language)

• 역할 : 서비스의 DB(Data Base)에서 데이터를 추출
• 사용예시 : 사용자 행동 로그, 구매 기록 분석
• 핵심 쿼리 : SELECT, JOIN, GROUP BY, CASE

✅ 활용 예시
◼ 주문 이력에서 활성 사용자 식별
◼ 구매 이탈 구간 추척 및 개선 포인트 도출
◼ 상품의 좋아요 혹은 찜 수 추출 통한 성과 도출 

 

📌 사례 및 예시 : 사용자 당 평균 구매 횟수를 분석하기 위한 쿼리

SELECT user_id, COUNT(order_id) AS purchase_count
FROM order
GROUP BY user_id
ORDER BY purchase_count DESE;

 

 

② Python(또는 R) - 데이터 분석 및 시각화

• 역할 : 복잡한 데이터 가공과 통계적 분석
• 사용예시 : A/B테스트, 사용자 군집 분석 

✅ 활용예시
◼ 재방문율과 재결제율 분석
◼ 시각화도구 (matplotlib, seaborn) 로 패턴도출

 

 

③ Excel/ Google Sheets

• 역할 : 기본적인 EDA(탐색적 데이터 분석)
• 사용예시 : KPI 지표 추적, 데이터 집계 

✅ 활용예시
◼ 빠른 지표 산출 및 비교분석
◼ 코호트 분석(기간별 사용자 그룹 추적) 

 

 

---

 

2. 주요 데이터 분석 방법론과 적용사례

프로덕트 기반 회사에서 많이 사용하고 있는 분석 방법론에 대해 설명한다.

서비스기획 포트폴리오를 준비하고 있다면, 진행했던 프로젝트에 적용해봐도 좋은 경험이 될 것이다.

 

① AARRR 모델(Growth Funnel 분석)

• 정의 : 사용자 여정을 5단계로 나누어 고객의 생애 주기를 기반으로 온라인 비즈니스 성장을 효과적으로 촉진하기 위해 사용되는 핵심 지표 프레임 워크 입니다. 
• 활용 : 고객이 처음으로 제품을 접하고 나서 비즈니스에 기여하기 까지의 전 과정을 체계적으로 분석하는 데 활용
  
  
  • Acquisition (유입) : 고객이 처음으로 제품이나 서비스를 접하게 되는 단계. 검색 엔진, 소셜 미디어, 광고, 입소문 등의 다양한 채널을 통해 이루어 진다. 
  • Activation (활성화) : 고객이 제품이나 서비스를 실제로 사용하거나, 등록하거나, 처음으로 가치를 느끼는 단계
  • Retention (유지) : 고객이 제품을 계속 사용하도록 유지하는 것을 목표로 하는 단계. 푸시알림, 이메일, 리워드 프로그램 등을 통해 이루어진다.  
  • Revenue (수익) : 고객이 제품이나 서비스에 대해 실제로 비용을 지불하는 것을 목표로 하는 단계. 구매, 구독, 업그레이드 등의 방법을 통해 이루어진다. 
  • Referral (추천) :  만족한 고객이 제품이나 서비스를 다른 사람에게 추천하는 것을 목표로 하는 단계. 추천 프로그램, 보상시스템, 쉬운 공유기능 등을 통해 이루어진다. 

AARRR - 출처 : 와이즈 트래커

 

📌 쿠팡 실제사례
1. Acquisition (유입) : 광고에서 신규 가입 유도
2. Activation (활성화) : 첫 구매 완료 시 쿠폰 제공
3. Retention (유지) : 정기 배송 서비스 제공
4. Revenue (수익) : 로켓와우 멤버십으로 수익창출
5. Referral (추천) : 친구 추천 시 포인트 지급

 

 

✅ 활용예시 : 

• 각 단계 별 이탈률 확인 
• 각 단계 별 유입률 확인
• 고객의 재방문율 상승 방안 제시
• 구매력 높은 유저들의 특징 확인
• 취약한 구간을 찾아 개선 방향 제시 

 

② 코호트 분석(Cohort Analysis)

• 정의 : 동일한 기간동안 동일한 특성을 가진 사람들을 모아 분석하는 것으로, 특정 시점에 유입된 사용자 그룹의 행동이 어떻게 변화하는지를 분석하는 '행동분석' 이다.  
• 목적 : 재방문율과 이탈 시점 파악
• 그룹분류 : EX) 인천에 사는 20대 후반 여성이 네이버 검색을 통해 A페이지로 방문을 해서 B제품을 구매했다고 가정하면 이 사용자의 코호트 그룹은 아래처럼 분류 할 수 있다. 
  • 제주(지역) 코호트
  • 26~29세(연령) 코호트
  • 여성(성별) 코호트
  • 네이버 트래픽 코호트
  • 자연검색 트래픽 코호트
  • A방문페이지 코호트
  • B제품 (구매) 코호트

 

코호트분석, 출처 - https://analyticsmarketing.co.kr/

 

📌 배달의 민족 실제사례
1. 2024년 1월 신규 가입자의 3개월 차 재구매율 확인
2. 첫 주문 후 2주 이내 재방문률이 20% 미만 → 리마인드 푸시 개선

 

✅ 활용예시 : 

• 신규 vs 기존 사용자 유지율 비교
• 이탈 시점에 맞춘 타겟 마케팅 적용

 

 

 

③ A/B 테스트(AB Testing)

• 정의 : 기능 변경이나 정책 적용 시 두 그룹의 성과 차이를 특정 
• 목적 : 변화가 지표에 미치는 영향을 정량적으로 검증

사진출처 : https://splitmetrics.com/

 

📌 네이버 페이 실제사례
◼ 결제 버튼 디자인을 A/B로 나눠 전환율 측정 
 A 그룹 : 기존 디자인 
 B 그룹 : 개선된 CTA 버튼 

 

✅ 활용예시 : 

• UI/UX 변경의 성과 검증
• 최적화된 정책으로 서비스 개선

 

 

④ 퍼널 분석(Funnel Analysis)

• 정의 : 사용자가 목표까지 도달하는 각 단계의 이탈률을 분석
• 목적 : 사용자 흐름의 병목 구간 파악

출처 : 뷰저블

📌 토스 실제사례
◼ 송금 프로세스에서 이탈율 분석 : 
 1. 앱 실행 
 2. 수신자 선택
 3. 금액 입력 
 4. 송금 완료 

 

✅ 활용예시 : 

• 이탈율이 높은 단계에서 UI 개선
• 복잡한 과정을 단순화해 전환율 증가

 

 

⑤ 사용자 군집분석(User Segmentation)

• 정의 : 유사한 행동을 보이는 사용자 그룹으로 나누는 분석기법
• 목적 :맞춤형 서비스 제공 및 마케팅 최적화  

 

사용자 세그먼트

📌 마켓컬리 실제사례
◼ 구매 패턴 기반으로 고객 그룹 생성  
 - 고빈도 구매자(VIP)
 - 할인 민감형(프로모션 대상)
 - 비활성 고객(리텐션 타겟)

 

✅ 활용예시 : 

• 개인화 추천 시스템 구축
• 타겟 마케팅으로 ROI 극대화 

 

▼ 데이터 분석 함께 보면 좋은 글 ▼

2024.04.03 - [⭐ 서비스기획/💻 데이터 분석] - [데이터분석] 서비스 기획자가 알아두면 좋은 SQL 기초 지식 (SELECT, INSERT, DELETE, UPDATE 등)

[데이터분석] 서비스 기획자가 알아두면 좋은 SQL 기초 지식 (SELECT, INSERT, DELETE, UPDATE 등)