[SQL] 18. 많이 쓰이는 분석 프레임(1) - 퍼널 분석

일종의 쪼개는 공식, 분석과정에서 많이 쓰이는 분석 프레임 4가지

1. 퍼널 분석
   • 어느 단계에 집중해서 개선해야할까
   • 고객을 목표지점까지 잘 데려오고, 꾸준히 상품을 쓰고 잇느
2. 코호트 분석
   • 시간이 흐르면서 고객은 어떻게 바뀌고 있는지
3. 리텐션의 종류
   • 꾸준히 상품을 잘 쓰고 있는지 리텐션을 확인
   • 리텐션을 계산하는 다양한 공식이 존재
4. RFM 분석
   • 고객 행동에 기반한 segmentation 방법

 

퍼널 분석

목표로 가기까지 경로(PATH)가 존재한다

 

UBER의 목표 : 고객이 우버를 이용해 이동 경험을 하는 것

DECISION TO USE -> SET UP ACCOUNT -> REQUEST RIDE -> RIDE UBER -> ARRIVAL

• 이 일련의 과정을 고객 여정이라고 하고,
• 단계마다 고객의 전환율을 구하는 것을 퍼널 분석이라고 한다.

 

퍼널분석 : 목표까지의 고객 여정을 단계별로 나눠 단계별 전환과 이탈을 측정하는 분석

 

ex)

• 이커머스: 구매 전환
  • 메인페이지 > 상품 상세페이지 > 장바구니 담기 > 결제 > 결제완료
• 넷플릭스: 정기구독 전환
  • 회원가입 > 1개월 무료 사용 > 컨텐츠 시청 > 정기구독 결제
• B2B 영업담당 : 계약 체결
  • 콜드콜 > 메일제안 > 미팅 > 실무자 논의 > 의사결정자 심사 > 계약 체결
• 온보딩 프로세스(튜토리얼), 회원가입 프로세스, 결제 프로세스
  • 목표에 따라서 END to END 처음부터 끝까지 고객을 따라가볼 수도 있지만,
  • 특정 기능을 잡아 목표로 만들 수도 있다

 

퍼널분석하면 알 수 있는 것

1. 어디가 문제인지, 어디에 집중해서 우리 서비스를 개선해야하는지 알 수 있음

 

ex) 노션이나 에버노트같은 서비스라고 했을때,

• 회원가입 -> 첫번째 노트 생성 -> 텍스트 작성 -> 첫번째 노트 저장 -> 첫번째 노트 재오픈 -> 클로즈
• 위 단계별로 전환율을 구할 수 있다.
• 고객의 수가 100 -> 80 -> 40 -> 35 -> 30 -> 28 이라고 했을 때, 각각의 전환율은
• 80%, 50%, 87.5%, 85.7%, 93.3% 이다
• 텍스트 작성으로 넘어갈 때 전환율이 낮다
• 고객이 게시글을 작성하고 싶게 만들도록 UX를 변경하는 등 개선할 수 있다.
  • 무슨 생각을 하고 계신가요? 라는 글이 보이도록 하기

 

2. 그룹별 퍼널 비교를 통해 우수한 퍼널을 보이는 그룹을 찾고 이에 맞는 액션이 가능하다

 

ex) 쥬얼리를 파는 곳이라고 했을 때,

• 방문 프로세스
  • 방문 -> 체류 -> 구매
  • 남성 : 100 -> 80 -> 60 (80%, 75%)
  • 여성 : 400 -> 300 -> 60 (75%, 20%)
  • 브랜드 메시지에 "남성 여러분, 아내를 위해 연인을 위해 OOO를 선물하세요"를 추가할 수 있다
• 어플 프로세스
  • 앱설치 -> 가입 -> 구매 -> 재구매
  • 앱스토어, 페이스북, 인스타그램, 트위터, 구글 광고 등 유입경로 별로 한번 더 쪼개서 본다
  •  

    	앱스토어	페이스북	인스타그램	트위터	구글광고	기타
    앱설치	10%	35%	15%	10%	25%	5%
    가입	8%	42%	23%	17%	8%	2%
    구매	7%	40%	20%	25%	6%	2%
    재구매	2%	42%	22%	30%	3%	1%

    • 인스타그램의 경우 들어오는 사람의 비중보다 구매하는 사람의 비중이 높아졌다
      • 다른 매체보다 더 높은 비율로 구매 전환율을 보이고 있다
    • 구글광고의 경우 앱 설치 고객이 25%인데, 구매하는 비중은 6%밖에 되지 않는다
      • 목표가 앱설치를 많이 하게 하는 것이 아니라, 구매까지 잘 하도록 하는 것이라면,
    • 마케팅 예산 의사결정에서 인스타그램을 높이고, 구글 Ads를 낮춰야 할 것이다

 

3. 퍼널에서 이탈하는 고객들의 이후 행동을 통해 개선 포인트 도출

 

ex) SNS 서비스를 하는 곳이라고 했을 때,

• 회원가입 단계를 나눠서 퍼널 분석을 해봤는데,
  • 사람들이 프로필 작성하는 화면에서 이탈을 많이 한다
  • 이 고객들은 이탈 후 다른 사람 프로필 조회를 많이 한다
  • 어떻게 작성해야할지 모르겠어서 다른 사람 프로필을 구경하러 가는 것이다
• 이를 해결하기 위해, 프로필 작성 단계에서 샘플 프로필 이미지를 추가한다

 

퍼널분석 내 업무에 적용하기

STEP 1. 최종 목표, 비즈니스에서 가장 중요한 메트릭 정의하기

• 이커머스 - 구매
• SNS - 가입, 데일리 액티브 유저

STEP 2. 목표까지의 단계, 시나리오 만들어보기*

• 이커머스: 구매 전환
  • 메인페이지 > 상품 상세페이지 > 장바구니 담기 > 결제 > 결제완료
• 넷플릭스: 정기구독 전환
  • 회원가입 > 1개월 무료 사용 > 컨텐츠 시청 > 정기구독 결제
• B2B 영업담당 : 계약 체결
  • 콜드콜 > 메일제안 > 미팅 > 실무자 논의 > 의사결정자 심사 > 계약 체결

하지만, 고객 여정이 선형적이지 않은 경우가 많다

 

고객 여정 : 메인페이지 -> 상품 상세 -> 위시리스트 추가 -> 장바구니 -> 구매

1000명 -> 500명 -> 50명 -> 40명 -> 20명

전환율 50%, 10%, 80%, 50% 로 기록되었다고 하자.

• 위시리스트 추가가 굉장히 powerful 하구나를 알 수 있다.
• 여기에서, 어떤 고객은 위시리스트 추가 단계를 거치지 않고, 바로 구매하는 경우도 있을 것이다.
• 전환율이 왜곡되어 나타나게 된다.

또한, 메인페이지 -> 상품 상세 사이에

• 메인 페이지 추천영역
• 검색
• 카테고리 검색 등

다양한 상황이 있을 것이다. 잘못되는 전환율을 구하는 경우을 없애기 위해서

퍼널 상에서는 공통적으로 적용되는 핵심 단계만 정의한다

만약, 검색 기능이 핵심 기능이라고 한다면,

메인 페이지 -> 검색 -> 상품 상세 -> 장바구니 -> 구매 로 핵심 단계를 설정할 수도 있다.

 

STEP 3. 전환율 기준 정하기*

 

1) 퍼널의 단계별 전환에 대한 기간 기준

 

회원가입 -> 첫번째 노트 작성 -> 텍스트 작성 -> 첫번째 노트 저장 -> 첫번째 노트 재오픈 -> 클로즈

• 경로가 짧기 때문에 일반적으로 한 세션 내에서 이루어져야 함

메인 페이지 -> 상품 상세 -> 장바구니 -> 구매

• 장바구니에 넣어두고 다음 날 사면 구매 전환 O? 구매 전환 X?
  
  • 기준이 필요하다
  • 구매자들의 장바구니~구매일 차이의 누적분포를 구해보고,
  • 기준을 2일로 잡아야하는구나를 알 수 있다

2) 카운트 기준: 클릭수 vs unique 유저수

 

메인 페이지 100 -> 상품 상세 70 -> 장바구니 15 -> 구매 3

• 한 사람이 5개 상품을 보면 5? 1?
• 기준을 정해줘야 한다

STEP 4. 전환율 데이터 산출하기 (가설에 따라 세그먼트로 나눠서 비교하기)

 

STEP 2,3단계가 가장 중요하다

 

• 기간 : 실험, 전/후, 월별
• 유저속성 : 신규/재구매, 성별, 연령대
• 유입경로 : 오가닉/논오가닉, 상세 유입 채널별

 

STEP 5. A/B 테스트로 지표 개선해가기

 

• 비효율적인 단계를 찾아 A/B 테스트로 개선하는 것이 퍼널 분석의 이유

목표: 회원가입 단계 완료

A안	B안
숫자 자판	쿼티 자판의 숫자
프로그레스 바 설정	None

• 비교해보며 점차적으로 서비스를 개선한다

 

퍼널분석 내 업무에 적용하기

STEP 1. 최종 목표, 비즈니스에서 가장 중요한 메트릭 정의하기

STEP 2. 목표까지의 단계, 시나리오 만들어보기

STEP 3. 전환율 기준 정하기

STEP 4. 전환율 데이터 산출하기 (가설에 따라 세그먼트로 나눠서 비교하기)

STEP 5. A/B 테스트로 지표 개선해가기

• 즉각적 개선 효과를 기대하기 보다는 지속적인 문제 개선이 필요하다
• 최상단 구멍보다 아랫구멍부터 막는 것이 중요하다.
• 퍼널의 출구 단계 즉, 목표단계 부분 문제의 해결이 효과적일 수 있다.

 

SELECT COUNT(DISTINCT user_id) AS unique_user
FROM data.funnel_data
-- 90400

빅쿼리에서 원하는 쿼리 부분만 블록설정 후 command+e 를 누르면 해당 쿼리만 실행된다

빅쿼리에서 tap키를 누르면 작성 중인 컬럼/테이블이 자동완성된다

SELECT DISTINCT device
FROM data.funnel_data

SELECT DISTINCT page
FROM data.funnel_data

SELECT page, COUNT(user_id) AS user_count, COUNT(DISTINCT user_id) AS check_user_count
FROM data.funnel_data
GROUP BY page
ORDER BY page

실무에서 가장 많이 쓰이는 조합은 SQL과 EXCEL이다

 

SELECT page, device, COUNT(user_id) AS user_count, COUNT(DISTINCT user_id) AS check_user_count
FROM data.funnel_data
GROUP BY page, device
ORDER BY page

• 피벗테이블을 활용해서 쉽게 살펴볼 수 있다
• device별로 살펴보았더니 홈페이지 접속은 데스크탑이 많은데, 결제까지는 모바일이 더 많이 갔다
• 데스크탑은 넘어가는 단계마다 유저들이 불편한 구석이 있는 것임을 알 수 있다
• 그래서 우리는 데스크탑 쪽에서 불편한 점이 무엇인지 살펴봐야 한다.