[디자인부트캠프] Day38 l 데이터 정리와 분석

오늘은 오즈코딩스쿨 프로덕트 디자이너 부트캠프 2기 38일차입니다.

38일차에는 저번 시간 얻은 데이터들을 토대로 데이터 정리와 분석에 대해 배우는 시간이었습니다!

 

1) 데이터 분석이 중요한 이유

💡 "고객이 많아지면 매출도 늘어날 거라 생각했다…"

스타트업 대표 민수 씨는 6개월 전부터 온라인 쇼핑몰을 운영하고 있습니다.
제품 퀄리티도 좋고, 광고도 적극적으로 집행하고 있는데…

📉 방문자는 많은데, 구매율이 낮다.
📉 어떤 고객층이 가장 가치를 창출하는지 모른다.
📉 광고비를 어디에 더 투자해야 할지 모른다.

"이상하다. 마케팅 예산을 늘렸는데 왜 매출이 기대만큼 오르지 않을까?"

민수 씨는 고민에 빠졌습니다.

👨‍💼 민수 씨의 고민:
✔ "고객의 행동 패턴을 분석해서 맞춤 전략을 수립할 수 없을까?"
✔ "우리가 집중해야 할 핵심 고객은 누구일까?"
✔ "고객들이 어디서 이탈하는지, 어떤 요인이 전환을 높이는지 알고 싶다."

하지만 감으로만 판단해서는 정확한 문제를 파악할 수 없었습니다.
그렇다면, 어떻게 문제를 해결할 수 있을까요?

➡ 이제, 데이터를 체계적으로 분석하는 방법을 배워보자!

🚀 데이터 없이 의사결정하면 생기는 문제

💰 CASE 1: 광고비를 어디에 투자해야 할까?
📌 문제:

• 민수 씨는 "페이스북 광고가 효과적일 것 같다"라고 판단해 광고비의 70%를 투자했습니다.
• 하지만 기대만큼의 구매가 이루어지지 않았습니다.

📊 데이터 분석 없이 발생한 문제:

• 광고 클릭 수는 많지만, 실제 구매 전환율이 낮음.
• 어떤 유입 채널에서 전환율이 높은지 확인하지 않음.
• 광고비가 비효율적으로 사용됨.

➡ 데이터 분석이 필요하다!
✔ 각 광고 채널의 전환율 비교 (GA4 활용)
✔ ROI(광고 투자 대비 수익) 분석을 통해 가장 효율적인 채널에 집중

🛒 CASE 2: 장바구니에 담긴 상품, 왜 결제하지 않을까?
📌 문제:

• 많은 고객이 상품을 장바구니에 추가하지만 결제까지 이어지지 않음.
• 장바구니 이탈률이 60% 이상 발생.

📊 데이터 분석 없이 발생한 문제:

• 장바구니에서 결제까지 이동하는 사용자 행동 패턴을 분석하지 않음.
• 이탈하는 고객에게 추가적인 유도 전략(할인 쿠폰, 푸시 알림 등) 미적용.

➡ 데이터 분석이 필요하다!
✔ 퍼널 분석을 통해 장바구니 → 결제 단계에서 이탈하는 비율 확인
✔ 이탈 고객에게 할인 쿠폰 제공 & 리마케팅 전략 실행

🎯 CASE 3: VIP 고객을 놓치고 있는 건 아닐까?
📌 문제:

• 모든 고객을 똑같이 대우하고 있음.
• 충성 고객과 신규 고객의 차이를 분석하지 않음.

📊 데이터 분석 없이 발생한 문제:

• VIP 고객에게 추가 혜택을 제공하지 않아 이탈률 증가.
• 재구매율이 높은 고객을 타겟팅하는 마케팅 전략 부재.

➡ 데이터 분석이 필요하다!
✔ 세그먼트 분석을 활용해 VIP 고객을 식별하고 맞춤형 혜택 제공
✔ 신규 고객을 위한 첫 구매 유도 전략 수립 (할인 쿠폰, 무료 배송 등)

💡 결론: 데이터 분석 없이 비즈니스는 성장할 수 없다!

📌 데이터 없이 감으로 의사결정을 하면,
✔ 광고 예산이 낭비될 수 있다.
✔ 고객 이탈을 막을 수 없다.
✔ 충성 고객을 유지할 기회를 놓칠 수 있다.

📌 데이터 분석을 통해,
✔ 효율적인 광고 집행 전략을 세울 수 있다.
✔ 구매 전환율을 높이는 요인을 파악할 수 있다.
✔ 충성 고객을 유지하고, 고객 맞춤 전략을 실행할 수 있다.

 

 

2) 주요 데이터 분석 기법

💡 "우리 고객들은 왜 떠나는 걸까?"

스타트업 대표 민수 씨는 최근 쇼핑몰을 운영하며 광고도 집행하고, 다양한 프로모션을 진행하고 있었습니다.
그런데 예상과는 다르게, 고객 이탈이 계속 발생하고 매출이 늘어나지 않는 문제가 생겼습니다.

📉 신규 가입자는 많지만, 재방문율이 낮다.
📉 장바구니에 상품을 담아도 결제까지 진행되지 않는다.
📉 한 번 구매한 고객이 다시 돌아오지 않는다.

👨‍💼 민수 씨의 고민:
✔ "어떤 고객이 우리 서비스를 가장 오래 사용하는가?"
✔ "고객들이 어디서 가장 많이 이탈하는가?"
✔ "가장 가치가 높은 VIP 고객을 찾아내 맞춤 전략을 세울 수 없을까?"

➡ 이 문제를 해결하기 위해, 데이터 분석 기법을 활용해야 한다!

📌 1️⃣ 코호트 분석 (Cohort Analysis) - 고객의 행동 패턴 분석

💡 "특정 시점에 가입한 고객의 행동을 비교해보자!"

🚀 민수 씨의 사례

민수 씨는 고객 유지율을 높이기 위해 데이터를 살펴보다가, 신규 고객이 한 달 내에 이탈하는 비율이 높다는 문제를 발견했습니다.
그렇다면, 고객이 가입한 시점에 따라 행동이 어떻게 달라지는지 확인할 필요가 있습니다.

✅ 코호트 분석이란?

• 특정 기간(예: 1월 가입 고객 vs. 2월 가입 고객) 또는 특정 행동을 한 사용자 그룹의 행동을 분석하는 방법
• 가입 시점, 첫 구매 시점, 특정 이벤트 참여 여부 등에 따라 고객을 구분해 비교

📊 GA4 코호트 분석 결과
✔ 1월 가입 고객의 3개월 후 유지율: 50%
✔ 2월 가입 고객의 3개월 후 유지율: 30%

➡ "2월 가입 고객이 더 빨리 이탈하는 이유는 무엇일까?"

✅ 해결책:
✔ 2월 가입 고객이 빠르게 이탈하는 이유 분석 → 가입 후 7일 이내 첫 구매를 유도하는 프로모션 추가!
✔ 가입 후 3일 내 첫 구매 유도 웰컴 쿠폰 지급
✔ 첫 구매를 하지 않은 고객에게 푸시 알림 & 이메일 마케팅 진행

📈 결과:
✔ 신규 가입자의 1개월 후 유지율이 30% → 45%로 증가!

➡ "신규 고객을 유지하려면, 가입 후 빠르게 첫 구매를 유도하는 전략이 필요하다!"

<코호트 분석 GA4 표 예시>

 

📌 2️⃣ 퍼널 분석 (Funnel Analysis) - 고객의 이탈 지점 찾기

💡 "고객들이 어디에서 가장 많이 이탈할까?"

🚀 민수 씨의 사례

고객이 웹사이트를 방문하고, 상품을 장바구니에 담았지만, 결제까지 가지 않고 이탈하는 경우가 많았습니다.
"왜 고객들은 결제 직전에 떠나는 걸까?"

✅ 퍼널 분석이란?

• 사용자가 특정 목표(구매, 회원가입 등)에 도달하기까지의 단계별 전환율을 분석
• 어떤 단계에서 이탈률이 높은지 확인하고 개선점을 도출

📊 GA4 퍼널 분석 결과
✔ 장바구니 추가: 1,000명
✔ 결제 페이지 방문: 500명 (이탈 50%)
✔ 결제 완료: 250명 (이탈 50%)

➡ "결제 페이지에서 이탈률이 너무 높다!"

✅ 해결책:
✔ 결제 페이지 UI 개선 (간편 결제 옵션 추가, 신뢰도 높은 결제 버튼 강조)
✔ 결제 단계에서 추가 할인 코드 제공하여 고객의 결제 유도
✔ 이탈 고객에게 리마케팅 광고 & 푸시 알림 전송

📈 결과:
✔ 결제 전환율이 25% → 40%로 증가!

➡ "퍼널 분석을 활용하면, 고객들이 어디에서 가장 많이 이탈하는지 파악할 수 있다!"

<퍼널 분석 GA4 표 예시>

 

📌 3️⃣ 세그먼트 분석 (Segment Analysis) - 주요 고객층 찾기

💡 "우리 서비스의 VIP 고객은 누구일까?"

🚀 민수 씨의 사례

모든 고객을 동일하게 대하는 대신, 가치가 높은 고객에게 더 집중하면 더 큰 성과를 낼 수 있지 않을까?
"재구매율이 높은 고객과 한 번만 구매하고 떠나는 고객의 차이는 무엇일까?"

✅ 세그먼트 분석이란?

• 전체 고객을 특정 기준(재방문율, 구매 금액, 사용 빈도 등)으로 그룹화하여 비교하는 기법
• 고객의 특성별 행동 차이를 분석하여 맞춤형 마케팅 전략을 수립

📊 GA4 세그먼트 분석 결과
✔ 1회 구매 고객의 재구매율: 20%
✔ 3회 이상 구매 고객의 재구매율: 70%

➡ "3회 이상 구매한 고객은 충성 고객이 될 가능성이 높다!"

✅ 해결책:
✔ VIP 고객을 위한 멤버십 프로그램 도입 (무료 배송, 추가 할인 제공 등)
✔ 신규 고객의 첫 구매를 유도하는 웰컴 쿠폰 제공
✔ 재구매율이 높은 고객을 타겟팅하여 맞춤형 프로모션 진행

📈 결과:
✔ VIP 고객의 재구매율이 70% → 85%로 증가!

➡ "세그먼트 분석을 활용하면, 가장 가치 있는 고객층을 찾아 집중 공략할 수 있다!"

 

🚀 결론: 데이터 분석이 비즈니스 성장을 이끈다!

 

✔ 코호트 분석 → 신규 가입자의 유지율을 높이는 전략을 세울 수 있다.
✔ 퍼널 분석 → 고객이 어디에서 이탈하는지 파악하고, 전환율을 높일 수 있다.
✔ 세그먼트 분석 → VIP 고객을 찾아 집중 공략하여 매출을 극대화할 수 있다.

📌 비즈니스 성장에 데이터를 활용하려면?
✅ GA4를 활용하여 코호트/퍼널/세그먼트 분석을 실행하라!
✅ 이탈 고객을 줄이고, 충성 고객을 늘리는 전략을 수립하라!
✅ 데이터 기반으로 마케팅 전략을 최적화하고, 광고비를 효율적으로 사용하라!

 

3) 실전 데이터 분석 사례

📌 1️⃣ 코호트 분석을 활용한 재방문율 증가 전략

💡 "왜 신규 가입자는 많지만, 다시 돌아오지 않을까?"

🚀 스타트업 대표 민수 씨의 고민

민수 씨는 최근 광고를 적극적으로 집행하여 많은 신규 고객을 유입시키는 데 성공했습니다.
📈 신규 가입자는 빠르게 증가 중!
하지만...
📉 1개월 후 재방문율이 20% 미만 😨
➡ "가입한 고객들이 왜 다시 방문하지 않는 걸까?"

👨‍💼 민수 씨의 고민:
✔ "가입만 하고 떠나는 고객과, 계속 이용하는 고객의 차이는 뭘까?"
✔ "첫 구매를 유도하면 고객이 더 오래 남아 있을까?"
✔ "재방문율을 높이려면 어떤 전략이 필요할까?"

📊 데이터 분석: GA4 코호트 분석 결과

민수 씨는 GA4 코호트 분석을 활용해 첫 구매 여부에 따른 고객의 재방문율 차이를 확인했습니다.

✔ 첫 구매를 한 고객 → 1개월 후 재방문율 80%
✔ 첫 구매를 하지 않은 고객 → 2주 내 50% 이탈

💡 "첫 구매를 하면 서비스에 머무는 시간이 길어지는 경향이 있다!"

➡ "결론: 신규 고객이 첫 7일 이내 첫 구매를 하게 하면 재방문율이 높아질 것이다!"

📌 해결 방법: 첫 구매 유도 전략

✅ 첫 7일 이내 첫 구매를 유도하는 마케팅 전략 실행
✔ 첫 구매 쿠폰 제공 ("지금 첫 구매하면 10% 할인!")
✔ 무료 배송 프로모션 추가
✔ 첫 구매 기념 특별 혜택 제공 (다음 구매 시 추가 할인)

✅ 이메일 & 푸시 알림 활용
✔ "지금 첫 구매 시 5,000원 쿠폰 지급!" 이메일 전송
✔ 첫 구매 없이 5일이 지난 고객에게 "마감 임박! 첫 구매 쿠폰 곧 만료!" 푸시 알림 전송

📈 결과:
✔ 1개월 후 재방문율이 20% → 45%로 증가!
✔ 첫 7일 이내 구매한 고객의 장기 유지율이 2배 상승!

➡ "신규 고객의 첫 구매를 유도하면 재방문율이 높아진다!"

📌 2️⃣ 퍼널 분석을 활용한 결제 이탈률 감소 전략

💡 "왜 고객들은 장바구니에 상품을 담고도 결제하지 않을까?"

🚀 스타트업 대표 민수 씨의 고민

민수 씨는 광고 성과가 좋아지고 고객 유입이 증가하면서 기대를 걸고 있었습니다.
📈 장바구니 추가율 70%!
하지만...
📉 결제까지 완료한 고객은 25%뿐! 😨
➡ "장바구니에 담고 나서 왜 결제를 하지 않을까?"

👨‍💼 민수 씨의 고민:
✔ "장바구니에서 이탈하는 주요 원인은 무엇일까?"
✔ "고객이 결제를 망설이는 이유를 해결할 수 있을까?"
✔ "이탈하는 고객을 다시 불러올 방법은?"

📊 데이터 분석: GA4 퍼널 분석 결과

민수 씨는 GA4 퍼널 분석을 활용해 고객의 이탈 지점을 찾았습니다.

✔ 장바구니 추가: 1,000명
✔ 결제 페이지 방문: 500명 (이탈 50%)
✔ 결제 완료: 250명 (추가 이탈 50%)

➡ "결제 페이지에서 이탈하는 비율이 너무 높다!"

📌 이탈 원인 분석:
✔ 결제 페이지에서 신뢰도 부족 (안전한 결제 옵션 부족)
✔ 결제 시 추가 비용(배송비 등)으로 인해 결제 포기
✔ 프로모션 부족 (구매를 유도할 강력한 이유 없음)

📌 해결 방법: 결제 유도 전략

✅ 결제 페이지 UX/UI 개선
✔ 결제 옵션 추가 (네이버페이, 카카오페이, 애플페이 등 간편 결제 도입)
✔ 안전한 결제 보장 메시지 추가 ("100% 환불 보장, 보안 인증 완료")

✅ 이탈 고객을 다시 불러오기 위한 전략
✔ 장바구니에 담고 24시간 내 결제하지 않은 고객에게 "🚀 10% 할인 쿠폰 지급!" 푸시 알림 전송
✔ 48시간 후에도 결제하지 않으면 "마지막 찬스! 5,000원 추가 할인!" 이메일 전송

📈 결과:
✔ 결제 전환율 25% → 40%로 증가!
✔ 간편 결제 추가 후 이탈율 50% → 30%로 감소!

➡ "결제 이탈율을 줄이면, 매출이 자연스럽게 증가한다!"

🚀 결론: 데이터 분석이 비즈니스 성장을 이끈다!

✔ 코호트 분석을 활용하면 신규 고객을 효과적으로 유지할 수 있다.
✔ 퍼널 분석을 통해 고객이 어디에서 이탈하는지 파악하고, 전략적으로 전환율을 높일 수 있다.
✔ 데이터 기반 마케팅 전략을 실행하면, 실제 매출 증가로 이어진다!

📌 비즈니스 성장을 위해 데이터를 활용하는 방법:
✅ 코호트 분석을 통해 고객의 첫 구매를 유도하는 전략을 실행하라!
✅ 퍼널 분석을 활용해 결제 이탈율을 줄이고 전환율을 극대화하라!
✅ 이탈 고객을 다시 불러오는 리마케팅 전략을 적극 활용하라!

 

DAY 38 과제

데이터 보고서 제작

DAY 39 수업에서 시각화 방법을 배우기 전에 저의 티스토리 통계수를 분석해보았는데요!

확실히 꾸준히 올렸을 때 많이 유입되는 걸 볼 수 있었습니다 😊