저의 유저행동데이터 분석 여정
1. 감에 의존 (2015)
2015년에 기획자로서 첫 커리어를 시작하였습니다. 서비스기획자라는 직업도 생소한데다가 와이어프레임, 스토리보드라는 개념도 처음이었던지라 헤매기 일쑤였죠, 이 때 저는 배달대행 플랫폼을 만들고 있었는데 만드는 과정, 그리고 만든 이후에도 유저 행동을 트래킹하여 서비스 분석을 해야 겠다는 생각을 잘 하지 못했습니다. 그저 오프라인 현장에 나가서 유저 행동을 관찰하고 이를 서비스로 옮기는 행위를 반복할 뿐이었죠. 이 또한 '현장의 목소리'를 중시한다는 관점에서 나름 의미는 있었지만 반쪽짜리 인사이트에 그쳤다고 생각합니다.
2. GA (2017)
Google Analytics회사를 옮겼습니다. 처음으로 구글 애널리틱스라는 PA 솔루션을 통해서 유저 행동을 볼 수 있는 기회가 생겼습니다. 전 흥분했습니다. 그 동안 못해보던 사용자 경험 분석을 왕창 할 수 있을 것이라 생각했었거든요. 하지만 GA는 너무나 어려웠습니다. 한번 기능을 학습해도 얼마 뒤 GA에 다시 접속하면 기능이 어디있었는지 헷갈렸습니다. 그리고 기본적인 메타 지표 등은 확인할 수 있었지만 정작 중요한 유저 행동 트랜드는 알기 어려웠습니다. 퍼널 분석이 간절했지만 현실적으로 분석이 어려웠죠.
3. Google Tag Manager (2017)
Google Tag Manager그러던 중 Google Tag Manager(이하 GTM)의 존재를 알게 되었습니다. 제가 원하는 버튼 하나하나 페이지 하나하나를 촘촘히 분석할 수 있는 가능성이 생겨 뛸뜻이 기뻤습니다. 하지만 이 툴 또한 한계가 명확했습니다. Class 명 등이 잘 정리된 상태에서 분석이 가능했고 버튼에 연결된 동적 데이터를 추적하려면 Data Layer를 별도로 세팅해야 하는 등 개발적인 허들 또한 존재했습니다. 결국 기본적인 분석 외에 고도화된 분석은 여전히 난항을 겪게 되었습니다.
4. 뷰저블 (2018)
뷰저블그러던 중 뷰저블이라는 히트맵 분석 솔루션의 존재를 알게 되었습니다. 웹사이트의 사용자 행동 여정을 히트맵 형태로 보여주는 솔루션이었습니다. 확실히 시인성이 좋아지니 유저의 행태가 조금씩 눈에 들어오기 시작했습니다. 어떤 페이지를 방문했을 때 사용자가 어디에 더 주목하는지, 랜딩 페이지의 경우 하단 도달률은 얼마나 되는지 그리고 PC와 모바일은 어떻게 다른지 등 유저 행동 관찰이 용이해져서 무척 신이 났습니다. 이를 기반으로 몇몇 유용한 기획을 하기도 했습니다. 하지만 네이티브 적용이 어렵다는 점, 그리고 페이지와 페이지 간 전환 분석에 있어서 유용성이 다소 떨어진다는 점은 아쉬움으로 남았습니다.
5. 쿼리 분석 (2019)
또 회사를 옮겼습니다. 이번에는 직접 SQL을 통해서 사용자를 분석해볼 수 있는 기회가 열렸습니다. 저는 무척 신이 났습니다. 좀 더 robust하고 정교한 형태로 사용자 분석이 가능해졌기 때문입니다. 하지만 제가 쓸 수 있는 SQL 역량은 분명히 한계가 있었습니다. 특정 상황에서의 전환율, 리텐션, 그리고 코호트 분석과 같은 고도화된 형태의 분석은 제가 감당할 수 있는 영역이 아니라 한계가 있었습니다. 물론 데이터분석가에게 요청할 수는 있었지만 데이터분석가분들은 무척 바쁜 분들이죠. 저는 기본적인 형태의 분석 만으로 만족해야 했습니다.
6. Amplitude (2020)
Amplitude또 회사를 옮겼습니다. 그 곳에서 저는 Amplitude라는 툴의 존재를 알게 되었습니다. 이 툴은 가히 혁명이었습니다. 사용자의 거의 모든 활동, 클릭, 뷰, 이벤트 참여, 회원 가입, 장바구니 담기, 전환, 매출, 사용 빈도, 체류 시간, 코호트, 리텐션 등 제가 PO 관점에서 궁금한 데이터를 대부분 손쉽게 얻어낼 수 있었습니다. 하지만 이렇게 훌륭한 툴조차 단점은 있었는데요. 반드시 로깅 시 개발자의 도움이 필요하다는 점, 또한 개발자, PO, DA 간 커뮤니케이션 상황 속에서 비효율이 생길 수 밖에 없었다는 점이 문제였습니다. 저는 궁금한 것을 바로 해결하고 싶은데 늘 동료들과의 업무 디펜던시가 있다는 점은 아쉬움으로 남았습니다. 또한 깊은 인사이트 도출이 필요한 분석은 Amplitude를 통해 해결하기 어려웠습니다.
7. 얼라이닉스 (2024)
얼라이닉스네, 그래서 얼라이닉스를 생각해내게 되었습니다. 'PO인 내가 직접 택소노미를 설계하고 바로 구현해서 궁금한 점을 바로 해결할 수 있다면 얼마나 좋을까?'라는 문제의식에서 출발했습니다. 단순 클릭, 뷰가 아닌 맥락 정보를 담고 있는 고도화된 분석 재료를 직접 쌓을 수 있다면 어떨까 하고 말이죠. 예를 들어 구매하기 버튼을 추적할 때 개발 없이 누가, 어떤 상품을 구매했는지를 알 수 있게 만들어 주는 것입니다. 이를 통해 정제된 정교한 데이터 셋을 구축하고 이 데이터 셋을 기반으로 AI Agent를 만들면 분석을 얼마나 잘 할 수 있을지를 상상하니 가슴이 뜨거워졌습니다.
여기까지가 제 유저행동분석의 여정이었습니다.
저희 얼라이닉스는 '진정한 데이터 민주화'를 실현하기 위해 오늘도 달리고 있습니다. 누구나 쉽게 1~2분 내로 매우 정교한 이벤트를 쌓을 수 있도록 도와드리겠습니다. 또한 데이터 분석이 처음이신 분들을 위해 컨설팅도 함께 제공해 드립니다.
No-code User Analytics, 저희의 여정을 지켜봐주세요 :)
<<< 이전 글 보러 가기 슬랙은 왜 '2000'이라는 숫자에 집착했을까?
