앱 내 승인거절 문제를 어떻게 해결해야 할까?
유저해빗 기반의 빅데이터 분석과 문제해결
신용카드 업체에 있어 가장 큰 고민 중 하나가 '승인거절'입니다. 승인거절이란 IT 전산망의 문제나 특정 시간대에 사용자가 집중되어 일부 또는 전체 지역에서 카드 결제의 승인이 떨어지지 않는 오류를 말하는데요. 이런 문제가 지속적으로 발생할 경우 해당 카드사에 대한 소비자의 충성도가 떨어지는 것은 물론, 결제 수수료의 수익이 줄어들어 매출에도 직접적인 타격을 주게 되죠.
그동안 카드사들은 이를 해결하기 위해 빅데이터를 활용해 왔습니다. 카드 결제 승인 거절 문제에 빅데이터를 활용하면 수 많은 고객의 결제 사례를 현안별로 분석할 수 있기 때문에 문제점을 파악하기가 쉬워지며, 카드 승인 데이터를 실시간으로 자동 모니터링 함으로써 거래 불량, 승인 거절 등을 인지하고 해결하기 용이하기 때문이죠. 그 순서는 대개 아래와 같습니다.
하나. 우선 방대한 데이터를 다뤄야 하므로 다수의 데이터 사이언티스트를 중심으로 TF를 구성합니다.
둘. 이들 TF는 15~20개 내외의 현안과 적용 과제를 도출하며, 이때 현안은 승인거절율, 중복매출 등 구체적인 지표를 중심으로 도출됩니다.
셋. 추출한 목표에 맞는 데이터의 전처리 분석이 TF를 중심으로 풀타임 수행됩니다.
넷. 승인거절에 대한 상세원인을 도출하고, 문제에 대한 해결책을 담당부서에 제시합니다.
다섯. 해당 해결책을 적용하여 문제가 해결되었는지 여부를 확인하고, 추가로 해결이 이루어져야 하는 문제점을 확인합니다.
위와 같은 방식으로 거래문제를 성공적으로 해결한 사례로는 BC카드를 들 수 있습니다. BC카드의 가맹점에서 카드승인이 거절되는 횟수는 지나치게 많았습니다. 이를 해결하기 위해 BC카드는 ‘넥스알’이라는 오픈소스 계열의 빅데이터 플랫폼을 자체적으로 구축했습니다. 그 결과 카드 결제 시 ‘1회’ 거절 후 결제가 되던 문제를 해결할 수 있었죠. 카드 승인 거절 건수는 80% 이상 줄었고, 매출은 1000억 원 가까이 상승했습니다.
만약 여러분의 앱에 결제와 관련한 기능이 탑재되어 있고, 위와 같은 데이터 사이언티스트 TF 또는 빅데이터 플랫폼을 구축할 수 없는 상황이라면 어떨까요? 이 경우 유저해빗은 문제 해결을 위한 좋은 대안이 될 수 있습니다. 해결방안을 찾는 방법은 다음과 같을 겁니다.
하나. 승인거절 등의 문제상황이 발생하는 화면을 포함하여 앱 화면을 정의합니다. (유저해빗의 경우 최소한의 코드 삽입만으로 앱 내 다양한 사용자 행동을 트래킹할 수 있도록 설계되어 있어, 설치 공수가 타 애널리틱스에 비해 월등히 적은 편입니다.)
둘. 유저해빗이 제공하는 '코호트 필터' 내 '방문화면' 메뉴를 이용하여 상기 문제가 발생 시 노출되는 화면을 필터로 적용합니다. (유저해빗 코호트 필터는 '방문화면' 외에도 '체류시간, 스크린뷰, 시작화면 및 종료화면, 국가, 언어, 신규방문 및 재방문, 디바이스ID' 다양한 정보를 기반으로 필터 적용이 가능합니다.)
셋. 코호트 분석을 진행하고, 대시보드/화면분석/경로분석 등의 기능을 활용하여 어떤 경우에 주로 사용자들이 문제를 겪게 되는지, 해결책은 무엇인지 등에 대한 인사이트를 얻어냅니다.
어떠신가요. 대기업 또는 일부 IT기업에서나 활용할 수 있었던 빅데이터 분석이 가능하다니 벌써부터 설레지 않으신가요? 코드 삽입을 위한 약간의 개발 공수, 그리고 보다 정확한 데이터를 얻기 위한 몇 시간의 화면/오브젝트 정의 작업만 있다면, 여러분의 앱 사용자가 어떤 행동을 하고 있는지, 어떤 어려움을 겪고 있는지 등에 대해 보다 쉽고, 간편하게 알아보실 수 있습니다.
지금 바로 유저해빗을 시작해 보세요!
간단한 SDK 설치만으로 빅데이터 분석의 폭발력을 더해 보세요!
모바일 앱 애널리틱스, 유저해빗
