PMF를 실현하기 위한 사용자 행동 분석 툴이란?

"Unfortunately, you can’t read your customers’ minds. But, you can measure what they do"

안타깝게도 우리는 고객의 마음을 읽을 수는 없지만 그들이 무엇을 하는지 측정하는 것은 가능합니다.

 앞선 글에서 여러분은 어트리뷰션 툴을 통한 광고 최적화를 통해 많은 사용자를 앱에 유입(UA)시키는 데 성공했습니다. 사용자가 많이 늘어 기뻐하던 것도 잠시, 사용자들이 재접속하는 비율과 인앱 구매 횟수가 점점 감소하고 있습니다. 사용자가 무언가 우리 제품에 불만족한 것 같아 제품을 개선하고 싶은데, 어떤 점에서 불편을 겪고 있는지를 잘 모르겠습니다. 이럴 때 앱 내 사용자들의 행동을 분석하게 도와주는 툴이 사용자 행동 분석 툴입니다. 

 실제로 대표적인 프로덕트&사용자 분석 툴인 Amplitude가 5억 개의 모바일 기기를 분석한 결과, 평균적으로 80%의 신규 유저는 앱 다운로드 3일 후부터 더 이상 해당 앱을 사용하지 않는다고 합니다. 그 이유는 여러 가지가 있겠지만, 제품에 호기심을 갖고 유입된 고객이 앱에서 금세 이탈한다면 앱이 사용자를 만족시키지 못한 경우일 가능성이 높겠죠? 즉 PMF(프로덕트 마켓 핏: 고객이 원하는 제품)를 달성하지 못했다는 뜻으로 사용자 행동을 분석해 사용자 경험을 최대화하는 제품으로 개선이 필요합니다.

 이러한 사용자 행동 분석 툴로는 여러분이 많이 들어보았을 Google Analytics(GA)가 있습니다. GA는 무료로 사용 가능하고 유명하긴 하지만 웹 기반의 사용자 분석이라 앱의 중요도가 높은 서비스에서는 한계점이 있습니다. 그래서 현재 가장 유명하고 좋은 툴로는 Amplitude가 있으며, 그 외 Mixpanel 등 다양한 솔루션이 존재합니다.

사용자 행동 분석 툴 Amplitude의 한 차트

 위 사진은 사용자 행동 분석의 대표적인 툴 Amplitude에서 가져온 퍼널 분석(Funnel Analysis) 차트입니다. 그래프 위의 왼쪽에서 선택한 목록의 의미는 선택한 순서대로 4개의 이벤트를 수행하면서 사용자들의 잔존율이 어떻게 변화하는지를 보여달라는 뜻입니다. 즉 푸시 알람을 받고, 노래를 재생하고, 리스트에 추가하고, 친구를 추가하는 네 가지 이벤트에 참석하는 사용자의 숫자가 단계를 거칠 수록 어떻게 변화하는지를 알려달라는 것이죠. 오른쪽에서는 잔존율의 변화를 하나의 코호트(사용자 집단)가 아니라 푸시 알람을 통해 노래를 재생한 고객 집단과, 푸시 알람을 통해 노래를 재생하지 않은 두 개의 조건으로 나누어서 각각 알려달라는 뜻입니다. 아래 그래프는 위에서 선정한 조건에 따라 만들어진 차트입니다. 정리하자면 이 그래프는 사용자를 두 개의 코호트로 나누어서 각 코호트가 이벤트를 수행하면서 잔존율이 어떻게 변화하는지를 보여주는 그래프입니다.

 

 이렇게 Amplitude와 같은 사용자 분석 앱은 앱에서 사용자가 수행하는 주요 행동들을 event로 설정해서 사용자들의 행동을 수집합니다. 그리고 사용자들의 행동이나 사용자 특성에 따라 코호트를 생성해 코호트 별로 어떤 행동을 보이는지도 쉽게 확인 가능합니다. 확인 결과 전환율이 유달리 저조하거나 이탈률이 높은 코호트가 확인되면, 해당 코호트의 특이점이 무엇인지 파악하고 개선함으로써 주요 지표를 상승시킬 수 있습니다. 이처럼 사용자 행동 분석 툴은 집단의 잔존율이나 전환율(구매율 등)을 높이는데 굉장히 유용하게 활용할 수 있습니다.

 게임을 통해 간단한 예시를 들겠습니다. 다음은 사용자 행동을 분석한 결과입니다.

- 신규 게임에 유입된 사용자 중 튜토리얼을 완료한 사용자의 비율은 10% 

- 튜토리얼을 수행한 사용자는 7일 후 80%의 잔존율을 기록

- 전체의 90%에 해당하는 튜토리얼을 수행하지 않은 사용자의 잔존율은 7일 후 10% 

 위 분석 결과를 종합하면 튜토리얼을 수행하는 사용자의 비중은 굉장히 낮지만 대신 튜토리얼을 수행하기만 하면 높은 잔존율을 기록한다는 것이 확인되었습니다. 그러면 몇 가지의 해결책을 고안할 수 있습니다. 앞서의 어트리뷰션 툴을 이용해 튜토리얼 완료자가 많이 유입되는 광고 매체의 광고 비중을 높여서 튜토리얼을 완료할 가능성이 높은 사용자를 많이 유입할 수 있습니다. 다른 방법으로는 튜토리얼의 난이도를 낮춰서 더 많은 사람이 튜토리얼을 완료할 수 있도록 하는 방법도 있습니다. 이처럼 분석 결과를 바탕으로 제품을 개선한 결과 튜토리얼을 완료한 사용자의 비율과 사용자의 잔존율이 높아진다면 효과적인 개선이 이루어졌다 할 수 있겠습니다. 현실이라면 A/B 테스트를 통해 더 정확한 대책을 고민해야겠지만 이렇게 활용 가능하다는 단순한 예시로 봐주시면 되겠습니다.

 Amplitude에서 제공하는 기능은 퍼널 분석 외에도 리텐션 분석, 사용자 패스(Path) 분석 등 다양하게 있습니다. 이커머스처럼 이벤트가 다양하고 복잡하게 발생하는 앱들의 경우 특히 이런 사용자 행동 분석 툴을 통해 주요 지표를 향상할 수 있습니다.