그 커피는 정말 남자가 여자친구를 위해 결제한걸까?
'진짜 문제'를 발견하는 방법
몇 년 전, 모 카드사에서 고객들의 ‘커피전문숍 카드 결제 비율’을 살펴보았더니 남성이 여성보다 훨씬 더 높았다는 통계가 발표되었습니다. 이 데이터를 두고서 많은 언론사에서는 ‘남자들이 보통 본인 카드로 여자친구에게 커피를 사주기 때문이라는 단편적인 결과’로 해석하는 기사들을 쏟아냈었죠.
뷰저블은 여기서 질문을 하나 던져보고자 합니다. 정말 그 남자는 ‘여자친구'를 위해 커피를 결제한 것일까요?
그 커피는 사실 남자 팀장이 점심시간,
팀 동료들에게 사준 것일 수도 있지 않을까요?
뷰저블의 눈에 위와 같은 해석은 너무나 단편적일 수밖에 없는데요, 결제 데이터는 ‘결괏값'이기 때문에 결과 너머의 원인까지는 파악할 수 없습니다.
고객이 결제라는 최종 구매 행동에 이르기까지는 너무나 많은 변수가 존재하고, 고객 여정이 사실상 하나도 고려되지 못하였기 때문이죠.
해당 결제 데이터를 장소와 시간대별로 쪼개 세분화해보았더니 ‘오피스가’에서 ‘점심 시간대’에 주로 남성의 결제 비율이 높았다면 어떻게 해석될 수 있을까요? 또 그 남자들의 연령대가 40~50대였다면? 상급자가 동료 또는 하급자에게 점심 식사 후 커피를 결제한 것일 수도 있을 것입니다.
“데이터는 결과 이면의 원인까지 파악해야만
조직이 다음에 해야 할 행동들을 명확히 실행할 수 있습니다.”
우리는 항상 그동안 학습했던 내용들을 바탕으로 데이터를 해석해버립니다. ‘그 커피는 남자친구가 여자친구를 위해 사주었을거야’도 그 사례 중 하나겠죠.
조직으로 빗대면 어떨까요? e-커머스 업체들이라면, 매출이 떨어지는 추세가 보이는 것에 대해 ‘사람들이 재난지원금 카드를 갖고 있어서 요즘 온라인에서 구매를 안해서 그럴거야'라고 단편적으로 해석해버리는 경우가 종종 있습니다. 헌데 최근 개편한 결제 여정에서 예기치 못한 문제가 있었던 것이라면요?
데이터, 그 중에서도 행동의 흐름을 분석하는 것은 우리의 고착화된 관념을 뒤엎어주고 ‘진짜 문제'를 발견하도록 도와줍니다. 아직도 커피를 여자친구에게 사주었다고 생각하는 조직이 여전히 많지 않나요?
뷰저블과 진짜 결괏값 이면의 원인을 파악해 나가는 힘을 길러봅시다!
데이터를 통해 사용자의 행동 흐름을 해석하고, '진짜 문제'를 발견해보세요!
뷰저블 블로그에서 전체 글을 확인하실 수 있습니다. :)
그 커피는 정말 남자가 여자친구를 위해 결제한걸까?
숫자 대신, 히트맵으로 시작하는 데이터 분석!
서비스의 중요한 고객들의 데이터를 한 눈에 보세요!
UX with Beusable.
