brunch

매거진 공대생 기획자의 PM 이야기

라이킷 24 댓글 2

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 류니 Jan 16. 2022

정말로 PM에게
데이터 스킬이 필요할까?

[코드스테이츠 PMB 8] Amplitude

고객 데이터 분석 도구

제품의 고객 행동을 추적해 주는 도구는 다양하다. 그중 GA(Google Analytics), Amplitude 2가지가 대표적인 고객 데이터 분석 도구이다. 이러한 분석 도구들은 다음과 같은 특징들이 있다.

1. 자동 코드 생성 - 고객의 행동을 추적 가능한 코드로 자동 생성해 서비스에 바로 이식할 수 있도록 도움을 준다.

2. 고객 정보 수집 - 고객 정보뿐 아니라, 로그인 없이 수집되는 언어, 브라우저 타입, 디바이스, 운영 시스템, 트래픽 소스, 접속 경로들의 정보도 수집이 가능하다.

3. 수집 정보 관리- 수집된 정보를 체계적으로 분류 및 관리하는 기능이 포함되어 있다.

4. 데이터 분석 - 수집된 데이터를 여러 데이터 분석 기법을 활용해 쉽게 분석할 수 있도록 도와준다.

5. 테스트 구성 - 가설 검증에 필요한 테스트를 자동으로 구성해 주며, 테스트 절차를 쉽게 관리할 수 있다.

6. 대시보드 & 분석 시각화 - 분석 결과를 한눈에 알아볼 수 있는 대시보드 제작 및 간단한 시각화 도구를 제공한다.

7. 테이터 통합 - 기존 DB에 존재하는 데이터와 분석 도구를 통해 수집된 데이터를 통합하고 관리하는 기능을 제공해, 제품에 맞는 복합적인 분석을 가능하도록 돕는다.

각각의 분석 도구들은 웹과 앱에 사용하지만 GA는 웹에 Amplitude는 앱에 좀 더 특화되어 있다. 웹과 앱의 특징에 따라 고객 데이터를 분석할 때 차이가 발생하기 때문에 두 분석 도구 중 주력하는 기능들이 있기 때문이다. 웹과 앱의 데이터 분석의 차이점을 좀 더 자세하게 살펴보자.

웹 페이지는 화면 하나에 필요한 정보들이 한 번에 들어있어 클릭을 통한 하이퍼링크 클릭 동작이 일반적이다. 또 HTTP 특성상 화면에 보여주는 정보를 보고 사용자가 이를 판단하고 선택하는 인터페이스가 주를 이룬다. 기본적으로 '페이지'를 중심으로 설계되어 있으며 마우스 '클릭'을 중심으로 사용자가 행동한다. 그래서 웹에서는 각 페이지별로 화면의 어떤 곳을 클릭하느냐가 분석의 중점이 된다.

하지만 앱은 터치스크린과 손가락을 통해 다양한 동작을 수행하며, 화면을 넘나들며 기능을 사용한다. 클릭뿐 아니라 스크롤, 화면 머물기, 햅틱 등 다양한 동작들을 사용자가 수행한다. 앱은 모바일 OS에서 돌아가는 앱 프로그램이 주를 이루기 때문에 동작을 더 복합적으로 분석할 필요가 있다.

다양한 앱 서비스들이 많이 나오면 고객 퍼널, 고객 여정과 같은 고객 중심의 이벤트들을 추적하고 이에 맞게 프로덕트를 개선하는 것이 중요하게 여겨지고 있다. 유저 행동 데이터를 쉽게 분석할 수 있도록 도와주는 툴 역시 각광받고 있다. 그렇기 때문에 다양한 기업 공고를 살펴보면 Amplitude를 사용하는 기업들을 점점 많아지고 있다. 앱 서비스에 특화된 Amplitude의 기능과 과연 기업에서는 어떻게 사용하고 있는지 알아보자.

Amplitude

analytics.amplitude.com

*Amplitude를 가입하고 난 뒤 아래 화면에서 'Explore Demo'를 누르시면 샘플 데이터로 Amplitude기능을 사용해 볼 수 있습니다.

지금부터 설명드리는 내용의 이미지는 모두 데모 파일 화면을 캡처한 것입니다.

'Amplitude' 너는 누구니?

Amplitude의 기능과 활용 방안

차트를 메인으로 코호트 리포트 서비스를 제공하는 Amplitude

A. 사용자가 수행하는 이벤트에 집중한다.

1. 고객 데이터 통합

위에서 언급했듯이, Amplitude는 사용자 여정 분석에 용이하다. 세션 별로 사용자를 분석하는 GA와 달리 Amplitude는 다양한 기기 별 통합 ID를 부여해, 사용자들의 이벤트와 이벤트 속성 값, 그리고 사용자 속성 값의 통합 수집 기능을 제공한다. 또한, 대시보드 내 User Look-up 기능을 통해 사용자 프로필과 사용자 행동의 기록을 쉽게 확인할 수 있다. 그렇기 때문에 사용자들의 이벤트 히스토리 분석과 관리가 용이하다.

2. 행동 기반의 강력한 코호트 생성 기능

Amplitude에서는 쉽게 코호트를 생성할 수 있다. 사용자의 행동 또는 프로필을 바탕으로 코호트를 정의할 수 있어, 특정 코호트를 기반으로 더욱 세밀한 인사이트 확보가 가능하다.

좌 - 고객 데이터 통합 / 우 - 행동 기반의 강력한 코호트 생성 기능

B. 분석 과정에서 UX가 간편하다.

1. 분석 데이터 타입 : User Property, Event Property

User Property(유저 속성), 그리고 Event Property(이벤트 속성) 크게 2가지의 데이터 타입을 기준으로 데이터를 분석할 수 있다. 유저 속성은 도시, 디바이스 종류, OS 종류 등 특정 유저의 상태를 설명할 수 있는 데이터이고, 이벤트 속성은 '음원 재생'과 같은 특정 이벤트를 설명할 수 있는 '장르 타입', '콘텐츠 타입' 등과 같은 값을 말한다.

2. 분석 조건 설정 : Where, Group by

SQL의 주요 문법을 차용해 클릭을 통해 손쉽게 데이터 분석을 할 수 있는 Where과 Group by를 지원한다. 특정 조건을 만족하는 데이터에 필터를 걸고 싶으면 Where를, 특정 라벨로 묶어서 데이터를 보고 싶으면 Group by를 클릭하고 각 조건에 필요한 값을 입력하면 된다.

C. 쉽게 활용 가능한 4가지 기본 메인 차트(Basic Chart)를 제공한다.

Amplitude는 총 14가지의 차트를 제공하는데 그중 4가지 기본 차트는 실무에서 활용도가 매우 높다.

1. 이벤트 분할 분석 (Event Segmentation) - 유저 코호트 별로 특정 이벤트의 활성도를 분석

유저들이 우리 앱을 통해 어떤 행동을 가장 많이 하는지 알 수 있는 기능이다. 예를 들어 일자별로 가장 많이 사용되는 앱 이벤트는 무엇인지, 특정 코호트가 가장 많이 사용하는 이벤트가 무엇인지 등 다양한 기준으로 데이터를 분석할 수 있다.

좌 - 이벤트 / 우 - 유저 속성

위에서 살펴본 UX처럼 좌측에서는 이벤트 속성을 설정하고 우측에서는 유저 속성을 설정할 수 있다.

- 이벤트
1) 음원 및 비디오를 재생한 후
2) 티켓을 구매

-유저 : 이메일과 페이스북을 통해 방문하 유저

이렇게 설정하고 차트를 확인해 보자.

이벤트 분할 분석 차트 결과

선택한 2가지의 이벤트들이 얼마나 사용되고 있는지 선형, 바, 누적 바, 누적 영역 차트 등 다양한 차트의 형태로 분석 결과를 확인할 수 있다. 이러한 데이터 분석을 통해 유저가 가장 많이 방문하는 때에 맞춰 이메일이나 페이스북 광고 시간을 조정해 CAC를 낮추며 유입을 높이는 전략을 구축할 수 있을 것이다.

2. 퍼널 분석 (Funnel) - 유저 행동별로 퍼널 순서를 설정하고 전환율 및 이탈률 분석

Funnel 분석 결과 (음영 처리된 부분은 Drop - Off 된 유저)

위에서 설정한 대로 Funnel 이벤트 1) 음원 및 비디오를 재생한 후, 이벤트 2) 티켓을 구매한 이메일과 페이스북을 통해 방문한 유저의 Funnel 분석을 해보자. 맨 처음 Funnel을 기준으로 했을 때, 다음 단계로 전환된 유저와 이탈한 유저의 수치를 한눈에 확인할 수 있다. -57%의 유저가 다음 Funnel에서 이탈했다는 수치를 나타내고 있다.

다음 Funnel로 전환된 사람들의 Conversion Driver

Amplitude의 Funnel 분석에서 가장 좋은 점은 Conversion Drivers를 확인할 수 있다는 것이다. 이 기능을 통해 다음 Funnel로 전환을 이끌어낸 이벤트가 무엇인지 전환과 이벤트 간의 상관관계 분석을 제공한다. 오른쪽 차트를 보면 콘서트 랜딩 스크린이 유저를 다음 퍼널로 이끈 제일 큰 이벤트인 것을 확인할 수 있다. 이러한 데이터 분석을 통해 콘서트 랜딩 페이지 A/B 테스트를 진행해 이탈률을 더 낮추는 전략을 구축할 수 있을 것이다.

3. 잔존율 분석 (Retention) - 행동을 설정한 후 유저 코호트 별 잔존율 분석

Amplitude에서 잔존율 분석은 유저의 시작 이벤트를 기준으로 잡고 재방문한 유저를 분석하게 된다.

좌 - 시작 이벤트, 재방문 이벤트 / 우 - 유저 속성

이번에는 위에 설정한 이벤트 조건을 재방문 이벤트로 설정하고 유저 속성을 모든 유저로 변경해서 잔존율을 분석해 보았다. 이렇게 분석하고자 하는 코호트의 모수를 확정하기 위해 시작 이벤트, 재방문 이벤트 이렇게 2개의 이벤트를 설정하면 (최대 2개) 잔존율 분석을 진행할 수 있다. 위에서 설정한 조건에 의하면 다음과 같은 조건을 갖춘 잔존율 데이터를 볼 수 있다.

지난 30일 기준으로, 새로운 유저 중에 (시작 이벤트)
1) 음원 및 비디오 재생
2) 티켓 구매 (재방문 이벤트) 사용자의 재방문율

2개의 이벤트를 재방문 이벤트로 설정한 후 이벤트별 잔존율 확인

그래프를 보면 4-5일이 되는 시점에 재 방문율이 상승하고 이틀 뒤부터 하락해 유지되는 모습을 확인할 수 있다. 이러한 데이터 분석을 통해 4-5일 되는 시점에서 재 방문율이 상승했던 원인과 하락하는 원인을 파악해 재 방문율을 상승하는 전략을 구축할 수 있을 것이다.

4. 사용자 구성 분석 (User Composition) - 유저의 행동 및 속성을 기준으로 활성 사용자 구성 분석

Basic 차트 중 가장 단순한 차트로, 특정 조건을 만족하는 유저의 구성 비율을 유저 속성별로 다양하게 확인하고 싶을 때 사용한다. 앞서 설정한 이메일과 페이스북을 통해 방문한 유저들을 성별, 도시, OS, 디바이스 타입 등 다양한 기준으로 재분류해 보자.

왼쪽에서 특정 조건을 선택한다

왼 - 언어별 / 오 - 도시별

이메일과 페이스북을 통해 방문한 유저는 영어를 가장 많이 사용하며 샌프란시스코와 뉴욕에서 사는 유저들이다. 이러한 데이터를 바탕으로 미국에 거주하는 영어를 쓰는 사용자를 대상으로 뉴스레터나 페이스북 콘텐츠를 제작해 해당 서비스 방문율을 높이는 전략을 구축할 수 있을 것이다.

Basice Chart와 더불어 사용할 수 있는 Advanced Chart 기능

'Amplitude'를 사용하는 PM은 어떻게 분석 툴을 활용할까?

채용 공고를 통해 알아보는 Amplitude의 활용 방법

출처 : 원티드

구글에 Amplitude 사용하는 PM 채용공고를 찾아보았다. 여러 서비스들이 있었지만, 그중 앱 기반 서비스이며 사용자의 Funnel인 AARRR과 같은 고객 여정에 아주 민감한 서비스가 Amplitude 핵심적으로 사용할 것이라고 생각했다. 앱 커머스 서비스를 중점으로 채용공고를 찾아보았다. 이러한 점에 전부 해당되는 '브랜디'라는 서비스가 현재 Amplitude을 사용하는 PM을 채용 중에 있었다. '브랜디' PM 채용공고를 통해 Amplitude 활용 방법을 추측해 보자. 브랜디 PM 채용 공고 중 주요 업무를 확인해 보자.

주요 업무

자사 서비스 (product) 운영 관리

브랜디/하이버/마미 프로덕트 매니징

A/B 테스트 통한 데이터 기반의 의사 결정

사용자 중심의 제품 설계

목표 달성을 위한 주요 지표 설계

문제에 맞는 솔루션 도출, 분업, 스케줄링

디자이너/엔지니어/사업부서 등 다양한 직군 간 협업 및 의견 조율

고객 피드백, 로그 데이터 및 사용성 데이터를 분석 후 문제 정의, 우선순위 결정

자격요건

프로덕트 매니징 또는 서비스 기획 관련 5년 이상의 경력을 보유하신 분

데이터 분석을 통한 인사이트 도출이 가능하신 분 (SQL, Amplitude, Tableau 등 활용)

이커머스 도메인 경험이 있으신 분

브랜디는 왜 Amplitude를 사용할까?

Amplitude을 어떻게 활용하는지 추측하기 앞서 왜 브랜디는 Amplitude을 사용하는지 생각해 보자.

1. 앱 기반 서비스를 제공하고 있다.

물론 웹도 있긴 하지만 앱 서비스가 주력이기 때문에 Amplitude을 사용한다.

2. 브랜디는 '고객 데이터를 기반으로 상품을 큐레이션 해주는 패션 이커머스 서비스'이다.

그렇기 때문에 사용자의 행동을 기반으로 다양한 데이터를 분석해야 한다. 즉 이벤트 별로 사용자 코호트를 설정해 데이터 분석이 가능해야 추천 상품들 데이터를 만들어낼 수 있기 때문에 Amplitude를 사용한다.

3. 사용자 여정 분석에 용이하다.

세션 별로 사용자를 분석하는 GA와 달리 Amplitude는 사용자들의 디테일한 이벤트 히스토리 분석이 용이하다. 또한 최종 구매까지 가는 여정, Funnel 분석을 통해 어디에서 사용자가 오래 머물고 전환되는지 빨리 파악할 수 있어야 하기 때문에 Amplitude를 사용한다.

결국 앱 서비스를 이용하고, 고객 세그먼트를 자세하게 분류할 수 있고, 코호트 분석이 가능하며, Funnel 분석을 빨리할 수 있기 때문에 Amplitude를 사용한다고 생각한다.

브랜디는 Amplitude를 어떻게 활용하고 있을까?

우선 브랜디는 고객 데이터를 기반으로 다양한 상품을 큐레이션 해주고 있으며, SQL를 사용하고 있기 때문에 RDBMS 관계형 데이터베이스를 사용할 것이다. 이 중에서 가장 핵심은 바로 '고객 데이터'가 될 것이다. 고객 데이터를 중심으로 다양한 데이터들을 연결해 상품들을 추천해 주기 때문이다. 그렇다면 관계형 데이터 베이스에서 사용되는 브랜디의 데이터 테이블을 먼저 추측해 보자.

고객 데이터 - 이름/ 연령/ 성별/ 생년월일/ 사이즈 / 찜한 상품

쇼핑몰 - 쇼핑몰 이름/ 정보

상품 카테고리 - 셀럽 마켓/ 패션/ 럭셔리/ 뷰티/ 핸드메이드/ 홈데코 등

스타일별 카테고리- 심플 베이직, 캐주얼, 페미닌, 러블리, 오피스룩 등

주문 - 주문 날짜/ 주문 수량/ 주문 지역

상품 리뷰 - 만족도/ 착용감

이러한 데이터 테이블을 보며 예시 사항을 통해 Amplitude를 어떻게 사용할지 추측해 보자.

1. 고객 세그먼트를 자세하게 분류한다.

고객 세그먼트를 자세하게 분류한다면, 어떤 고객에게 어떤 상품을 추천해야 하는지 보다 정확한 데이터를 확보할 수 있다. 예를 들어 150 초반의 키에 몸무게가 40 중반이며, 20대 초반의 여성 중 찜한 상품에 스니커즈를 담아둔 고객은 최근 일주일간 테니스 스커트를 많이 구매한다는 데이터 분석 결과가 나왔다고 가정해 보자. 그렇다면 앱 서비스 메인 화면에서 '00 님에게 딱 어울리는 상품'이라는 카피와 함께 다양한 쇼핑몰들의 테니스 스커트 상품을 추천할 수 있을 것이다.

2. 코호트 분석

고객 코호트 설정을 자주 쓰는 값과, 아주 디테일한 값 등 미리 설정해 둘 수 있다면 데이터가 필요할 때 빨리 파악할 수 있다. Amplitude의 장점은 코호트 설정값을 미리 저장할 수 있다는 것이다. 그리고 또한 SQL 방식도 클릭으로 직관적으로 선택할 수 있어 언어만 파악할 수 있다면 쉽게 사용이 가능하다. (어제 SQL을 처음 써본 나도 어떤 방식인지 바로 이해할 수 있을 만큼 직관적이다.) 예를 들어 어떤 7월에 재 구매는 없고 재 방문율만 높은 고객 집단에 대한 재 구매율 상승을 위한 실험을 한다고 했을 때, 이 고객 코호트를 설정해두면 쉽고 빠르게 데이터 비교를 할 수 있을 것이다.

3. Funnel 분석

고객 코호트를 설정하고 각 퍼널 별로 이탈률이 얼마나 발생하는지 파악하게 된다면, 그 퍼널에서 중점적으로 개선해야 하는 부분이 나올 것이다. 예를 들어 SNS 광고를 통해 유입되는 고객이 랜딩 페이지에서 상품페이지로 이동할 때 이탈률 높아진다는 데이터 분석 결과가 나왔다고 가정해 보자. 그렇다면 랜딩 페이지의 어떤 요소로 인해 상품페이지로 전환을 방해하고 있다는 인사이트를 얻을 수 있다. 그렇다면 랜딩 페이지 A/B 테스트를 통해 이탈률을 낮추는 실험을 진행할 수 있을 것이다.

결국 브랜디에서는 디테일한 고객 데이터 설정을 기반으로 고객의 다양한 이벤트를 쉽고 빠르게, 그리고 직관적으로 데이터를 분석하기 위해서 Amplitude를 사용한다는 것이다. 그럼 PM에게는 이런 데이터를 능숙하고 현란하게 다룰 수 있는 스킬이 필요하다는 이야기일까?

브랜디 PM과 Data Analyst의 채용 공고 내용이다.

좌 - 브랜디 PM / 우 - 브랜디 Data Analyst

Data Analyst는 데이터 파이프라인을 정리하고, 분석하고, 지표를 발굴해 시각화된 대시보드로 구성하는 것이 주요 업무이다. 따라서 데이터를 분석하고 수집/ 가공할 수 있는 스킬이 요구된다.

반면 PM은 데이터 기반의 의사결정을 하고, 사용자 중심으로 제품을 설계해, 데이터 분석을 통해 문제를 정의하고 우선순위를 결정한다. 따라서 데이터 분석을 통한 인사이트 도출 스킬이 요구된다.

PM에게는 화려한 툴을 다루는 기술력이 아닌, 데이터를 통해 인사이트를 얻고, 문제를 얼마나 제대로 정의하고 해결 방법을 찾을 수 있는지가 더 중요하다. 그래서 PM은 데이터 분석 툴이 너무 복잡하고 어려우니깐, 이걸 꼭 전부 이해하고 배워야 해라는 마음이 보다, 프로덕트를 개선하기 위해서는 어떤 방향으로 데이터를 분석해 인사이트를 얻어야겠다는 시각을 가질 수 있도록 노력해야 한다.