데이터와 리서치가 만나 고객을 정의하는 과정
픽사의 영화 <인사이드 아웃>을 기억하시나요?
주인공 라일리의 머릿속에 존재하는 다섯 가지 감정들이 각자의 역할을 맡아 그녀가 상황에 맞는 감정을 표현할 수 있도록 도와줍니다.
'감정'을 역할에 따라 분류하고, 각자의 강점을 활용해 라일리가 성장할 수 있도록 돕는 모습을 보고,
'오늘의집'도 비슷하다고 느꼈다고 해요.
다양한 니즈를 가진 고객들이 존재하지만, 단순히 '커머스 고객, '콘텐츠 유저', '광고 캠페인, 프로모션 등을 통해 유입된 고객' 등으로 나눈다면 고객을 더 깊이 이해하는 데 한계가 생길 수 있을 거라고 생각하게 됩니다.
<인사이드 아웃> 속 감정들처럼, 오늘의집의 '주요한 고객'을 찾아 분류하고, 특징을 세밀하게 설명하는 작업을 시작하게 됩니다.
고객들이 오늘의집을 자주 방문하고, 구매하게 하려면 어떻게 해야 할까?”
방문 빈도, 고객들이 주로 하는 행동을 숫자에서부터 시작 ⇢ 주요 지표를 PCA로 압축 ⇢ 유저 클러스터링을 통해 주요 변수를 기준으로 고객 분류
* PCA(Principal Component Analysis) : 주성분 분석, *EDA(Exploratory Data Analysis) : 탐색적 데이터 분석
오늘의집 고객 행동 패턴은 '콘텐츠 탐색'과 '상품 구매' 두 가지 행동이 모두 중요하고,
상관관계가 명확하다는 점을 재확인할 수 있었다고 합니다.
사용자는 라이프스타일에 도움을 주는 수많은 콘텐츠를 보고 있지만,
오늘의집을 방문하는 가장 큰 목적은 ‘상품 구매’라는 설문 결과를 알 수 있었습니다.
콘텐츠에서 영감을 받고 이를 실현하는 과정으로써 구매를 경험하는 것입니다.
이에 따라, 고객 리서치와 데이터 분석을 통해
영감을 얻는 순간부터 이를 현실로 완성하는 과정까지 전체적인 경험을 점검해 보기로 합니다.
최근 1년간 조회한 상품 카테고리 분포를 분석해 본 결과,
많은 고객이 단일 카테고리에 집중해 조회하는 경향이 있다는 점을 발견했고, 관심도가 높은 카테고리를 순서대로 정렬해 최종 N개로 그룹화합니다.
이때 정량적 데이터 분석과 정성적 데이터 분석을 교차 검증하는 과정을 거치는 것이 도움이 되었다고 해요!
두 가지를 모두 활용해 견고하고 실질적인 분석 결과로, 인사이트의 신뢰성을 높일 수 있게 돼요!
데이터 분석을 통해 수치적으로 고객 행동 패턴을 파악한 뒤, 고객의 니즈와 페인포인트를 세밀히 분석합니다.
도출된 10개의 고객군은 전체 트래픽에서 적은 비중을 차지하지만,
전체 거래액의 90% 이상을 만들어내는 핵심 고객이었습니다!
데이터를 보니 가전 및 가구 탐색 고객이 MAU의 1/4을 차지하고, 전체 거래액의 75%를 발생시키는 것을 보면, 주요 니즈가 '이사'와 밀접하게 연관되어 있음을 확인할 수 있었습니다.
또한, 이들은 가전 구매 시 성능과 기능을, 가구 구매 시 스타일을 중요하게 여기지만, 여전히 오늘의집에서 가전과 가구 구매에 도움이 되는 콘텐츠를 찾는 데 어려움이 있다는 것도 발견하였습니다.
*MAU(Monthly Active User) : 한 달간 1번이라도 들어온 유저의 수, *GMV(Gross Merchandise Volume) : 총 거래액_특정 기간 동안 판매된 프로덕트(서비스)의 총판매 금액
또한, 다른 핵심 고객군도 시간이 지나며 다른 고객군으로 이동하거나 이탈하는 패턴을 보였기에,
이를 분석하고 유저 리서치를 통해 원인을 파악하고자 했습니다.
각 그룹이 다른 고객군에 포함되기까지 걸리는 시간이 다르다는 점을 확인했고, 이를 바탕으로 고객이 자연스럽게 다음 고객군으로 이동하도록 유도하는 전략을 세웠습니다.
이사부터 생활까지의 여정에 맞춘 end-to-end 경험을 제공해
핵심 고객군의 이탈을 줄이고 점진적으로 더 높은 관여도로 이어지도록 합니다.
고객군의 이동 과정
이탈하거나 이동하는 주요 니즈와 페인포인트가 무엇인지
핵심 고객군은?
고객군 간의 상관관계 ⇢ 다른 고객군으로 전환하려면 어떤 노력이 필요한지
우리는 항상 고객에게 집중해야 합니다.
고객을 제대로 정의해야 방향이 흐려지지 않을 것이고,
결정적인 순간에 옳은 선택을 할 수 있게 됩니다.