데이터로 콘텐츠 이해하기
PM스쿨_학습일지 20
2024.04.08
데이터를 기반으로 사용자를 이해하고, 데이터를 활용하여 서비스를 개선해야 한다는 것을 강의와 책, 실습을 통해 배워왔다. 하지만, 실제로 데이터가 실무에서 '어떻게' 작용하고 있으며, '어떻게' 사용해야 하는가? 는 직접 데이터를 기반으로 서비스를 다뤄본 경험이 없다는 알기 어렵다. 이에, 데이터 관련한 아티클을 통해 간접적으로 나마 실무를 경험해보고자 했다.
https://yozm.wishket.com/magazine/detail/2491/
29CM 사례로 본 데이터 활용
데이터를 재료 삼아 적절히 요리하는 방법 중 하나는 '가설 설립'과 '가설의 검증'이다. 먼저, 가설을 세우기 위해서는 정확한 문제의 제기가 필요한데, 우리 서비스의 문제를 파악하기 위해 필요한 것이 사용자의 경험이 담긴 데이터이다. 무엇을 눌렀는가? 어디에 오래 머물렀는가? 무엇을 샀는가? 어떤 경로로 유입되었는가? 등의 많은 정보들이 우리 서비스에 필요한 요소를 찾을 수 있도록 만들어준다.
모아진 1차 데이터를 기반을 변인(변수)으로 입력하여 데이터 간의 관계를 분석할 수 있다. 데이터 하나하나는 독립적으로 존재할 수 있으나, 데이터가 서로 관계를 맺는 순간을 발견하면 그 종속성을 수식 혹은 회귀식의 형태로 만들어 낼 수 있다는 것이다.
특별히, 29CM은 콘텐츠를 활용하여 플랫폼에 입점한 브랜드와 해당 브랜드의 상품을 '감도' 깊게 소개하고 있다. 다양한 브랜드와 상품이 모여있는 플랫폼 내에서 사용자들이 효과적으로 그들과 매칭(연결)될 수 있도록 도움을 주곤 하는데, 29CM은 그 방법으로 '콘텐츠'를 사용자들에게 제공하고 있다. '콘텐츠'는 브랜드의 이미지를 담은 이미지(배경)와 로고, 주요 상품에 관한 Benefit, 착용한 일상 사진, 브랜딩 된 모델 사진, 해당 제품 외의 같은 브랜드의 추천 제품을 '피드'의 형태로 제공하는 것을 특징으로 한다.
서비스가 이러한 형태의 콘텐츠를 제공하는 것은 가능성과 기능적인 측면에선 그럴 수 있다고 판단할 수 있다. 하지만, 기획자로써는 해당 콘텐츠가 실제로 어떤 가치가 있는지가 중요하다. 쉽게 말해, 해당 콘텐츠를 서비스에 추가하거나 론칭함으로써 얻는 바가 무엇인가? 를 측정할 수 있어야 한다는 것이다.
29CM의 기획자 역시 위와 같은 물음에 근거하여 데이터를 활용해 콘텐츠의 가치를 평가했다. 정확히는 콘텐츠가 서비스 내에서 어떤 Value를 가졌는가를 측정하기 위한 도구로 데이터를 활용했다고 봐야겠다. 그 방법론은 이러하다. 콘텐츠가 서비스 내에서 가지는 가치(CVP)를 측정하기 위해 가설을 설립하고, 그 결괏값이 유의미한 값(상관성 혹은 인과성)을 가지는 것을 검토하여 'CVP 관련 수식'을 만들도록 한 것이다. 변인(변수)에 입력되는 값이 서비스 내에서 특정한 경향성을 가진다면 그것이 함수로써의 가치를 가지게 되는 것이다.
29CM의 콘텐츠와 추출 데이터 간의 관계를 3단계를 거쳐 유의미한 가설과 그에 대한 결괏값을 얻었다. 첫 번째 단계의 가설은 '콘텐츠 내의 다양한 Engagement가 콘텐츠 내의 체류시간으로 대표된다.'였으며, 이를 통해 구매 기여도가 상품 클릭과 장바구니 담기와 높은 상관성을 보이기에, 구매 기여도를 측정하는 방식으로 가설을 세우고자 하였다.
두 번째 단계의 가설은 '콘텐츠의 Engagement는 최종적으로 구매로 이어질 것이다.'였으며, 이를 통해 직접적인 인과관계를 가지진 않으나, 제3의 변수인 '앱 실행 횟수'와 구매 간의 높은 상관성을 얻어내었다. 콘텐츠로 유입된 것이 구매를 일으켰다는 직접적인 원인은 아니나, 콘텐츠를 보게 됨으로써 앱을 많이 실행하게 되고, 그 결과 구매로 이어진다는 논리 구조가 세워지게 된 것이다.
세 번째 단계의 가설은 '콘텐츠가 소개하는 브랜드에 대한 Engagement를 콘텐츠 Engagement로 볼 수 있을 것이다.'였으며, 이를 통해 방문한 포스트에서 소개하는 브랜드의 상품 상세페이지까지 방문하여 해당 브랜드 상품을 구매한 상관성과 방문한 포스트에서 소개하는 상품 외의 상품 상세페이지를 방문하여 해당 브랜드의 상품을 구매한 상관성이 유의미하게 있음을 발견했다. 결국, 브랜드로 유입된 이들이 콘텐츠로 유입된 이들로 볼 수 있다는 논리적 연결성을 얻은 것이다.
결국, 위의 3단계를 통해 콘텐츠의 가치를 측정하기 위한 사용자의 행동을 '브랜드 유입'(콘텐츠를 통한 브랜드 유입, 상품 상세페이지 클릭, 등)으로 고려할 수 있게 되었고, 변인 중 하나로 고려할 수 있게 되었다. 또한, 브랜드로 유인된 사용자가 콘텐츠를 시청하게 되며, 앱 실행 횟수가 늘어나고 이를 원인으로 하여 구매하는 빈도가 높아지게 된다는 인과관계를 얻게 되었다.
이와 유사한 방식에 의해 변인으로 고려되는 요소들의 비율을 계수화하여 '수식'을 도출하게 되는데, 아래의 사진이 29CM에서 제공하는 CVP 계산식이다.
출처_데이터로 콘텐츠 제대로 다루는 법_29CM TECH.(요즘 IT)마무리하며,
OLS에서 도출한 회귀식에서 변수에 할당된 회귀 계수와 각 결정식의 결정 계수의 크기를 각 변수에 적용한 것이 위의 식이다. 결국, 선형회귀분석은 각 변인의 오차를 최소화하는 값을 찾는데 목적이 있으므로 위의 회귀식을 통해 우리가 알 수 있는 것은 에피소드(콘텐츠의 내용)를 클릭하고, 장바구니에 담는 행동 사이의 오차를 최소화하는 데이터를 발견하게 될 것이다.
여전히, 해결되지 않은 것들이 있긴 하다. 클릭의 절댓값을 기준으로 하고 있기에 클릭에 영향을 주는 다른 변수가 제거되지 않아, 콘텐츠에 의한 브랜드 유입과 브랜드 파워에 의한 브랜드 유입이 구분되지 않는 등의 문제가 고려되지 않았지만, 가설을 수립하고 검증하는 과정에 데이터를 활용해 적절한 결과를 도출해 냈다는 데 그 의의가 있을 것이다. 여전히 부족하지만, 데이터를 서비스 분석에 녹여낼 수 있는 그날까지 끊임없이 학습해야겠다.
