꼭 알아야 할 웹 데이터 용어
PV? UV? 이탈률?
[Data Driven UX] 책 정리
1. 웹 데이터 용어 & 인사이트
2. 디자이너가 데이터를 활용하는 방법
작년 인턴 나부랭이 시절 웹사이트 운영을 맡은 적이 있었는데, 그때 처음으로 데이터를 접하게 되었어요.
회의 시간만 되면 모르는 용어들로 등에 식은땀이 줄줄 흘렀던...
예전의 저와 같이 데이터를 처음 접하는 분들을 위해 정리해보았습니다.
웹사이트 운영에 꼭 알아두어야 하는 용어는 PV, UV가 있어요.
웹 사이트 사용자의 방문 규모 현황을 파악할 수 있는 PV, UV
PV (page view)는 페이지 뷰 수를 말하고,
UV (unique visitor)는 순 방문자 수를 말해요. 즉, 중복된 PV를 제거한 것이라고 할 수 있어요.
세션은 웹사이트에 방문하여 이탈하기까지(=세션이 끊기기 까지)의 일련의 행동을 의미한답니다.
그렇다면, PV와 UV를 통해 인사이트를 도출해 보도록 할게요!
1) 특정 기간 내 일자별 UV 당 평균 PV
PV가 높으면 사용자가 페이지를 반복적으로 방문하고 있다고 추측하면 됩니다.
이때 재방문 이유가 사용자의 긍정적인 결과를 낳은 것인지,
잘못된 사용자 여정 설정과 같은 부정적인 결과를 낳은 것인지를 생각해 보아야 해요.
2) 특정 기간 내 UV 대비 평균 PV
PV가 높으면 지속 방문자 비율이 높다고 해석하면 되고,
충성 고객으로 만들기 위해 전용 캠페인을 제공하거나 회원 전용 서비스를 제공하는 방안을 고민해야 해요.
PV가 낮다면 새로 방문한 사용자가 높다고 해석하면 되고,
회원가입 기능 최소화하거나 회원이 아니더라도 이용할 수 있는 콘텐츠 다양화에 힘을 써야 한답니다.
3) PV당 세션 수
한 번 사이트에 방문할 때 몇 페이지나 열람하는지에 대한 평균값을 알 수 있어요.
4) UV당 세션 수
웹 사이트를 방문한 사용자의 사이트 이용 빈도를 알 수 있어요.
PV, UV 말고도 회의시간에 자주 들을 수 있는 말은 ~률(율)이에요.
전환율, 이탈률 종료율
전환율 (conversion rate)은 웹사이트를 방문한 사람 중, 소정의 유도된 행위를 한 방문자의 비율을 말해요.
예를 들면 가입하기를 누르거나, 어떠한 상품을 구입한 사람의 비율을 말할 수 있어요.
이탈률 (bounce rate)은 사용자가 페이지에 도착한 후에 아무런 이동이 없이 종료될 때의 비율을 말합니다.
종료율 (exit rate)은 1개 이상의 페이지를 보고 화면을 종료한 방문 행동의 비율을 말해요.
그렇다면 전환율, 이탈률, 종료율로 인사이트를 도출해볼까요?
1) 전환한 사용자
전환율이 높은 버튼이나 콘텐츠를 통해 사용자가 웹 사이트에서 어떤 니즈를 갖는지, 어떤 콘텐츠에 관심을 지니는지를 확인할 수 있어요.
2) 이탈한 사용자
이탈률이 높으면서 평균 체류 시간이 웹 사이트 평균보다 짧다면, 콘텐츠와 사용자의 니즈가 불일치할 가능성 높다고 볼 수 있어요.
이탈률에서 주의해야 할 점은, 이탈한 사용자가 80%이고 나머지 20%의 사용자의 전환율이 0% 일 경우 이탈률을 개선했다고 볼 수 없다는 것이에요.
숫자와 관련된 지표 분석에서 고려할 네 가지 사항
1. 사용자가 활동한 행동의 정도와 양상을 살펴보아야 해요.
이렇게 행동했다를 넘어서 어느 정도로 행동했는가를 살펴보아야 해요.
예를 들어서 사용자들이 이 화면에 몇 초 동안 머물렀는지, 또 얼마나 스크롤을 내렸는지를 알아보는 것이 중요합니다.
2. 상세 행동에 따라 해석을 달라질 수 있다.
- 사용자가 콘텐츠를 적극적으로 탐색했다.
- 제공한 콘텐츠가 사용자에게 모두 노출되었다.
위의 2개의 사용자 행동 결과가 긍정적으로 보일 수 있어요.
하지만 상세 행동을 파악해 보고 아래와 같이 해석할 수 있답니다.
- 중간 콘텐츠를 건너뛰고 하단 콘텐츠만 확인한다.
- 하단 콘텐츠까지 도달했지만, 실제 체류하거나 살펴보지 않고 다시 상단으로 역 스크롤했다.
- 상단의 콘텐츠의 정보가 만족스럽지 않아 사용자가 추가 탐색을 일으킬 수밖에 없었다.
이렇게 좋은 결과인 듯 보이지만, 상세 행동을 보았을 때 좋지 않은 결과가 되는 경우도 있습니다. 역시 데이터로 인사이트 도출하는 것은 어려워....
3. 시간의 흐름에 따라 데이터를 분석해야 한다.
데이터의 트렌드를 살펴보는 것이 중요해요.
그 이유는 데이터에 대한 규칙성과 특이점을 발견하는 지름길이 되기 때문이에요.
4. 데이터를 세분화하여 해석해야 한다.
예를 들어서 이번 달 회원 가입자는 10,000명이야! 보다
회원 가입자는 신규 7,000명, 재방문 3,000명으로 구성되어 있어!라고 세분화해서 해석해야 해요.
