공공, 자사 데이터와의 결합으로 분석의 폭발력 더하기
결합을 통해 데이터 분석하기
애널리틱스 툴에서는 사용자 행동과 관련된 다양한 자료를 수집합니다. 가령 어떤 사용자가 어떤 액션(클릭, 스와이프 등)을 취했는지, 어떤 경로를 통해 어떤 화면에 최종적으로 도달했는지 등이 대표적인 예이죠. 이는 소위 '빅데이터화' 됨으로써 더욱 강력한 힘을 발휘합니다. 한 사람의 행동뿐만 아니라 우리 앱 사용자 전체를 대상으로 행동 데이터를 수집, 정리하여 보여주기 때문에 우리가 실제로 궁금한 것, 즉 얼마나 많은 사용자가 어떤 화면을 보았으며, 무엇에 관심이 있는지 등을 확인할 수 있기 때문이죠.
그런데 이렇게 취득한 정보를 조금 더 가치 있게 만들 수 있는 방법이 있습니다. 바로 애널리틱스에서 얻을 수 없는 다양한 데이터와의 결합을 진행하는 것이죠. 이 부분은 예를 들어보겠습니다.
우선 첫 번째 예는 공공 데이터와의 결합입니다. 가령, 우리 앱이 오프라인 액티비티와 연관된 앱이라고 생각을 해보죠. 사용자들은 다양한 액티비티를 예약하거나 해당 액티비티의 정보를 확인하기 위해 앱을 사용합니다. 그런데 가령 이런 우리 앱의 DAU가 아래 그림과 같은 변화를 거친 겁니다.
우린 여기서 어떤 사실을 유추할 수 있을까요? 아마도 크게 두 가지 정도가 아닐까 싶습니다.
하나. 사용자들은 우리 앱의 특성에 맞게 주로 주말에 앱을 사용하고 있다.
둘. 그런데 2주차 금, 토의 경우에는 예상과 달리 이상하게 사용자가 낮은 편이며, 화요일의 사용자는 유달리 많다.
단순히 DAU 데이터만을 놓고 보면 이런 결과 밖에 얻을 수 없지만, 날씨 데이터와 휴일 정보 등을 결합한다면 이러한 결론을 얻을 수 있을 겁니다. 다시 말해, 2주차 수요일의 경우 공휴일에 해당하는 날이라 평소 대비 높은 DAU를 보여주고 있으며, 금요일과 토요일의 경우에는 비가 와서 평소보다 낮은 수준의 DAU를 보여주고 있다는 것이죠. 만약 이러한 식으로 정보를 결합한다면, 우리는 미리 사용자를 예측해 보다 많은 사용자로 하여금 앱을 사용하게 하거나 다양한 혜택을 누릴 수 있도록 준비할 수 있을 겁니다. 주먹구구식으로 이루어지던 마케팅이 조금 더 효율적으로 이루어질 수 있는 기반을 마련하게 되는 것이죠.
두 번째는 자사 데이터와의 결합입니다. 가령 게임앱의 예를 들어보죠. 대부분 모바일 게임의 경우, 70~80% 가량의 매출이 10% 미만의 진성 사용자층에서 발생한다고 합니다. 다시 말해, 게임앱의 데이터 분석 담당자는 전체 사용자의 행동패턴을 확인하는 것도 중요하지만, 우리 앱에서 결제를 한 사용자의 행동 패턴을 파악하고 이들의 추가 결제를 이끌어내거나 결제를 하지 않은 사용자의 결제를 이끌어낼 방법을 확인하는 것이 더 중요하다고 할 수 있다는 것이죠.
B2B 중심의 애널리틱스 툴에서는 이러한 니즈를 해결해주기 위한 하나의 방법으로, 수집된 Raw Data의 일부를 제공하는 등의 방법을 취하고 있습니다. 이를 제공받는 고객사들은 자사의 데이터와 제공받은 데이터를 결합하여 VIP 사용자의 실제 사용 패턴을 알아보거나, 애널리틱스 콘솔에서는 확인할 수 없는 조금 더 세밀한 정보를 확인하기도 합니다. 즉, 사용자 행동 분석 데이터를 다양한 데이터와 결합함으로써 보다 폭발력 있는 정보를 얻어내고 있는 것이죠.
간단한 SDK 설치만으로 빅데이터 분석의 폭발력을 더해 보세요!
모바일 앱 애널리틱스, 유저해빗
