쭈경의 배움과 성장 로그

비즈니스 데이터 분석에 있어 핵심적인 인사이트 내용만 남기고 요청자와 커뮤니케이션을 통해 분석에 너무 많은 내용을 담으려 하지 말 것 분석은 다각도로 했어도 핵심적인 내용이 아니라면 과감히 쳐 내는 것도 필요하다. 즉, 데이터 분석을 하는 목적/의도/배경을 파악하고 실제 액션까지 이어질 수 있도록 하는데이터 분석 해석 & 제안이 중요한 것이다. 이 부분을 많이 잊고 "분석 열심히 했으니까 다 공유해야지" 라는 마인드도 생긴 것 같다.아까워서.. 이것도 나름 인사이트인 걸? 이라는 생각이 더 복잡하게 만드는 것 같다. 정보의 간결성 / 핵심을 믿고 축약하고 쳐내는 것도 필요함을 늘 잊지 말아야 겠다. [CASE 17] 분석 도구가 엑셀 파일을 읽어들이지 못한다. 다른 사람들이 활용하는 시트에 대해서 이해..

비즈니스 데이터 분석에 있어 특히 중요한 건 ROI 관점에서 데이터 분석을 해야 한다는 것 즉, 완벽한 데이터 분석(사실 존재하지도 않는 것 같긴 하지만..)을 하기 보다는업무 리소스 대비 시간 안에 최대한 효율적으로 하는 게 필요한 것 같다. 필요하고 핵심적인 분석을 빠르게 착수하는 것이 중요하다.이번 분석을 하면서 느낀 건 분석을 함에 있어서도 "기획력"이 중요하다는 것 - 방향성을 잡고 안건을 기획해서 지금의 현 상태에서 할 수 있는 것들을 파악하고계획을 잡아서 데이터 정리 > 과정 기록 등을 해두면 이후 분석 건에도 도움되고 Lesson&Learned 를 할 수 있다. [CASE 8] 필요한 파일이 어디에 있는 지 모른다.데이터 관리 중요성 > 언제 어떤 데이터를 받았고 어디에 보관되어 있는 지 ..

항상 데이터 분석을 하면서 이후에 깨닫게 되는 건,고객 수를 중복으로 봐야 할까? 아니면 중복을 제외해서 볼까?이다. 늘 놓치는 측면 중 하나여서 나에겐 늘 고민의 순간들로 다가오기도 했다. 물론 분석 안건에 따라 다르고 그걸 명확히 한다면 어렵지 않은 문제일 수 있겠지만,분석하고 데이터를 보다 보면 이런 조건들을 간과하게 되고 놓치게 되는 것 같다. 따라서 어떤 지표에서 고객 중복 포함해 봐야 할 지, 어떤 지표를 비중복으로 봐야 할 지분석 건마다 이러한 질문을 던지는 건 데이터 분석에서 중요한 시야 중 하나라고 생각한다. 결론부터 얘기하면 행동 흐름은 중복이 필요하며 전체 고객 상태 값을 볼 때는 중복 제외가 필요하다.구분 기준설명 행동의 흐름(이동, 전환, 반복)을 분석할 때→ 중복 포함 전체 ..

파트에서 같이 스터디를 해보자고 구입했던 [경험에서 배운다! 실전 데이터 분석 35]여기서 업무하면서 정말 많이 공감 갔던 내용들과 적용해 볼 점들을 정리해서 기록해두고자 한다.우선 업무 리소스를 효율화해서 업무를 하는 것이 그 무엇보다 중요하기 때문에분석 방향을 기획하고 거기서 안건 구체화를 하여 R&R을 정하는 게 무엇보다 중요했다. 실무 데이터 분석의 어려움과 고민 [CASE 1] 분석 목적은 뒷전 흥미 위주의 분석을 하고 있다.그렇지 않으면 분석하다 방향성을 잃을 경우가 많고 이것도 봐야 하고 저것도 봐야 하고.. 하는 방식의 "흥미 위주의 분석"을 하고 있는 상황들이 발생되게 된다. 데이터 분석 후 취하게 될 액션데이터 분석에서 얻게 되는 분석 결과(*분석 시나리오와 가설 및 결과)분석 결과와 ..

지표는 계산식에 따라 의미가 다르고 용어로 표현하는 데에 있어 모두가 공통 기준으로 이해하지 못할 수 있다.그러기에 공통 기준으로 정리, 어떤 수치를 가지고 어떤 수식으로 계산되었는 지 명확히 하는 게 중요하다. 주문 건수로 재구매율을 볼 수 있고 고객 기준으로 재구매율을 볼 수 있고재구매 중에서 2, 3, 4회차 비율을 볼 수 있고 전체 고객 기준에서 2, 3, 4회차 비율을 볼 수 있다. 지표는 정의하고 해석하기 나름이기 때문에 명확히 공통 기준으로 정리하는 게 필요하다.그래서 실무에서는 반드시 “지표 정의서(지표 사전)” 또는 “지표 명세서”를 만들어야 하고, 일관된 포맷으로 정리하는 것이 핵심⭐️✅ 공통 기준으로 지표를 정리하는 3요소구성 항목설명예시① 정의이 지표가 의미하는 바를 명확히 서술“첫..

퍼널에 대한 이야기는 항상 많이 듣지만 GA 데이터를 퍼널과 전환 관점에서 이해하려면"사용자가 어떤 경로로 유입되어 어떤 행동을 거쳐 목표(전환)에 도달하는가?"의 흐름을 데이터 기준으로 볼 수 있어야 한다. 자사몰 행동 데이터 그 자체로도 볼 수 있지만 퍼널 관점에서 GA를 바라보는 건 필수적이다. ✅ 1. 퍼널(Funnel) 관점에서 보는 GA 핵심 데이터퍼널은 사용자의 여정(여러 단계)을 의미하며, GA에서는 아래와 같은 단계별 이벤트와 파라미터로 추적된다. 이벤트의 경우에는 GA에서 기본적으로 세팅된 것도 있고 GTM으로 별도 설정해주어야 하는 것도 있다. 퍼널 단계GA 이벤트주요 필드/파라미터설명 유입page_viewpage_location, utm_campaign, utm_source, utm..

데이터 분석을 위한 추출을 하면서 반복적으로 실수하는 부분에 대해 보면늘 step by step 로직에 대한 설계에 있어서 순서를 달리할 때인 것 같다. 데이터 분석에서 목적에 맞는 데이터를 추출하는 로직 설계는 무엇보다 분석의 품질과 정합성에 중요한 핵심 요소이다.실제로 분석을 하며 느꼈던 건 로직이 정확하지 않으면 잘못된 데이터 기반으로 결론을 짓게 되는 부분이 있었다. ✅ 로직 설계가 중요한 이유 이유설명🎯 분석 목적과 정렬분석하고자 하는 대상/범위를 정확히 추출해야 지표가 왜곡되지 않음🔎 지표 정의와 연결분자/분모를 어떻게 집계할지에 따라 지표 해석이 달라짐🧱 데이터 정확도 확보쿼리 조건을 명확히 잡아야 중복, 누락, 오류 없이 신뢰할 수 있는 결과 가능📉 불필요한 노이즈 제거범위가 과하..

객단가가 높은 경우와 사업 초기 단계에서는 "첫구매" 지표를 집중하는 경우가 많겠지만많은 기업들이 첫구매를 유도한 이후에 첫구매를 증대시킴과 동시에 매출 파이 확장을 위해 "재구매"에 집중하는 경향도 있다. 이때 고객 한명이 바이럴한 효과를 가져오는 추천 지표도 중요하지만그에 앞서 일단 첫구매 후 만족했다? ➡️ 재구매를 진행한다. 의 선순환적 구조도 무시할 수 없다. 그러면 과연 재구매 관련된 지표는 무엇을 보면 좋을까? 고민하고 기록으로 남겨보고자 한다. 이전 LTV 분석을 진행하면서 고객 1명당 가지고 있는 가치에 대한 분석을 진행하게 되면서더더욱 이 1명이 가지는 재구매가 이 가치를 높일 수 있으므로 "객단가" 측면 뿐만 아니라 "재구매회차" 측면도 주요하게 봤다. 우선 브랜드가 “재구매 중심 ..

구매율은 목적에 따라 분모 기준이 달라질 수 있고 어떤 기준으로 보느냐에 따라 달라진다.이번에 분석을 하고 관점을 달리 보면서 주문, 상품, 고객 기준으로 재구매율을 볼 수 있다는 걸 알게 되었다. 또한 동일 제품 재구매자, 브랜드 내의 2회차 이상 구매자에 따라 재구매율이 또 다르게 해석이 될 수 있다.구매율은 분명 목적에 따라 분모 기준이 달라질 수 있고, 다음과 같이 정의할 수 있다. ✅ 1. 동일 상품 재구매율 (제품 기준)정의: 동일한 상품을 두 번 이상 구매한 비율기준: 주문 건 기준 혹은 고객 기준 모두 가능하나, 일반적으로는 고객 기준이 더 적절하다. 고객 기준으로 보면 "같은 상품을 한 번이라도 재구매한 고객 비율"이 되어, 충성도/선호도를 파악할 수 있어요.건 기준은 재구매가 많은 일부..

늘 기획을 하며 고민이 되는 부분은 분석은 파고 팔 수록 더 봐야 하는 것들이 많은 데,어디까지 볼 것이고 내가 볼 것이 무엇일 지를 정확하게 알고 가는 게 중요하다는 걸 매번 깨닫는다. 그러면서 이번에는 좀 다르게 가설을 먼저 잡기 보다는 안건을 굵직하게 잡아놓고거기에서 어떤 지표로 해석할 수 있을 지? 그러면 그 지표에 따라 어떤 가설을 확인할 수 있을 지 잡아봤다. 이전의 방식은 가설을 세우고 > 지표를 보고 > 안건을 만들어서 봤다면이번에는 역순으로 진행해보고자 했다. 방법은 없는 것 같지만, 분석 건을 어떻게 보느냐에 따라이 두가지 프로세스는 엄연히 다를 수 있다는 생각이 들었다. 이러한 것들은 계속 기록으로 남기고 미래의 나를 위해 체킹 차원에서 아카이빙해보고자 한다.분석을 하는 데는 정답이 ..