사용자 행동 데이터 분석

본 내용은 데이터리안 ‘SQL 데이터 분석 캠프 실전반’을 수강하며 작성한 내용입니다.

그리고 다음 글을 참고했습니다: https://datarian.io/blog/why-is-user-activity-log-analysis-important

사용자 행동 데이터 분석 (1) 사용자 행동 데이터 왜 필요할까요?

 

회사에서 볼 수 있는 데이터의 종류 2가지

1. 서비스 데이터

• 서비스 운영을 위해서 반드시 필요한 데이터 (e.g. 세미나 신청서 제출 내역, 사용자들의 결제 내역, 회원가입 정보)

2. 사용자 행동 데이터

• 사용자 행동 패턴을 확인하기 위해서 별도로 저장하는 데이터 (e.g. 웹 로그 데이터, 앱 로그 데이터, 이벤트 데이터)
• 언제든지 누락, 중복 집계될 가능성이 있어 서비스 데이터보다 데이터 신뢰도가 낮음

사용자 행동 데이터 분석이 중요한 이유

서비스를 배포하고 사람들이 이용하도록 마케팅하면 끝일까? 사실 배포는 서비스 제작의 시작이다. 사용자들이 불만족하는 부분과 사용에 어려움을 겪는 부분을 전혀 알아채지 못하다면 이 각박한 시장에서 살아남기 힘들기 때문이다. 사용자들서비스를 잘 쓰고 있지 못하다면 왜 잘 못 쓰고 있는지, 어떻게 해야 더 잘 쓰게 할 수 있을지 반드시 알아봐야 한다.

사용자들이 서비스를 잘 쓰고 있는지 알 수 있는 방법 3가지

1. 사용자 직접 관찰

• 직접 사람들을 데려다가 서비스를 사용하게끔 하면서 어떤 식으로 사용하는지 관찰
• 설문이나 인터뷰 등의 도구를 이용하는 것이 아니므로, 인터뷰 과정에서 발생할 수 있는 오류가 발생하지 않는다는 장점이 있음
• 시간과 비용이 많이 발생하며, 행동을 기반으로 분석하기 때문에 해석의 차이가 발생할 수 있다는 단점이 있음

1. 사용자 인터뷰
   • 사용자들에게 서비스 사용 경험, 사용 방식을 인터뷰
   • 평소 사용자들에게 궁금했던 것들을 직접 물어보고 사용자들의 구체적인 의견을 수집할 수 있다는 장점이 있음
   • 시간과 비용이 많이 발생하며, 무의식적으로 서비스 경험에 대해서 과장을 하거나 포장을 하게 될 수 있다는 단점이 있음
2. 사용자 행동 데이터 분석
   • 적은 비용으로 많은 사람들의 행동을 분석할 수 있다는 장점이 있음
   • 같은 데이터를 보더라도 분석가마다 다른 해석을 할 수 있고, 정확하게 문제 파악하기에는 어려울 수 있다는 단점이 있음

사용자 행동 데이터로 분석할 수 있는 것

• 사용자들이 서비스 내에서 행동한 거의 대부분의 활동을 트래킹하는 데이터이므로, 정말 다양한 분석이 가능함
  • 사용자들이 우리 서비스의 여러 가지 기능들을 어떤 순서로 사용하는지
  • 사용자들의 우리 서비스의 어느 기능에 관심이 많은지, 관심이 없는지
  • 사용자들이 우리 서비스의 어느 페이지를 마지막으로 이탈하는지
  • 결제를 한 사용자들이 정확하게 어떤 페이지들을 거쳐 결제까지 전환이 되었는지
  • 사용자들이 평균 며칠 이내에 우리 서비스를 재방문 하는지

사용자 행동 데이터를 분석할 때 주의할 점 4가지

1. 사용자들은 우리가 원하는 대로 서비스를 사용하지 않는다.

• 기획자나 개발자가 이렇게 사용하겠지라고 생각하고 만들어놓은 기능, 단계들을 사용자들이 그대로 정확하게 사용할 거라는 생각은 잡시 접어두자!

2. 데이터가 기록되는 방식을 정확하게 이해해야 한다.

• 데이터가 쌓이는 시점이나 형식을 정확하게 이해하자!
• 어떤 서비스에 회원가입을 하는 상황을 생각해보자. 로그인 화면에서 회원가입을 클릭한 후, 회원 정보를 입력하고, 이메일 인증을 하고, 회원 가입이 완료되는 프로세스라고 한다면, Signup 데이터가 이메일 인증까지 완료한 후에 최종적으로 서버에 회원 정보가 등록될 때 쌓인다고 생각할 수 있다. 하지만 실제 데이터는 로그인 화면에서 회원가입을 누른 시점일 수 있다! 이럴 때 분석가는 Signup 데이터로 본 사용자 수를 회원가입 완료 사용자 수라고 생각하고 있었겠지만, 회원가입을 시작한 사용자 수라고 해석했어야 하는 것.

3. 데이터는 언제나 잘못 기록될 가능성이 있다.

• 사용자 행동 데이터는 비교적 신뢰도가 낮은 데이터이기 때문에, 분석을 할 때 항상 데이터의 정합성을 의심하며 살펴보는 습관이 필요하다!
• 실무에서는, 데이터의 신뢰도를 확보하기 위해, 엔지니어와 분석가가 데이터 QA를 한다. 웹사이트를 운영하는 경우, 데이터 QA를 위해 크롬 확장 프로그램인 Omnibug를 사용하여 데이터가 잘 들어가고 있는지 눈으로 확인해보기도 한다.
  • 데이터 QA (Quality Assurance) 란? 데이터를 분석하거나 모델에 적용하기 전에 오류, 누락, 불일치 같은 문제를 찾아내고 수정하는 작업

4. 데이터를 조회할 때 주의가 필요하다.

• 아주 작은 서비스라고 하더라도 짧은 시간 사이에 굉장히 많이 쌓일 수 있다. 클릭은 백 번도, 천 번도 할 수 있기 때문! 따라서 사용자 행동 데이터가 저장되어 있는 데이터 베이스에 쿼리를 잘못 입력하면 데이터베이스가 과부하가 걸리고 다운될 수 있다.