PART05. 디지털마케팅 이론/개념 | 데이터 분석

01. 온라인 데이터의 구조

• 고객행동
• 이벤트(Event) : 온라인에서 고객의 행동을 분석하기 위해 고객데이터. 고객 행동 데이터
• 액션(Action) : 고객이 실제로 취한 행동 (조회, 클릭, 방문, 구매 등)
• 속성(Property) : 이벤트의 속성. 고객의 액션을 상세하게 이해할 수 있는 특징 (구매상품의 가격 등)

고객이 홈페이지에 방문에서 배너의 상품을 클릭

순서	액션	속성
1	메인 홈 방문	누가, 어디에서
2	홈 배너 조회	어떤 배너
3	'오늘의 발견' 노출	어떤 상품
4	홈 배너 클릭	어떤 배너

* 조회는 전체화면에 보여지는 것, 노출은 일부에만 나타나는 것

 

-> 마케터는 고객이 만들어내는 거래와 이벤트, 액션과 속성에 대한 데이터를 활용하여

현상을 파악하고 가설을 수립하고 변화를 측정

 

02. 데이터 분석 방법론

삼위일체분석 : 3가지의 다양한 조합을 통해 분석을 진행

 

분석을 하려고 하는 고객의 액션을 정함

액션에 연결된 행동속성, 고객에게 연결된 속성(진입경로, 고객 프로파일)이 만들어짐

- 진입경로 : 행동 의도 파악에 중요 (광고를 통한 영입인지, 자연적인 유입인지 등)

- 고객 프로파일 : 특정 행동과의 상관성을 파악할 수 있음 (같은 서비스이더라도 고객의 연령 등에 따라 행동양식이 다름)

 

현재 행동 이후 직전의 행동과 직후의 행동을 통해 특정 고객이 보이는 상관성과 행동 의도를 파악

마케터는 이를 통해 고객 데이터 분석을 통해 고객 행동의 이유를 파악할 수 있음

이는 "특정 문제의 해결방법"이나 "가설"이 되기도 하기 때문에 매우 중요

 

시계열분석

- 고객의 행동이 시간의 행동에 따라 어떻게 변화하는지 측정하는 것

1) 변곡점 찾기 : 유효하게 작용한 특정 변수가 고객행동에 영향을 미쳤을 것. 

2) 시계열 상 상관관계 찾기 : 상관성이 있는 변수의 시계열 분석을 통해 비례관계, 반비례관계를 찾음

3) 상관계수 도출 : 통계적 유의미성을 가지는 상관계수는 데이터분석가의 영역 

 

시계열 분석을 통해 찾은 변수로 전후행동을 분석하는 삼위일체분석을 진행

 

예시) 

1) 변곡점 찾기 : 4월 (1~3월에 비해 급격히 증가)

2) 상관관계 찾기 : 자연유입 방문자는 비슷. 배너광고도 비슷. 검색광고유입이 구매자수와 양의 상관관계를 가짐

-> 추가적인 상관관계 분석  (검색광고유입 방문자의 특징, 구매고객들의 유입경로별 고객속성 분석)

 

세그먼트 분석

서로 다른 두 구매 고객의 형태를 분석하는 것. 상관성분석

(내가 원하는 행동을 한 고객 vs 그렇지 않은 고객)

 

고객의 속성, 분석 대상이 되는 행동의 특성을 분석

1) 차이점/공통점 찾기 : 고객 속성 별 그룹의 특징 비교

2) 정도의 차이 찾기 : 높음/중간/낮음

 

예시) 

1) 유입 경로별 구매자그룹과 미구매자 그룹 비교

- 구매자그룹에서는 검색광고 유입이 높고 미구매자 그룹에서는 낮음

- 왜 검색 광고 유입자들의 구매 비율이 높은가 파악

2) 구매빈도 별 유입경로비율 비교

- 구매빈도가 낮은 그룹은 검색광고 유입이 높고 구매빈도가 높은 그룹은 자연유입 비율이 높음

- 의미 : "검색광고를 통해 들어오는 고객은 구매의사가 높아 구매를 즉각적으로 하지만 장기적으로 구매빈도가 증가하는 고객은 아니다"는 가설을 세울 수 있음

 

코호트분석, 퍼널분석 : 고객의 행동 원인을 더 깊게 파악 가능. 

코호트 분석 

시간추적. 분석할 고객들을 고정적으로 지정 후 그 고객들의 시간을 추적하여 행동을 분석하는 것

 

코호트 개념 : 리텐션

방문이라는 행동 후 한달 후 다시 구매하는가

구매 행동 후 세달 후 다시 방문하는가

 

퍼널 분석

코호트가 고객을 중심으로 고정된다면, 퍼널은 특정 행동과 액션을 기준으로 고정됨

특정 행동을 한 고객이 시간이 지나면서 어떤 행동을 하는지 추적하는 것

 

 

1) 분석하고 싶은 행동 = "현재의 행동"

현재의 행동을 한 고객이 어떤 순서와 과정을 통해 이 행동까지 도달하였는가

역추적이나, 행동 후 어떤 액션이 이어지는가

흔하게 쓰이는 방법 : 경로분석

예) 기획전 페이지의 유입이 감소 : 어떤 행동에서 이탈, 유실이 커서 기획전 페이지의 유입이 감소하였는지 분석

페이지 전체의 유입이 줄어서 기획전 페이지의 유입이 줄었는지, 페이지의 유입은 있지만 기획전 배너를 클릭하지 않는지 확인 가능

 

전후 행동변화를 찾아내는 것이 중요 - 아하모먼트와 비슷

 

하이브리드 분석

고객 그룹별 행동 분석을 통해 시계열, 세그먼트 분석과 코호트, 퍼널분석을 동시에 진행 가능

고객 세그먼트 별로 각각의 퍼널을 구조화하여 차이를 비교하고 시간과 함께 바뀌는 행동을 코호트로 분석하는 등

풍부한 인사이트를 얻을 수 있음

대표 예시 ) 미구매자와 구매자의 진입경로를 퍼널로 분석 + 코호트 분석. 미구매자에서 구매자가 되는 과정을 어떤 퍼널에서의 시간을 추적하여 분석함으로 구매에 영향을 주는 중요한 요소를 밝혀낼 수 있음

 

하이브리드 분석 사례1)

- 인사이트 

• 자연유입 고객 : 구매율이 낮지만 재구매율이 높음 -> 미래 고객. 상세페이지 진입율이 낮아 맞춤 상세페이지 추천 필요
• 검색광고 고객 : 가입률과 진입률은 높지만 재구매율이 낮음 -> 탐색과정에서 CRM을 할 수 있는 마케팅수신동의를 많이 받아내, 첫구매 이후 재구매 유입을 위한 마케팅 필요
• 콘텐츠 유입 고객 : 상세페이지 진입률과 구매율 준수, 가입률이 아쉬움 -> 가입혜택 지급

하이브리드 분석 사례2)

- 5개의 고객 그룹 : 프로파일(고객속성), 가입경로(코호트분석), 직전액션(퍼널분석), 현재액션

- 목표 : 가입 후 첫 구매를 늘리는 것

• 성별은 큰 영향이 없음
• 직전액션과 가입경로(검색광고)는 상관관계(호텔탐색-여행지 결정된 고객) 있음

하이브리드 분석 사례3)

- 5개의 고객 그룹 : 프로파일, 가장많은액션, 당일유입경로, 누적재구매횟수

- 재구매에 가장 많은 영향

• 구매횟수가 많을수록 인기도시검색을 많이 함 
• 앱푸시를 켜둔 고객은 자사 앱의 충성도가 높을 가능성이 높음

 

핵심)

데이터의 구조란 무엇인가?

마케터가 데이터를 분석하는 방법에는 무엇이 있는가?