[데이터 리터러시] 데이터 활용 및 해석 역량 키우기

데이터 리터러시

• 데이터를 읽고 이해하는 능력
• 데이터를 비판적으로 분석하는 능력
• 결과를 의사소통에 활용할 수 있는 능력

• 데이터 리터러시는 올바른 질문을 던질 수 있도록 만들어 줌

 

상관관계와 인과관계

• 상관관계
  • 두 변수가 얼마나 상호 의존적인지 파악
  • 파악 방법은 한 변수가 증가하면 다른 변수도 따라서 증가/감소하되 그 추이를 따름
• 인과관계
  • 실질적으로 하나의 요인으로 인해 다른 요인의 수치가 변하는 형태
  • 원인과 결과가 명확
• 상관관계만으로 섣불리 의사결정 X
• 양쪽 모두 활용하여 합리적인 의사판단 하기

 

데이터 분석 접근법

• 문제 및 가설 정의 (생각)
• 데이터 분석 (작업)
• 결과 해석 및 액션 도출 (생각)
• (생각)이 주요한 단계에서 데이터 리터러시가 필요

 

문제 정의

• 분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술
• 프로젝트 목표를 설정하고 분석 방향 설정
• 문제 정의 예제 :

상황 /
3개월 전부터 자사 제품의 사용자 수가 감소하고 있다.
사용자 수를 늘리기 위한 포인트 이벤트를 하고 있지만 효과가 없어 보인다.
또한 자사 제품 내 서비스 중 A 보다 B가 더 안 좋은 상황이다.
사용자가 줄었기 때문에, 수입도 감소하고 있다.

문제 정의 / 
1. 3개월 동안 사용자 수가 감소하고 있음 
    > 사용자 수 감소로 인해 수입 감소가 일어났기 때문에 문제가 아닌 원인
2. '포인트 이벤트' 마케팅 전략의 효과가 없음
    > 이벤트가 효과적이지 않기 때문에 발생하는 문제가 근본적으로 해결되어야 하는 문제인가?
3. A 서비스보다 B 서비스의 상황이 더 안 좋음
    > 분석 과정 중 확인해 봐야 할 내용이지만 근본적인 문제 X
4. 수입 감소
    > 궁극적인 문제 관점에서 매우 중요한 문제라고 판단
       그러나 '수입'이라는 단어 정의가 매출액인지 순수익인지 등을 고려해야 함

 

 

문제 정의 방법론

• MECE
  • 문제 해결과 분석에서 널리 사용되는 접근 방식
  • 문제를 상호 배타적이면서 전체적으로 포괄적인 구성요소로 나누는 것
  • 복잡한 문제를 체계적으로 분해하고, 구조화된 방식으로 분석할 수 있음

• 로직 트리(Logic Tree)
  • MECE 원칙을 기반으로 복잡한 문제를 더 작고 관리하기 쉬운 하위 문제로 분해하는 데 사용
  • 상위 문제로부터 시작하여 하위 문제로 계층적 접근
  • 일반적으로 도표 형식으로 표현

 

 

문제정의 팁

• 결과를 공유하고자 하는 사람이 누구인지 정의
• 결과를 통해 원하는 변화 생각
• 회사 소속이라면 경영자 입장에서 보려고 노력
• 많은 사람들과 의견을 나눠보는 것도 방법
• 반드시 혼자서 오래 고민해 보는 시간을 가질 것

 

데이터의 유형

• 정성적 데이터
  • 비수치적인 정보로 사람의 경험, 관점 같은 주관적 요소 포함
  • 대부분 텍스트, 비디오, 오디오 형태로 존재
  • 데이터 구조화하기 어려움
  • 통계 분석 시 어려움
  • 새로운 현상이나 개념에 대한 이해를 심화하는 데 사용
• 정량적 데이터
  • 수치적으로 표현되는 정보로 양적인 측정과 분석을 통해 얻을 수 있음
  • 데이터가 숫자 형태로 존재하기 때문에 통계적으로 분석하기 쉬움
  • 개인의 해석이나 주관이 적게 작용하는 객관성을 가짐
  • 지표로 만들기 용이
  • 설문조사, 실험, 인구 통계, 지표 분석 등에 활용
• 정량적 데이터의 활용
  • 객관적이고 측정 가능한 지표 만들기에 적합
  • 분포, 평균, 중앙값 등을 계산해서 데이터의 경향성과 패턴 파악
  • 비즈니스 분석, 예측 모델링, 추세 분석을 포함한 머신러닝과 같은 현대적 데이터 분석 기법에 활용

 

지표

• 특정 목표나 성과를 측정하기 위한 구체적이고 측정 가능한 기준
• 목표 달성도를 평가하고 전략적 결정에 필요한 핵심 정보 제공
• 정의한 문제에 대해 정확하게 파악하기 위해 필요

주요 지표

• Active User(활성 유저)
  • Active User에 대한 정의에 따라 전략과 방향이 달라짐
  • Active User에 대한 정의로 '이탈 유저'가 정의됨
  • 투자를 위한 서비스 지표에 중요한 역할
• Retention Ratio(재방문율)
  • 리텐션(Retention) : 한번 획득한 유저가 다시 서비스로 돌아왔는가에 대한 지표
  • 리텐션이 높은 서비스는 획득비용에 투자한 비용을 빠르게 회수할 수 있음
  • 리텐션은 서비스(특히 앱서비스) 성장에 있어서 매우 중요한 지표
  • 리텐션은 기본적으로 '방문'을 기준으로 측정하지만 서비스 특성에 따라 다르게 정의할 수 있음
  • 일반적으로 리텐션은 시간이 지남에 따라 자연스럽게 감소(Product B)
  • 감소 기울기가 점점 완만해지면서 안정화되는 그래프를 가지고 있다면 시장에 적합한 서비스(Product A)

• Retention 측정 방법
  • N-Day 리텐션
    - 최초 사용일로부터 N일 후에 재방문한 Active User 비율
    - 사용자가 매일 반복적으로 접속하는 서비스에 활용하기 적절한 지표
    - 유저가 Active User로 집계된 최초의 날을 Day 0으로 설정
    - Day 0에 액티브 상태가 된 모든 유저들의 n일차 리텐션 계산
    - N-Week, N-Month도 가능
    - 서비스 사용 주기가 길 경우 실제보다 더 과소평가
    

    

  • Unbounded 리텐션
    - 특정 날짜를 포함하여 그 이후에 한 번이라도 재방문한 유저의 비율
    - 실제로 방문하지 않았어도 계산에 포함
    - 유저가 정기적으로 방문하는 서비스가 아닐 경우 적합
    - Unbounded는 이탈률의 반대 개념
    - 절대적인 수치보다는 지표가 어떻게 변화하는지에 대해 트렌드를 보는 용도로 활용하는 것을 권장
    

    

  • Bracket 리텐션
    - 설정한 기간을 기반으로 재방문율 측정
    - N-Day 리텐션을 확장한 개념
    - 활성유저가 특정한 활동을 위해 각 Bracket 내 서비스에 재방문 시 잔존 유저로 해석
    - 서비스 사용주기가 길거나 주기적인 경우 사용하기 적합
    

    

• 전체 Active User : 앱 접속 이력이 있는 유저
• 서비스별 Active User : 서비스별 서브메인 이하 추가 액션이 있는 유저
• DAU(Daily Active User)
• WAU(Weekly Active User)
• MAU(Monthly Active User)
• 이탈유저(이탈률) : 전체 DAU로 잡혔지만, 각 서비스의 DAU로 잡히지 않은 유저(비율)
• CVR(Conversion Rate) : 특정 행동을 한 후, 전환된 비율
• CTR(Click Through Rate) : 어떤 페이지에 접근한 후, 특정 요소를 클릭한 비율

 

Retention에 대한 이해

• 리텐션이 높은 세그먼트를 발굴하는 작업 필요함
• 서비스 사용 주기에 따라 리텐션 조회 기간을 늘려야 함
• 사후 분석에 용이

 

퍼널(Funnel)

• 유저들이 어디서 이탈하는가를 확인하기 위한 구조화
• 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정
• 각 단계의 전활율(or 첫 유입 대비 전환율)을 측정
  

  

• AAARRR
  
  • 디지털 마케팅 시 활용하는 프레임워크
  • 단계별 전환율을 지표화하여 서비스 보완 지점을 찾음
    - Acquisition: 유입
    - Activation: 활성화
    - Retention: 재방문(재구매)
    - Revenue: 수익
    - Referral: 추천

 

 

고객 평생 가치(LTV, Life Time Value)

• 고객 생애 주기 : 한 명의 유저가 서비스를 사용하기 시작하여 이탈할 때까지의 기간
• 한 명의 유저가 생애 주기 동안 얼마만큼의 이익을 주는지를 정량적으로 지표화 한 것
• 유저와의 관계를 측정하고, 이를 사업적 이익으로 가져가는데 주요한 지표
• LTV가 높다는 것은 해당 서비스와 관계가 좋고 충성도 높은 고객이 많다는 것
• LTV 추측이 가능하다면 신규 유저를 데려오는 비용(CAC) 산출 및 효율적인 예산 운용 가능
• LTV 산출 방법
  • 이익 * Life Time * 할인율(미래 비용에 대한 현재 가치)
  • 연간 거래액 * 수익률 * 고객 지속 연수
  • 고객의 평균 구매 단가 * 평균 구매 횟수
  • (매출액-매출 원가) / 구매자 수
  • 평균 구매 단가 * 구매 빈도 * 구매 기간
  • (평균 구매 단가 * 구매 빈도 * 구매 기간) - (신규 획득 비용 + 고객 유지 비용)
  • 월평균 객단가 / 월평균 잔존율
• LTV 산출 방법을 매우 여러 가지이며 자사 서비스에 딱 맞는 LTV를 산출하는 것은 어려움
• LTV는 가정을 베이스로 하는 지표이기 때문에 꾸준한 모니터링 필요

 

북극성 지표

• 제품/서비스의 '성공'을 정의
• 제품/서비스가 유저에게 주는 Core Value를 가장 잘 나타낸 것
• 장기 성장을 위해 필수적으로 모니터링해야 함
• 좋은 북극성 지표의 특징
  • 제품/서비스 전략의 핵심
  • 유저(고객)이 제품/서비스에 느끼는 가치
  • 회사의 사업 목표를 나타내는 지표 중 선행지표 / 후행 X
• 좋은 북극성 지표를 위한 체크리스트
  • 유저가 목적을 달성하는 때는 언제인가?
  • 모든 유저가 해당되는가?
  • 측정 가능한 지표인가?
  • 측정 주기가 적절한가?
  • 외부 요인으로부터 영향을 많이 받지는 않는가?
  • 북극성 지표의 성장이 사업의 성장과 함께하는가?
  • AARRR 퍼널 전 과정이 북극성 지표에 영향을 주는가?
  • 북극성 지표의 변화가 적어도 매주 관찰가능한가?
• 북극성 지표의 유형
  
  

  북극성 지표	수익 모델	서비스 유형	서비스 예시
  사용시간	광고, 사용료	SNS, 플랫폼, 스트리밍	유튜브, 인스타, 넷플릭스
  거래량	판매액, 수수료	커머스, 매칭서비스	쿠팡, 크몽, 에어비앤비
  효용	사용료	생산성 도구, 헬스 케어 앱	슬랙, 줌, 자라

• 북극성 지표가 중요한 이유
  • 방향성 
    - 제품/사업 조직이 무엇에 최적화되어야 하고, 무엇을 포기해도 되는지에 대한 방향 제시
    - 제품/사업 조직의 진척과 가치 창출을 전사에 보여줌
      > 지원 조직이 더욱 적극적으로 지원, 제품개발 액션 실행속도가 빨라짐
    - 제품/서비스 조직이 결과에 책임을 지도록 함
      > 비즈니스 임팩트에 따라 평가가 가능
  • 효율 증대
    - 전 직원을 하나의 목표에 집중시킴
    - 서로 상반된 목표에 집중하거나, 중복으로 일하는 것을 방지

 

 

결과와 결론

• 결과
  • 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력
  • 숫자, 통계, 그래프, 차트 등의 형태로 나타낼 수 있음
  • 계산과 분석을 통해 나온 결과물
• 결론
  • 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰
  • 데이터에 기반한 해석, 추론 또는 권고 사항을 포함
  • 목적에 대해 어떤 의미가 있는지 설명하는 것
  • 결과 - 결론 도출 시에는 스토리텔링이 필요하지만 데이터를 통해 알 수 있는 범위에서만 생각
    = 필요 이상으로 자신의 해석 융합 X
• 결론을 잘 정리하는 법
  • 단순하고 쉽게 전달
    - 핵심 지표 위주로 먼저 공유
    - 지표를 해석하는 방법에 대해서도 설명
    - 해당 지표에 오너십이 있는 조직에서 활용할만한 포인트 제안
    - 액션 아이템을 제안하는 것이 핵심
  • 흥미 유발
    - 모든 내용이 아닌 흥미로운 부분 위주로 공유
    - 궁금한 사람들을 위해서는 디테일한 문서 따로 공유
  • 대상자 관점에서의 접근
    - 공유받는 사람의 시선에서 이해하기 쉽도록 정리
    - 논지를 뒷받침해줄 자료 첨부
    - 대상자의 허들이 낮은 시각화 활용
  • 시각화 팁
    - 화려한 그래프보다는 직관적으로 이해할 수 있도록 구성
    - 보통 선, 막대그래프로 대부분의 리포팅 가능
    - 각 그래프의 범례와 단위 함께 표기
• 결론 보고서에 쓰면 좋은 플로우
  • 전체 내용을 한 문장으로 정리하는 요약
  • 해당 보고서의 메인 주제
  • 해당 보고서를 쓴 이유와 원하는 변화
  • 문제 정의 단계
  • 핵심 내용 전개
  • 결론 및 액션 아이템
• 앞서 문제 정의, 지표 설정을 할 당시의 목적을 떠올리며 정리
• 결론을 공유할 대상이 누구이며 어떻게 변화하기 원하는지 생각

 

** 데이터 리터러시란?

• 눈앞에 있는 데이터에 의존하지 않고 스스로 목적과 문제를 정의
• 그 목적을 달성하는데 필요한 데이터와 지표를 설정
• 데이터를 어떻게 봐야 문제의 정보를 효과적으로 얻을 수 있는지 분석
• 단순히 데이터를 보는 방식이나 분석 방법론, 통계 지식에 매몰되지 않는 것
• 항상 "왜?"를 생각하기