#퍼널분석 #직무전환 #브랜드마케팅 🍁
안녕하세요 구독자님, 데이터리안 혜정입니다.
11월이 되니 날씨가 많이 쌀쌀해졌어요. 11월도 잘 보내고 계신가요?
오늘 뉴스레터에도 여러 가지 소식을 담아봤어요.
자사몰 구매 전환율을 급상승시킨 퍼널 분석 실무 사례부터, 데이터 관련 직무가 헷갈리는 이유, 그리고 직무 전환 사례와 지난 10월 세미나에서 나누었던 실시간 질문 답변까지 준비했습니다.
11월 뉴스레터도 보러 와주셔서 감사드려요.
건강 조심하시고 저는 올해의 마지막, 12월 뉴스레터로 다시 찾아뵙겠습니다.
오늘 뉴스레터도 재밌게 읽어주세요🧚♀️ |
|
|
1. 블로그 | 구매 전환율 급상승 후기: GA4와 퍼널 분석으로 성과 내기
2. 유튜브 | 데이터 분석가 vs 사이언티스트 헷갈리는 2가지 이유
3. 인터뷰 | 스포츠 과학 전공 마케터에서 분석가로 직무 전환했어요
4. 블로그 | 브랜드 마케팅에서 데이터를 활용하는 방법 |
|
|
🔥
구매 전환율 급상승 후기
: GA4와 퍼널 분석으로 성과 내기
|
|
|
안녕하세요, 데이터 분석가 보민입니다.
오늘 첫 번째 콘텐츠로 퍼널 분석 사례를 준비했어요. 이 글은 사내 최초의 1인 데이터 분석가로 입사하여, 현재는 애널리틱스 엔지니어 역할을 담당하고 계신 김진석님의 글입니다. 자사몰의 구매 전환율을 크게 개선한 사례를 이번 글을 통해 공유해 주셨는데요. GA4와 퍼널 분석만으로도 성과를 내는 분석을 할 수 있다는 것을 증명하는 좋은 사례입니다.
* 이 글의 원문은 미디엄에 업로드된 “구매 전환율 급상승 후기”입니다.
⋯⋯⋯
배경
제가 다니는 '아이오트러스트'는 가상자산 하드웨어 지갑 시장에서 국내 1위를 차지하고 있는 “디센트 지갑”을 판매하고 있습니다. 2023년 상반기, 가상자산 시장 내 모종의 급격한 변화로 인해 저희 자사몰 매출이 급증한 적이 있었습니다. 당시 데이터 분석가였던 저 역시 “흔치 않은 시장의 흐름으로 인한 이상 현상”을 깊이 모니터링해보고 싶었는데요. 아니나 다를까, 방문자 수와 매출액이 급증했음에도 불구하고, 특정 구매 단계의 전환율은 오히려 감소하는 현상이 두드려졌어요.
문제 발견
당시 Google Analytics 4로부터 BigQuery에 적재한 환경에서 웹사이트 데이터를 탐색하고 있었는데요. 구매 전환 단계의 주요 이벤트는 다음과 같았습니다.
- view_item : 아이템 페이지를 조회합니다.
- begin_checkout : 구매를 시작합니다.
- add_payment_info : 배송지, 이메일, 연락처 등 결제 관련 정보 입력을 완료한 후 결제 프로세스로 넘어갑니다.
- purchase : 최종 결제를 완료한 후 'Thank You' 페이지를 조회합니다.
위 네 단계로 이루어진 구매 전환율을 추출하니, add_payment_info 로부터 purchase 로 넘어가는 지점에서 전환율이 오히려 감소하고 있음을 확인할 수 있었습니다. 즉, 배송지, 이메일, 연락처 등 결제 관련 정보 입력을 완료한 후, 결제 프로세스상에서 이탈률이 높아지고 있었던 것입니다.
|
|
|
* Orange: add_payment_info, Red: purchase
표면적으로는 매출이 증가하고 있음에도 불구하고, 본 구매 퍼널에서는 오히려 이탈률이 높아져 매출을 극대화하지 못하고 있었던 것이죠. 이는 결제 프로세스에서의 UX에 문제가 있을 가능성을 시사했습니다.
문제 구체화
문제를 구체화하여 우선 사내 구성원분들께 해당 내용을 공유해 드렸습니다.
- 결제 프로세스의 UX 개선이 필요했어요.
- 유입 사용자 세그먼트가 변했어요.
많은 분께서 이 문제에 대한 공감을 표현해 주셨어요. 결국, 주요 구성원분들과 함께 미팅하며 문제를 개선할 만한 액션 플랜을 논의하기 시작했습니다.
⋯⋯⋯
이 개선 이후로 자사몰의 구매 전환율은 원상태로 회복되었을 뿐만 아니라, 이전보다 훨씬 높은 수준을 기록했다고 하는데요. 어떻게 가설을 설정하여 액션을 도출하였는지, 뒷이야기를 아래 블로그 글에서 확인해 보세요.
💡 혹시 ‘퍼널 분석’과 ‘GA4’에 대해 조금 더 자세히 알아보고 싶다면, 아래 아티클도 함께 읽어보시길 추천드려요!
|
|
|
🤔
데이터 분석가 vs 사이언티스트
헷갈리는 2가지 이유
|
|
|
안녕하세요, 데이터 분석가 혜정입니다.
채용 공고를 봐도, '데이터 사이언티스트, 데이터 분석가 역할이 여전히 헷갈려요.', '분석가 안에도 역할이 많아서 어려워요.' 이렇게 이야기해 주시는 분들이 많습니다. 분명 같은 업무를 하는데 직무 이름은 다르고, 직무 이름은 같은데 하는 업무는 다른 경우를 아마 구독자님도 자주 보셨을 것 같아요. 데이터 분석가와 사이언티스트의 역할이 헷갈릴 수밖에 없는, 현실적인 2가지 이유에 대해 데이터리안의 분석가들이 이야기해 봤습니다.
⋯⋯⋯
1. 명확하지 않은 채용 공고
"일단 채용하시는 분들부터 구분이 명확하지 않아서 지원하는 분들이 혼동하는 게 아닐까 싶습니다. 분석가도 크게 프로덕트 분석가, 비즈니스 분석가로 나눠지고, 또 요즘에는 마케팅 분석가를 따로 뽑기도 하더라고요. 회사에서도 R&R이 분명해야 전문성이 쌓일 텐데요. 이런 여러 업무를 다 해야 하는 사람은 데이터 분석가로 뽑고, 머신러닝 개발을 해야 하는 사람은 ML 모델러, ML 엔지니어 이렇게 구분해서 채용했으면 좋겠다는 생각이 있어요."
2. 너무 많은 내용을 담은 데이터 분석가 교육 과정
"천천히 방향성을 찾아보겠다는 사람들한테 다양한 분야를 경험할 수 있게 해주는 건 엄청 나쁜 것은 아닐 것 같아요. 근데 취업을 목표로 하는 사람들한테는 그 분야에 필요한 전문 지식만 집중해서 알려 줄 필요가 있다고 생각해요. 그래야 교육받은 사람도 취업 시장에서 경쟁력이 생기잖아요. 그런데 ML, AI, 데이터 분석, 시각화, 통계 이런 것들을 짧은 기간에 다 배워 놓으면 데이터 분석가로 지원하기에도 애매하고, 머신러닝 엔지니어로 지원하기에도 애매하거든요. 부트 캠프를 수료하신 분들의 이력서를 보면 그런 경우가 매우 많았어요."
"특히 국비 교육 같은 과정은 주 5일, 9시부터 6시까지 해서 퇴사를 하고 들어야 하거나 아니면 학생들이 휴학이나 졸업 유예를 하고 듣는 경우가 많은데요. 9시부터 6시까지 새로운 지식을 계속 배우다 보면 이걸 소화할 시간은 상대적으로 부족할 수밖에 없어요. 시간을 많이 쏟지 않으면 결국 나한테 남는 게 많이 없더라고요. 이런 와중에 여러 내용을 배우다보니, 프로젝트를 어느 한 가지로 하기에 애매한 정도의 지식을 배우기도 하고요. 이런 게 많은 분이 어려움을 겪는 부분 중 하나인 것 같아요."
⋯⋯⋯
데이터 분석가들의 더 솔직한 생각은 아래 유튜브 영상에서 보실 수 있어요. 분석가 교육 과정을 이미 듣고 계신 분들, 그리고 이 이야기가 사실인지 궁금하신 분들을 위한 팁도 이야기해 보았습니다 :)
|
|
|
🏃♀️
스포츠 과학 전공 마케터에서
분석가로 직무 전환했어요 |
|
|
데이터 분석가로 직무 전환을 준비하고 계신 분들을 위해, 에듀테크 기업에서 분석가로 일하고 계신 우당탕님과의 인터뷰를 준비했습니다. 스포츠 사이언스 마케터로 일하던 우당탕님은 어떻게 데이터 분석가로 직무 전환을 결심하게 되었을까요? 또, 앞에서 이야기한 데이터 분석가 교육 과정의 문제점도 직접 느꼈다고 하시는데요. 직무 전환을 위해 어떤 준비를 하셨는지도 이야기 나눠보았습니다.
⋯⋯⋯
Q. 안녕하세요, 자기소개 부탁드려요!
안녕하세요, 데이터 분석가 우당탕입니다. 스포츠 과학을 전공했고 커리어 전환을 하고 싶어서 데이터 분석 공부를 했어요. 지금은 에듀테크 기업에서 일을 하고 있습니다.
Q. 데이터 분석에 관심을 갖게 된 계기가 궁금해요!
저는 사실 마케터로 첫 커리어를 시작했는데요. 교수님 추천으로 스포츠 사이언스 마케터라는 직무로 인턴십을 하게 되었어요. 그때 프로 운동선수들의 데이터를 맡아서 관리한 적이 있어요. 임상 연구를 진행하는 동안에 연구 데이터를 관리하는 일이었는데요. 이 경험이 정말 좋았어요. 야구단 선수들을 대상으로 실험했는데, 임상 실험을 진행한 해에, 실험에 참여하던 팀들이 정말 좋은 성적을 냈거든요.
이때 관리하던 데이터를 분석 기관에 의뢰하는 과정에서 데이터 분석가로 일하는 분을 처음 만나봤어요. 그분을 만나고 데이터 분석가 직무에 관심을 가지게 되었습니다. 인턴십을 한 이후에 마케터로 이직했었는데요. 이직한 회사와 잘 안 맞고 데이터 분석가에 대한 미련이 남기도 해서, 데이터 분석가로 직무 전환 준비를 하기 시작했어요.
Q. 아주 흥미로운 에피소드네요. 그러면 그 이후로 데이터 분석가로 직무 전환을 위해 어떤 일들을 하셨나요?
주변에 물어볼 곳이 하나도 없어서 처음에는 구글에 검색을 많이 해봤어요. 일단 국비 지원 교육을 다 찾아봤습니다. 모든 교육 과정이 ‘데이터 엔지니어/분석가/사이언티스트’와 관련된 교육을 한 번에 종합해서 가르치더라고요. 저는 데이터 분석가가 되고 싶긴 했지만, 아무것도 모르니까 일단 이거라도 한 번 참여해 보자는 생각으로 국비교육을 듣기 시작했습니다.
그렇게 두세 달 교육을 받고 나니까 확실히 머신러닝 모델러나 엔지니어보다는 데이터 분석을 하는 분석가가 되고 싶다는 게 느껴졌어요. 그런데 국비 교육을 수료하고 나서 데이터 분석가로 지원을 해보려니까 막상 지원할 곳이 없더라고요. 제가 AI에 특화된 것도 아니고, 엔지니어링에 특화된 것도 아니니까요. 그 안에서 배운 지식으로는 분석가가 되긴 어렵겠다는 생각이 들었습니다.
그러다가 제가 채용 공고에서 알아들을 수 있었던 유일한 단어인 SQL을 공부하기 시작했어요.
⋯⋯⋯
우당탕님은 지금 분석가로서 어떤 업무를 하고 계실까요? 우당탕님의 더 많은 이야기는 인터뷰 전문에서 확인하실 수 있어요!
|
|
|
오늘 마지막 콘텐츠는 데이터리안의 지난 10월 세미나 관련 내용으로 준비했습니다.
지난 10월 세미나는 '데이터를 근거로 내 기획안 효과적으로 설득하기'라는 주제로 진행되었어요. 스픽의 브랜드 마케터 정두현님과 함께, 브랜드 마케팅에서는 데이터를 어떻게 활용할 수 있는지, 데이터가 없는 상황에서 어떻게 동료들을 설득할 수 있을지 이야기를 나눠보았습니다. 세미나 당일, 라이브 세미나에서 많은 분들이 질문을 주셨는데요. 라이브 세미나에서 진행된 질문 답변 내용 중 일부를 구독자님께 공개합니다.
⋯⋯⋯
Q. 브랜드 캠페인 전후로 어떤 지표를 보시나요?
💬 두현(스픽 브랜드 마케터)
A. 캠페인마다 다를 것 같은데요. 소셜 언급량, 서치 쿼리, TOM *, 보조인지 등 인지도 수치를 보고 있습니다. 그중에 캠페인과 가장 맞닿아있는 데이터를 보게 됩니다.
* TOM = Top of Mind(최초 상기도)
Q. ‘인지도’라는 지표가 모호할 것 같은데요. 인지도를 어떤 식으로 측정하셨을까요? 검색량 같은 걸까요?
Q. 기획안을 ‘[A]를 달성할 것이다 - 이는 [B]로 측정할 수 있을 것이며 - [C]라는 액션을 통해 이뤄낼 수 있을 것이다’ 내용으로 작성하실 때, [A]를 수치로 정의하시나요? 그렇다면 이에 대한 목표치는 어떻게 정하시는지 궁금합니다!
💬 두현(스픽 브랜드 마케터)A. A는 정성적이기도 합니다! 수치는 B에 들어가게 됩니다. 너무 예상되지 않을 때는, 어쩔 수 없이 감으로 정하기도 하는데요. 이럴때는 최대한 challenging 하게 잡는 것 같아요. 목표를 낮게 잡는 것보다 높게 잡는 걸 지향하는 조직입니다. 그런 문화에 대해서도 얼라인이 되어 있고요!
Q. 데이터 분석을 안 하던 스타트업에서 일하고 있는데요. 갑자기 해본 적 없는 데이터 분석, 광고 플랫폼, CRM 업무를 하게 되었습니다. 혼자 엑셀로만 진행하다가 이번에 처음 고객 행동 데이터로 GA4를 도입하였는데요. 이런 데이터를 어떻게 활용하면 좋을까요?
💬 두현(스픽 브랜드 마케터)A. 하려는 액션의 상위 전략을 먼저 짜보시는 걸 추천드려요. 옥외 광고 사례에서도 말씀드렸듯이, 상위 전략이 생기는 순간 수많은 데이터 중에서 뭘 봐야 할지 감이 생기기 시작하더라고요.
⋯⋯⋯
브랜드 마케팅에서 데이터를 활용하는 방법이 더 궁금하다면, 아래 블로그 글에서 20여 개의 질문 답변을 확인해 주세요👀
|
|
|
✨ 구독자님! 데이터리안 콘텐츠와 함께 데이터 분석 능력을 업그레이드 해봐요
|
|
|
데이터리안
데이터 분석, 데이터리안과 시작하세요
contact@datarian.io
|
|
|
|
|
