6/4 서비스숙련 강의수강 및 과제 (PRD작성)

*** 엑셀 vlookup 으로 데이터 추출하는 방법 터득하기

pdp_duration_sec (PDP 체류 시간) -> 이상값 넣어놓음!

 

 

PM = 해결사역할 = 해결사역할을 하려면 항상 데이터가 쫓아다녀아함

 

그리고 데이터는 "지표"와 항상 짝꿍을 이루며 같이다님

 

 

해결사인데, 해결을 데이터를 기반으로 논리적으로 

설득도 할 줄 알아야되는 직무가 PM

 

사람들과 대화를 할 때는

"데이터"가 항상 중심에 있다

 

그냥 추워요 X

마이너스 10도라서 추워요 O -> 데이터기반하여 대화하는게 더 설득력있다.

 

 

화해팀이 일하는 방법

1. OKR 설정 -> 달성 -> 리뷰까지의 과정에서 데이터가 중심이 된다.

2. 데이터를 통한 문제 해결과 의사결정의 성공사례를 전사에 지속적으로 공유한다.

 

-> 화해팀은 목표달성체계인 OKR 설정부터 달성, 리뷰 등 모든 과정에서 데이터가 중심이 된다.

그리고 그 데이터는 "실험"을 통해 도출하며 -> 도출된 결과를 바탕으로 의사 결정과 문제 해결을 한다.

 

지표 변동에 대한 원인 분석을 하고, 데이터 분석 결과를 바탕으로 액션 아이템을 제안

 

-> 결국은 이 액션 아이템은 회사에서 다음으로 할 일을 의미하기도 함

 

 

데이터가 중요한 이유

1. 의사결정의 근거를 제공한다.

데이터 없이 직관이나 경험에만 의존하면, 추측에 의한 결정을 내릴 가능성이 크다. 

 

2. 성과 측정 및 개선 기회 제공 (실제 PM이 된다면, 더 자주 와닿을 요소)

성과측정을 하기 위해서는 늘 데이터가 필요하다.

-> 서비스의 품질을 지속적으로 개선할 수 있다.

 

대표적인 웹로그 분석tool (데이터분석도구)

GA -> Google Analysis

ex) 리디북스는 이러한 GA를 사용하면서 데이터 분석을 하고있다.

 

3. 사용자 경험 향상

 

4. 비즈니스 성과 예측 및 전략 수립

 

과거의 데이터를 바탕으로 미래의 시장을 예측해야되고, 시장의 트렌드와 소비자행동 분석해야됨

ex) 리디북스는 고객 그룹핑을 더욱 촘촘하게 했다

보통 IT업계에서는 고객군을 크게 세가지로 신규/복귀/이탈로 나누는게 일반적이지만

리디북스는 데이터 분석으로 유저의 "감상 패턴"까지 파악하여 더욱 고객그룹핑을 촘촘하게 세분화하여서 

리디북스가 성공할 수 있었다.

 

 

문제 인지 -> 문제 정의

 

 

데이터는 개선의 기회를 제공했다 -> 데이터를 통해서 문제점을 파악했다.

그렇게 파악한 문제점을 개선하고 해결할 기회를 제공한게 "데이터"

 

" 퍼널분석을 진행 "

 

 

데이터의 정의 / 데이터의 중요성

-> 적어도 데이터가 어떻게 수집되는지는 설명필요함

 

 

로그 = 블랙박스와 같은 역할을 하는 녀석!!!!

로그(Log)는 소프트웨어나 시스템에서 발생하는 이벤트나 동작을 기록한 정보!

시스템에서 오류가 발생하거나 예상치 못한 동작이 일어날 때, 로그를 통해 오류의 원인과 발생 위치를 파악할 수 있음!

 

 

- 문제 해결 및 디버깅

디버깅(Debugging)은 컴퓨터 프로그램이나 소프트웨어 시스템에서 발생하는 오류(버그)를 찾아서 수정하는 과정을 의미

De + bug = 버그를 없애는 과정

 

-> 너무 블랙박스와 용도가 비슷함 (강사님도 본인이 예시를 들고도 스스로 너무 깜짝 놀라심)

 

- 사용자 행동 분석

사용자 행동을 추적하고, 사용자 경험(UX)을 개선하는 데 필요한 정보를 제공합니다. 사용자들이 어떻게 앱을 사용하는지, 어떤 페이지에서 이탈하는지 등을 파악할 수 있음

 

 

- 비즈니스 전략 수립

서비스 이용 패턴, 매출, 주문량 등을 추적하여 비즈니스 전략을 세우는 데 유용한 데이터를 제공함

 

 

 

다양한 종류의 로그가 있지만, PM으로서 알아야 할 대표적인 로그 -> 클라이언트 로그

 

클라이언트 로그 사용자 장치(예: 웹 브라우저, 모바일 앱 등)에서 발생하는 이벤트를 기록한 로그

 

 

로그는 어떻게 설계하지?

 

로그 설계는 단순히 "무엇을 기록할지"가 아니라 "왜 기록할지", "어떻게 기록할지"에 대한 전략적 접근이 필요함

PM은 이 설계를 통해 개발 팀이 실제로 필요한 데이터를 수집하고, 이 데이터를 기반으로 문제를 빠르게 파악하거나 서비스를 개선할 수 있도록 해야됨

 

 

1. 로그 설계 목표 정의

PM은 로그 설계의 첫 단계로, 로그의 목적과 필요성을 정의해야됨

로그는 여러 가지 목적으로 사용될 수 있으므로, 프로젝트에서 로그가 해결하고자 하는 문제를 명확히 파악하는 것이 중요힘

 

2. 로그 항목 정의 및 설계

로그에 기록할 항목들을 정의하는 단계

PM은 중요한 데이터 포인트를 파악하고, 이를 로그로 기록할 수 있도록 설계

이 과정에서는 개발팀과 협업하여 어떤 데이터를 어떤 방식으로 기록할지 명확히 해야함

 

3. 로그 전송 및 테스트

개발에서 로그를 전송한 후, 실제 시스템에 로그를 심기 전에 테스트 환경을 설정하여 로그가 정상적으로 기록되고 전송되는지 확인

 

 

주로 서비스 담당자는

본인의 서비스에 모든 로그를 심는다고 생각해도 무방함

 

 

 

데이터 분석의 순서

 

문제정의 -> 데이터 수집 -> 분석 수행 -> 결과 해석 및 인사이트 도출 -> 결과 적용

 

 

 

퍼널 분석은 사용자가 특정 목표(예: 가입, 구매 등)에 도달하기까지의 여정을 추적하는 방법입니다. 퍼널 분석을 통해 각 단계에서 사용자가 이탈하는 지점을 파악하고, 이탈률을 줄이기 위한 개선점을 찾을 수 있습니다.

1. 목표 정의
2. 단계 정의
3. 이탈률 분석
4. 문제점 식별 및 개선책 제시

 

퍼널이란 깔때기라는 뜻

사용자가 웹사이트를 방문하여 구매까지 가는 과정을 단계별로 나눈 차트

이커머스 퍼널은 일반적으로 방문 -> 상품 조회 -> 구매 시도 -> 재구매 단계로 형성

 

EX) 

• 단계 1에서 1000명이 방문
• 단계 2에서 800명이 회원가입 페이지에 진입 (20% 이탈)
• 단계 3에서 400명이 폼을 작성 (50% 이탈)
• 단계 4에서 200명이 회원가입을 완료 (50% 이탈)

분석 결과 : 단계3, 4에서 가장 많은 사용자가 이탈하는 것을 확인.

이탈 이유가 폼 작성의 복잡성이나 불필요한 필드 때문일 수 있음

개선 방안 : 회원가입 폼을 간소화하고, 필수 항목만 요구

 

 

AARRR 프레임워크

AARRR은 사용자의 행동을 5단계로 나누어 분석하고, 각 단계에서의 성과를 측정하는 프레임워크

1. Acquisition (사용자 유입) : 사용자가 어떻게 제품이나 서비스를 알게 되었는지
2. Activation (활성화) : 사용자가 첫 경험에서 긍정적인 반응을 보였는지 (예: 회원가입, 첫 거래)
3. Retention (사용자 유지) : 사용자가 지속적으로 돌아오는지 (대기업에서 엄청 신경쓰고있는 부분)
4. Revenue (수익) : 사용자가 실제로 결제를 하거나 수익을 창출하는지
5. Referral (추천 및 공유) : 사용자가 다른 사람에게 서비스를 추천하는지

 

A/B 테스트 : A랑 B를 비교해서 뭐가 더 나은지 판단하는 테스트

A/B 테스트는 두 가지 이상의 변수를 실험하여 어느 버전이 더 나은 성과를 내는지 비교하는 실험적 방법입니다.

1. 변수 정의 : 테스트할 두 가지 이상의 버전을 정의합니다.
2. 그룹 분할 : 사용자 집단을 두 그룹으로 나누고, 각 그룹에 다른 버전을 노출시킵니다.
3. 결과 측정 : 테스트가 끝난 후, 각 그룹의 성과를 비교하여 어떤 버전이 더 나은 결과를 가져왔는지 분석합니다.
4. 결과 적용 : 더 나은 성과를 보인 버전을 적용하고, 지속적으로 개선합니다.

사용자 가입유도 문구 A/B 테스트

목표 : 사용자 가입 유도를 위해 문구 A/B 테스트 진행

• 버전 A: 지금 가입하여 30% 할인 혜택을 받으세요!
• 버전 B: 한정 할인! 지금 가입시에만(긴박감을 불러일으킴)30% 절약 할 수 있습니다!

실험 결과 :

• 버전 A: 가입 전환율 4%
• 버전 B: 가입 전환율 10%

분석 : 버전B의 문구는 긴박감을 불러일으키기 때문에, 가격 페이지에서 이를 사용하면 더 많은 사용자들이 가입을 진행할 것으로 예상할 수 있습니다.

 

 

 

구글 애널리틱스

 

 

데이터드리븐 기획

 

데이터 -> 구글 애널리틱

 

 

• DAU (Daily Active Users): 하루 동안 서비스를 이용한 순수(활성) 이용자 수.
• WAU (Weekly Active Users): 7일 동안 서비스를 이용한 순수(활성) 이용자 수.
• MAU (Monthly Active Users): 30일(한 달) 동안 서비스를 이용한 순수(활성) 이용자 수.

 

'나래비 세우다'는 '줄을 서다' 또는 '줄을 세우다'라는 뜻의 일본어 '나라비(ならび)'에서 유래된 표현입니다. 일제강점기에 유입된 단어로, 주로 다음과 같은 의미로 사용됩니다.

• 일반적인 의미: 여러 사람이나 사물을 길게 일렬로 세우는 것. (예: "사람들을 일렬로 나래비 세우다")
• 직장/업무 용어: 여러 개의 업무나 아이템의 우선순위(순서)를 정하여 정리하는 것. (예: "이번 프로젝트 업무들을 중요도 순으로 나래비 세워보세요")