1. 데이터 드리븐 기획
사용자 행동 데이터, 시장 데이터, 성과 데이터 등을 기반으로 의사결정을 내리고 제품을 기획하는 방식
- 우리 서비스에서 사람들이 실제로 어떤 행동을 하는지 데이터로 확인하고
- 데이터를 분석해서 문제를 찾고
- 객관적인 근거를 바탕으로 해결책을 기획
2. 데이터 드리븐 기획이 중요한 이유
- 정확한 기획이 가능
- 고객이 원하는 것을 제대로 알 수 있음
- 비즈니스 성과 극대화
3. 데이터 드리븐 기획 단계
문제 정의 → 데이터 수집 및 분석 → 가설 수립 및 실험 → 결과 분석 및 데이터 기반 의사결정 → 지속적인 개선
4. 데이터 드리븐 기획의 실제 사례
ex) 넷플릭스 사례
넷플릭스는 완결률, 정지 및 시작 시간, 시청 시간대, 시청 패턴(예: 일시 정지, 빨리 감기, 되감기 등) 같은 데이터를 활용해 더 효과적인 콘텐츠 전략을 세운다.
+ 시청 데이터를 분석해 성공 가능성을 예측하고 있었다. 이를 통해 어떤 구독자층이 이 콘텐츠에 관심을 가질지 정확히 파악할 수 있었고, 덕분에 새로운 시리즈를 제작하는 데 따른 창작 리스크를 줄일 수 있었다.
-> 결과적으로 오리지널 콘텐츠 성공률 80% 달했음
백오피스 : 어드민을 만든다
로그
로그는 어디에 사용할까?
1. 문제 해결 및 디버깅
2. 사용자 행동 분석
3. 비즈니스 전략 수립
+ 다양한 종류의 로그가 있지만, PM으로서 알아야 할 대표적인 로그 : 클라이언트 로그
로그는 어떻게 설계할까?
로그 설계는 단순히 "무엇을 기록할지"가 아니라 "왜 기록할지", "어떻게 기록할지"에 대한 전략적 접근이 필요합니다. PM은 이 설계를 통해 개발 팀이 실제로 필요한 데이터를 수집하고, 이 데이터를 기반으로 문제를 빠르게 파악하거나 서비스를 개선할 수 있도록 해야 합니다.
배달의 민족 로그 정의 정책
- 배달의 민족 로그는 클라이언트 로그를 기준으로 함.
클라이언트 로그는 다른 말로 '화면 로그'를 뜻하며 서비스 화면을 기준으로 로깅된 로그로 정의함(Ex. click, pageview) - (클라이언트 로그는 유저가 어떤 페이지를 방문했고 그 페이지에서 어떤 영역을 클릭했는지 등 유저의 '행동'에 초점이 맞춰져 있음)
- 로그의 로그타입(Action Type)에 따라 발생하는 로그 종류
- 1) 페이지 로그(pageview) : 유저가 인지하는 하나의 화면(view)를 '페이지'라고 하며 이 화면이 로딩 될 때 남기는 로그
- 2) 이벤트 로그 (event) : 유저의 특정 '행동(클릭 등)'시, 남기는 로그
카카오 로그 정의 정책
- 카카오 메이커스는 모바일 앱(Android, iOS)과 웹(Web) 환경에서 각각 로그를 수집함
- 유저가 어떤 경로를 통해 카카오 메이커스에 유입되었는지 기록하는 유입 로그를 수집함
(직접 URL 입력, 카카오톡 공유, 검색 엔진(네이버, 구글 등) 검색, 광고 배너 클릭 등의 유입 경로를 식별하여 저장함)
Tip : 카카오톡 더보기에서 진입한 메이커스 화면을 통해 카카오톡은 하이브리드 앱임을 알 수 있음
참고로 하이브리드 앱(Hybrid App)이란?
네이티브 앱(Native App)과 웹 앱(Web App)의 특징을 결합한 형태
데이터 시각화
GA4 : 데이터 tool
1. 데이터 시각화 목적
- 복잡한 데이터를 쉽게 전달 : 숫자나 텍스트보다 시각적 자료가 직관적으로 정보를 전달
- 데이터 기반 의사결정을 촉진 : 데이터에 대한 신뢰도를 높이고 논리적인 결론을 도출
- 이해 관계자 설득 : 경영진, 투자자, 팀원 등 다양한 청중에게 의사결정을 유도.
2. 데이터 시각화 유형
- 시계열 비교 : 시간에 따른 데이터 변화를 분석하는 방법
<주요 시각화 기법>
꺾은선 그래프(기본)
영역 차트 -> 변화량을 강조하여 시각적 효과 극대화
막대 그래프 -> 특정 기간별 (연도별, 월별) 데이터 비교
예시)
- 연도별 매출 변화 분석 → 기업의 연간 매출 데이터를 꺾은선 그래프로 시각화
- 날씨 변화 분석 → 1년 동안의 일별 평균 기온을 선 그래프로 표현
- 웹사이트 방문자 수 변화 → 월별 사용자 수 변화 추이를 분석
2. 속성 비교
여러 그룹이나 범주(카테고리) 간 차이를 분석하는 방법
-> 서로 다른 항목들이 어떻게 다르고, 어느 것이 더 크거나 작은지를 비교
<주요 시각화 기법>
막대 그래프 (기본)
파이(원) 차트 -> 전체 중에서 특정 항목이 차지하는 비율 확인
히트맵 -> 여러 범주의 데이터를 색상으로 표현하여 비교
예시)
- A, B, C 3개의 브랜드가 있고, 각 브랜드의 매출을 비교
- 막대 그래프 사용 : 어느 브랜드의 매출이 가장 높은지 확인 가능
- 서울, 부산, 대구에서 하루 동안 판매된 커피 수량을 비교
- 파이 차트를 사용 : 어느 지역에서 커피가 가장 많이 팔렸는지 한눈에 확인 가능
- 고객 만족도를 1점~5점으로 나눠서, 각 점수를 받은 고객 수를 비교
- 히트맵을 사용 : 어느 점수가 가장 많이 나왔는지 고객 만족도 비교 가능
3. 분포 파악
어떤 형태로 퍼져 있는지(분포 특성) 분석하는 방법
-> 데이터의 중심값, 범위, 이상값(Outliers) 등을 확인
<주요 시각화 기법>
산점도 (기본)
히스토그램 -> 연속형 데이터의 빈도를 분석하는데 유용
예시)
시험 점수 분포 분석 → 히스토그램을 이용해 특정 점수대에 학생들이 얼마나 분포하는지 확인
4. 상관 분석
두 개 이상의 변수 간의 관계를 파악하는 방법
-> 한 변수가 증가할 때 다른 변수가 증가하거나 감소하는지를 분석
<주요 시각화 기법>
산점도 → 두 변수 간의 관계를 시각적으로 분석
예시)
- 광고비와 매출 간 관계 분석 → 산점도를 활용하여 광고비가 증가할 때 매출도 증가하는지 확인
- 키와 몸무게 간의 상관관계 → 산점도를 사용하여 키가 클수록 몸무게도 증가하는지 시각화
3. 데이터 시각화 기본
1. 배치 순서에 의미를 두어야 함
- 데이터를 배치할 때는 특정한 의미(시간 흐름, 크기 순서 등)를 고려하고 논리적인 흐름을 유지하는 것이 중요
예시)
- 시간 흐름을 나타내는 경우 → 연도별 매출 변화
- → 연도 순으로 배치 (2020 → 2021 → 2022)
- 크기 비교하는 경우 → 기업별 매출 순위
- → 가장 큰 값부터 내림차순 정렬 (예: 1위 → 2위 → 3위)
활용 팁
- 시간 순서: 날짜, 연도별 데이터는 반드시 시간 순으로 정렬
- 크기 비교: 큰 값 → 작은 값 순으로 정렬하여 가독성 증가
2. 비교 대상에 따라 적절하게 그래프나 표를 조절 + 정렬할 필요가 있음
- 비교하려는 대상에 따라 막대 그래프, 선 그래프, 원 그래프, 표 등을 적절히 선택해야 함
- 데이터의 특성에 맞게 정렬(내림차순, 오름차순 등)하여 비교하기 쉽게 만들어야 함
예시)
- 숫자 크기 비교 → 막대 그래프 (Bar Chart)
- 매출, 방문자 수 등 크기를 비교할 때 효과적
- 시간 흐름 분석 → 선 그래프 (Line Chart)
- 주가, 트래픽 변화처럼 시간에 따른 변화를 표현할 때 사용
- 전체 비율 비교 → 원형 그래프 (Pie Chart)
- 시장 점유율, 고객 비율 등 비율을 나타낼 때만 사용 (숫자 차이가 크면 사용하지 않는 것이 좋음)
- 범주형 데이터 정렬 → 표 (Table)
- 수치형 데이터가 아니라 이름, 코드 등 정렬이 필요한 경우 활용
활용 팁!!!!!
- 시간 변화 → 선 그래프 (예: 2020년~2023년 매출 변화)
- 크기 비교 → 막대 그래프 (예: 기업별 매출 비교)
- 비율 비교 → 원형 그래프 (예: 제품별 시장 점유율)
- 정확한 데이터 표시 → 표 (예: 제품별 가격 비교)
3. 수치를 비교할 때는 가로보다 세로를 추천
- 막대 그래프를 사용할 때 가로형보다는 세로형을 추천
- 사람의 시각적 인식 특성상 세로형 그래프가 수치 비교에 더 적합함
- 가로형 그래프는 긴 텍스트가 있을 때만 사용하는 것이 효과적