모두의 일상에서 온라인과 모바일에 머무는 시간이 길어지면서 사람들은 온라인 상에 자취를 남기게 되는데 이를 로그데이터라고 합니다. 로그데이터는 디지털 유저를 이해하는데 매우 중요한 포인트입니다. 로그데이터를 기반으로 어떤 광고 지면에서 얼마나 유입이 되는지, 웹이나 앱에서 사용자들은 어떤 행동을 하는지, 로열티 고객들의 서비스 이용 패턴은 어떠한지 등 사람들의 경험을 추정하여 이해할 수 있습니다. 데이터를 통한 디지털 유저의 이해가 성공적인 마케팅을 가능케 한다는 사실은 이제 데이터 분석가가 아니더라도 누구나 알고 있는 사실입니다. 이번 Data & Keywords에서는 로그데이터로 고객을 이해하는 과정을 소개하려고 합니다.
1. 우리 회사의 디지털 유저 이해하기
만약 유저들이 랜딩 페이지에서 행동을 계속하지 않고 이탈하고, 야심 차게 준비한 앱 내 신기능을 기대만큼 유저들이 사용하지 않는 패턴을 보인다면 디지털 유저들은 무엇을 말하고 있는 것일까요? 이것은 유저들이 행동을 지속할 만큼 랜딩페이지에 흥미를 느끼지 못했고, 신기능을 사용할만큼 UI/UX가 편하지 않다는 사실을 분석을 통해서 유추할 수 있습니다.유저들에 대한 이해를 바탕으로 랜딩페이지를 수정하고 행동을 지속하도록 유도하는 콘텐츠를 만들어야 한다는 인사이트를 얻게 됩니다.광고 로그 데이터로 광고 유입 유저를 이해하여 비즈니스에 적용하는 방안도 간단하게는 다음과 같이 떠올릴 수 있습니다. 광고에 대한 유저별 노출/클릭/전환 등 행동 로그데이터를 분석하며 세그먼트의 특성을 검증하고 이해하는 과정을 거칩니다. 이를 바탕으로 구성된 세그먼트별로 성과가 좋았던 배너와 유사한 배너를 디지털 광고로 노출하는 등 비즈니스로의 적용이 가능합니다. 더 나아가 데이터모델링, 머신 러닝과 같이 고급 방법론을 사용하여 유저 분석을 하게 되면 개인화 광고 타기팅까지 할수 있게 됩니다. 광고 유저가 남긴 로그데이터로 유저를 이해함으로써 니즈를 파악해 마케팅 효율의 극대화를 이루는 것입니다.
2. 로그데이터 모으기
기업들이 운영하는 웹 또는 앱에서 유저들은 다양한 행동을 하게 되는데 이를 로그로 쌓고 관리하며 로그데이터를 모을 수 있습니다. 그러나 데이터를 수집하기에 앞서, 로그는 디지털 채널에 접속하는 고객의 의미 없는 숫자와 문자의 나열일 뿐이므로 그 안에서 질서를 정의 내리는 건 마케터의 몫입니다. 어떤 데이터를 어떤 목적으로 모을지 설계와 정의부터 내려야 합니다. 먼저 실제로 유저가 서비스를 이용하듯 웹/앱 화면과 기능을 파악하고 행동을 단계화하여 항목을 정의하는 것이 매우 중요하고 필수적입니다. 이후 정의한 행동을 바탕으로 로그 데이터를 수집하고 분석의 방향을 잡는데도 영향을 주기 때문입니다. 이 작업은 직접 데이터를 수집하지 않고 서드파티 트래킹 툴(3rd Party Tracking Tool)을 사용하더라도 반드시 필요합니다.행동을 정의한 후에는 로그데이터를 수집하게 되는데 온라인 유저들의 행동로그데이터는 유저 수가 증가하고 트래픽 양이 많아질수록 관리가 까다로워집니다. 그래서 기업들이 효율적으로 로그데이터 수집 및 관리를 할수 있도록 도와주는 서드파티 트래킹 툴을 사용할 수 있습니다. 대표적으로 웹 서드파티 트래킹 툴은 Google Analytics, Adobe Analytics가 있고,앱은 Branch, Adjust, Appsflyer 등이 있습니다. 서드파티 트래킹 툴은 우리 기업의 웹/앱에 유입된 유저의 행동을 추적하고, 남겨진 로그데이터는내부 서버 또는 클라우드에 저장하도록 합니다. 이렇게 저장된 데이터는필요에 따라 저장소에서 추출해 사용하는데 이 과정에서 데이터의 크기,비용, 개인정보보호와 기업의 데이터 보안정책 등 다양한 문제에 직면하게 될 수 있습니다. 특히 개인정보와 같이 민감한 부분에 있어서는 익명의ID를 사용하거나 구체적인 내용 대신 대략적인 행동만을 기록하는 등의 필요한 대처 방법을 사전에 논의하여 찾는 것이 필수적입니다.
유저데이터로 바꾸어 분석하기
비즈니스를 이해하고 목표를 명확히 설정하여 분석 시나리오를 구성하는것이 분석 과정의 반 이상이라고 해도 과언이 아닙니다. 분석 방법을 결정하고 결과를 확인하는 것은 기술적 지식과 시간만 주어진다면 어렵지 않은 일입니다. 데이터 분석 설계에는 문제를 정의하고 분석 방향을 잡은 후 데이터를 처리하는 과정까지 포함되어 있습니다. “고객 행동의 무엇을 분석하느냐” 라고 문제를 정의한다면 왜 데이터 분석을 해야 하는지, 비즈니스의 목표가 무엇인지를 파악하며 얻을 수 있습니다.
하지만 오랜 시간을 공들여서 쌓은 로그데이터는 안타깝게도 바로 분석에 사용할 수 없습니다. 로그데이터를 분석에 사용할 수 있는 유저데이터로 변환하기까지 많은 단계를 거쳐야 합니다. 누락되거나 이상한 데이터를 처리하여 데이터 품질을 확보해야 하며 엄청난 양의 로그데이터에서 분석에 적절한 데이터를 찾아 알맞게 정리가 필요합니다. 더 구체적으로 이야기하면 서드파티 트래킹 툴을 통해 유저가 기업의 웹/앱에서 서비스를 이용하는 행동 하나하나가 쌓이게 됩니다. 이는 매순간 수많은 유저들의 행동만큼 데이터의 행이 늘어나는 것을 의미합니다. 이러한 로그데이터의 특성은 유저의 행동을 분석하는데 걸림돌이 되기 때문에 한 명의 유저 행동이 한 개의 행으로 설명되도록 유저데이터로 정리하는 것이 중요합니다. 디지털 상의 로그데이터는 누구나 쉽게 확인할 수 있도록 정리되어 유저가 무엇을 했는지 원하는 답을 알려주지 않습니다. 분석 목적에 맞게 원하는 답에 맞춰 데이터를 전처리해야 합니다. 이렇게 로그데이터를 정리한 유저데이터는 각 유저가 특정 시간대에 몇 번 들어왔는지, 어떤 서비스를 이용했는지, 평균적인 구매 횟수와 같은 정보를 담게 됩니다.쇼핑몰 웹사이트 예시를 통해 실제 작업과정을 확인해보려고 합니다. 위의 예시 사진의 왼쪽 부분은 시간에 따라 User1과 User2가 쇼핑몰을 방문하여 행동한 로그데이터를 간략하게 표현한 것입니다. 행동에 따라 로그가 생성되므로 User1이 방문하여 관심 상품을 클릭하고 상품페이지에 진입하는데 벌써 3행으로 기록됩니다. 반면 유저데이터에서는 로그데이터를 정리하여 일주일 동안 4번 방문, 특정 카테고리 상품 조회 횟수 9번등으로 표시할 수 있습니다. 실제 로그는 훨씬 복잡하겠지만 예시와 비슷한 방식으로 분석 목표에 따라 유저 한 명 한 명의 로그데이터를 유저데이터로 변환합니다. 이 단계를 경험한 사람들은 데이터를 분석하여 인사이트를 발견하기 위해서는 데이터분석가의 코딩 능력뿐만 아니라 목적에 맞는 방식으로 데이터를 요약하고 어떻게 재정리할지를 생각해낼 수 있는 능력이 더 중요하다는 점을 느끼게 됩니다. 남은 단계로는 유저데이터로 목적에 맞는 분석기법으로 더 다양한 분석을 해볼 수 있는데 유저데이터로 변환하는 과정에서 주요한 행동을 통계적 수치로 집계하는 것만으로도 유의미한 인사이트를 도출할 수 있다는 것으로 정리하겠습니다.데이터 분석으로 항상 모든 현상을 설명해내거나 인사이트를 찾는 것은 쉽지 않습니다. 또한 데이터가 나타내는 수치가 비즈니스를 성공으로 이
끄는 만능 키도 아닙니다. 하지만 한 두번의 불완전한 경험으로 평가하는것이 아니라 꾸준히 유저데이터를 분석하여 조금씩 디지털 유저를 이해하려는 노력을 지속해 나가는 것이 중요하다고 생각합니다. 반복적으로 분석하고 조금의 변화에 대응하며 보완한다면 데이터로 미처 알아차리지 못한 문제를 발견하거나 가시적인 성과를 낼 수 있는 실마리를 찾게 될 것입를 이용했는지, 평균적인 구매 횟수와 같은 정보를 담게 됩니다.쇼핑몰 웹사이트 예시를 통해 실제 작업과정을 확인해보려고 합니다. 위의 예시 사진의 왼쪽 부분은 시간에 따라 User1과 User2가 쇼핑몰을 방문하여 행동한 로그데이터를 간략하게 표현한 것입니다. 행동에 따라 로그가 생성되므로 User1이 방문하여 관심 상품을 클릭하고 상품페이지에 진입하는데 벌써 3행으로 기록됩니다. 반면 유저데이터에서는 로그데이터를 정리하여 일주일 동안 4번 방문, 특정 카테고리 상품 조회 횟수 9번 등으로 표시할 수 있습니다. 실제 로그는 훨씬 복잡하겠지만 예시와 비슷한 방식으로 분석 목표에 따라 유저 한 명 한 명의 로그데이터를 유저데이터로 변환합니다. 이 단계를 경험한 사람들은 데이터를 분석하여 인사이트를 발견하기 위해서는 데이터분석가의 코딩 능력뿐만 아니라 목적에 맞는 방식으로 데이터를 요약하고 어떻게 재정리할지를 생각해낼 수 있는 능력이 더 중요하다는 점을 느끼게 됩니다. 남은 단계로는 유저데이터로 목적에 맞는 분석기법으로 더 다양한 분석을 해볼 수 있는데 유저데이터로 변환하는 과정에서 주요한 행동을 통계적 수치로 집계하는 것만으로도 유의미한 인사이트를 도출할 수 있다는 것으로 정리하겠습니다.데이터 분석으로 항상 모든 현상을 설명해내거나 인사이트를 찾는 것은쉽지 않습니다. 또한 데이터가 나타내는 수치가 비즈니스를 성공으로 이
끄는 만능 키도 아닙니다. 하지만 한 두번의 불완전한 경험으로 평가하는것이 아니라 꾸준히 유저데이터를 분석하여 조금씩 디지털 유저를 이해하려는 노력을 지속해 나가는 것이 중요하다고 생각합니다. 반복적으로 분석하고 조금의 변화에 대응하며 보완한다면 데이터로 미처 알아차리지 못한 문제를 발견하거나 가시적인 성과를 낼 수 있는 실마리를 찾게 될 것입니다.
