데이터 리터러시

데이터 리터러시란?

💡 데이터 리터러시는 데이터를 올바르게 활용하고 해석할 수 있는 역량

 

▶︎ 구성

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

▶︎ 데이터 리터러시가 필요한 이유

데이터 분석 접근법

데이터 분석이 목적이 되지 않도록 ‘왜?’를 항상 생각해야 함

문제 정의

• 문제 정의는 풀고자 하는 것을 명확하게 정의하고
• 이것을 해결하기 위한 데이터 분석의 방향성을 정하고
• 결과를 정리하고 해석하여
• 더 나아지기 위한 새로운 액션 플랜을 수립하기 위함

문제 정의 방법론

💡 MECE (Mutually Exclusive, Collectively Exhaustive)
문제를 상호 배타적(mutually exclusive)이면서, 전체적으로 포괄적(collectively exhaustive)인 구성요소로 나누는 것

• 문제 해결과 분석에서 널리 사용되는 접근 방식
• 복잡한 문제를 체계적으로 분해하고, 구조화된 방식으로 분석할 수 있음
• 중복된 부분을 최소화 하되, 모든 경우를 포함할 수 있어야 함! (겹치는 부분이 크면 좋지 않음)

💡 로직 트리(Logic Tree)
MECE 원칙을 기반으로 복잡한 문제를 더 작고 관리하기 쉬운 하위 문제로 분해하는데 사용

 

• 상위 문제로부터 시작하여 하위 문제로 계층적 접근 
• 일반적으로 도표 형식으로 표현되어 쉽게  파악할 수 있음
• 로직트리 cheat sheet 사용하기

로직트리 cheat sheet

• 시장 / 점유율에 따라 분류
• 개념적으로 분류
• 반대되는 말로 분류
• 세그먼트에 기반하여 분류

▶︎ cheat sheet 활용법

• 앱 서비스에 적용하기 위해 변경해 본다면? (비즈니스에 따라서 정의가 달라짐!)
  • 세그먼트 분류
    • 라이트유저, 일반유저, 헤비유저 > 구매 전 고객, 재구매 고객, VIP 고객 ex) 배달의 민족 고마운분, 귀한분, 더귀한분, 천생연분
  • 캡슐 점유율
    • 해당 서비스 시장 점유율로 변화

💫 문제 정의 팁

• 결과를 공유하고자 하는 사람이 누구인지 정의하기
• 결과를 통해 원하는 변화를 생각하기
• 회사 소속이라면, 경영자의 입장에서 보려고 노력
• 많은 사람들과 의견을 나눠보는 것도 방법
• 반드시 혼자서 오래 고민해보는 시간을 가질 것

데이터의 유형

정성적 데이터 vs. 정량적 데이터

	정량적 데이터	정성적 데이터
유형	정형 데이터 반정형 데이터	비정형 데이터
특징 및 관점	여러 요소의 결합으로 의미 부여 주로 객관적 내용	객체 하나가 함축된 의미 내포 주로 주관적 내용
구성 및 형태	수치나 기호 데이터베이스, 스프레드 시트	문자나 언어 웹 로그, 텍스트 파일
위치	DBMS, 로컬 시스템 등 내부	웹사이트, 모바일 플랫폼 등 외부
분석	통계 분석 시 용이	통계 분석 시 어려움

• 정성적 데이터
  • 비수치적인 정보로 사람의 경험, 관점, 태도와 같은 주관적인 요소를 포함해요
  • 대부분 텍스트, 비디오, 오디오 형태로 존재해요
  • 정형되지 않고 구조화 되어있지 않아요
  • 데이터를 구조화하기 어려워요
  • 새로운 현상이나 개념에 대한 이해를 심화하는데 사용해요
• 정량적 데이터
  • 수치적으로 표현되는 정보로 양적인 측정과 분석을 통해 얻을 수 있어요
  • 데이터가 숫자 형태로 존재하기 때문에 통계적으로 분석하기 쉬워요
  • 개인의 해석이나 주관이 적게 작용하는 객관성을 가지고 있어요
  • 지표로 만들기에 용이해요
  • 설문조사, 실험, 인구 통계, 지표 분석 등에 활용해요

지표 설정

지표란?

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

주요 지표

🏃‍♀️ Active User

• Active User에 대한 정의에 따라 전략과 방향이 달라짐
• Active User에 대한 정의로 ‘이탈 유저’가 정의됨
• 투자를 위한 서비스 지표에 중요한 역할을 하게 됨

지표	정의
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 (이탈율)	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

🚪 Retention Ratio

• 서비스를 이용한 고객이 다시 서비스를 사용하는 비율(%)
• 리텐션이 높은 서비스는 획득비용에 투자한 비용을 빠르게 회수할 수 있음
• 리텐션은 서비스(특히 앱서비스) 성장에 있어서 매우 중요한 지표

리텐션 커브

• 일반적으로 리텐션은 시간이 지남에 따라 자연스럽게 감소 (Product B)
• 기울기가 점점 완만해지며 안정화 되는 그래프를 가지고 있다면, 시장에 적합한 서비스라고 할 수 있음 (Product A)
• 리텐션 측정 방법

1. N-Day 리텐션 : 최초 사용일로부터 N일 후에 재방문한 Active User의 비율

• 일반적으로 사용하는 리텐션 지표는 N-Day 리텐션
• 게임, 소셜 등 습관적으로 사용하거나 반복적으로 행동을 유도하는 제품에 적합
• 유저가 Active User로 집계된 최초 날을 Day 0으로 설정
• Day 0에 액티브 상태가 된 모든 유저들의 N일차 리텐션을 계산
• N-Week, N-Month도 가능

2. Unbounded 리텐션 : 특정 날짜를 포함하여 그 이후에 재방문한 유저의 비율

• 유저가 정기적으로 반복해서 방문하는 서비스가 아닐 경우 적합
• Unbounded 리텐션은 이탈률의 반대 개념
• 절대적인 수치보다는 지표가 어떻게 변화하는 지에 대해 트렌드를 보는 용도로 활용하는 것을 권장

3. Bracket 리텐션 : 설정한 특정 기간을 기반으로 재방문율을 측정

• Bracket 리텐션은 N-Day 리텐션을 확장한 개념 > 일/주/월 단위가 아닌 지정한 구간으로 나눔
• 1(0일차) / 2(1-3일차) / 3(4-6일차) / 4(7-11일차)
• 활성유저가 특정한 활동을 위해 각 Bracket 내 서비스에 재방문시 잔존 유저로 해석

🔻 Funnel : 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정

• 모든 서비스와 비즈니스는 각 단계로 갈 수록 이용자 수가 줄어들게 됨
• 각 단계의 전환율 (or 첫 유입 대비 전환율)을 측정

 

🌈 AARRR : 디지털 마케팅시 퍼널을 활용하는 프레임워크

AARRR

• 단계별 전환율을 지표화 하여 서비스 보완 지점을 찾음
  • Acquisition: 유입
  • Activation: 활성화
  • Retention: 재방문(재구매)
  • Revenue: 수익
  • Referral: 추천

🔁 LTV (Life Time Value) : 해당 유저가 우리에게 평생 주는 이익은 얼마나 될까?

• LTV는 한 명의 유저가 생애 주기 동안 얼마만큼의 이익을 주는지를 정량적으로 지표화 한 것
• LTV는 유저와의 관계를 측정하고, 이를 사업적 이익으로 가져가는데 중요한 지표
• LTV가 높다는 것은 해당 서비스와 관계가 좋고, 충성도가 높은 고객이 많다는 것

♾️ LTV 산출 방법

♾️ LTV 산출 방법

• 이익 x Life Time x 할인율(미래 비용에 대한 현재 가치)
• 연간 거래액 x 수익률 x 고객 지속 연수
• 고객의 평균 구매 단가 x 평균 구매 횟수
• (매출액 – 매출 원가) / 구매자 수
• 평균 구매 단가 x 구매 빈도 x 구매 기간
• (평균 구매 단가 x 구매 빈도 x 구매 기간) – (신규 획득 비용 + 고객 유지 비용)
• 월 평균 객단가 / 월 가중 평균 잔존율

• LTV 추측이 가능하다면, 신규 유저를 데려오는 비용(CAC: Customer Acquisition Cost)의 산출 및 효율적인 예산 운용이 가능함.
• 사용 주기, 변수, 객단가 등 여러가지를 고려해야 함
• LTV는 가정을 베이스로 하는 지표이기 때문에 꾸준한 모니터링이 필요
• LTV를 늘리기 위한 방안
  • 객단가 상승
  • 구매 빈도를 높임
  • 이탈률 감소, 이용시간을 증가 등

북극성 지표

🌌 북극성 지표

• 제품/서비스의 ‘성공’을 정의
• 제품/서비스가 유저에게 주는 core value를 가장 잘 나타낸 것
• 장기 성장을 위해 필수적으로 모니터링 해야 함

• 좋은 북극성 지표의 특징
  • 제품/서비스 전략의 핵심
  • 유저/고객이 제품/서비스에서 느끼는 가치
  • 회사의 사업 목표를 나타내는 지표 중 선행지표 (후행X)
• 북극성 지표의 유형

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

• 북극성 지표가 중요한 이유
  • 방향성
    • 제품/사업 조직이 무엇에 최적화되어야 하고, 무엇을 포기해도 되는 지에 대한 방향 제시
    • 제품/사업 조직의 진척과 가치창출을 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 (MECE한 구조)

결론 도출

결과 vs. 결론

🤷‍♀️ 결과 vs. 결론
결과  : 계산과 분석을 해서 나온 결과물
결론 : 목적에 대해 어떤 의미가 있는지 설명하는 것

• 결과 : 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력
  • 숫자, 통계, 그래프, 차트 등의 형태로 나타낼 수 있음
  • ex) “고객 설문 조사 데이터를 분석한 결과, 고객 만족도와 구매 빈도 사이에 강한 상관관계가 있음을 보여줄 수 있습니다.”
• 결론 : 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰
  • 데이터에 기반한 해석, 추론 또는 권고 사항을 포함
  • ex) “고객 만족도와 구매 빈도 사이의 강한 상관관계를 보여주는 결과를 토대로, 고객 만족도 향상이 전반적인 매출 증가로 이어질 수 있다는 결론을 내릴 수 있습니다.”

결론을 잘 정리하는 법

앞서 문제 정의, 지표 설정을 할 당시의 목적을 떠올리며 정리
결론을 공유할 대상이 누구이며, 어떻게 변화하길 원하는지 생각하기

 

1. 단순하고 쉽게 전달

• 핵심 지표 위주로 먼저 공유
• 지표를 해석하는 방법에 대해서도 설명
• 해당 지표에 오너십이 있는 조직에서 활용할만한 포인트 제안
• 액션 아이템을 제안 하는것이 핵심

2. 흥미 유발

• 모든 내용을 담지 않고 흥미로운 부분 위주로 공유
• 상대가 궁금해할만한 내용은 뭘까? 고민하고 필터링 하기
• 궁금한 사람들을 위해서는 디테일한 문서 따로 공유

3. 대상자 관점에서 접근

• 공유 받는 사람의 시선에서 이해하기 쉽도록 정리
• 지식의 저주에 빠지지 않고 논지를 뒷받침 해줄 자료들을 함께 첨부
• 대상자의 허들이 낮은 시각화 활용

4. 시각화 팁

• 화려한 그래프 보다는 대상이 직관적으로 이해할 수 있도록 구성
• 보통 선, 막대 그래프로 거의 대부분의 리포팅이 가능
• 각 그래프의 범례와 단위 함께 표기해주기

😃 결론 보고서에 쓰기 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