오늘 고객 데이터 분석 도구란,
선택할 때 고려해야 할 사항을 살펴 보겠습니다!
.
.
고객 데이터를 분석하기 위해 해야 할 일
고객 행동을 분석할 수 있는 다양한 지표와 분석 방법이 있습니다.
퍼널 분석, AARRR, A/B 테스트, 고객 세분화 기술 및 이전 게시물에서 다룬 코호트 분석이 있습니다.
기술을 사용하려면 핵심 지표를 지정하기 위한 데이터가 필요합니다.
그러나 제품의 수준과 상황에 따라 필요한 데이터가 달라 개별적으로 수집하기가 쉽지 않다.
데이터 수집은 복잡하고 일단 수집되면 할 일이 많습니다.
분석 방법과 분석 모델을 설계한 후 모델이 실제 고객 행동을 놓치지 않도록 서비스에 코드를 삽입해야 합니다.
이러한 분석의 백로그는 물론 시장 분석도 구축해야 합니다.
PM이 이 모든 작업을 수행해야 합니까?
아니요!
아니요.
복잡한 프로세스를 쉽고 편리하게 ‘고객 데이터 분석 도구’Google Analytics가 있으며 진폭은 최근 가장 많이 사용되는 추세입니다.
기타는 Optimize, AppsFlyer 및 Firebase입니다.
이러한 고객 데이터 분석 도구는 고객 행동을 추적합니다.
사전 로드된 추적 코드로 고객 행동을 감지합니다.
그리고 수집된 데이터는 고객 데이터 분석 도구 서버로 전송되며 서버는 수신된 데이터를 쉽게 인식할 수 있도록 기록 및 처리합니다.
데이터 수집 및 구성에서 분석 및 시각화에 이르기까지 모든 단계에서 도움이 됩니다.
데이터 분석 및 통계 기술과 이를 가능하게 하는 분석 도구의 사용은 데이터 기반 PM의 필수 역량 중 하나입니다.
웹 서비스 분석 및 앱 서비스 분석
웹과 앱에서 고객 데이터를 분석하는 것의 가장 큰 차이점은 무엇입니까?
서비스를 사용할 때의 동작이 다릅니다.
원래 웹 서비스는 “페이지”를 중심으로 설계되었으며 사용자는 마우스를 사용한 “클릭”을 중심으로 행동합니다.
하다.
웹 페이지의 특징은 넓은 모니터 화면에 필요한 정보가 동시에 담겨 있다는 점이며, 하이퍼링크를 클릭하여 클릭하는 것이 일반적입니다.
또한 HTTP의 특성상 메인 인터페이스는 사용자가 화면에 표시되는 정보를 평가하고 선택하는 인터페이스입니다.
따라서 웹 서비스의 데이터를 분석할 때 ‘각 페이지 + 화면의 어느 부분을 클릭했는지’에 집중하다
웹 서비스와 달리 앱 서비스는 웹 서비스와 다르며 사용자가 여러 화면을 이동합니다.
클릭 외에도 스크롤, 잠시 멈춤, 햅틱, 확대/축소와 같은 다양한 작업을 수행합니다.
또한 앱 서비스에는 카메라 또는 마이크 사용과 같은 모바일 기능이 포함됩니다.
문서와 같은 웹과 달리 앱은 주로 모바일 운영체제에서 실행되는 응용 프로그램이기 때문에 보다 복잡한 분석이 필요합니다.
따라서 웹 서비스와 앱 서비스를 분석하는 데 사용되는 고객 데이터 분석 도구가 다릅니다.
GA는 웹 서비스에 많이 사용되며, Amplitude는 앱 서비스에 많이 사용됩니다.
고객 데이터를 추적하기 위해 고객 분석 도구에서 제공하는 기능
1. 자동 코드 생성
고객 행동을 추적할 수 있는 코드를 자동으로 생성하고 이를 서비스에 직접 이식하는 데 도움이 됩니다.
원하는 행동과 지표를 설정하면 자동으로 코드가 생성됩니다.
생성된 코드를 붙여넣은 후 설정이 잘 되었는지 확인해야 합니다.
2. 고객정보 수집 기능
고객 데이터 도구는 다양한 고객 데이터를 수집합니다.
등록을 통해서만 알 수 있는 정보, 이름, 나이, 주소 등의 개인정보와 등록 없이 수집할 수 있는 정보, 언어 설정, 기기 데이터 등을 수집합니다.
3. 수집한 정보의 관리
수집된 정보를 체계적으로 분류하고 관리할 수 있는 기능을 제공합니다.
다양한 곳에서 수집한 가입정보, 로그인정보, 구매정보, 오픈메시지, 가입, 광고 등의 정보를 필요에 따라 관리합니다.
4. 데이터 분석 기능
다양한 데이터 분석 기법을 이용하여 수집된 데이터를 쉽게 분석할 수 있도록 도와줍니다.
요즘 데이터 분석 도구는 코호트 분석을 기본 기능으로 한다고 합니다.
5. 테스트 구성
다음과 같이 가설 검정에 필요한 검정을 제공하는 기능이 있습니다.
B. 설정에 따라 자동으로 구성되는 A/B 테스트. 목표 설정, 지표 설정, 기간 설정, 목표 설정을 통해 A/B 테스트 프로세스를 쉽게 관리할 수 있습니다.
A/B 테스트에 특화된 Optimize 및 Optimizely와 같은 도구가 있지만 데이터 분석 도구를 사용하여 A/B 테스트를 구성하고 추적할 수도 있습니다.
6. 대시보드 및 분석을 위한 시각화 기능
대시보드 빌더와 분석 결과를 한눈에 파악할 수 있는 간단한 시각화 도구를 제공합니다.
대시보드는 현재 고객 데이터가 어디로 가고 있는지 즉시 보여줍니다.
7. 데이터 통합
기존 DB에 존재하는 데이터와 분석툴로 수집한 데이터를 통합 관리할 수 있는 기능을 제공합니다.
이를 통해 제품에 적합한 복잡한 분석이 가능합니다.
고객 분석 시 고려해야 할 사항
1. 마지막으로 분석할 것은 “고객이 어떤 경험을 했는지”입니다.
데이터가 있다고 해서 고객 경험을 분석할 수 있는 것은 아닙니다.
데이터 분석의 핵심은 목적이며 중요한 기표는 서비스 특성에 따라 다릅니다.
그러므로 제품의 UX 프로세스를 분석하고 추적하려는 동작이 클릭인지 체류인지 구체적으로 지정해야 합니다.
고객이 제품에 대해 경험하는 것을 알려주는 지표를 찾아야 합니다.
그리고 이 메트릭을 확인하기 위해 올바른 데이터를 수집했는지 확인합시다.
2. 수집된 데이터의 양과 질을 확인합니다.
데이터를 수집하더라도 그 양이 너무 적으면 분석 결과가 무의미할 수 있다.
수집된 데이터가 분석에 적합하지 않더라도 의미 있는 통찰력을 얻을 수 없습니다.
수집된 데이터의 양과 품질이 통계적으로 충분한지 확인해야 합니다.
3. 데이터 수집과 분석보다 적절한 지표가 중요하다.
고객 행동은 신중하게 처리해야 하지만 우선 순위 지정이 필요합니다.
특정 측정항목에 초점을 맞추면 허영 측정항목을 수집할 수 있습니다.
또한 수집할 수 있는 데이터에 이끌려 무의미한 가설을 테스트해야 하는 위험을 경계해야 합니다.
측정할 지표를 정확하게 정의하고 이러한 지표를 측정할 수 있는 방식으로 모든 분석 절차를 설계하는 것이 필요합니다.
과제로 또 만나요