데이터 분석 방법
1. 데이터 분석
- 데이터 분석의 순서
- 문제 정의
- 데이터 수집
- 분석 수행 ★
- 결과 해석 및 인사이트 도출
- 결과 적용
2. 데이터 분석 방법론
출처: https://blog.datarize.ai/%ED%8D%BC%EB%84%90%EB%B6%84%EC%84%9D
- 퍼널 분석 (Funnel Analysis)
- 사용자가 특정 목표(예: 가입, 구매 등)에 도달하기까지의 여정을 추적하는 방법
- 각 단계에서 사용자가 이탈하는 지점을 파악하고, 이탈률을 줄이기 위한 개선점 모색 가능
- 퍼널 분석 순서
- 목표 정의
- 단계 정의
- 이탈률 분석
- 문제점 식별 및 개선책 제시
출처: https://velog.io/@hsty94/AARRR-%ED%8D%BC%EB%84%90-%EB%B6%84%EC%84%9D
- AARRR 프레임워크
- 사용자의 행동을 5단계로 나누어 분석하고, 각 단계에서의 성과를 측정하는 프레임워크
- 행동 5단계
- Acquisition (사용자 유입): 사용자가 어떻게 제품이나 서비스를 알게 되었는지
- Activation (활성화): 사용자가 첫 경험에서 긍정적인 반응을 보였는지
- Retention (사용자 유지): 사용자가 지속적으로 들어오는지
- Revenue (수익): 사용자가 실제로 결제를 하거나 수익을 창출하는지
- Referral (추천 및 공유): 사용자가 다른 사람에게 서비스를 추천하는지
출처: https://www.applovin.com/ko/blog/a-b-%ED%85%8C%EC%8A%A4%ED%8A%B8%EB%A5%BC-%ED%86%B5%ED%95%B4-%EC%84%B1%EC%9E%A5%EC%9D%84-%EA%B0%80%EC%86%8D%ED%99%94%ED%95%98%EB%8A%94-%EB%B0%A9%EB%B2%95/
- A/B 테스트
- 두 가지 이상의 변수를 실험하여 어느 버전이 더 나은 성과를 내는지 비교하는 실험적 방법
- A/B 테스트 순서
- 변수 정의: 테스트할 두 가지 이상의 버전 정의
- 그룹 분할: 사용자 집단을 두 그룹으로 나누고, 각 그룹에 다른 버전 노출
- 결과 측정: 테스트가 끝난 후, 각 그룹의 성과를 비교하여 어떤 버전이 더 나은 결과를 가져왔는지 분석
- 결과 적용: 더 나은 성과를 보인 버전을 적용하고, 지속적으로 개선