인프런 커뮤니티 질문&답변

강의를 듣고 해야지 해야지 했는데 드디어 풀었네요! 풀고나서 피드백을 들으면 저의 생각 확장에 도움이 될것 같아 인프런 질문 게시판에 올려봅니다! 미리 감사드립니다:)

#1. 기능이 잘 동작하고 있는지 확인하려면?

• (메인 화면의 모든 영역이 에러없이 잘 보인다는 가정하에)

  • Click이라는 절대적 수치 → (단순히 기능이 잘동작하는지만 확인하려면) Click 이라는 이벤트가 각 영역에서 일어나고 있는지 그리고 얼마나 많이 일어나고 있는지 해당 기능이 잘 동작하고 있다는 것을 볼 수 있음

    • 해당 지표가 전체 영역에대해 증가되면 잘 동작하는 것

  • (보조)CTR : (각 영역의 클릭수) / (해당 홈화면에 들어오는 유저 수) → 클릭율이 높은 영역을 통해 우리 앱 내 서비스에서 어떤 영역이 인기가 있는지 알 수 있음

  • (부가적) 각 영역에서 다음 페이지로의 전환율(CVR) → 각 영역에서의 클릭수가 증가하고 각 영역에서의 구매 전환이 전반적으로 상승한다면 잘 동작한다고 볼 수 있을것 같음 → 퍼널이 길어서 정확하게 부합하는 지표는 아니고 추가로 같이 볼 수 있지 않을까?

비즈니스 질문

1. 우리 홈화면에서 각 영역의 버튼 기능이 잘 동작하고 있어?

   1. 각 영역의 클릭수 확인 : 해당 메인 페이지에 들어온 유저 대비 몇명이 클릭수를 남기는지 비교 함으로써 클릭이라는 이벤트가 잘 쌓이는지도 확인 가능

2. 어떤 영역을 통해 우리 유저들이 구매로 넘어갈까?

   1. 각 영역의 CTR : 어떤 부분에 더 초점을 맞춰야 하는지 어떤 영역이 죽어가는 영역인지 알 수 있을 것으로 예상

#2. 검색 만족도 지표

• 검색 만족도 지표(검색 기능에 만족했는지 알기위해) 퍼널: 검색페이지 → 검색 결과 페이지(plp) → 제품 상세 페이지(pdp)

• 아래 두 지표가 높아지면 좋음

  • (메인) CTR : 검색 결과 plp페이지에서 pdp페이지로의 클릭율로 확인

  • (보조) CVR: 검색을 통해 pdp 페이지 클릭 후 해당 페이지에서 구매 전환이 일어난 경우

    • 재검색율: 한 유저가 검색을 몇번이나 다시 하는지

• 상황 시뮬레이션

  검색 결과 페이지를 만족했을 경우

  • 상품 상세 페이지로 넘어가고 plp페이지로 나오고를 반복 후 마음에 드는 음식점에서 음식을 구매 할 것임

  불만족 했을 경우

  • 상단에 보이는 몇개의 결과물들을 본 후 다시 검색 시도

  • 몇개의 상품 페이지에 들어갔다가 다시 검색 시도

  엣지)

  • 처음 검색어에 만족했는데 유저의 마음이 변심해서 새로 또 검색하는 경우 (재검색이지만 사실 검색 만족도가 잘 되지 않았다고 보기는 어려움) → 그래서 아닌 재검색율을 메인지표로 쓰기엔 어렵고 보조 지표로는 볼 수 있을 것 같음

#3. 검색 필터 기능의 활성화 지표

검색 필터 기능의 활성화 지표

• 검색 필터 기능은 잘 사용되고 있을까요? 전체 검색을 활용하는 유저중 얼마나 많은 유저가 검색 필터 기능 버튼을 클릭하는지 확인

• 필터 기능의 활성화 지표 정의

  • 필터 기능 버튼의 클릭율(CTR)

    • 필터 기능 버튼 클릭 수 / 검색을 이용한 유저 수

• 검색 필터를 활용하는 사람이 구매를 정말 더 잘 일으키는 가?

  • 필터를 하면서까지 무언가를 검색하려는 목적이 분명한 유저?

• 검색 필터 이후 구매 하기까지 pdp페이지 조회(혹은 구매전까지의 시간)를 더 단축했는지도 해당 기능이 잘 작용하고 있는지의 중요한 부분일 것 같다.

  • 필터를 하는 이유는 나의 조건에 맞는 애들만 적합하게 보기 위함이기 때문

(로그 설계)

• 필터 기능 버튼들 중 각 버튼에 대한 클릭 로그를 기록해두어야 함

  • 필터 기능 중에서도 어떤 기능을 많이 쓰는지 부가적으로 알 수 있으면 해당 영역을 앞으로 배치하는 등 순서를 새로 정렬 할 수 있음

#4.배달 서비스에서 가장 중요한 지표는?

배달 서비스에서 가장 중요한 지표는 무엇일까요? (MECE)

• 배달 건수

  • 왜? 배달 건수가 결국 해당 어플에서의 거래액을 만들어내고 매출액이 거래액에서 몇 %의 비중으로 떨어질 것이라고 생각해서 매출과 가장 직결된 지표라는 생각

어떻게 배달 건수를 늘릴 수 있을까?(MECE)

• 주문자(유저)

  • 주문 건수

  • 추가로 해당 어플을 사용하는 유저의 수를 늘릴 수 있도록 노력한다.

  • 프로모션, 광고 등 신규 유저의 유입 혹은 기존 유저가 재주문 할 수 있도록 유도한다.

  • 보통 주문이 몰리는 점심,저녁이 아닌 아침이나 야식 혹은 간식과 같은 카테고리에 대해 프로모션을 진행해서 주문이 적은 시간에 주문을 늘릴 수 있도록 해본다.

  • 배달이라는 코어를 중심으로 유저 중심에서 언제 배달을 주문하게 될지 고민후 서비스를 개발한다

    • 비마트. 배민스토어 등등

• 셀러(공급자)

  • 음식점의 평점

  • 해당 서비스의 카테고리별 셀러 수

  • 유저가 선택할 수 있는 선택지인 음식점을 다양하고 많이 제공한다.

• 배달원(중간 다리)

  • 배달원 한명당 배달에 걸리는 평균 시간

  • 한 배달원이 하루에 처리하는 배달 건수

  • 배달원의 배달 만족도 평점

  • 배달원을 증가 시킴으로써 더 빠른 배달이라는 배달의 질을 높여 유저의 만족도를 높이고 해당 만족도를 기반으로 배달 건수를 늘려볼 수 있지 않을까?

#5.추천 알고리즘의 성능 지표

• 추천 알고리즘의 성능 지표

  • 추천 알고리즘의 목표: 유저에게 추천이 잘 동작해서 유저가 그 추천 제품을 클릭하게 만드는 것.(관심) 한 단계 더 나아가면 구매 전환을 일으킬 상품까지도 잘 추천했는가?

  • CTR: 직관적으로 상품에 관심이 가면 그 상품을 클릭하게 될테니 상품의 노출대비 클릭이 어느 정도 되었는가로 추천 알고리즘의 성능을 확인할 수 있을것으로 판단된다.

  • CTCVR(ctr*cvr): 추천한 상품이 마음에 들면 유저는 추천 알고리즘을 통해 나온 상품을 구매하게 될테니 추천한 상품이 유저에게 노출대비 얼마나 실제로 구매까지 전환이 되었는지 고려

  • AUC-ROC

#6.자주 사용하는 서비스의 지표

• 내가 자주 사용하는 서비스의 지표(지그재그)

• 쇼핑몰 어플의 특성상 구매가 잘 일어나는것도 중요하지만 유저들이 한번 탐색 혹은 경험 후 얼마나 다시 들어와서 탐색 혹은 구매를 다시 일으키는가도 매우 중요한 요소 중 하나임

  • 재방문 횟수 : 처음 가입한 유저가 한달이내에 몇 번 들어오는가

    • 리텐션: 3일 혹은 7일 등 해당 데이터를 살펴본 후 평균 유저의 재방문 주기를 파악하여 해당 일자 기준으로 N-day 리텐션을 계산해본다.

  • 체류시간 : 어플에 머무르는 시간(분단위)

    • 세션 아이디를 수집할 수 있다면 세션 시작 로그와 마지막의 로그 사이의 시간 차를 계산하는 것이 가장 좋음

      • 조건: 중간에 1시간 이상의 차이가 있을 경우 한 세션 안에 그룹을 나눠 체류시간을 계산

  • 구매 건 수: 구매 총 함계 액의 몇 % 비중으로 수수료를 받는것으로 알 고 있음. 단순히 체류하고 자주 방문하는 유저로 부터 구매가 많이 일어나야 좋은 서비스이므로 해당 지표도 같이 봐보자.

#7. 퍼널 개선 프로젝트

• 가입 퍼널 개선 프로젝트(쏘카 케이스 스터디랑 유사하게)

  • 가입 퍼널 프로세스의 전환율: 가입페이지에(A)들어와서 가입을 완료하는 유저의 비율

  • 해당 온보딩 페이지를 추가 한 후 가입 전환율이 개선되었는지 보면 될것 같다.

    • (대조군)현재 가입 퍼널: A → C(가입 정보 기입) → D (가입 완료 페이지) (실험군)온보딩 추가 가입 퍼널: A → B(추가) → C → D

  • C → D로 넘어가는 유저의 비율을 보면 온보딩의 효과를 할 수 있을것 같음

  • (가드레일) 실험군과 대조군의 A → D의 전환율(예약 페이지의 전환율) : 해당 기능을 추가함으로써 현재 프로세스 전환율에는 크게 영향을 주면 안됨

  • (가드레일)이탈률: 이거 계산 어떻게 할 수 있지? 1 - (B페이지에서 C로 가는 유저의 비율)

멘탈 시뮬레이션

• 실험군과 대조군의 A → D의 전환율(예약 페이지의 전환율)에 차이가 크다(온보딩 페이지 추가했더니 이탈률이 급중함) 이럴 경우 실험 중단

• 이탈률에 큰 차이가 없다면)

  • C → D로 넘어가는 유저의 비율이 실험군에서 더 높다면 실험 성공적

  • 낮다면 유저 세그멘테이션을 쪼개서 생각해보기