서비스의 성패는 고객의 행동을 얼마나 정확하게 이해하고 있느냐에 달려있다.
PM에게 있어 고객 행동 분석은 선택이 아닌 필수가 되기도 했고, 그래서 더더욱 데이터에 기반한 의사결정이 중요하게 여겨진다.
단순히 데이터를 보는 것을 넘어, 그 속에서 의미 있는 인사이트를 발견하는 방법으로 어떤 ‘킥’이 있는지 잘 확인해봐야한다. 근데 어떻게 확인할 수 있을까?
PM이 반드시 알아야 할 고객 행동 분석 방법을 살펴보도록 하자.
1. 웹과 앱 분석 도구 활용
출처 : 구글 애널리틱스
IT업계에서 Google Analytics나 Firebase 같은 분석 도구를 들어보지 못한 사람은 없을 것이다.
Google Analytics와 같은 데이터 분석 툴을 활용하면 고객의 기본적인 행동 데이터를 수집할 수 있다.
페이지뷰(PV)는 특정 페이지의 방문 횟수를 보여주고, 세션(Session)은 한 번의 방문 동안 고객이 어떤 활동을 했는지 알려주는 이정표가 된다. 여기서 중요한 것은 ‘활성 사용자’ 지표인데, GA4에서는 DAU(Daily Active Users)와 MAU(Monthly Active Users)를 ‘활성 사용자’ 보고서를 통해 확인할 수 있다.
GA4에서는 사용자가 ① 세션을 10초 이상 지속하거나, ② 1회 이상의 전환 이벤트(회원가입, 결제 등)를 발생시키거나, ③ 2개 이상의 페이지 또는 화면을 조회하면 “참여 세션”으로 간주된다. “참여 세션”을 가진 사용자만 “활성 사용자”로 카운트되며, 단순 방문자는 제외되기 때문에 실제 서비스 이용자와 단순 방문자를 구분할 수 있다.
그런데, 인기 상품 페이지의 이탈률이 80%를 넘는 경우가 있다고 가정하자. 이탈률이 발생했다는 것은 분명 개선할 부분이 있다는 것이기 때문에, ‘혹시 페이지 로딩이 너무 느린 건 아닌지’, ‘상품 설명이 충분하지 않은지’ 등등 원인을 파악해 빠르게 조치해야, 빠져나가는 고객층을 꽉 붙잡아 놓을 수 있다. 그래서 다른 수치보다 중요한 게 바로 ‘이탈률’이며, 이탈 원인을 분석하는 데 집중해야한다.
2. 고객 세분화
출처 : 네이버 2024 4분기 IR
고객 세그먼트라고 불리는, 고객 세분화. 연령, 성별, 구매 이력 같은 기본적인 정보부터 웹사이트 방문 빈도, 선호 브랜드까지 다양한 기준으로 고객을 그룹화할 수 있고, 각 그룹의 특성을 이해하고 맞춤형 전략을 수립할 수 있다.
2024년 4분기, 네이버 커머스 분야는 전년 대비 수익 (YoY) 17.4%의 매출 상승을 기록 했다.
3분기 대비 QoQ 6.9% 증가한 수치다. YoY 기준으로 커머스 광고는 10%, 중개 및 판매 23.7%, 멤버십은 15.9% 상승을 기록했다.
네이버 커머스의 경우 아래 3가지의 세그먼트로 나눠볼 수 있겠다.
스마트스토어 이용 고객: 스마트스토어의 혜택 강화로 인해 영향을 받는 고객층
On-Platform 내 구매 고객: 탐색/발견 중심의 쇼핑 경험이 향상된 플랫폼을 이용하는 고객
서비스 거래 고객: 단순 제품 구매뿐만 아니라 서비스까지 거래하는 고객층 (ex. 멤버십, 웹툰 쿠키)
먼저 ‘스마트스토어 이용 고객’은 스마트스토어의 혜택을 적극 활용하며, 주로 특정 셀러의 상품을 반복 구매하는 충성 고객층이다. 스마트 스토어 이용 고객은 멤버십 혜택과 정기구매 서비스를 선호하며, 스마트스토어 전용 쿠폰과 적립 프로그램이 구매 결정에 큰 영향을 미친다. 따라서 신규 셀러 유치 지원과 개인화된 혜택을 강화한 것이 효과적인 방안이 되었을 가능성이 높다.
‘On-Platform 구매 고객’은 특정 상품보다는 새로운 제품을 탐색하고 발견하는 과정에서 가치를 느끼는 고객군이다. 실제로 이들의 평균 세션 시간은 다른 그룹보다 길며, AI 기반 상품 추천과 탐색 기능의 영향을 많이 받는다. 그래서 On-Platform 구매 고객의 경우 직관적인 UI/UX 개선과 큐레이션 강화를 통해 구매 전환율을 높일 수 있다.
마지막으로 ‘서비스 거래 고객’은 단순 상품 구매를 넘어 웹툰, OTT, 교육, 상담과 같은 디지털 서비스까지 소비하는 그룹이다. 이들은 평균 구매 단가와 재구매율이 높고, 정기결제 및 구독 모델에 대한 선호도가 큰 편이다. 그래서 서비스 카테고리를 확장하고, 결제 편의성과 멤버십 혜택을 강화하는 전략이 필요한데, 이번 네이버 플러스 멤버십의 ‘넷플릭스 광고형 요금제’가 들어온 게 아마 큰 견인 요인이 되었을 것이라 생각한다.
3. A/B 테스트
“구매하기 버튼의 색상을 파란색에서 빨간색으로 바꾸었더니 클릭률이 30% 상승했다”는 이야기, 한 번쯤 들어보았을 것이다.
두 가지 버전을 실제 고객들에게 테스트해보고, 어떤 것이 더 효과적인지 데이터로 확인 하는 방식은 이미 많은 스타트업에서 고객 반응을 확인하는 방법 중 하나로 자리 잡았다.
A/B 테스트는 버튼 색상처럼 작은 요소부터 전체 페이지 레이아웃까지, 모든 것을 테스트할 수 있고, 최근에는 CX 라이팅에 대한 효과 분석에도 많이 사용된다.
모든 고객 행동 분석에서 중요한 건 단연 ‘이탈원인’분석이다.
또한 한가지 지표에만 매몰되지 않고, 여러 방법론들을 보조해서 사용해야 정확한 결과를 이룰 수 있다는 점을 생각하며 분석에 임해야한다.
4. 고객 여정 분석
고객이 우리 서비스를 어떻게 알게 되었을까? 검색엔진을 통해? 아니면 SNS 광고를 보고?
첫 방문 후 얼마 만에 재방문했고, 최종 구매까지는 얼마나 걸렸을까?
고객 여정 분석은 이런 질문들에 답을 제시할 수 있다.
너무 유명한 스타벅스 고객 여정 지도
고객이 들어오고 나가는 데까지의 과정을 분리하고, 고객이 느끼는 경험, 감정, 등을 긍/부정으로 나눴다.
스타벅스의 고객 여정에서 가장 주목할 만한 점은 ‘온라인과 오프라인의 완벽한 연계’이다. 모바일 앱을 통해 매장 정보부터 주문, 결제, 리워드 적립까지 모든 과정이 끊김 없이 이어지며, 이는 고객 편의성과 만족도를 크게 높이는 요인으로 작용한다.
이렇게 고객 여정 지도를 그려놓고, 데이터를 맞춰가며 들여다보면 이탈이 생기더라도 그 부분을 빠르게 캐치해 개선할 수 있다.
5. 퍼널 분석
출처 : 채널톡 비즈인사이드
퍼널 분석은 마치 깔때기처럼 단계별로 좁아지는 전환 과정을 분석한다.
상품 페이지 방문자 1000명 중 200명이 장바구니에 상품을 담았고, 그 중 50명이 결제 페이지로 이동했으며, 최종적으로 30명이 구매를 완료했다고 하자. 각 단계의 전환율은 20%, 25%, 60%가 될 것이다.
이런 분석을 통해 우리는 ‘어느 단계에서 가장 많은 고객을 잃고 있는가?’라는 중요한 질문에 답할 수 있다. 1000명 중 200명만이 장바구니에 상품을 담았다면, 장바구니 단계의 전환율이 특히 낮다는 걸 포착할 수 있다. 나는 상품 상세 페이지에 문제가 있을 가능성이 높다고 보았다. 그래서 사용 가능한 쿠폰을 제시한다거나, 주문 시간에 따른 예상 배송 일자, 최종 할인된 가격, 에누리 (1+1) 등을 제시해 고객이 상품을 장바구니에 담도록 하는 전략이 도움이 될 수 있었다.
6. 코호트 분석
출처 : mode
제작년 부터 떠오른 분석인 코호트 분석. 말이 어렵지, 결국 특정 기준으로 그룹화한 고객들의 행동을 시간의 흐름에 따라 추적하는 방식이다. 예를 들어, 1월에 가입한 고객들과 2월에 가입한 고객들의 3개월 후 재방문율을 비교해 만약 2월 가입자들의 재방문율이 더 높다면, 2월에 어떤 변화가 있었는지 살펴볼 필요가 있다.
또한 특정 기능을 사용한 고객 그룹과 그렇지 않은 그룹의 장기 이용률을 비교할 수도 있다.
위시리스트 기능을 활발히 사용하는 고객들의 구매율이 더 높다면, 해당 기능을 더 눈에 띄게 배치하는 것이 효과적이겠지? 다만, 시간적 코호트는 현재 일어나고 있는 일을 측정하는 데 매우 유용하지만, 다음에 무엇을 해야 하는지 알려주지는 않기 때문에 다른 지표와 함께 사용하면 정확도를 높일 수 있다.
데이터 분석의 방법은 다양하지만, 결국 모든 분석의 목적은 하나이다.
바로 고객을 더 잘 이해하고, 더 나은 서비스를 제공해 우리 비즈니스의 단골 고객으로 만드는 것.
고객의 행동은 시시각각 변화하고, 시장 환경도 끊임없이 바뀌므로 지속적인 데이터 분석과 개선만이 성공적인 비즈니스 길을 개척하는데는 필수적이다. 그래서 데이터를 잘 읽고 해석하는 능력도 꾸준히 길러야한다.
Product Manager 또는 Product Owner라면, 지금까지 소개한 고객 행동 분석 6가지 분석 방법을 적절히 활용해보시길!
Harriet Jeong님 글 더보러 가기 : https://brunch.co.kr/@qnn-na
서비스의 성패는 고객의 행동을 얼마나 정확하게 이해하고 있느냐에 달려있다.
PM에게 있어 고객 행동 분석은 선택이 아닌 필수가 되기도 했고, 그래서 더더욱 데이터에 기반한 의사결정이 중요하게 여겨진다.
단순히 데이터를 보는 것을 넘어, 그 속에서 의미 있는 인사이트를 발견하는 방법으로 어떤 ‘킥’이 있는지 잘 확인해봐야한다. 근데 어떻게 확인할 수 있을까?
PM이 반드시 알아야 할 고객 행동 분석 방법을 살펴보도록 하자.
1. 웹과 앱 분석 도구 활용
출처 : 구글 애널리틱스
IT업계에서 Google Analytics나 Firebase 같은 분석 도구를 들어보지 못한 사람은 없을 것이다.
Google Analytics와 같은 데이터 분석 툴을 활용하면 고객의 기본적인 행동 데이터를 수집할 수 있다.
페이지뷰(PV)는 특정 페이지의 방문 횟수를 보여주고, 세션(Session)은 한 번의 방문 동안 고객이 어떤 활동을 했는지 알려주는 이정표가 된다. 여기서 중요한 것은 ‘활성 사용자’ 지표인데, GA4에서는 DAU(Daily Active Users)와 MAU(Monthly Active Users)를 ‘활성 사용자’ 보고서를 통해 확인할 수 있다.
GA4에서는 사용자가 ① 세션을 10초 이상 지속하거나, ② 1회 이상의 전환 이벤트(회원가입, 결제 등)를 발생시키거나, ③ 2개 이상의 페이지 또는 화면을 조회하면 “참여 세션”으로 간주된다. “참여 세션”을 가진 사용자만 “활성 사용자”로 카운트되며, 단순 방문자는 제외되기 때문에 실제 서비스 이용자와 단순 방문자를 구분할 수 있다.
그런데, 인기 상품 페이지의 이탈률이 80%를 넘는 경우가 있다고 가정하자. 이탈률이 발생했다는 것은 분명 개선할 부분이 있다는 것이기 때문에, ‘혹시 페이지 로딩이 너무 느린 건 아닌지’, ‘상품 설명이 충분하지 않은지’ 등등 원인을 파악해 빠르게 조치해야, 빠져나가는 고객층을 꽉 붙잡아 놓을 수 있다. 그래서 다른 수치보다 중요한 게 바로 ‘이탈률’이며, 이탈 원인을 분석하는 데 집중해야한다.
2. 고객 세분화
출처 : 네이버 2024 4분기 IR
고객 세그먼트라고 불리는, 고객 세분화. 연령, 성별, 구매 이력 같은 기본적인 정보부터 웹사이트 방문 빈도, 선호 브랜드까지 다양한 기준으로 고객을 그룹화할 수 있고, 각 그룹의 특성을 이해하고 맞춤형 전략을 수립할 수 있다.
2024년 4분기, 네이버 커머스 분야는 전년 대비 수익 (YoY) 17.4%의 매출 상승을 기록 했다.
3분기 대비 QoQ 6.9% 증가한 수치다. YoY 기준으로 커머스 광고는 10%, 중개 및 판매 23.7%, 멤버십은 15.9% 상승을 기록했다.
네이버 커머스의 경우 아래 3가지의 세그먼트로 나눠볼 수 있겠다.
스마트스토어 이용 고객: 스마트스토어의 혜택 강화로 인해 영향을 받는 고객층
On-Platform 내 구매 고객: 탐색/발견 중심의 쇼핑 경험이 향상된 플랫폼을 이용하는 고객
서비스 거래 고객: 단순 제품 구매뿐만 아니라 서비스까지 거래하는 고객층 (ex. 멤버십, 웹툰 쿠키)
먼저 ‘스마트스토어 이용 고객’은 스마트스토어의 혜택을 적극 활용하며, 주로 특정 셀러의 상품을 반복 구매하는 충성 고객층이다. 스마트 스토어 이용 고객은 멤버십 혜택과 정기구매 서비스를 선호하며, 스마트스토어 전용 쿠폰과 적립 프로그램이 구매 결정에 큰 영향을 미친다. 따라서 신규 셀러 유치 지원과 개인화된 혜택을 강화한 것이 효과적인 방안이 되었을 가능성이 높다.
‘On-Platform 구매 고객’은 특정 상품보다는 새로운 제품을 탐색하고 발견하는 과정에서 가치를 느끼는 고객군이다. 실제로 이들의 평균 세션 시간은 다른 그룹보다 길며, AI 기반 상품 추천과 탐색 기능의 영향을 많이 받는다. 그래서 On-Platform 구매 고객의 경우 직관적인 UI/UX 개선과 큐레이션 강화를 통해 구매 전환율을 높일 수 있다.
마지막으로 ‘서비스 거래 고객’은 단순 상품 구매를 넘어 웹툰, OTT, 교육, 상담과 같은 디지털 서비스까지 소비하는 그룹이다. 이들은 평균 구매 단가와 재구매율이 높고, 정기결제 및 구독 모델에 대한 선호도가 큰 편이다. 그래서 서비스 카테고리를 확장하고, 결제 편의성과 멤버십 혜택을 강화하는 전략이 필요한데, 이번 네이버 플러스 멤버십의 ‘넷플릭스 광고형 요금제’가 들어온 게 아마 큰 견인 요인이 되었을 것이라 생각한다.
3. A/B 테스트
“구매하기 버튼의 색상을 파란색에서 빨간색으로 바꾸었더니 클릭률이 30% 상승했다”는 이야기, 한 번쯤 들어보았을 것이다.
두 가지 버전을 실제 고객들에게 테스트해보고, 어떤 것이 더 효과적인지 데이터로 확인 하는 방식은 이미 많은 스타트업에서 고객 반응을 확인하는 방법 중 하나로 자리 잡았다.
A/B 테스트는 버튼 색상처럼 작은 요소부터 전체 페이지 레이아웃까지, 모든 것을 테스트할 수 있고, 최근에는 CX 라이팅에 대한 효과 분석에도 많이 사용된다.
모든 고객 행동 분석에서 중요한 건 단연 ‘이탈원인’분석이다.
또한 한가지 지표에만 매몰되지 않고, 여러 방법론들을 보조해서 사용해야 정확한 결과를 이룰 수 있다는 점을 생각하며 분석에 임해야한다.
4. 고객 여정 분석
고객이 우리 서비스를 어떻게 알게 되었을까? 검색엔진을 통해? 아니면 SNS 광고를 보고?
첫 방문 후 얼마 만에 재방문했고, 최종 구매까지는 얼마나 걸렸을까?
고객 여정 분석은 이런 질문들에 답을 제시할 수 있다.
너무 유명한 스타벅스 고객 여정 지도
고객이 들어오고 나가는 데까지의 과정을 분리하고, 고객이 느끼는 경험, 감정, 등을 긍/부정으로 나눴다.
스타벅스의 고객 여정에서 가장 주목할 만한 점은 ‘온라인과 오프라인의 완벽한 연계’이다. 모바일 앱을 통해 매장 정보부터 주문, 결제, 리워드 적립까지 모든 과정이 끊김 없이 이어지며, 이는 고객 편의성과 만족도를 크게 높이는 요인으로 작용한다.
이렇게 고객 여정 지도를 그려놓고, 데이터를 맞춰가며 들여다보면 이탈이 생기더라도 그 부분을 빠르게 캐치해 개선할 수 있다.
5. 퍼널 분석
출처 : 채널톡 비즈인사이드
퍼널 분석은 마치 깔때기처럼 단계별로 좁아지는 전환 과정을 분석한다.
상품 페이지 방문자 1000명 중 200명이 장바구니에 상품을 담았고, 그 중 50명이 결제 페이지로 이동했으며, 최종적으로 30명이 구매를 완료했다고 하자. 각 단계의 전환율은 20%, 25%, 60%가 될 것이다.
이런 분석을 통해 우리는 ‘어느 단계에서 가장 많은 고객을 잃고 있는가?’라는 중요한 질문에 답할 수 있다. 1000명 중 200명만이 장바구니에 상품을 담았다면, 장바구니 단계의 전환율이 특히 낮다는 걸 포착할 수 있다. 나는 상품 상세 페이지에 문제가 있을 가능성이 높다고 보았다. 그래서 사용 가능한 쿠폰을 제시한다거나, 주문 시간에 따른 예상 배송 일자, 최종 할인된 가격, 에누리 (1+1) 등을 제시해 고객이 상품을 장바구니에 담도록 하는 전략이 도움이 될 수 있었다.
6. 코호트 분석
출처 : mode
제작년 부터 떠오른 분석인 코호트 분석. 말이 어렵지, 결국 특정 기준으로 그룹화한 고객들의 행동을 시간의 흐름에 따라 추적하는 방식이다. 예를 들어, 1월에 가입한 고객들과 2월에 가입한 고객들의 3개월 후 재방문율을 비교해 만약 2월 가입자들의 재방문율이 더 높다면, 2월에 어떤 변화가 있었는지 살펴볼 필요가 있다.
또한 특정 기능을 사용한 고객 그룹과 그렇지 않은 그룹의 장기 이용률을 비교할 수도 있다.
위시리스트 기능을 활발히 사용하는 고객들의 구매율이 더 높다면, 해당 기능을 더 눈에 띄게 배치하는 것이 효과적이겠지? 다만, 시간적 코호트는 현재 일어나고 있는 일을 측정하는 데 매우 유용하지만, 다음에 무엇을 해야 하는지 알려주지는 않기 때문에 다른 지표와 함께 사용하면 정확도를 높일 수 있다.
데이터 분석의 방법은 다양하지만, 결국 모든 분석의 목적은 하나이다.
바로 고객을 더 잘 이해하고, 더 나은 서비스를 제공해 우리 비즈니스의 단골 고객으로 만드는 것.
고객의 행동은 시시각각 변화하고, 시장 환경도 끊임없이 바뀌므로 지속적인 데이터 분석과 개선만이 성공적인 비즈니스 길을 개척하는데는 필수적이다. 그래서 데이터를 잘 읽고 해석하는 능력도 꾸준히 길러야한다.
Product Manager 또는 Product Owner라면, 지금까지 소개한 고객 행동 분석 6가지 분석 방법을 적절히 활용해보시길!
Harriet Jeong님 글 더보러 가기 : https://brunch.co.kr/@qnn-na
Related Posts
