[내배캠] 데이터 드리븐 기획 | ① 데이터 드리븐 기획 기초

 

데이터 드리븐 기획 (1) 

 

01. 데이터 드리븐 기획이란?

 

사용자 행동 데이터, 시장 데이터, 성과 데이터 등을 기반으로 의사결정을 내리고 제품을 기획하는 방식

 

02. 데이터 드리븐 기획의 중요성

 

• 정확한 기획
  • 사람들이 이 기능을 실제로 사용하는지 데이터 확인
  • 실패 확률을 낮추고 성공 확률을 높일 수 있음
• 정확한 고객 니즈 파악
  • 클릭 수, 체류 시간, 이탈률 등 실제 사용 데이터를 보면 고객이 원하는 것을 정확히 알 수 있음
• 비즈니스 성과 극대화
  • 정확한 기획 → 매출 증가, 전환율 개선, 광고 효율 상승 등의 비즈니스 성과를 높일 수 있음

 

03. 데이터 드리븐 기획 단계

 

• Step 1. 문제 정의
  • "무엇을 해결해야 할까?"
  • 단순히 "이 기능을 만들자!"가 아니라, 해결해야 할 문제를 명확히 정의
  • 비즈니스 목표, 사용자 행동 데이터를 기반으로 문제 찾기
• Step 2. 데이터 수집 및 분석
  • "현재 상황을 데이터로 확인"
  • 사용자 행동 데이터: 클릭 수, 체류 시간, 이탈률
  • 마케팅 데이터: 광고 클릭률, 전환율
  • 고객 피드백 데이터
• Step 3. 가설 수립 및 실험
  • "어떤 솔루션이 효과적일까?"
  • 데이터를 기반으로 가설을 세우고 실험(A/B 테스트) 진행
  • 실제 사용자 데이터를 기반으로 어떤 해결책이 효과적인지 검증
• Step 4. 결과 분석 및 데이터 기반 의사결정
  • "어떤 솔루션이 효과적이었는가?"
  • 실험 결과를 분석하여 데이터가 가설을 입증하면 적용, 실패하면 다시 개선
  • KPI(핵심 성과 지표)를 기반으로 평가
• Step 5. 지속적인 개선
  
  • 고객 데이터 & 비즈니스 지표를 지속적으로 모니터링
  • 성공/실패 원인을 분석하고 다음 기획에 반영

 

 

 

데이터 드리븐 기획 (2)

 

01. 넷플릭스 사례

 

Netflix: Your Data, Your Show, Your Experience - Digital Innovation and Transformation

 

데이터가 제공하는 또 다른 큰 장점은 더 나은 창작 결정을 내릴 수 있다는 점이다. 넷플릭스는 완결률, 정지 및 시작 시간, 시청 시간대, 시청 패턴(예: 일시 정지, 빨리 감기, 되감기 등) 같은 데이터를 활용해 더 효과적인 콘텐츠 전략을 세운다.

......

예를 들어, 넷플릭스가 Orange is the New Black을 제작하기로 결정할 당시, 이미 여성 주연 TV 프로그램과 제작자 젠지 코핸(Jenji Kohan)의 히트작 Weeds의 시청 데이터를 분석해 성공 가능성을 예측하고 있었다. 이를 통해 어떤 구독자층이 이 콘텐츠에 관심을 가질지 정확히 파악할 수 있었고, 덕분에 새로운 시리즈를 제작하는 데 따른 창작 리스크를 줄일 수 있었다.

 

02. 토스 사례

 

데이터로 내린 의사결정, 뒤집어엎기

 

• 토스 모바일 요금제 출시 과정에 있어 데이터 기반 의사결정을 또 다른 데이터 기반 의사결정으로 번복한 사례

 

 

 

데이터 드리븐 기획 (3)

 

01. 토스 사례

 

Toss Design Conference | Simplicity24

 

• "지표가 좋으면 UX도 좋은 걸까?"
• 지표가 좋은 인텔리전스 영역에 대한 사용성 부정 경험 제보에 대처한 사례

 

 

 

 

데이터 드리븐 기획 실제 사례 살펴보기 (1)

 

01. 카카오톡 검색

 

• 검색 결과가 탭별로 나누어져 있었음 → 통합 검색으로 개편
• 어떤 내용들을 보여 주어야 하는지 이슈가 논의될 때 어떤 지표를 보아야 할까?
  • 각 탭에서의 검색 버튼 클릭 수
  • 각 탭에서 검색 후 보여지는 결과 중 유저가 클릭하는 요소 (친구 프로필, 채팅방 이름, 채널 등)

 

02. 카카오톡 더보기

 

• 서비스 배치 순서는 운영자가 정해서 운영 → 유저 맞춤 추천
• 카카오톡 더보기 서비스 순서가 논의될 때 어떤 지표를 보아야 할까?
  • 내부 전략이 있으면 내부 전략에 따를 수 있음 (예시: 톡 서랍을 밀어야 하면 톡 서랍이 1번)
  • 사용자 전체 클릭률 혹은 각 사용자별 패턴

 

03. 배달의민족 마이배민

 

• 주문 데이터 기반 취향 분류, 음식 추천, 콘텐츠 제작
• 콘텐츠를 제작할 때 어떤 지표를 보아야 할까?
  • 각 콘텐츠의 목표와 목적에 맞는 데이터
  • 예시
    ‣ 배민그린: 사용자별 일회용 수저포크를 받은 횟수 활용
    ‣ 배민취향: 가게마다 들어가 있는 '달달', '매움' 등의 메타 데이터 활용

 

 

 

데이터 드리븐 기획 실제 사례 살펴보기 (2)

 

01. 토스

 

사용자의 공감 얻으면서 제품 뜯어고치기

 

• 사용자 인터뷰를 통한 CX팀 고객 상담 툴(백오피스) 리빌딩 기획 사례

 

 

 

 

데이터 분석 기본 공통 용어

 

01. PV (Page View, 페이지뷰)

 

• 사용자가 웹 또는 앱 내에서 특정 페이지를 조회한 횟수
• PV는 방문자 수와 관계없이 페이지가 얼마나 많이 조회되었는지를 나타내는 지표

 

02. UV (Unique Visitor, 순 방문자)

 

• 특정 기간 동안 웹사이트나 앱을 방문한 중복되지 않은 개별 사용자 수

 

03. DAU (Daily Active Users, 일간 활성 사용자)

 

• 하루 동안 특정 서비스에서 활동한 사용자 수

 

04. WAU (Weekly Active Users, 주간 활성 사용자)

 

• 일주일 동안 특정 서비스에서 활동한 사용자 수

 

05. MAU (Monthly Active Users, 월간 활성 사용자)

 

• 한 달 동안 특정 서비스에서 활동한 사용자 수

 

06. Retention Rate (리텐션율, 유지율)

 

• 특정 기간 동안 기존 사용자가 다시 서비스에 방문하는 비율
• 총 7명의 유저가 서비스를 가입했을 때
  • Day 1 Retention: 가입 후 첫 번째 날 다시 방문한 유저가 2명인 경우 → 28.6%
  • Day 2 Retention: 가입 후 두 번째 날 다시 방문한 유저가 5명인 경우 → 71.4% 

 

07. 이탈률

 

• 특정 기간 동안 서비스를 이탈한 사용자 비율

 

08. CTR (Click-Through Rate, 클릭률)

 

• 광고나 특정 콘텐츠를 본 사용자 중 실제로 클릭한 비율
• (클릭 수 / 노출 수) * 100

 

09. Conversion Rate (전환율)

 

• 특정 목표(구매, 회원가입, 다운로드 등)를 완료한 사용자 비율
• (전환 수 / 방문자 수) * 100

 

10. DCU (Daily Click Users, 일간 클릭 사용자)

 

• 하루 동안 특정 서비스에서 클릭을 한 사용자 수

 

11. DCC (Daily Click Count, 일간 클릭 횟수)

 

• 특정 사용자가 하루 동안 클릭한 총 횟수
• 한 사용자가 하루에 여러 번 클릭하면 그 횟수를 모두 포함

 

12. 세션 (Session)

 

• 사용자가 사이트를 방문하여 활동하는 하나의 단위

 

13. 체류 시간

 

• 사용자가 웹 또는 앱에서 머문 시간

 

14. Impression (노출 수)

 

• 사용자의 화면에 광고 또는 콘텐츠가 노출된 총 횟수
• 클릭 여부와 관계없이 단순히 화면에 표시된 것만으로도 카운트됨

 

 

---

 

15. CPA (Cost Per Action)

 

• 사용자가 특정 행동을 하는 데에 들어간 비용
• 광고비 / 전환(액션) 수

 

16. CPC (Cost Per Click, 광고 클릭 1회당 비용)

 

• 사용자가 실제로 광고를 클릭한 횟수당 비용을 지불하는 형식
• 총 광고비 / 총 클릭 수

 

17. CPM (Cost Per Mille, 광고가 1,000회 노출될 때의 비용)

 

• 광고가 1,000번 노출될 때마다 광고주가 지불해야 하는 비용을 계산하는 방식

 

18. CPI (Cost Per Install, 설치당 비용)

 

• 총 광고비 / 앱 설치 수 (설치 1회당 단가)

 

19. ARPU (Average Revenue Per User)

 

• 개별 광고주당 평균 광고 금액

 

20. ROI (Return On Investment, 투자 대비 수익)

 

• [(총 수익 - 총 투자 비용) / 총 투자 비용] × 100