| 시각 | 내용 |
| 09:00 - 09:30 | AI 진단 퀴즈 풀이 |
| 09:30 - 10:15 | 아티클 카타: 개인 작성 후 팀원 작성 내용 확인 👀 |
| 10:15 - 11:00 | 아티클 카타: 팀 내용 작성 |
| 11:00 - 13:00 | 챗GPT 300% 활용하기 강의 수강 (Chapter 3) |
| 13:00 - 14:00 | 개인 정비 시간 |
| 14:30 - 15:00 | 아티클 타카: 튜터 피드백 |
| 15:00 - 18:00 | 서비스 기획 입문 과제: 리뷰 데이터 분석 |
| 18:00 - 19:00 | 개인 정비 시간 |
| 19:00 - 20:00 | 서비스 기획 입문 과제: 리뷰 데이터 분석 |
| 20:00 - 20:30 | 팀 스크럼 |
| 20:30 - 21:00 | TIL 정리 |
AI 진단 퀴즈
‣ 해결한 개념
- 문제 시급성의 다각적 분석 능력
- 현실성과 우선순위 의사결정
아티클 카타
✔︎ 유저 데이터 분석? 그거 중요한거야?
유저 데이터 분석? 그거 중요한거야?
유저(사용자) 데이터 분석이 비즈니스에 어떤 도움을 주는지 그리고 어떻게 해야 하는지 알아봅니다. 유저 데이터 분석을 위해 자주 쓰이는 방법인 '세그먼트 분석'과 '코호트 분석', '퍼널 분석'
community.heartcount.io
1. 내용 요약
‣ 주요 메시지
유저 데이터 분석은 사용자의 행동과 선호도를 파악해 마케팅, 제품 개선, 비즈니스 성장으로 연결하는 핵심 요소다. 세그먼트·코호트·퍼널·이벤트 추적·사용자 경로 분석 등 다양한 방법을 목적에 맞게 선택하고 전략적으로 활용하는 것이 중요하다.
‣ 핵심 키워드
유저 데이터, 서비스 향상, 비용 절감, 프로세스 최적화, 세그먼트 분석, 코호트 분석, 퍼널 분석, 이벤트 추적, 사용자 경로 분석
2. 흥미로웠던 점
유저 데이터 분석 전략을 세울 때는 ‘고객의 구매 패턴’이 아니라 ‘20-30세 남성 고객의 주말 구매 패턴’처럼 타겟과 기간을 명확히 하고, ‘우리가 얻고 싶은 정보는 무엇인가?’와 같은 목표를 설정해야 한다는 부분이 흥미로웠다. 또 단순히 데이터를 수집하는 것뿐만 아니라 필요한 데이터의 종류와 수집 방식, 데이터 가공 방법까지 함께 고민해야 한다는 점이 인상 깊었다.
3. 새롭게 알게 된 점
‣ 유저 데이터 분석 방법 5가지
- 세그먼트 분석: 나이·성별·지역 등 공통 특성을 기준으로 사용자를 그룹화해 각 그룹의 행동 패턴 차이를 비교하는 분석
- 코호트 분석: 특정 기간 동안 공통 특성을 공유한 사용자 집단의 행동 변화를 시간 흐름에 따라 추적·비교하는 분석
- 퍼널 분석: 유저가 서비스 이용 과정에서 여러 단계를 거치며 어디에서 이탈하는지를 파악하는 분석
- 이벤트 추적: 버튼 클릭·페이지 조회·스크롤 등 사용자의 세부 행동 데이터를 실시간으로 기록·분석하는 방식
- 사용자 경로 분석: 유저가 서비스 내에서 어떤 순서와 경로로 이동하는지 전체 경험 흐름을 중심으로 분석하는 방식
4. 한 줄 요약
유저 데이터 분석은 다양한 방법을 활용해 사용자의 행동 패턴과 선호도를 이해함으로써 서비스의 품질 향상과 비즈니스 성장을 돕는 핵심 도구다.
✔︎ 튜터님 피드백
1. 아티클 타카를 왜 할까?
- IT는 정보 공유, 아카이빙이 중요함
- 연차가 쌓이고 아티클 작성을 하면 네트워킹의 일종이 될 수 있음
2. 유저 데이터 분석? 그거 중요한 거야?
‣ 다음 주부터 활용할 만한 과제 할 거라 아티클 선정 👍
‣ 관련 아티클 추천
- https://blog.ab180.co/posts/retention-series-3-1
- 리텐션 주기를 어느 정도로 맞춰서 목표로 하는지도 중요함
- MVP 프로젝트에 이 지표 넣어서 하면 좋음
- GA (Google analytics) 자격증 취득 추천, 온라인・무료, 이력서 한 줄 가능
‣ 책 추천
- 비전공자를 위한 IT 지식 (필독서!)
- Product Owner 김성한 저자
‣ 실무에서 많이 쓰는 분석 기법
- 세그먼트 분석, 코호트 분석 (리텐션 할 때)
- 보통 데이터 분석가들이 정리해서 주는 경우가 많아서 이외의 고급 분석 기법을 써본 적은 없음
챗GPT 300% 활용하기 강의
‣ 수강 및 강의 노트 정리
- Chapter 3. ChatGPT로 300% 더 빠른 데이터 관리하기
서비스 기획 입문 과제
‣ 노션: 리뷰 데이터 카테고리화 완료, 인사이트 작성 중
‣ 차주에 개인 과제를 본격적으로 진행하게 되면 따로 글 작성 예정
KPT 회고
‣ Keep
- 사실상 인사이트가 가장 중요하므로 리뷰 데이터 카테고리화에 너무 연연하지 않기로 하고 진도를 나감
‣ Problem
- 태깅(task, role 등) 외에도 좀 더 좋은 답변을 얻기 위한 프롬프트 연구가 필요함
- 평소에 맥락을 잘 읽는다고 생각했는데 리뷰 데이터는 딱 떨어지는 문장으로 정리하려니 어쩐지 어려움
‣ Try
- 서비스 기획 입문 과제: 리뷰 데이터 분석 인사이트 작성 및 문제 정의
- 지금보다 많은 아티클을 접해 보고 다양한 인사이트를 얻기
- 감사하게도 팀원분이 공유해 주신 🥹 지표 관련 참고 링크 읽어 보기
🔗 9년차 데이터 과학자가 추천하는 제품 지표, PM을 위한 데이터 분석
