[내배캠] Day 23 | 서비스 기획 숙련 강의, 서비스 기획 숙련 과제, KPT 회고

 

 

시각	내용
09:00 - 09:15	데일리 스크럼 작성
09:15 - 09:30	팀 스크럼
09:30 - 13:00	서비스 기획 숙련 강의 수강 (Ch. 5)
13:00 - 14:00	개인 정비 시간
14:00 - 18:00	서비스 기획 숙련 과제
18:00 - 19:00	개인 정비 시간
19:00 - 20:00	서비스 기획 숙련 과제
20:00 - 20:30	팀 스크럼
20:30 - 21:00	TIL 정리

 

 

 

 

서비스 기획 숙련 강의

 

01. 강의 노트 보러 가기

 

- 서비스 기획 숙련 | ⑤ 네카라쿠배 현업 살펴보기

 

02. 강의 요약

- 앱 스토어 리뷰·서비스 데이터·퍼널 분석·AARRR을 활용한 현업 사례를 통해 사용자 행동을 파악하고 문제점과 개선 포인트를 도출하는 방법을 학습
- 킥오프·회고·회의록·업무 공유 문서 등 프로젝트 진행에 있어 필요한 협업 방식과 문서 작성 방법을 학습
- 데이터 이상 징후 분석·우선순위 설정·커뮤니케이션 등 PM이 실무에서 겪을 수 있는 상황과 문제 해결 방식 학습

 

03. 더 생각해 본 것

 

킥오프의 중요성에 대해 내배캠 수강생의 사례도 보여주시며 강조하셔서 관련 내용을 조금 더 찾아봤다.

 

킥오프 미팅 진행 가이드 — PM이 알아야 할 첫 한 시간 설계법

 

킥오프에 있어 가장 중요한 것은

모든 팀원들이 해당 프로젝트에 대해 공통적인 이해를 하게끔 만드는 것이다.

(이걸 Align이라고 표현하는 듯)

그 안에는 목표, 일정, 액션 아이템, 역할, 리스크, 커뮤니케이션 룰 등이 포함된다.

 

빠르고 효과적인 공유를 위해서는

 

① 시각 자료 활용

② 의사결정 항목과 단순 공유 항목 구분

③ 핵심 내용(목적, 핵심 결과물, 일정, 예산, 리스크, 부서 구성)을 한 장에 요약하기

 

등의 방법을 활용한다.

 

 

 

서비스 기획 숙련 과제

 

📌 목표 KPI: 상세페이지 → 장바구니 담기 전환율 상승

- 유저마다 상품 상세페이지에서 장바구니 담기로 이어지는 경우가 모두 다름
- 어떤 유저의 어떤 행동이 ‘장바구니 담기’라는 전환에 기여하는지 데이터로 파악하고자 함
- 데이터로 현황을 파악한 이후엔 전환에 기여할 수 있는 가설을 세우고 가설에 맞는 해결방안을 논리적으로 고민해보고자 함

 

이번 과제는 위 목표를 기반으로

데이터를 분석하여 문제 정의를 하고, 개선안을 포함한 기획서를 작성하는 것이다.

 

오늘은 데이터셋과 페르소나 후보들을 간단하게 분석해 보기로 했다.

 

01. 데이터셋 분석

 

테이블 컬럼 및 값 설명

 

해당 데이터에서 도출할 수 있는 유의미한 지표들은 아래와 같이 정리했다.

 

• 유저 유형별(신규/기존) 장바구니율
• 유입 경로별 장바구니율
• 가격대별 장바구니율
• 직전 페이지별 장바구니율
• PDP 체류 시간별 장바구니율
• 리뷰 클릭 여부별 장바구니율
• 할인 노출 여부별 장바구니율

 

분석 전 정의가 필요한 사항들은 아래와 같이 정리했다.

 

• PDP 체류 시간 구간 기준 정의
  • 0~30초 / 31~60초 / 61~120초 / 120초 초과 등
  • 데이터 분포 확인 후 결정
• PDP 체류시간 이상치 처리 기준 정의
  • 이상치 제거 여부
  • 제거 시 기준 (IQR, 특정 시간 초과 등)
  • 유지 시 별도 구간 분리 여부

 

350초 이상은 이상치라고 명시가 되어 있기는 한데

5분 50초라는 시간이ㅋㅋ
리뷰를 한참 읽는다거나 브라우저를 켜 놓고 방치했다거나 하는 사용자 행동일 가능성을 배제할 수 없는 시간이어서

제거를 하는 것보다는 별도 구간으로 분리해 분석할 것 같다.

(데이터 분포를 확인해 봐야겠지만)

 

02. 페르소나 분석

 

주어진 페르소나 후보는 아래와 같았다.

 

 

우선 페르소나 설정 후 → 데이터를 분석하라는 과제 요구사항의 의도를 생각해 봤다.

 

• 전략적 판단을 기반으로 타깃을 먼저 정하고, 그 페르소나에 필요한 데이터를 선별하는 역량을 기르기 위함
• 분석하기 쉬운 페르소나나 결과가 깔끔하게 나오는 페르소나를 사후적으로 선택하지 않도록 하기 위함

 

다만 기준이 되는 서비스 화면이나 레퍼런스가 공식적으로 제공되지 않았기 때문에

서비스 맥락만으로 페르소나를 선정하기는 어려웠다.

그래서 우선은, 과제 목적에 충실하여 다음과 같은 기준을 세웠다.

 

장바구니 담기 행동에 영향을 주는 요인을 가장 잘 관찰할 수 있는 집단

 

단순히 전환율이 낮은 사용자가 아니라,

실제로 장바구니 담기 행동이 활발하게 발생하며 PDP 내 행동 데이터를 통해 전환 요인을 분석할 수 있는 집단에 주목해 보는 것이다.

 

 

다음으로는 각 페르소나별 가설을 세워 보았다.

 

• 페르소나 A
  구매 의향은 있으나 가격 부담으로 인해 PDP에서 충분한 정보를 탐색하며 장바구니 담기를 망설일 가능성이 있다.
• 페르소나 B
  의사결정이 빠르기 때문에 PDP보다는 가격 자체가 장바구니 담기 여부에 더 큰 영향을 줄 가능성이 있다.
• 페르소나 C
  명확한 구매 목적을 가지고 유입하므로 PDP에서 기대한 정보를 찾지 못할 경우 빠르게 이탈할 가능성이 있다.
• 페르소나 D
  상품 자체보다 가격·혜택 비교의 영향을 크게 받아 장바구니 담기 여부를 결정할 가능성이 있다.

 

가설을 설정하고 보니

페르소나 B, D는 가격·혜택 등 PDP 외부 요인에 영향을 크게 받을 것으로 예상되었다.

 

반면 페르소나 A와 C는 상대적으로 PDP 경험이 장바구니 담기 여부에 영향을 줄 가능성이 높다고 판단하여

우선 검토 대상으로 선정했다.

 

• 페르소나 A: price_band = 'over_300k'
• 페르소나 B: price_band = 'under_50k'
• 페르소나 C: user_type = 'new' AND traffic_source = 'search'
• 페르소나 D: traffic_source = 'ad'

 

이후 위 기준으로 데이터를 필터링하여

사용자 수, 장바구니 전환율, 장바구니→구매 전환율, 평균 체류시간을 확인하였다.

 

SELECT 
    'A' AS '페르소나',
    COUNT(*) AS '사용자 수',

    ROUND(
        SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END) * 100.0 / COUNT(*),
        2
    ) AS '장바구니 전환율',

    ROUND(
        SUM(CASE WHEN purchase_completed = 'True' THEN 1 ELSE 0 END) * 100.0
        / NULLIF(SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END), 0),
        2
    ) AS '장바구니 → 구매 전환율',

    ROUND(AVG(pdp_duration_sec), 2) AS '평균 체류 시간'

FROM tb_users
WHERE price_band = 'over_300k'

UNION ALL

SELECT 
    'B',
    COUNT(*),

    ROUND(
        SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END) * 100.0 / COUNT(*),
        2
    ),

    ROUND(
        SUM(CASE WHEN purchase_completed = 'True' THEN 1 ELSE 0 END) * 100.0
        / NULLIF(SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END), 0),
        2
    ),

    ROUND(AVG(pdp_duration_sec), 2)

FROM tb_users
WHERE price_band = 'under_50k'

UNION ALL

SELECT 
    'C',
    COUNT(*),

    ROUND(
        SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END) * 100.0 / COUNT(*),
        2
    ),

    ROUND(
        SUM(CASE WHEN purchase_completed = 'True' THEN 1 ELSE 0 END) * 100.0
        / NULLIF(SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END), 0),
        2
    ),

    ROUND(AVG(pdp_duration_sec), 2)

FROM tb_users
WHERE user_type = 'new'
  AND traffic_source = 'search'

UNION ALL

SELECT 
    'D',
    COUNT(*),

    ROUND(
        SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END) * 100.0 / COUNT(*),
        2
    ),

    ROUND(
        SUM(CASE WHEN purchase_completed = 'True' THEN 1 ELSE 0 END) * 100.0
        / NULLIF(SUM(CASE WHEN add_to_cart = 'True' THEN 1 ELSE 0 END), 0),
        2
    ),

    ROUND(AVG(pdp_duration_sec), 2)

FROM tb_users
WHERE traffic_source = 'ad';

 

 

우선 페르소나 C부터 살펴봤다.

외부 검색을 통해 유입된 신규 사용자는 비교적 명확한 구매 목적을 가지고 진입했을 가능성이 높고,

따라서 PDP 경험이 장바구니 담기 여부에 영향을 줄 수 있다고 판단했기 때문이다.

 

실제로 데이터에서도 C는 장바구니 전환율이 가장 낮게 나타났다.

하지만 현재 데이터만으로는 그 원인을 PDP에서 찾을 수 있는지 확신하기 어려웠다.

 

반면 페르소나 A는 실제로 장바구니 전환이 활발하게 발생하고 있었으며,

체류시간 또한 가장 길게 나타났다.

이는 다른 페르소나에 비해 PDP 내에서 상품 정보를 확인하는 행동이 더 많이 관찰되는 집단임을 의미한다.

 

따라서 “사용자의 어떤 행동이 장바구니 담기라는 전환에 기여하는가”를 분석하기 위해서는

장바구니 전환 행동이 충분히 발생하고,
PDP 내 행동 데이터를 관찰할 수 있는 집단을 우선적으로 살펴보는 것이 적절하다고 판단하였다.

 

그래서......

이후 분석은 페르소나 A를 중심으로 진행해 볼까 싶다.

 

.  ᕬ ᕬ
(˶ㅇᗜㅇ˶) ⑉♥
(つ🍺⊂)

 

 

이번 과제는 튜터님께 피드백을 많이 받으면서 진행해 보자 싶어서

오늘 고민한 내용을 정리해

과제 의도에 크게 벗어난 것이 없는지 추가적으로 검토해 보면 좋을 부분이 있을지 담당 튜터님께 질문을 드렸다!

튜터님께서 의도도 이해가 가고 이러한 접근 방식도 꼭 필요하지만

 

'장바구니 담기 전환율 상승'이라는 목표에도 페르소나 A를 대상으로 개선안을 진행하는 것이 맞는가?

 

라는 질문을 주셔서, 이 관점은 또 놓쳤다는 생각이 들었다.

이 부분은 내일 마저 보강해 봐야겠다...... 😅

 

 

 

KPT 회고

 

Keep

 

• 현업 사례를 통해 문제점과 개선안 도출·협업·문서 작성 방식을 학습함 
• 과제 요구사항이 왜 이러한 순서로 설계되었는지 의도를 먼저 고민해 봄
• 튜터님 피드백을 통해 페르소나 선정 기준이 논리적인지 의사결정 과정을 점검해 봄

 

Problem

 

• “장바구니 전환에 기여하는 행동을 찾는 것”과 “장바구니 전환율을 높이는 것”이 같은 의미인지 혼란스러웠고 어떤 관점으로 페르소나를 선정해야 할지 고민이 많았음 → 다양한 관점을 검토하되 과제 목표와 가장 논리적으로 연결되는 분석 방향을 찾기

 

Try

 

• 전환율이 높은 집단과 낮은 집단을 선택했을 때 각각 어떤 분석과 개선안으로 이어질 수 있는지 비교해 보기
• 튜터님 피드백을 바탕으로 페르소나 선정 기준과 과제 목표가 자연스럽게 연결되는지 다시 검토해 보기