스타트업 서비스 데이터 분석의 시작

지난 연재에서 드디어 페이스북 계정이 살아났고
광고까지 무사히 집행하게 됐다는 이야기를 들려드렸는데요.
오늘은 그 광고 결과는 어땠는지, 무엇을 배웠는지 공유하고자 합니다.

먼저 많지 않은 예산으로 광고를 돌렸음에도 불구하고
광고를 돌리자마자 MAU가 16배가 뛰었습니다.
지금까지는 광고를 돌리지 않고 대부분 자연 유입으로 인한 MAU 수치를 보다가
광고를 통한 MAU 수치를 보니 확실히 획득 퍼널에서 광고의 효과는 유의미하며
추후 더 큰 규모의 Accquisiton이 필요할 때를 대비하여 소재별, 예산별 광고 성과를 잘 기록해두어야겠다는 생각이 들었습니다.

저는 창업 전 데이터 분석가로 일했었고, 약 4천만 이상의 고객을 보유한 서비스의 정말 ‘빅’한 데이터를 주로 분석했었는데요.
데이터 규모가 상당하다 보니 개개인에 대한 분석보다는, 특정 공통분모를 뽑아 세그먼트를 정의하고
집계된 데이터를 기반으로 소비패턴이나 경향성을 뽑아내는 분석 과제가 많았습니다.
더불어 분석가의 롤이 인사이트를 도출하고 전략을 제안하는 것까지여서
분석된 내용을 바로 서비스에 적용해 보고 성과를 즉각적으로 관찰할 수 있는 기회는 없었는데요.

반면에 저희 서비스를 분석해 보니,
일단 고객 규모가 작아 덩어리로 나눠서 분석하는 것보다
고객 한명한명의 행동 흐름이나 이용 패턴을 면밀히 분석하는 게 중요하고,
굉장한 인사이트를 뽑아내는 것보다 테스트 대상에 대한 명확한 가설을 세우고
빠르게 실험해서 성과를 보는 게 중요한 미션이 되었습니다.

저희도 GA(Google Analytics)라는 툴을 이용하여 데이터 분석을 하고 있는데요.
로그 기반 분석 툴이라 고객의 발자국을 그대로 따라가볼 수 있습니다.
그렇다 보니 동일한 서비스를 이용하는 것이더라도 아주 다양한 고객 여정을 발견하게 됩니다.
왜 여기로 이동했을까? 왜 여기서 이탈했을까?
행동 흐름을 보다 보면 이렇게 왜?라는 질문이 많이 생기는데요.
그럼 데이터를 기반으로 검증해 보고 싶은 가설을 세우고,
서비스에 반영하여 실험을 해볼 수 있게 되었습니다.

데이터를 보고 세운 가설이더라도 맞기도 하고 틀리기도 합니다.
저는 오히려 데이터가 예측을 벗어날 때 흥미로운데요.

예를 들어보도록 하겠습니다.
비디어스에는 공고 스크랩 기능이 있습니다.
저희는 고객들이 공고 지원을 할 때 스크랩을 하지 않고 공고를 보고 바로 결정하여 지원할 것이라고 예측을 했습니다.
근데 데이터를 보니 많은 고객이 공고를 쭉 훑어보면서 스크랩을 해두고,
다시 마이페이지로 들어가서 스크랩한 공고 중 진짜 지원할 공고를 선별하여 지원을 하고 있었습니다.
또 포트폴리오 생성의 경우, PC 편의성이 높기 때문에 APP 사용은 적을 것이라 예상하고 PC 개발에 힘을 많이 줬는데요.
실제로는 APP 이용이 PC 대비 2배 이상 많았습니다…!!!

이렇게 예상과 다른 경우도 있지만, 일치하는 경우도 물론 있습니다.
공고가 있으면 비디어스에 가입하고 포트폴리오도 만들 것이라는 가설을 세웠는데
실제 공고가 생긴 이후로 가입 전환율과 포트폴리오 생성률이 2배 이상 증가했고
Accquisition뿐 아니라 리텐션까지 동시에 잡을 수 있었습니다.
이렇게 데이터를 기반으로 다음 스텝을 구상하고 즉각적인 성과를 만들어가는 과정이
기존 빅데이터 분석과는 또다른 스몰데이터 분석의 묘미이자
서비스를 운영하며 느낄 수 있는 기쁨 중 하나인 것 같습니다.

이번에 광고를 돌려보면서 소재별로 광고 효율 차이가 꽤 크고,
효율이 좋은 소재는 시간이 지나도 계속 효율이 높다는 것을 알게 되었는데요.
이런 콘텐츠를 ‘킬러 콘텐츠’라고 합니다.
이번에 광고를 돌리면서 잘 만든 킬러 콘텐츠, 열 콘텐츠 안 부럽다는 말이 생각날 정도로
‘킬러 콘텐츠’를 찾는 게 중요하다는 것을 경험했는데요.
다음 연재에서는 이 부분을 좀 더 자세히 다뤄보겠습니다!

---

---