안녕하세요 ! 데이터 기반 마케팅 솔루션 & 컨설팅 컴퍼니 AB180입니다.

웹과 앱 기반의 디지털 제품을 공급하는 회사들이 많아짐에 따라 수많은 유저 행동 데이터의 분석과 데이터 기반 의사결정의 중요성이 확대되고 있습니다. 이러한 흐름의 연장선에서 유저 행동 데이터를 쉽게 분석할 수 있도록 도와주는 툴 역시 각광을 받고 있는데요.

본 문서에서는 전세계 최고의 IT 제품 분석 툴 앰플리튜드의 핵심 기능인 Chart 기능을 살펴보면서 앰플리튜드를 활용하여 데이터를 분석하는 흐름과 UX를 파악해보도록 하겠습니다.


Basic Chart Overview

앰플리튜드는 Basic Chart와 Advanced Chart 기능을 통해 디지털 제품 내에서 발생하는 유저 행동에 대한 다각적인 분석을 제공합니다.

앰플리튜드의 4가지 Basic Chart

개별 차트를 한 문장으로 설명하면?

  1. Event Segmentation : 유저 코호트별로 특정 이벤트의 활성도를 분석
  2. Funnel : 유저 행동별로 퍼널 순서를 설정하고 전환율 및 이탈률 분석
  3. Retention : Starting/Return 행동을 설정한 후 유저 코호트별 잔존율 분석
  4. User Composition : 유저의 행동 및 속성을 기준으로 활성 사용자 구성 분석

차트의 종류는 아래와 같이 콤보박스를 통해 자유자재로 변경할 수 있습니다.

앰플리튜드 데이터 분석 기초

클릭으로 손쉽게 데이터 분석 조건을 설정할 수 있습니다 !

앰플리튜드의 큰 장점 중 하나는 분석 과정에서의 UX입니다. 데이터 분석 과정에서 복잡한 함수없이 클릭 몇번만으로 분석 조건을 설정할 수 있기 때문에 데이터 쿼리 과정에서 발생하는 비용을 최소화할 수 있습니다.

앰플리튜드를 처음 접하시는 분들은 2가지의 주요 특징을 이해해주시면 좋을 것 같습니다.

1) 분석 데이터 타입 : User Property, Event Property

앰플리튜드에서는 User Property(유저 속성), 그리고 Event Property(이벤트 속성) 크게 2가지의 데이터 타입을 기준으로 데이터를 분석할 수 있습니다.

유저 속성은 말 그대로 도시, 디바이스 종류, OS 종류 등 특정 유저의 상태를 설명할 수 있는 데이터를 의미합니다. 마찬가지로, 이벤트 속성은 특정 이벤트를 설명할 수 있는 데이터를 의미하는데요. 예를 들어 "음원 재생"라는 이벤트를 분석한다고 할 때 '장르 타입', '콘텐츠 타입' 등의 값은 이벤트의 속성이 될 수 있습니다.

2) 분석 조건 설정 : Where, Group by

앰플리튜드는 데이터 분석 언어인 SQL의 주요 문법을 차용해서, 클릭을 통해 손쉽게 데이터 분석을 할 수 있도록 Where과 Group by를 지원하고 있는데요. 특정 조건을 만족하는 데이터에 필터를 걸고 싶으면 Where를, 특정 라벨로 묶어서 데이터를 보고싶으면 Group By를 클릭하고 각 조건에 필요한 값을 입력하면 됩니다.

그럼 이제부터 개별 차트들을 활용해 간단한 데이터 분석을 진행해보겠습니다 !


Basic Chart Breakdown

이제 개별 차트를 보면서, 데이터 분석 조건을 설정하고 분석 결과를 확인하는 과정을 살펴보도록 하겠습니다 ! 참고로, 데이터 분석의 모든 기간은 지난 30일 기준으로 설정했습니다.

1. Event Segmentation

앱을 런칭하고 지속적으로 유지 및 보수를 해야하는 프로덕트 팀이라면 유저들이 우리 앱에서 어떤 행동을 가장 많이 하는지 당연히 궁금할 것입니다. 예컨대 일자별로 가장 많이(혹은 적게) 사용되는 앱 이벤트는 무엇인지, 특정 코호트가 가장 많이(혹은 적게) 사용하는 이벤트가 무엇인지 등 다양한 기준으로 데이터를 분석해보고 싶을 것입니다.

이때 요긴하게 활용할 수 있는 기능이 앰플리튜드의 Event Segmentation 차트 기능입니다.

이벤트 및 유저 조건설정

앞서 살펴본 UI와 마찬가지로, 좌측에서는 이벤트 속성을 설정하고 우측에서는 유저 속성을 설정하게 됩니다.

Event Segmentation 조건 설정 UI

분석 대상 이벤트 및 유저 조건 설정

음원 스트리밍 서비스에서의 주요 이벤트 3가지를 고르고, 각 이벤트의 활성도를 파악해보기 위해 아래와 같은 조건을 설정했습니다.

  • 이벤트
    A. 음원 혹은 영상 검색
    B. 음원 혹은 영상 재생 (단, 콘텐츠 유형=음원 & 장르 =힙합)
    C. 음원 혹은 영상 다운로드 (단, 콘텐츠 유형=음원 & 장르 =힙합)
  • 유저 : 미국, 일본, 싱가폴에 거주하는 사람

Event Value 카운트 방식

앰플리튜드가 이벤트 발생 횟수를 집계하는 방식에는 크게 2가지가 있습니다. 유저별로 이벤트를 단 1번만 집계하는 Uniques, 그리고 유저별로 이벤트를 2번 이상 중복 집계하는 Event Totals입니다.

1) Uniques

특정 이벤트를 카운트할 때, 이벤트 발생 횟수를 Unique 유저별로 딱 1번만 집계하는 방식입니다.

예를 들어, 유저 A는 하루에 'Start Session' 이벤트를 100번 발생시키고 유저 B는 하루에 'Start Session' 이벤트를 1번 발생시켰다고 가정해보겠습니다. 이 때, 전체 이벤트의 카운트는 실제로 101개이지만 Uniques 기준으로 집계하면 하루에 2번 발생한 것으로 카운트됩니다.

즉, Unique 유저 한명에 귀속되는 이벤트의 카운트를 2개 이상 중복집계하지 않습니다. 이에 따라 유저 1명당 이벤트의 순(Net) 발생 횟수를 확인할 수 있습니다.

2) Event Totals

위에서 가정한 유저 A와 B의 이벤트 데이터를 기준으로 봤을 때, Event Totals 기준으로 이벤트 발생 횟수를 집계할 경우 총 101번 카운트됩니다.

특정 이벤트가 하루에 얼마나 발생하는지 그 볼륨 자체를 확인하고 싶은 경우, Event Totals를 기준으로 이벤트를 집계하면 됩니다.

이벤트 카운트 방식 : Uniques vs Event Totals

분석 결과 및 차트

Event Segmentation 차트의 결과는 아래와 같이 나타납니다. 선택한 3가지 이벤트들이 얼마나 사용되고 있는지 다양한 차트를 통해 파악할 수 있는데요. 선형 차트,  바 차트, 누적 바차트, 누적 영역 차트 등 다양한 차트의 형태로 분석 결과를 확인할 수 있습니다.

다양한 차트 유형을 통해 이벤트 활성도를 측정할 수 있습니다

2. Funnel Chart

Funnel Chart는 특정 이벤트의 순서를 기준으로 Funnel을 설계하고 각 구간별 전환율 및 이탈률을 확인할 수 있는 기능입니다. 저는 앞서 사용한 3가지 이벤트를 그대로 사용해서 간단한 Funnel을 만들어보았습니다.

Amplitude 데이터 분석 UI (Funnel Chart 기준)

Funnel 이벤트 및 순서 설정 (좌측 UI)

위 Funnel의 순서를 한 문장으로 간단하게 정리하면, 1st)음원 혹은 비디오를 검색한 후 2nd)장르가 힙합인 음원 콘텐츠를 재생하고 3rd) 힙합 음원 콘텐츠를 다운받는 행동 흐름입니다.

유저 조건 설정(우측 UI)

우측 UI에서는 좌측에서 설정한 이벤트의 주체인 유저의 속성을 설정합니다. 유저 조건 역시 한 문장으로 풀어보면, 1)싱가폴과 일본에 거주하고 2)음원 혹은 비디오 콘텐츠를 1회 이상 재생한 사람이면서 2-1)장르가 힙합인 음원 콘텐츠를 재생한 사람입니다.

분석 결과 및 차트

맨 처음 Funnel을 기준으로 했을 때, 다음 단계로 전환된 유저와 이탈한 유저의 수치를 한 눈에 확인할 수 있습니다.

Funnel 분석 결과 (음영 처리된 부분은 Drop-Off된 유저)

Investigate Conversion Driver

개인적으로 앰플리튜드의 Funnel 분석에서 가장 강력한 기능이라고 생각했던 부분은 Conversion Driver를 확인할 수 있다는 점입니다. 이 기능은 다음 Funnel로의 전환을 이끌어낸 이벤트가 무엇인지 전환과 이벤트 간의 상관관계 분석을 제공하는데요. 도대체 어떤 이벤트가 유저들의 전환을 이끌었는지 궁금한 사람들에게는 매우 유용한 기능이라고 생각합니다.

다음 Funnel로 전환된 사람들의 Conversion Driver를 확인하는 과정

3. Retention

Retention(잔존율)을 분석할 수 있는 기능 역시 매우 중요한 기능입니다. 주로 코호트 분석이라고 알려져있는 잔존율 분석은 특정 시점에서 행동을 게시한 유저들이 이후 기간까지 얼마나 잔존해있는지 파악하고 싶을때 많이 사용됩니다.

시작 이벤트 및 재방문 이벤트 설정 (좌측 UI)

앰플리튜드에서의 Retention 분석은 유저의 시작 이벤트를 기준으로 잡고 재방문한 유저를 분석하게 됩니다. 유저 속성에 대한 조건은 위에서 사용한 조건을 그대로 가져오고, 이벤트 조건만 변경해보도록 하겠습니다.

시작 이벤트(Starting Event)와 재방문 이벤트(Returning Event)를 설정

우선 분석하고자 하는 코호트의 모수를 확정하기 위해 시작 이벤트를 설정해야 합니다. 그리고 이들의 재방문 이벤트를 설정(최대 2개)한 후 잔존율 분석을 진행할 수 있습니다. 위에서 설정한 조건에 의하면 우리는 다음과 같은 조건을 갖춘 잔존율 데이터를 볼 수 있습니다.

지난 30일 기준으로, 음원 혹은 비디오를 검색한 유저 중에서
A)힙합 음원을 재생한 사용자의 재방문율
B)힙합 음원을 다운로드받은 사용자의 재방문율

분석 결과 및 차트

차트를 통해 데이터를 보게되면 아래와 같이 잔존율이 우하향하는 형태로 도출된 것을 확인할 수 있습니다. 다만, 실제 서비스에서는 재관여 CRM을 진행했을 때 방문수가 증가하는 모습이 관측될 수도 있습니다.

2개의 이벤트를 Returning Event로 설정한 후 이벤트별 잔존율 확인

4. User Composition

User Composition 차트는 Basic 차트 가운데 가장 단순한 차트로, 특정 조건을 만족하는 유저의 구성비율을 유저 속성별로 다양하게 확인하고 싶을때 사용합니다.

우리가 앞서 살펴본 차트에서 계속 동일하게 사용하던 코호트는 국가(Country)의 속성값이 "미국, 일본, 싱가폴"인 유저들이었습니다. 이 유저들을 성별, 도시, OS, 디바이스 타입 등 다양한 기준으로 재분류하고 싶다면 어떻게 해야 할까요? 앰플리튜드에서는 특정 코호트를 다양한 유저 속성을 기준으로 재분류하여 이들의 구성 비율을 파악할 수 있습니다.

유저 속성 기준 Group By 설정 (좌측 UI)

위처럼, 사전에 설정한 모집단을 다양한 유저 속성 기준으로 묶어서 그 구성비율을 확인해볼 수 있습니다. 위 파이 차트를 보시면 모집단의 조건에 부합하는 유저수는 38.9만 명인데, 이들에게 맵핑되어 있는 각각의 유저 속성 기준으로 데이터를 재분류해서 확인해볼 수 있습니다.  


Conclusion

여기까지 앰플리튜드를 활용한 데이터 분석의 기초적인 내용을 살펴보았습니다. 세부적으로는 데이터 집계 기준, 데이터를 해석하는 방법 등 많은 것을 다뤄야 하지만, 본 문서의 범위를 넘어가기 때문에 추후 더 자세히 다뤄보도록 하겠습니다 !

좌우지간, 앰플리튜드는 SQL의 주요 용어를 그대로 가져옴과 동시에 0.7초 정도의 쿼리 응답 속도를 유지하는 등 직관적이고 안정적인 환경에서 제품 분석을 돕는 툴이라고 생각합니다. IT 제품을 만들어가는 회사라면 꼭 한번쯤 고민해볼 필요가 있는 솔루션이 아닐까 싶네요.

blog banner pc
blog banner pc