[Data Analysis] 예시를 통한 Funnel Analysis 설명

Data Analysis - Funnel Analysis(유입 경로 분석)

안녕하세요, 데이터과학 전공하고 있는 황경하입니다.

오늘은 새롭게 데이터분석 스터디를 시작하여 공부한 내용을 공유하려 합니다. 앞으로도 종종 Data Analysis 방법에 대해 포스팅할 것 같습니다. 오늘은 Funnel Analysis입니다.

Funnel Analysis? Why?

Funnel은 "깔때기"라는 뜻을 가지고 있습니다. 깔때기는 위에는 큰 입구를 가지고 있지만, 아래로 내려갈수록 좁아지는 구조로 되어있죠. 이 모양이 고객 유치 과정과 매우 유사하다 하여 Funnel Analysis라는 이름이 지어졌습니다. 간단한 예시를 생각해 봅시다. 우리가 쇼핑몰을 하고 있다고 하죠. 우리의 목표는 "판매율을 올리는 것"입니다. 고객이 구매하는 프로세스는 아래와 같습니다. 아래의 그림과 함께 보시면 이해가 편하실 겁니다.

 

1. 쇼핑몰 홈페이지에 접속합니다.
2. 마음에 드는 상품을 발견하면, 상세 페이지로 이동합니다.
3. 구매하고 싶은 물건을 장바구니에 담습니다.
4. 회원 가입을 하고 주소 입력, 결제 카드 설정 등 상세 정보를 입력합니다.
5. 물건을 결제합니다.

이 1~5번 과정을 통해 고객들은 구매를 결정합니다. 그런데, 모든 방문자가 다 구매까지 가는 것은 아니죠. 마음에 들지 않는 상품이 있거나, 회원 가입 과정이 복잡하여 이탈하는 고객도 존재할 것입니다. 그래서 아래 그림처럼, 방문자 중 40%만 상품 페이지로 들어가고, 20%만이 장바구니에 담습니다. 그리고, 최종적으로 구매하는 사람은 3%밖에 되지 않죠. 그렇다면, 우리의 목표인 "판매율 상승"은 어떻게 이룰 수 있을까요? 고객 이탈률이 가장 높은 단계와 전환율이 가장 낮은 단계에 더 비용을 투자 하는 것입니다. 이렇게 Funnel Analysis를 통하여 이탈률, 전환율 계산을 통해 우리 회사 시스템에 취약점을 파악하고, 개선시킬 수 있습니다

출처: https://matomo.org/blog/2024/01/funnel-analysis/

이탈률, 전환율

위에서 이탈률과 전환율을 언급한 바 있습니다. 이탈률과 전환율에 대해 설명해 보겠습니다.

먼저, 이탈률과 전환율을 설명하기에 앞서 우리가 달성하고자 하는 목표를 설정해야 합니다. 그리고, 목표에 대한 이탈률과 전환율을 계산합니다.

 

이탈율

이탈률은 내가 잡은 목표 이전단계에서 목표단계까지 얼마나 많은 인원이 이탈했는지를 말합니다. 예를 들어, 목표를  "회원가입자 수 늘리기"라고 설정했다고 하고 전체 방문자 수가 1000명이라고 합시다. 그러면, 회원가입(Go to checkout) 이전 단계까지는 이미 진행이 됐다고 가정합니다. 즉, 장바구니에 담은 200명(Add to cart)을 대상으로 이탈율을 계산해야 합니다. 그러면, 위 그림에서는 200명 중 100명이 회원가입을 했다는 것이기 때문에 이탈률은 약 50%가 됩니다. 이러한 방식으로 모든 프로세스에 이탈율을 계산할 수 있습니다.

 

전환율

전환율은 목표 달성 비율입니다. 이탈율 예시와 같은 예로 "회원가입자 수 늘리기"를 예로 들어보겠습니다. 그러면, Go to checkout까지 진행한 방문자의 비율은 100명(10%)이기 때문에 전환율은 10%가 됩니다. 상대적으로 계산이 쉽습니다.

Insight

이 Funnel 분석을 통해 우리가 얻을 수 있는 인사이트는 회사 시스템의 취약점을 파악할 수 있다는 것입니다. 이탈률과 전환율을 계산했다면 이탈률이 가장 높은 곳과 전환율이 가장 낮은 곳이 회사 시스템의 취약점이 되겠죠. 그리고 우리는 이 취약점을 개선해 가려 여러 방안을 모색하게 됩니다. 즉, 아래 그림을 보면 회사 시스템의 취약점은 "회원 가입"임을 알 수 있습니다. 이를 개선시키는 방안을 찾아보죠.

matplotlib을 이용해 간단히 시각화 하였습니다.

여러 개선 방안들

취약점을 개선시키는 방향은 크게 두 가지가 있습니다.

1. 방문자 수 늘리기: 100명 방문 시 10명이 회원 가입을 한다면, 간단히 유입자 수를 10000명으로 늘려버리면, 1000명이 회원 가입을 하게 되죠. 하지만, 이 방법은 비용이 많이 들며, 효율적인 방안은 아닙니다.
2. 전환율 올리기: 유입자수를 10000명으로 늘려서 100명이 회원 가입을 하게 하는 것과 전환율을 50%로 올려서 2000명이 유입하여 1000명이 가입하는 것은 결과적으론 같습니다. 실제 비즈니스에서는 이 방법을 더 많이 사용합니다.

그러면, 전환율을 어떻게 올릴까요? 실제 사례를 예시로 들어보겠습니다. 몇 년 전까지만 해도 로그인을 하려면 아이디 중복 검증, 개인정보 입력, 본인 인증 질문 등 매우 귀찮고 많은 과정을 거쳐야 했습니다. 따라서, 회원 가입 이탈률이 매우 높았을 것입니다. 이를 개선하고자, 카카오, 구글, 네이버에서는 계정 연동이라는 시스템을 구축했고, 현재는 회원가입 절차가 매우 간단해져 본인 인증만 한다면, 몇 초만에 가입할 수 있는 프로세스로 변했습니다. 따라서, 회원가입 이탈률은 매우 낮아졌겠죠. 또한, 현재도 많이 시행 중인 회원가입 시 10% 쿠폰 증정 등의 마케팅 기법들도 이런 Funnel 분석을 진행하여 얻은 인사이트를 통한 결과물입니다. 

소셜 로그인 예시 (오늘의 집)

(사진 출처: https://ditoday.com/%EA%B0%84%ED%8E%B8-%EB%A1%9C%EA%B7%B8%EC%9D%B8-%EB%94%94%EC%9E%90%EC%9D%B8-%EC%96%B4%EB%96%BB%EA%B2%8C-%ED%95%A0%EA%B9%8C-_-ux-%EB%94%94%EC%9E%90%EC%9D%B8%EA%B3%BC-%EA%B0%9C%EB%B0%9C/)

어떻게 하는데?

Funnel 분석을 수행하는 많은 툴이 존재합니다. 우선, 데이터베이스를 구축해야 하고 그 데이터베이스를 통하여 위 사진들처럼 고객의 이탈률과 전환율을 시각화할 수 있죠. 그리고, 그 시각화를 통해 인사이트를 얻고 개선점을 찾아갑니다. 이를 위해 많이 사용하는 툴은 GA(Google Analytics)가 있습니다.

 

 

INSIGHT
: 데이터 분석 기법을 처음 공부해봤다. 기존에 했던 작업들은 대부분이 그냥 파이썬으로 데이터 분석하고 이를 시각화하는 작업 정도였고, 특별한 기법을 사용하진 않았다. 아니. 사실 몰라서 사용하지 못했다. 그런데, 마케팅에는 관심이 있었다. 그래서 일부러 마케팅 쪽에 많이 사용된다는 데이터 분석 기법을 골라서 Funnel Analysis를 공부하게 되었는데, 생각보다 흥미로웠다. 예시들이 적절해서 그런지 공감이 많이 갔고, 마케팅과 데이터 분석을 공부하는 사람들이 가장 많이 고민하는 부분들이 사소한 부분임도 알게 되었다. 아무리 좋은 상품을 가지고 있더라도, 그 상품으로 가는 과정이 불편하다면 고객들은 결국 이탈하게 된다. 이 과정이 우리 삶과 유사하다. 본인이 아무리 좋은 실력을 가지고 있더라도, 본인과 함께 하는 활동들이 불편하다면 팀원들은 결국 떠나게 된다. 마케팅 회사들이 이런 불편점들을 개선하기 위해 많은 노력을 기하는 만큼, 우리도 본인의 문제점들을 명확히 파악하고 개선시키는 노력이 필요하다.

마치며..

오늘은 이렇게 Funnel Analysis에 대해 배워봤습니다. 실무에서 정말 많이 쓰이고, 마케터를 꿈꾸시는 분들이라면 꼭 배우는 것 중 하나라고 합니다. 저는 데이터 분석가에 관심이 있는데, 그러다 보니 자연스럽게 마케팅 기법들과 분석 방법들을 배우게 되는 것 같네요. 다음에는 다른 분석 기법들도 소개해보겠습니다. 오늘도 읽어주셔서 감사합니다.