MCP(Model Context Protocol)

MCP 이용 안내

현재 MCP는 신청 기업에 한해 한정적으로 제공하고 있습니다. 자세한 사항은 링크를 참고해주세요


메시지 작성 가이드

목록과 상세

  1. 리스트상세를 분리하여 질의 하는게 좋습니다. 리스트는 많은 데이터를 한번에 조회 하므로 간략한 정보만 포함되어 있습니다. 상세 정보는 id 를 기반으로 조회 하므로 id를 바로 제시하거나 리스트 조회 후 상세를 조회하는 방식으로 이용하시면 됩니다.

예시

최신 인앱메시지 다섯 개를 조회해주세요.
실험 id 485404를 조회해주세요.
가장 최신 푸시 메시지의 상세 정보를 조회해주세요.


  1. 캠페인 키, 이름, 설명을 알고 계시다면 검색을 통해 원하는 실험, 인앱, 푸시메시지를 찾아볼 수 있습니다.

예시

캠페인 키 167번 푸시메시지 결과를 시각화해서 나타내주세요.
장바구니와 관련된 인앱메시지가 있나요?


  1. 클로드는 대화가 길어질수록 사용량 제한에 빨리 도달하고, 처리 속도가 느려집니다. 맥락이 다른 대화는 새 채팅으로 시작하면 더 빠르게 결과를 받아보실 수 있습니다.
  • 실험 목록 조회해서 id 확인 → 새 채팅에서 실험id 기반으로 상세 조회

시각화

  1. 시각화를 포함한 상세분석을 요청하면 차트가 포함된 웹페이지가 생성됩니다. 단 웹페이지를 만드므로 소요 시간은 수 분 정도 걸릴 수 있습니다.

예시

일간 활성 사용자수를 시각화해서 상세 분석 해주세요 (링크 )
주간 리텐션을 시각화해서 상세 분석해주세요. (링크 )


  1. 시각화를 할 때 원하는 차트 타입을 명확하게 언급하면 한번에 좋은 결과를 받을 수 있습니다.

예시

7777번 유저패스 차트를 sankey diagram으로 시각화하고 분석해주세요.


  1. 핵클 대시보드에서 확인하실 수 있는 차트 모양들은 아래와 같습니다. 요청하실 때 참고해 주세요!
  • 인사이트
  1. 선 차트 (Line chart)
  2. 누적 선 차트 (Stacked line chart)
  3. 세로 바 차트 (Stacked bar chart)
  4. 파이 차트 (Pie chart)
  5. 테이블 차트 (Table chart)
  6. 메트릭 차트 (Metric chart)

  • 리텐션
  1. 선 차트 (Line chart)
  2. 메트릭 차트 (Metric chart)

  • 유저 패스
  1. 생키 다이어그램 (Sankey diagram)

  • 퍼널
  1. 클로즈드 퍼널 (Closed funnel)
  2. 단순 집계 퍼널 (Any order funnel)
  3. 연속 순서 퍼널 (Direct order funnel)

툴 리스트

  • 실험 리스트
  • 실험 상세
  • 인앱메시지 리스트
  • 인앱메시지 상세
  • 푸시메시지 리스트
  • 푸시메시지 상세
  • 활성 사용자수
  • 리텐션
  • 고착도
  • 리포트 리스트
  • 리포트 상세
  • 차트 리스트
  • 차트 상세
  • 원격구성 리스트
  • 원격구성 상세

주요 유즈케이스

  1. 사용자 행동 및 인게이지먼트 분석

  • 활성 사용자 트렌드 모니터링: 일/주/월별 활성 사용자 추이를 분석하여 성장 또는 이탈 패턴 파악
  • 리텐션 분석: 사용자 유지율을 분석하여 제품의 지속적인 가치 평가
  • 스티키니스 분석: 사용자가 얼마나 자주 제품을 사용하는지 파악하여 습관성 측정

  1. A/B 테스트 결과 분석

  • 실험 성과 평가: 다양한 실험의 결과를 분석하여 어떤 변화가 사용자 행동에 긍정적인 영향을 미쳤는지 파악
  • 실험 간 비교: 여러 실험 결과를 비교하여 최적의 전략 도출

  1. 마케팅 메시지 효과 분석

  • 인앱 메시지 성과 분석: 인앱 메시지의 효과를 측정하여 메시지 전략 개선
  • 푸시 알림 효과 분석: 푸시 알림의 참여율 및 전환율 분석

  1. 사용자 경로 및 전환 분석

  • 퍼널 분석: 사용자가 목표 완료까지의 경로를 추적하여 이탈 지점 식별
  • 사용자 경로 최적화: 사용자의 앱 내 경로를 분석하여 UX 개선 포인트 발견

응용 질문 예시

  • 지난 3개월간 활성 사용자가 어떻게 변화했나요? (링크)
  • 어떤 사용자 경로가 전환율이 가장 높은가요? (링크)
  • 신규 기능이 사용자 고착도(스티키니스)에 어떤 영향을 미쳤나요? (링크)
  • 어떤 푸시 메시지가 가장 높은 참여율을 보였나요? (링크)
  • 인앱 메시지 디자인 변경이 클릭률에 어떤 영향을 미쳤나요? (링크)
  • 신규 기능 출시 후 리텐션 변화는 어떤가요? (링크)

데이터 기반 의사결정을 위한 모범 사례

  1. 항상 충분한 데이터 샘플 확보하기

  • 통계적으로 유의미한 결과를 얻기 위해서는 충분한 데이터가 필요합니다.
  • 소규모 테스트 결과는 신중한 해석이 필요합니다.

  1. 상관관계와 인과관계 구분하기

  • 데이터 패턴이 인과관계를 의미하지 않을 수 있음을 인지해야 합니다.
  • A/B 테스트 결과로 검증된 인사이트에 더 높은 가중치 부여하는게 좋습니다.

  1. 다양한 관점에서 데이터 분석하기

  • 단일 지표만 보지 말고 여러 지표를 종합적으로 분석하는게 좋습니다.
  • 시간대별, 사용자 세그먼트별 분석도 병행하면 좋습니다.

  1. 비즈니스 목표와 연계하기

  • 모든 데이터 분석은 궁극적인 비즈니스 목표와 연계해야 합니다.
  • 단기적 지표 개선이 장기적 가치 창출로 이어지는지 검증이 필요합니다.