📘

퍼널 분석을 하시려면 SDK 연동 및 이벤트 수집이 선행되어야 합니다.

사용하시는 개발언어의 SDK 문서를 참고해서 이벤트 수집 작업을 진행해주세요.

퍼널 분석 활용 팁

사용자 퍼널 분석을 통해 사용자가 서비스에 들어와 특정 목적을 이루기까지의 과정을 단계별로 분석할 수 있습니다.

본 문서에서는 퍼널 분석 활용을 다루고 있습니다. 퍼널 분석에 대해 더 자세히 알고싶다면 👉 퍼널 분석

핵클 데이터 분석에 대해 더 자세히 알고싶다면 👉 데이터 분석 소개

---

1. 제품 유입 관련

서비스 진입부터 장바구니 담기까지 구간별 전환/이탈율이 궁금합니다.

우선 서비스의 핵심이 되는 Critical Path 를 정의해서, 해당 경로의 전환/이탈률을 볼 때 퍼널 분석이 적합합니다.

1. 이벤트들을 선택하여 행동 흐름 경로를 설정합니다.
   • 퍼널 > 분석항목 설정
   • view_home > view_product_list > view_product_detail > add_to_cart

2. 목적에 맞는 분석 유형과 보고 싶은 기간을 설정합니다.

• 유형 > 연속 순서
  예시로 제공되는 진입 ~ 장바구니 담기 까지의 경로는 반드시 순차적으로 진행되는 경우가 많습니다. 이처럼 반드시 순차적으로 발생하는 행동 흐름을 볼 때에는 해당 경로를 설정해서 [연속 순서 퍼널] 로 볼 수 있습니다.

3. 데이터 확인 및 해석

각 구간별로 전환된 유저 수, 전환율을 볼 수 있고 이탈 구간도 한눈에 확인할 수 있습니다.

또한 KPI 혹은 OKR 로 설정하는 ‘최종 전환율’ (1단계 부터 최종 단계까지) 도 같이 확인할 수 있습니다.

특정 마케팅 경로로 들어온 유저들의 랜딩 페이지 이탈 포인트

이 경우에는 마케팅 경로 (utm_source)별로 나누어서 각 단계별 전환율을 비교, 분석해볼 수 있습니다.

1. 이벤트들을 선택하여 행동 흐름 경로를 설정합니다.

• 퍼널 > 분석 단계
  • view_landingpage > view_landingpage_impression_1 > view_landingpage_impression_2 > view_landingpage_impression_3

2. 속성으로 나눠보기를 선택한 후, 나눠보고자 하는 속성을 선택합니다.

• utm_source로 나눠보기

3. 데이터 확인 및 해석

아래와 같이 다른 색으로 utm_source (naver, tiktok, facebook 등)의 경로별 전환율 차이를 볼 수 있습니다.

2. 제품 사용성 관련

• 가입 유입 경로 중 어느 단계에서 가장 많이 이탈했을까?
• 사용자는 서비스에 접속하고 구매하기까지 최종 전환율은 몇 % 일까?
• 사용자가 결제하기까지 어떤 경로로 통해 전환될까?
• 서비스의 매출을 올리기 위해 가장 효율적으로 개선할 수 있는 부분은 어디인가?

6, 7월에 유입된/회원가입한 유저들의 활성화 차이를 볼 수 있을까?

예를 들어, 쿠폰 같은 마케팅을 진행했거나 바이럴 되었다던지 시기별로 유저들이 유입되었을 수 있습니다. 그럴 경우 해당 유저들이 서비스 내에서 어떤 행동을 하는 지 혹은 해당 유저들의 활성화 정도를 비교할 때 퍼널을 사용할 수도 있습니다.

1. 퍼널 단계에서 분석할 이벤트 설정

   보고 싶은 이벤트를 분석 단계에서 설정합니다. 로그인 같은 경우 활성화 정도를 볼 수 있고, 결제 관련 쿠폰을 제공한 경우, 결제 이벤트를 설정할 수도 있습니다. 예시에서는 [visit - login] 으로 얼마나 활성화되었는 지를 보겠습니다.

2. 사용자 그룹 설정

   회원가입 완료한 이벤트를 설정하고 기간을 6월, 7월로 설정하면 첨부 이미지 처럼 2개의 유저 세그먼트를 생성할 수 있습니다.

3. 데이터 조회 및 분석

   아래와 같이 두가지 색으로 6월, 7월에 신규 가입한 유저들의 서비스 방문 - 로그인까지의 전환율(%) 정도와 그 차이를 볼 수 있습니다.

   7월에 유입된 유저가 상대적으로 6% 더 높은 전환율을 보이는 것으로 확인할 수 있고, 이와 같은 원리로 퍼널을 더 길게 보거나, 더 많은 유저 그룹을 생성해서 비교해볼 수 있습니다.

대규모 업데이트 전후 구매 전환율이 어떻게 달라졌을까?

서비스 개발하면서 각 결제 모듈 혹은 알고리즘 업데이트 등으로 대규모 업데이트를 진행했을 수 있습니다.

그런 경우에, 유저마다 다른 버전으로 사용하고 있기 때문에 사용 버전별 전환율을 퍼널로 비교해볼 수 있습니다.

1. 서비스의 Critical Path 를 설정합니다.

   결제 관련 업데이트가 진행되었다면, 영향을 받은 주요 패스(Path) 를 분석 단계로 설정합니다.

2. 사용자 그룹에서 유저들을 OsVersion 혹은 BroswerVersion 등으로 나누어 봅니다.

   아래 이미지 처럼 유저들의 속성에서 버전 별로 나누어 봅니다.

3. 퍼널 데이터 조회 및 분석

   각 버전 별로 해당 퍼널 경로에서의 전환/이탈률을 확인할 수 있습니다. 아래 예시는 v.16.0 이 가장 높은 결제 전환율을 보입니다. 이렇게 버전 별 성과를 보면서 어떤 영향을 미쳤는 지와 그 정도를 확인할 수 있습니다.

3. 결제/매출 관련

특정 지역(예를 들어, 일본, 미국)의 결제 퍼널 전환율은 어떻게 변했을까?

특정 이벤트를 발생시킨 유저들을 세그먼트로 잡을 수도 있지만, 사용자의 지역/언어/OS/version 등으로 세그먼트를 나눌 수도 있습니다.

예를 들어, 유저의 지역별로 진입부터 결제까지의 전환율을 분석해보고 싶다면 아래처럼 진행할 수 있습니다.

1. 분석하고자 하는 퍼널 단계 설정

   [진입 - 상품 클릭 - 찜하기 - 장바구니 담기 - 결제 완료] 같은 이벤트들을 선택하여 행동 흐름 경로를 설정합니다.

2. 사용자 그룹에서 사용자의 속성별로 조회, 선택합니다.

   language, country 등 조회해서 선택합니다.

3. 데이터 확인 및 해석

   아래처럼 선택한 유저 세그먼트가 그래프에 보이는데, 최종 전환율은 비슷하지만 영미권 유저들이 add_to_wish 를 상대적으로 많이 경유한 것을 비교를 통해 분석할 수 있습니다.

   예를 들면 이런 그래프를 통해 최종 전환율의 목표 수치를 정한다거나, 영미권 유저들이 보는 add_to_wish 화면 고도화에 대한 아이디어 등으로 퍼널 그래프를 활용할 수 있습니다.

• 결제 퍼널이 가장 높은 경로는 어디일까?
• 구매 과정에서 사용자가 가장 많이 이탈한 지점은 어디인가?

지난달 대비 구매전환율

사용자의 퍼널을 기간별로 비교해보고 싶을 때 기간 비교하기를 활용해볼 수 있습니다.

1. 이벤트를 선택하여 행동 흐름 경로를 설정합니다.

• view_home > click_product > order_complete

2. 보고 싶은 기간을 설정한 뒤, 비교하고 싶은 기간을 선택합니다.

• 기간: n일 이내 퍼널 단계를 모두 수행한 사용자

3. 데이터 확인 및 해석
   최근 30일 이내 전환 퍼널과 전월 전환 퍼널을 비교해보며 확인할 수 있습니다.