1차 피드백
피드백 전
기존 페르소나 설정
1. 무반응형 신규 유저
•
(under_50k + mid_50k_150k) + new + ad 유입 + 리뷰 클릭 X + 할인 노출 x
2. 잠재 전환형 유저(저가형)
•
under_50k + new + 검색 유입 + 리뷰 클릭 X + 할인 노출 O
3. 잠재 전환형 유저(중저가형)
•
mid_50k_150k + new + 검색 유입 + 리뷰 클릭 X + 할인 노출 O
4. 익숙한 재방문 유저(저가형)
•
under_50k + returning + 검색/자연 유입 + 리뷰 클릭 X + 할인 노출 O
5. 익숙한 재방문 유저(중저가형)
•
mid_50k_150k + returning + 검색/자연 유입 + 리뷰 클릭 X + 할인 노출 O
잠재 전환형 유저(저가형) & 익숙한 재방문 유저(저가형)로 묶어서 공통 인사이트를 도출했는데,
잠재 전환형 유저의 경우 유입 경로→ 검색 유입 이고, 익숙한 재방문 유저의 경우 유입 경로 → 검색/organic 임.
이 때 유입 경로가 달라서 공통 결론을 도출해도 되는건지에 대한 질문을 하였습니다.
위처럼 페르소나를 설정한 이유는, 플랫폼 특성 + 사용자 유입 경로 별 특성(new는 광고나 검색으로 많이 들어오고, returning은 자연/검색 유입으로 많이 들어올 것이다 라는 가정) + 사용자 행동 패턴의 수를 가지고, 즉 3가지의 기본 가설을 가지고 설정했기 때문인데, 막상 합치려고 하다보니 유입 경로가 다른데 어떻게 해야 할지 몰랐던 상태였음
피드백 후 & 결과
피드백 결론: 당위성은 설정하기 나름이다.
•
비교 대상끼리의 변수가 정확히 일치하지 않더라도, 명확한 근거를 첨부하여 설명하면 상관없는 부분이다.
위 피드백에 따라, 가설을 세운 이유가 어느정도 있으니 그대로 진행하기로 하였음
2차 피드백
피드백 전
전반적인 피드백을 요청드렸습니다.
피드백 후
수정할 점)
3P: 이탈률에 대한 정의가 모호•
이탈률 정의 부족 : "이탈률"이라는 용어가 반복적으로 등장하는데, 용어에 대한 명확한 정의가 없어 이해에 어려움이 있음.
14P : 상관관계 VS 인과관계 혼동 주의•
예: 리뷰 클릭 안 한 유저 → 이탈, 할인 미노출 → 이탈 같은 흐름이 단순 인과처럼 보일 수 있음.
•
‘리뷰를 안 봐서 이탈했다’가 아니라, ‘이탈한 유저는 리뷰를 안봤다’라는 식으로 해석방향을 조율해야 함.
•
명확한 인과를 밝히기 어렵다면, 실험 설계를 통해 검증하겠다는 방향으로 가야 함.
좋았던 점)
•
13P 페이지가 좋았음 : 단순한 지표 해석을 넘어서 search/organic 유입 경로 등 추가 분석으로 인사이트 도출한 점
•
데이터 분석의 전반적인 흐름 : 문제제기 → 데이터분석 → 결론 도출까의 단계를 잘 따랐다고 평가.
결과
•
3P : 이탈률의 정의를 설명하는 페이지 추가.
•
14P : 리뷰가 노출되었을 때 전환율이 올라가는 지를 실험설계를 통해 검증하고자 함.
인사이트 1.
•
리뷰와 할인 모두 클릭하지 않은 경우 가장 높은 이탈률이 나타남
•
리뷰 또는 할인 중 하나만 제공되어도 이탈률이 눈에 띄게 감소하는 경향을 보임
•
추가적인 유도 전략이 없으면 광고에 돈을 쓰는 것은 무의미함
도출한 인사이트 1에 대한 문제
•
이러한 데이터에서 상관관계는 관측되었지만, 그것이 인과관계를 의미하지는 않음
•
'리뷰와 할인 모두 클릭하지 않은 유저군에서 가장 높은 이탈률'이 관측되었지만, 이는 단순히 리뷰/할인이 없어서라기보다는 애초에 전환 가능성이 낮은 유저들이 클릭 자체를 하지 않았을 가능성도 존재할 수 있음
→ “리뷰 클릭 X → 이탈”이 아니라 “전환 가능성 낮음 → 리뷰 클릭 X + 이탈”의 구조일 수 있다는 점을 간과하면 잘못된 인과 추론으로 이어질 수도 있음
