[SQL/BigQuery] 퍼널 분석(Funnel Analysis)과 의사결정의 흐름 정리(Section 2-2) - 돌멩이의 데이터 분석

💻본 포스팅은 [인프런] 카일스쿨의 BigQuery(SQL) 활용편을 기반으로
요약 및 실습한 기록을 정리했습니다.

---

퍼널 분석의 개념

퍼널 분석은 사용자가 서비스 내에서 공급자가 원하는 목표 행동으로 이동하는 과정을 단계별로 시각화하고,
각 단계에서 얼마나 전환(Conversion)이 일어나는지 파악하는 분석 방법이다.

정의

• 하나의 퍼널에서 다음 퍼널로 얼마나 전환되는지 파악
• 이벤트 기반 퍼널
  • 명시적 이벤트가 존재하는 경우 : 메인화면 진입 → 상품 클릭 → 구매완료 등
  • 명시적 이벤트가 존재하지 않는 경우 : 대체재로서 이벤트 설정 (ex page view가 대표적)

유형

• Open 퍼널
  • 사용자의 이벤트 순서를 엄격히 제한하지 않음
    • 예시 :
      

      

      
      (1) 구매하기 버튼 클릭 → 신용카드 정보 입력 → 결제 완료
      (2) 구매하기 버튼 클릭 →  원클릭 결제 완료
      두 가지 모두 각각의 퍼널 케이스로 인정됨
      
      
• Closed 퍼널
  • 사용자가 정해진 단계를 순서대로 거쳐야 집계
    • 예시 : 회원가입 버튼 클릭 → 본인인증 → 약관 동의 → 개인정보 입력 
      위처럼 공급자가 정해둔 순서에 맞게 사용자가 반드시 진행해야 하는 경우

---

퍼널 데이터의 집계 단위

퍼널 데이터는 어떤 단위로 집계되어야 할까?

 

• 유저 단위 집계: 로그인 기반, 사용자 ID를 기준으로 분석
• 세션 단위 집계: 비로그인 사용자 포함, 세션 기준 집계
  • 동일 유저라도 세션이 끊기면 다른 세션으로 구분
  • 세션 종료 기준은 명시적(로그아웃) 또는 비명시적(비활동 시간 기준)으로 정의
    • 보통, 세션 단위 집계를 선호하고 명시적 활동 종료를 찾기 힘들때가 많다
    • 비명시적 활동 종료에 대한 정의를 명확히 할 것

---

퍼널 데이터 해석과 의사 결정

현황 파악

• 주요 이벤트별 사용자 수 확인
• 퍼널 단계별 전환율 계산
• 특정 구간에서 급격히 이탈하는 패턴 탐색

패턴 분석

• 일자별 혹은 주말·공휴일 등 시간대별 전환 차이 확인
• 다른 경로에서도 동일한 목표 행동이 일어나는지 검토

팀 공유 및 실행

• 시각화된 결과를 기반으로 가설 수립
• 예: 퍼널 단계를 줄이기, 순서를 바꾸기, 결제 직전 업셀링 추가 등

---

💬 정리 및 추가 활동

• 퍼널의 기준을 단순히 나누어진 기준으로 보지 말고, 특정 이벤트끼리 묶거나, 날짜 및 시간대를 다르게 하여 유의미한 차이가 있는 지 여러 가설을 세워보는 것이 중요하다
• 퍼널 및 사용자 로그 설계에는 제품에 대한 파악이 선행되어야 한다.
• 단순히 전환율을 올리는 것 보다는 제품의 근본적 문제 해결이 우선이다.

퍼널 분석에 대해 공부하던 중, 우리가 특정 사이트에 보내는 로그를 직접 볼 수 있다는 사실을 알았습니다.
온라인 쇼핑 사이트를 기준으로 어떤 로그를 보내는 지 탐색하여,
큰 기업들은 사용자들의 어떤 데이터를 수집하고 주목하는지 알아 볼 예정입니다.