인사이트 분석 활용

인사이트 분석 활용 팁

본 문서에서는 핵클의 인사이트 분석을 활용하여 제품을 다양한 관점에서 살펴보고 데이터를 분석하는 팁을 알려드립니다.

1. 제품 유입 관련

제품 방문 수와 방문자 수를 확인하고 싶다면?

분석 항목 Any Event 혹은 방문 이벤트 ex. 'view home' 를 선택해주세요.

첫번째 항목은 '횟수'로 선택하고, 분석항목 추가를 눌러 두번째 항목은 '사용자 수'로 선택하면 PV와 UV 두 개 항목을 동시에 확인할 수 있습니다.

전주 대비 신규 사용자 수의 추이를 확인하고 싶다면?

분석항목에서 회원가입을 측정할 수 있는 이벤트 signup 선택해주세요.

측정 기준으로 ‘사용자 수’ 선택하세요.

기간을 주별로 선택한 뒤 원하는 기간을 선택해주세요. (ex. 주별, 8주)

  • 기간 비교하기를 클릭하여 전주 대비를 선택해주세요

조회 결과를 확인하고, 조회 기간을 변경하여 주별 신규 회원가입자 수의 추이를 살펴볼 수 있습니다.

마케팅 채널 별 제품 유입 경로를 확인하고 싶다면?

원하는 이벤트를 분석 항목에서 설정하고, Group By 기능에서 마케팅 추적 속성(utm source, medium, resource 등)을 선택하면 항목별로 묶어볼 수 있습니다.

utm source별 사용자 보기
세로 바 차트로 특정 시기별로 조회할 수 있습니다.
파이 차트로 점유율을 확인할 수 있습니다.
circle-info

참고

  • [분석항목] 과 [사용자 그룹]에는 아래처럼 집계되고 있는 속성들이 조회됩니다.

  • 분석하고 싶은 데이터가 있다면, 이벤트 관리에서 해당 데이터를 볼 수 있는 이벤트 명, 속성이 집계되고 있는 지 확인해주세요! UTM 이 User 속성으로 들어오고 있어야 합니다.

2. 사용자 행동 관련 데이터

유저들이 특정 상품을 얼마나 많이 클릭하는지 궁금하다면?

특정 상품의 클릭한 이벤트를 보고 싶다면, click_product 를 확인합니다.

데이터 분석 > 인사이트 > 분석항목, 사용자 그룹 등을 설정합니다.

  • 분석항목 : 이벤트 명은 click_product, 측정 기준을 횟수 로 선택합니다. 이렇게 설정하면 클릭 횟수를 볼 수 있습니다.

데이터 나눠보고 싶은 기준을 [그룹바이] 에서 선택합니다.

  • 그룹 바이 : product_name 선택

    • 선택한 이벤트의 속성 으로 삽입된 목록이 보입니다.

    • 데이터를 상품 ID별로 볼 지, 상품 이름으로 볼 지, 카테고리 별로 볼 수 선택할 수 있습니다.

아래와 같이 상품 이름 별로 상품 클릭 횟수 와 설정한 기간 동안의 클릭 수 추이 가 보입니다. 상황에 따라 조회 기간, 주기 혹은 차트 유형을 목적에 맞게 선택하면서 활용할 수 있습니다.

상품을 본 유저 중에 장바구니 담기 한 유저, 결제 유저 수와 결제 전환율이 궁금하다면?

  1. 데이터 분석 > 인사이트 > 분석할 항목을 설정합니다.

  • 분석 항목 : 상품을 본 이벤트(view_product), 장바구니 담기 한 이벤트 (view_cart)

  1. 조회된 데이터를 확인합니다.

  • 아래처럼 8월 4일에는 약 203명이 상품 상세 페이지를 보고, 52명이 장바구니 담기를 했다는 것을 확인할 수 있습니다. (약 25%)

  1. 데이터를 상세하게 분석해봅니다. 수치를 확인했다면 상품 상세 페이지를 본 사람 중에, [장바구니 담기]를 한 유저 혹은 [구매 완료] 한 유저등로 [전환율] 도 같이 봅니다. 분석항목 하단의 전환율 에서 [분자 / 분모] 를 선택합니다. 예시처럼 설정하면 장바구니 담기 전환율을 볼 수 있습니다.

    • 분자 : 장바구니 담기 / 분모 : 상품 상세 보기

30일동안 상품 상세 페이지를 본 유저 중에 약 24% 가 장바구니 담기를 했다는 것을 확인합니다.
  1. 평균 전환율과 추이를 확인했다면 그룹 바이 기능을 통해, 어떤 상품이 가장 전환율이 높은 지 확인합니다.

상품명 (product_name) 으로 나누어 보겠습니다
가장 전환율이 높은 상품 목록을 확인할 수 있습니다.

3. 결제, 매출 관련 데이터

circle-info

결제 이벤트 선택 후 계산 방식을 선택하여 아래 데이터를 확인할 수 있습니다.

  • '횟수'를 선택하면 주문 수(Order)

  • '사용자 수'를 선택하면 주문자 수 (Purchaser)

  • '총 합'을 선택하면 매출(Revenue)

    • '총 합'의 경우 어떤 기준으로 합계를 할것인지를 선택해야하는데, 매출은 주문 금액의 총합으로 주문 금액에 해당하는 value 혹은 order_amount 등의 속성을 선택하시면 됩니다.

  • '평균'은 어떤 기준으로 보고 싶은지 선택해야하는데, '평균 값'은 평균 구매 가격(AOV), '사용자당 평균 횟수'는 사용자당 구매 건수, '사용자당 평균 값'은 사용자당 평균 매출(Average Revenue Per User)를 확인할 수 있습니다.

결제전환율을 보고 싶다면?

  • '홈페이지 방문 visit' 중에 '구매 order_complete' 행위로 전환된 경우를 예시로, 전환율 계산 기준이 PV인 경우 '횟수'를, UV인 경우 '사용자 수'를 선택해주세요.

  • 그 다음 전환의 분자, 분모 영역에 알맞는 이벤트를 선택하시면 자동으로 전환율이 나옵니다.

주문 수와 매출을 동시에 확인하고 싶다면?

우선 분석 항목에서 구매 완료를 확인할 수 있는 이벤트를 선택하세요. 분석 항목에 첫번째 항목은 '횟수'로 선택하고, 분석항목 추가를 눌러 두번째 항목은 '총 합'로 선택하면 두개 항목을 동시에 확인할 수 있습니다.

  • 특정 지역으로 대상을 한정해서 비교해보고 싶다면?

    • 사용자 그룹에 첫번째 항목을 Location > Seoul 로 선택하고, 사용자 그룹 두번째 항목은 Location > Gyungi로 설정하면 각기 조건에 해당하는 사용자들의 데이터만 취합하여 비교할 수 있습니다. 이때 차트 형식을 가로 막대 차트로 변경하면 분석 항목별, 사용자 그룹별로 나눠진 데이터를 손쉽게 파악할 수 있습니다.

전체 매출 상위 상품/카테고리를 한눈에 보고싶다면?

  • 나눠보기(Group by) 기능을 사용하시면 '속성'에 상품 혹은 카테고리를 선택하면 해당 속성 기준으로 모든 세부 항목별 데이터를 확인할 수 있습니다. 이때 차트 형식을 '파이 차트'로 변경하면 전체 기간 합산 기준으로 상위 데이터를 한눈에 볼 수 있습니다.

그룹바이 상품 이름 'product_name'

사용자당 평균 결제 금액이 궁금하다면? (ARPPU)

ARPPU는 Average Revenue Per Paid User 의 줄임말로, 유료 사용자 1인당 평균 결제 금액을 뜻합니다.

해당 지표를 조회하기 위해서는 유료 사용자를 기준으로, 해당 유저들의 평균 결제 금액을 분석해야 합니다. 하나씩 따라해보면 쉽게 조회할 수 있습니다.

  1. ARPPU 를 확인할 수 있는 결제 이벤트와 계산 항목을 선택합니다.

    • 분석할 이벤트 : 결제 이벤트 (order_complete) 선택

    • 계산 공식 : 평균 > 활성 사용자당 평균 값

    • 속성 : 결제 금액 (order_amount) 선택

  2. 결제 유저를 선택합니다.

    • 사용자 그룹 설정 이벤트 : order_complete 을 1회 이상 발생시킨 유저

    • 기간 : 원하는 기간 설정 (예시는 최근 30일)

  1. 데이터 확인

    • 최근 30일 기준, 유료 사용자들의 평균 결제 금액 (ARPPU)을 볼 수 있습니다.

사용자들의 체류 시간이 궁금하다면?

사용자들의 우리 서비스에 얼마나 머물렀는지 쉽게 파악할 수 있습니다.

해당 지표를 조회하기 위해서는 핵클 SDK에서 자동으로 수집하는 $engagment 라는 이벤트 수집이 필요합니다. 기존 세션 기반 분석과는 달리 페이지 단위별로도 상세하고 정교하게 체류 시간을 확인할 수 있어요!

하나씩 따라해보면 쉽게 조회할 수 있습니다.

  1. 체류시간을 확인할 수 있는 결제 이벤트와 계산 항목을 선택합니다.

    • 분석할 이벤트 : 체류시간 이벤트 선택

    • 계산 공식 : 사용자 기준 > 평균 값

    • 속성 : 원하는 페이지 이름 ($page_name) 선택

  1. 데이터 확인

    • 최근 7일 기준, 해당 페이지를 방문한 전체 사용자들의 평균 페이지 체류 시간을 볼 수 있습니다.

마지막 업데이트