[Product Sense] 채용공고를 기반으로 공부하기(1) - 토스(Toss) Data analyst

Product sense 인터뷰를 준비하는 과정에서 나의 답변이 실무적인 관점에서 매우 모호하고 뜬구름 잡는 소리라는 생각이 들었다. 가장 좋은 방법은 실무에서 그들이 어떤식으로 문제를 해결해나가는지를 관찰하는 것이라고 생각하여, Data analyst 직군의 채용공고를 살펴보기로 한다.

 

첫 번째 기업은 대한민국에서 1800만 가입자를 보유하고 있는 핀테크 기업인 토스이다. 

토스는 데이터를 기반으로 의사결정을 내릴 수 있도록 많은 노력을 기울이고 있으며, 내가 현재 준비하고 있는 Data Analyst에 대한 채용공고도 업로드 되어있다.

 

Toss Data Analyst (Global) : https://toss.im/career/job-detail?job_id=4571130003 

원하는 업무 역량:

1)비즈니스 시나리오별 시뮬레이션을 통해 액션을 제시할 수 있는 역량

2)서비스의 문제를 진단하고 해결하는 역량

3)글로벌 서비스 런칭 경험

토스채용

합류하시면 함께 할 업무입니다 각 서비스 사일로 및 토스 전체가 Data-driven 의사결정을 내릴 수 있도록 정량적 수치와 분석 결과를 제공합니다. 서비스 단에서 발생하는 Raw Data들을 정제/가공/적재하며, 이를 넘어 토스 구성원에게 Insight가 전달될 수 있도록 대시보드 및 리포트를 구성합니다. 목표로 하는 지표의 성장을 위한 임팩트 있는 가설을 팀원과 설정하고, 이를 검증하기 위한 A/B 테스트 실험을 설계하며, 결과를 분석하여 전달합니다. 실제 유저들이 경험하는 App/Web 상의 로깅 및 이를 통한 Funnel 분석을 수행합니다.

<모바일 서비스 데이터 분석 방법>

 

1. AARRR 분석 프레임워크: 미국의 스타트업 엑셀러레이터 500 Startups의 창립자 데이브 맥클루어(Dave McClure)가 개발한 분석 프레임워크. 스타트업이 시장 진입 단계부터 서비스/제품을 홍보하고 사용자를 확보하기 위해 단계별로 집중해야 할 지표를 정리한 성과측정모델.

 

<Reference>

http://www.wisetracker.co.kr/blog/aarrr/

모바일 데이터 분석의 시작: AARRR (해적지표) - Blog

https://alex-blog.tistory.com/entry/Funnel-%EB%B6%84%EC%84%9D-%EA%B7%B8%EB%A1%9C%EC%8A%A4-%ED%95%B4%ED%82%B9-AARRR

[Data driven Marketing] AARRR 분석, Funnel 분석 , 그로스 해킹, CAC

1)Acquisition(사용자 획득): 사용자가 어떻게 서비스를 접하는가? (How Do Customers Find YOU?)

 - 어떤 광고 채널/캠페인이 가장 효과적인지 파악: 앱 설치수, 방문수, 페이지뷰 < 해당 비즈니스에 의미있는 이벤트 수를 가장 많이 발생시킨 채널에 집중해야 함 (ex. 특정 채널에서 유입된 사용자들의 앱 설치수나 방문수가 높더라도 비즈니스에 핵심적인 회원가입수, 주문수가 낮다면 효과적인 채널이라고 할 수 없음). 마케팅 채널별 앱 설치수, 방문수, 페이지뷰수 + 비즈니스별 맞춤 성과(회원가입수, 예약수, 리뷰수, 공유수)

- 가장 효과적인 채널을 확인했다면, 그 채널로 유입된 사용자들을 파악함. (성별, 연령대, 사용국가, 기기 플랫폼, 처음방문자/반복방문자/재방문자 )

• DAU (Daily Active Users): 하루 동안 해당 서비스를 이용한 순수 이용자 수
• MAU (Monthly Active Users): 한달 동안 해당 서비스를 이용한 순수 이용자 수
• New User: 신규 가입 회원 수

2)Activation(사용자 활성화): 사용자가 처음 서비스를 이용했을 때 경험이 좋았는가? (How Quickly Can You Get Your Customer's to the AHA moment?)

사용자들이 앱을 설치했다 하더라도 첫 방문시 사용 경험이 나쁘다면 앱을 삭제하거나 다시 방문하지 않을 확률이 높다. 화면 이동경로 리포트를 통해 사용자들이 첫 화면 이후에 기획의도처럼 문제없이 이동하고 있는지를 확인할 수 있다. 예를 들어, 메인화면 이후에 서비스/상품 페이지가 아닌 엉뚱한 화면으로 이동하는 비율이 높다면 UI/UX 개선

또한 전환 퍼널 분석을 통해 각 화면 경로 별 전환율과 이탈율을 분석할 수 있다. 예를 들어 4단계로 이루어진 회원가입 전환 경로 분석 시, 2단계에서 이탈율이 높으면 해당 단계에서 이탈이 벌어짐. 

고객이 활발하게 활동을 하였는지 측정하는 것

• Bounce Rate (이탈률): 소비자가 특정 서비스에 유입되고 바로 나가는 경우의 비율 (바로나가는 경우수/방문수)
• Page View: 특정 서비스에 방문하여 둘러 본 페이지수
• Avg. PV: 한 유저가 평균적으로 둘러 본 페이지 수
• DT: Duration Time: 특정 서비스에 접속하여 머물다가 떠날때까지의 시간
• Avg. DT: 한 유저가 평균적으로 서비스에 머물다가 간 시간

 

3)Retention(사용자 유지): 사용자가 우리 서비스를 계속 이용하는가? (How Many of Your Customers are you retaining & Why are you losing the others?)

사용자가 지속적으로 앱을 방문한다는 것은 그 서비스에 관심이 많다는 의미이므로, 추후 구매 전환으로 이어질 가능성이 높음. 앱 설치수는 꾸준히 늘어나는데, 앱 유지율 및 삭제율도 같이 높아진다면 처음 방문자들에게 앱 서비스가 크게 매력적이지 않다는 의미. 또한 방문 횟수, 방문 분포 리포트를 통해 어떤 빈도로 앱에 방문하는지 방문간격을 볼 수 있음. 매일 들어오는지 아니면 15-30일 주기로 들어오는지 (ex. 생리 앱 등의 주기). 이들의 방문을 촉진할 수 있는 이벤트나 프로모션을 푸시 메시지로 안내 가능.

특정 사용자 그룹을 대상으로 타겟 마케팅을 진행할 수 있음. 앱 설치 일자, 관심사, 데모그래픽 기반으로 특정 그룹에게 광고 노출 및 푸시 메시지 전송. 전송된 푸시 메시지의 응답률, 실행수, 전환분석이 가능함. 

Retention Rate: 업종별로 정의가 다름. 재구매/재방문 등

 

4)Referral(추천): 사용자가 다른 사람들에게 제품을 소개하는가? (How can you turn your customers into your advocates?)

비즈니스의 빠른 성장을 위해서는 제품/서비스에 무심한 고객 10000 명을 만드는 것보다 충성도가 높은 고객 100명을 만드는 것이 더 효과적이다. 사용자들이 온라인에 쉽게 공유할 수 있도록 개선해야 한다. 

• SNS Share Rate
• 사용자 언급 댓글수

5)Revenue(매출): 어떻게 돈을 버는가? (How can you increase Revenue?)

어떤 사용자들이 매출에 많은 기여를 하는지를 파악해 유사 사용자들을 대상으로 마케팅을 진행하는 방법. 고객들의 성별, 연령대, 방문유형, 유입 채널을 파악하여 프로모션시 활용 가능. 매출 측면에서 가장 인기가 많은 상품과 컨텐츠를 파악해 앱 내 관련 컨텐츠/상품을 빠르게 업데이트하고 종류를 늘려간다면 같은 기간 내 보다 높은 매출을 기대 가능

ATV (Average Transaction Value): 한 건당 사용금액

IPT (Item Per Transaction): 한 건당 구매 아이템수

ARPU (Average Revenue Per User) = 일매출/DAU (중복을 제외한 하루 접속한 순수 이용자의 수)

ARPPU (Average Revenue Per Paid User) = 결제를 한 이용자로 나눈 단위당 매출.

*ARPU는 넓은 의미에서 감을 잡을 수 있음. 예를 들어 일매출 1억을 달성하기 위해 하루 접속 사용자가 최소한 1만명이 되야한다는 것. ARPPU는 이미 결제를 해본 사용자이기에 타겟 마케팅 등에 활용 가능

 

 

2. LTV (Life Time Value)

사용자 1명당 앱을 사용하는 동안에 발생할 수 있는 사용자당 기대수익. 

LTV = ARPU/ Customer Churn Rate

*Churn (유저 이탈 비율) = 1 - Retention Rate

예제) 한 달 유저당 평균수익(ARPU)가 10만원이고 유저 이탈 비율(Chrun)이 20%라고 하면, LTV는 10만원/20% = 50만원이 된다. 

LTV>CPI(=Cost Per Install; 앱 설치당 단가)일경우 예산을 잘 사용하고 있다는 의미. CPI가 LTV의 70% 이하라고 가정하면 UA를 진행해볼만 하다. 

 

3. Cohort Anaysis

코호트 분석이란, 분석 결과를 특정 사용자 그룹으로 (나이 또는 성별 등) 나눠서 더 깊게 분석하는 것으로, 집단의 특성에 따른 인사이트를 얻어서 서비스에 반영할 수 있다.

예를 들어서 DAU가 100만으로 꾸준히 유지 되는 서비스가 있다고 가정할때, 이를 연령 층으로 나누었을때 20대 사용자가 증가하고 30대가 감소한다면, DAU 향상을 위해서 30대를 위한 서비스 개선을 생각하거나 또는 서비스의 방향을 20대로 아예 바꿔 버릴 수 도 있다. 앞의 지표를 하나의 숫자로만 보고 분석하면 집단별 특성을 놓칠 수 있지만, 코호트 분석을 통하면 서비스를 사용하는 집단의 특성에 따라 다양한 해석이 가능하기 때문에 그에 따른 다양한 대응역시 가능하게 된다.

 

출처: https://bcho.tistory.com/1063 [조대협의 블로그]

모바일 데이타 분석 및 사용자 분석

https://alex-blog.tistory.com/entry/pythoncohort?category=891945

[Data driven Marketing] 코호트 분석 (cohort analysis) feat. python

ex) 최근 2년 기준 X달 구매 회원 중 X+1 재구매 회원

4월 재구매 회원

5월 재구매 회원

Retention Rate

5월 재구매 매출

 

ex) 첫 번째 구매행동 이후 몇 개월까지 구매행위가 지속되는가?, 구매주기를 대략적으로 얼마큼 되는가?,

첫 구매 날짜(브랜드 인입 시기)에 따른 최근 구매 패턴(구매, 비구매) 비교 등

 

4. Funnel Analysis

특정 목표를 달성할 때까지 사용자의 잔존 비율을 단계별로 분석하는 분석 방법

앞에서 설명한 Acquisitions> Retain> Engagement> Monetization의 단계도 뒤로 갈수록 사용자가 점점 낮아지는 깔때기 형태. 어느 단계에서 사용자가 이탈하는지 파악하고 그 단계를 보강할 수 있음.

 

 

*기타 용어

Session: 한명의 사용자가 한번 앱에 접속해서 사용하고 종료할 때까지의 기간. 한번 접속했을때 사용자가 앱을 사용하는 시간을 Session Length라고 한다.