Search
🌒

이벤트 참여율 개선 포인트 도출하기

프로젝트 기간
2023/08/21 → 2023/08/25
활용 지표
DAU
리텐션
Preview
목적 : OO 이벤트 참여율 하락 원인 파악 및 솔루션 도출
역할 : MySQL, DBeaver, Python을 활용한 데이터 가공 및 분석
‘가입일’ 기준을 통한 고객의 참여율 비교 분석 진행, 행동 비교 분석
성과 : 유저 행동 패턴을 통한 가설 설정 → 이벤트 다각화를 통한 실험 분석 제안

1. 문제 정의

“OO 이벤트 참여율이 떨어지고 있어요. 문제 원인이 무엇인지 알고 싶습니다”

1-1. “OO 이벤트”의 역할 및 목표 확인하기

문제를 파악하고, 원인을 분석하기 이전에, 해당 이벤트를 진행하는 목적(Purpose)목표(Goal)에 대해 마케팅, 프로덕트 팀으로부터 확인하는 과정을 진행했습니다.
  Introduction
︎ 목적
해당 이벤트는 한달 간격으로 일주일동안 진행하는 주기성을 갖고 있으며, 당첨 이벤트의 형태를 갖고 있습니다.
해당 이벤트의 목적은 고객들의 재방문율을 높이기 위한 것임을 확인했습니다.
︎ 목표
재방문율(리텐션)을 높이기 위한 이벤트라면, 먼저 아래 두가지를 파악하는 것이 중요했습니다.
자사 서비스가 목표로 잡고 있는 리텐션 값은 얼마인지
유저들이 당첨 이벤트에서 원하는 것이 무엇일지
 리텐션 목표치
: Organic 유저 대상 D1(45%), D7(25%)
 당첨 이벤트에서 원하는 것
자사 서비스 유저들에게 설문조사를 돌리는 것이 정확하나, 여건상 진행할 수 없었습니다. 이를 대체해 타서비스에서 진행한 설문 조사 결과를 활용했습니다.
< 참여 여부에 영향을 미치는 요소 >
원본 내용은 다음에서 확인할 수 있습니다. https://platum.kr/archives/183889

1-2. OO 이벤트 참여율 현황 파악하기

  Problem : OO이벤트 참여율 하락하고 있다
OO 이벤트는 약 한달을 주기로 진행하고 있는 경품 이벤트 중 하나로 참여율이 떨어지고 있는지 비교하기 위해서는 1차, 2차, 3차, … n차의 참여율을 비교하면 간단하다. 물론 이때 서비스 내적으로 변동사항이나 외부적인 환경요인에 큰 변화가 없는 것을 가정하고 진행했다. (엄밀히, 이런 부분들을 최대한 통제하는 것이 필요하다) 참여율 자체만으로 아무 정보나 도움을 얻을 수 없기 때문에 결국 고객을 세분화해서 분석하고, 이로부터 이벤트에 대한 솔루션을 도출하는 것이 필요하다.
정말 하락하고 있는가
참여했던 유저들의 재참여율도 하락하고 있는가
  Conclusion
기존(OB) vs 신규(NB) 의 재참여율 추이를 확인해봤을 때
신규 유저들의 2차 참여율이 높은 것은 신규 서비스에 대한 기대가 기존 유저에 비해 상대적으로 높기 때문이라고 유추할 수 있었다. 하지만, 3차때는 재참여율이 큰 폭으로 하락하는 만큼, 해당 이벤트의 영향력이 오래가지 못하는 것으로 판단했다. 반대로 기존 유저들의 재참여율이 더 낮은 이유는 서비스에 대한 기대가 많이 떨어진 상태이기에 이벤트에 대한 매력도가 더 떨어지는 것으로 유추해볼 수 있었다.

2. 문제 원인 분석 및 가설 설정

2-1. OO 이벤트 참여율 하락 원인 가설 설정

가설 1 : 당첨 상품 구성이 별로라서 참여율이 떨어진 것이다.
가설 2 : 당첨율 자체가 너무 낮아서 참여율이 떨어진 것이다.
이벤트 참여율이 저조한 일반적인 원인을 도출하고, 가설을 설정했습니다. 유저들이 해당 이벤트에 대한 의견을 정확하게 알기 위해서는 정성 데이터(이벤트 리뷰)를 활용하는 것이 더 중요합니다. 하지만, 당시 상황 여건상 진행할 수 없었기에 추후 진행할 Action에 참고할 만한 정보를 얻기 위해 고객군을 나눠 추가적인 행동 분석을 진행했습니다.

2-2. OO 이벤트 헤비 유저 특성 분석

1~3차 모두 참여한 유저는 어떤 특성을 가지고 있을까

3. 결론 및 회고

  Conclusion
︎ 가설1 과 가설2를 검증할 수 있는 실험 분석을 진행하여 효과를 비교 분석해보기로 결정했습니다. ︎ OB 유저, NB유저 모두 20% 이상의 재참여율을 만들어내는 것을 다음 목표치로 설정했습니다. ︎ 프로젝트의 아쉬운 점 및 앞으로의 목표 ︎ 고객의 행동 원인을 파악할 때 정형 데이터도 중요하지만 정성적인 데이터(리뷰)를 함께 파악하는 과정이 필요하다고 생각했습니다. 앞으로 고객의 반응을 정확하게 판단할 수 있는 정성 데이터 분석도 추가적으로 진행해 마케팅, 프로덕트 팀에게 구체적인 Action을 제시하여 뚜렷한 성과를 만들어내는 것을 개인적인 목표로 설정했습니다.