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)과 목표(Goal)에 대해 마케팅, 프로덕트 팀으로부터 확인하는 과정을 진행했습니다.
해당 이벤트는 한달 간격으로 일주일동안 진행하는 주기성을 갖고 있으며, 당첨 이벤트의 형태를 갖고 있습니다.
해당 이벤트의 목적은 고객들의 재방문율을 높이기 위한 것임을 확인했습니다.
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
: Organic 유저 대상 D1(45%), D7(25%)
자사 서비스 유저들에게 설문조사를 돌리는 것이 정확하나, 여건상 진행할 수 없었습니다.
이를 대체해 타서비스에서 진행한 설문 조사 결과를 활용했습니다.
< 참여 여부에 영향을 미치는 요소 >
1-2. OO 이벤트 참여율 현황 파악하기
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
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