사용자 행동 데이터 분석: 2넷플릭스와 아마존은 데이터 분석을 어떻게 할까요?

앞서 사용자 행동 데이터 분석: ①사용자 행동 데이터 분석이란 무엇일까요? 에서 사용자 행동 데이터 분석이란 무엇이고, 왜 해야 하는지를 알아보았습니다. 그중에서도 특히 사용자 행동 데이터 분석은 적은 비용으로 많은 사람의 행동을 분석할 수 있고, 데이터만 잘 쌓으면 사용자들의 행동 패턴을 원할 때 언제든 분석을 할 수 있어서 주목받는 중이라고 설명했습니다.

이번 글에서는 실제 사례를 바탕으로 회사들이 어떤 식으로 사용자 행동 데이터 분석을 진행하는지 알아보고, 분석 결과가 비즈니스에는 어떤 영향을 미칠 수 있는지 살펴보겠습니다.

사용자 행동 데이터로 분석할 수 있는 것 사용자 행동 데이터 는 말 그대로 사용자들이 서비스 내에서 행동한 대부분의 활동을 추적하는 데이터이므로 정말 다양한 분석이 가능합니다. 아래 예시는 제가 임의로 적어본 내용이지만, 실제 서비스에서도 충분히 데이터 분석을 해볼 수 있는 주제들입니다.

사용자들이 우리 서비스의 여러 기능을 어떤 순서로 사용하는지 어느 기능(또는 페이지)에 관심이 많은지 혹은 관심이 없는지 어느 페이지를 마지막으로 서비스를 이탈하는지 결제를 한 사용자가 정확하게 어떤 페이지에서 결제 전환이 되었는지 평균 며칠 이내에 사용자들이 재방문하는지 UI 변경에 따른 사용자들의 행동 변화 등

사용자 행동 데이터 활용 사례 살펴보기 앞서 사용자 행동 데이터가 무엇인지, 왜 필요한지, 어떤 식으로 사용할 수 있는지 알아보았습니다. 이제 실제 회사에서 사용자 행동 데이터를 분석해서 어떤 비즈니스 개선을 할 수 있었는지 사례들을 살펴보겠습니다.

1. 넷플릭스 넷플릭스 콘텐츠 추천 방식

넷플릭스 같은 콘텐츠 기업들은 ‘어떤 콘텐츠를 제작(수급)해야 사용자들의 반응이 좋을까?’를 항상 고민합니다. 콘텐츠 제작에 큰 비용이 들기 때문에 비용 대비 큰 이익을 줄 수 있는 콘텐츠를 찾는 게 중요하기 때문입니다. 이 문제를 해결하기 위해 넷플릭스는 아래와 같이 굉장히 다양한 사용자 행동 데이터를 수집 및 분석하고 있습니다.

사용자가 각 콘텐츠를 어디서부터 어디까지 시청했는지 사용자가 언제 시청을 멈추는지, 뒤로 돌려보는지, 앞으로 돌려보는지 어떤 기기를 통해 시청하는지 언제 일시정지를 하는지 어느 정도 시간이 지난 후에 다시 콘텐츠를 시청하는지

넷플릭스의 데이터 분석 사례

사용자 행동 데이터를 분석해서 비즈니스에 도움이 된 예시로, 미국판 하우스 오브 카드 시리즈 제작을 결정하기 전 어떤 데이터를 보았는지 자세히 이야기해보겠습니다. 넷플릭스는 콘텐츠 제작에 관련한 여러 사용자 행동 데이터를 분석하다가 아래와 같은 인사이트를 얻었습니다.

데이비드 핀처가 감독한 영화 ‘소셜 네트워크’는 처음부터 끝까지 시청한 사용자 비율이 높았음. 영국판 ‘하우스 오브 카드’를 사람들이 많이 시청했음. 영국판 ‘하우스 오브 카드’를 본 사람들은 케빈 스페이시가 출연한 영화나 데이비드 핀처가 감독한 영화를 본 사람이 많았음.

넷플릭스는 이 데이터를 기반으로 ‘데이비드 핀처가 감독하고, 케빈 스페이시가 주연으로 나오는 미국판 하우스 오브 카드를 만들면 사람들이 재미있게 시청할 것’이라고 예상할 수 있었습니다. 그래서 시즌1에만 1억 달러(한화 약 1,305억 원)를 투자해 미국판 하우스 오브 카드를 제작하기로 했습니다. 그 결과, 미국판 하우스 오브 카드 덕분에 (2013년 1분기 기준) 미국에서만 2백만 명의 신규 가입자가 발생했고, 그 외 지역에서도 1백만 명의 신규 가입자를 생겼습니다. 추가로 기존 가입자의 이탈 가능성도 큰 폭으로 낮추었습니다.

2. 아마존 아마존의 데이터 분석 사례

두 번째는 글로벌 이커머스 기업 아마존입니다. 아마존에서는 전 세계 사용자들의 거의 모든 클릭 데이터를 수집하고 있다고 알려져 있는데요.

아마존이 사용자 행동 데이터를 분석해 보니 웹사이트 로딩이 0.1초 지연될 때마다 판매가 1퍼센트씩 감소하는 연관성을 찾게 되었습니다. 그래서 아마존은 모든 웹페이지가 0.6초 안에 로딩되는 걸 목표로 개선을 진행했습니다. 또한 사용자 행동 데이터를 바탕으로 AI를 학습시켜 사용자의 행동 패턴과 관심사에 맞게 맞춤형 페이지를 구성하여 보여주기 시작했습니다.

이렇게 사용자 행동 데이터를 이용해 분석하고 개선을 진행한 결과, 아마존의 평균 구매 전환율은 현재 13%를 달성했습니다. 참고로 국내 온라인 쇼핑몰 평균 전환율은 6%입니다.

3. 사용자 행동 데이터를 이용한 맞춤광고 데이터를 이용한 맞춤광고 사례

마지막으로 특정 기업은 아니지만, 실생활에서 여러분이 쉽게 접하고 있는 사용자 행동 데이터를 이용한 맞춤광고 사례를 설명하겠습니다. 사용자 행동 데이터를 이용하면, 광고도 더 효율적으로 노출할 수가 있는데요.

만약, 사용자 행동 데이터가 없을 때 유모차를 광고한다면 어떤 고객들을 타겟으로 해서 광고했을까요? 대략 2~30대 여성들이 아이를 키우는 엄마일 가능성이 높으니까 그 나이대의 여성들에게 광고를 무작정 뿌렸을 것으로 예상됩니다. 그런데 요즘에는 강아지들을 키우는 인구도 많이 늘어났고 노견을 데리고 사는 분들도 많아져서 강아지가 유모차를 타는 모습도 심심치 않게 볼 수 있습니다. 즉, 지금 우리가 판매하려고 하는 유모차의 실제 수요자는 2~30대 여성이 아니라 오른쪽 사진처럼 나이 든 강아지를 유모차에 데리고 산책가고 싶은 아저씨나 할아버지일 수도 있습니다.

살면서 한 번도 유모차를 검색해 본 적도, 클릭해본 적도 없는 미혼인 20대 여성에게 무작정 유모차 광고를 노출하는 것보다 강아지 때문에 유모차를 검색해 본 적도 있고, 직접 상품을 클릭해서 들어가 본 적도 있는 오른쪽 아저씨에게 유모차 광고를 노출하면 이미 관심이 있기 때문에 유모차를 살 가능성이 훨씬 높습니다. 회사 입장에서는 이런 광고도 다 비용이기 때문에 최대한 효율적으로 광고를 노출할 수 있으면 큰 비용을 아낄 수 있을 것입니다.

쉽게 말하자면, 만약 구글에 ‘SQL 공부’를 검색한 후에 어느 사이트를 들어가도 SQL 강의 광고가 보이는 것 또한 사용자 행동 데이터를 활용한 맞춤광고를 제공하고 있기 때문입니다.

다른 서비스에는 어떻게 적용할 수 있을까요? 뉴닉으로 사용자 행동 데이터 적용 사례 알아보기

이런 사용자 데이터 분석 사례는 어디에 적용해 볼 수 있을까요? 앞서 넷플릭스의 사례에서 ’어떤 콘텐츠를 만들어야 사용자들이 좋아할까’라는 내용은 콘텐츠 기업이라면 공통으로 할 수밖에 없는 고민입니다. 사용자 행동 데이터 분석 사례를 뉴스레터 콘텐츠 기업인 뉴닉에 한 번 적용해서 생각해보도록 하겠습니다.

만약 뉴닉에서 데이터를 통해 다음 주 콘텐츠 주제를 결정하려고 한다면, 어떻게 분석을 할 수 있을까요? 제가 뉴닉의 분석가라면 아래와 같이 데이터를 확인하고 관련 콘텐츠를 선정하겠습니다.

날짜별로 페이지뷰 대비 클릭이 많은 콘텐츠 클릭해서 들어간 후 스크롤을 끝까지 내린 콘텐츠 10초(유효한 시간 범위) 이상 머무르며 글을 읽은 사람이 많은 콘텐츠

이렇게 분석했을 때 공통으로 나오는 주제들이 있다면, 이미 뉴닉의 사용자들이 그 주제에 관심이 많다는 증거가 될 수 있으니까요. 그 주제를 다음 주 콘텐츠 주제 잡을 때 참고해 볼 수 있을 겁니다.

사용자 행동 데이터를 직접 보고 싶다면? 데이터 QA를 할 때 사용하는 확장 프로그램으로 Omnibug라는 프로그램이 있습니다. 해당 툴을 이용하면 Google Analytics를 통해 수집할 수 있는 웹사이트 어느 곳이든 사용자 행동 데이터를 어떻게 쌓고 있는지 직접 확인할 수 있습니다. 데이터 분석 공부를 하는 분들이라면 실제 웹사이트에서 사용자 행동 데이터가 어떻게 쌓이는지를 눈으로 직접 확인해 보는 것도 좋은 공부가 될 것입니다. 다음 글에서는 사용자 행동 데이터를 분석할 때 주의사항에 대해 알아보겠습니다.