BigQuery로 분석한 Hongwon's Data 블로그 [2]

※0. 들어가며

1편에선 5일간 블로그 사용자의 로그 데이터로 분석을 해보았습니다.

이번 글에선 10월 9일 ~ 11월 12일까지 35일간의 로그 데이터로 여러 분석을 진행해보겠습니다. 

분석 주제

• 접근 요일과 시간대 알아보기
• 페이지 완독률 알아보기
• 성장 지수

※ 중요: 본문에는 분석 코드를 생략했습니다. 코드를 보시려면 글 하단의 깃허브 링크에서 확인해주세요! 

---

1. 데이터 개요

BigQuery로 분석한 Hongwon's Data 블로그 [1]

10월9일 ~ 11월 12일까지 35일간 Hongwon's DATA 사용자 로그 데이터를 사용했습니다.

데이터 구조는 1편과 동일합니다. 위 링크에서 확인해주세요!

---

2. 분석

성장 지수

서비스 성장을 지표 화하는 방법으로 '성장 지수'를 사용할 수 있습니다.

성장지수란 사용자의 서비스 사용과 관련한 상태 변화를 수치화해서 서비스가 성장하는지 알려주는 지표입니다.

사용자 지표

블로그라는 서비스 특성에 맞게 사용자를 위 3가지로 정의했습니다. 액티브/비 액티브 유저 구분은 접속 여부로 정의했습니다. 

사용자 구분 예시

이제 성장 지수를 계산할 차례입니다. 계산식과 예시는 아래와 같습니다.

제 데이터로 계산한 예시

저는 패턴 당 각 점수는 1점으로 정했습니다. 다른 서비스라면 그것의 특성을 고려해서 패턴 별 가중치를 조절할 수 있겠습니다. 제 경우 성장지수가 1 이상이면 서비스가 성장한다는 뜻이며, 0보다 낮다면 서비스가 퇴보 중이라는 뜻입니다.

 

그럼 이제 Hongwon's Blog의 성장지수 그래프를 보겠습니다.

 

10월 9일 ~ 11월 12일의 성장 지수입니다.  우상향의 그래프가 가장 좋으나 그러지 못하고 0을 기준으로 양, 음을 반복하고 있었습니다. 더 자세히 알아보면 양수의 합은 1089, 음수의 합은 -1075으로, 5주 전보다 다행히 14만큼 성장을 했습니다.

물론 제 블로그를 사용해서 따로 마케팅 활동을 펼친 것은 아니므로 당연한 결과 일 수 있지만, 아쉬운 결과임은 다름없네요.  

하지만 이번 분석을 통해 현 상황을 파악했으니, 어떻게 성장할 수 있는지도 생각해 볼 수 있습니다.

• First_visit 사용자를 늘린다.
  • 관련 커뮤니티, SNS 홍보, 키워드 설정, 검색 최적화
    • 단기에 집중적인 성장 지수 상승
• 지속률(리텐션)을 개선한다. (Deactivation을 줄이고 Reactivation을 늘린다.)
  • 접속 다음날 다시 접속한 사용자의 액션을 파악
  • 그에 따라 서비스 개선
    • 장기간에 안정적인 성장 지수 상승

---

접근 요일과 시간대 알아보기

고객이 우리 서비스를 언제 가장 많이 접근하는지 아는 것은 이벤트 시작 시간 설정, 접속 유도 팝업 알림 발송 등을 할 때 효과적인 무기가 될 것입니다. 

10월 9일 ~ 11월 12일은 정확히 5주 이므로 각 요일이 5번 반복되었습니다. 요일, 시간별 사용자의 합을 쿼리 후 엑셀로 연동한 결과를 보겠습니다.

모든 기기 접속자의 데이터

• 접속이 많은 요일대는? : 화,수,목
• 접속이 많은 시간 대는? : 오후 3시 ~ 5시
• 주말보다 평일에 평균 약 2배의 사용자가 접속함 → 공부는 평일에 주말엔 휴식을 하는 사용자들의 모습
• 11시는 총 100명의 사용자가 접속했으나 12시는 68명으로 낙폭이 큼 → 점심 식사 시간에 이벤트 시작은 금물!
  • 단, 수요일과 목요일의 12시는 18명으로 공략할 가치가 있음
  • 저녁 식사 시간대인 18시, 19시 역시 사용자가 감소하였음

모든 기기 접속자를 분석한 결과 위와 같은 분석을 할 수 있었습니다. 아래는 모바일 기기로 접속한 경우만 제한한 결과인데요, 꽤나 충격적이었습니다.

모바일 접속자의 데이터

• 접속이 가장 많은 요일 : 토요일 → 평일 접속자가 많았던 이전 결과와 반대되는 현상
  • 단, 일요일은 가장 접속수가 적었음
  • 평일은 이전 결과인 화요일보다 금요일의 접속자 수가 많았음.
• 접속이 가장 많은 시간대 : 15시, 21시 → 모바일 이벤트를 시작할 경우 기존 16시 보다 모바일의 21시가 더 효율적
• 식사 시간대인 12시, 18시는 모바일 접속 비율이 높음 → 이전 결과와 반대되는 현상
  • 모바일 팝업 알림의 경우 식사 시간대 발송이 더 효율적!

모든 기기 사용자의 결과로 모바일 접속자 이벤트를 열었다면 낭패를 볼 수 있었던 상황이었습니다. 고객 세그멘테이션의 중요성을 다시 한번 느낀 결과였습니다.

---

페이지 완독률 알아보기

블로그라는 서비스 특성상 유입되는 페이지도 중요하지만, 사용자에게 콘텐츠 내용을 가장 잘 전달하는 페이지도 중요합니다. 페이지 완독률이 낮다는 것은 글의 가독성이 낮다는 뜻이기에 사용자의 만족도가 낮다는 뜻이기도 하고, 완독률이 낮은 페이지 하단에 다른 페이지로 전환을 위한 전환 버튼이 있다고 해도, 고객이 볼 수 없다는 뜻이므로 이러한 경우 페이지 구성 및 폰트 변경 등으로 서비스 개선이 필요합니다.

 

각 페이지의 page_view와 scroll(90% 이상 스크롤 시 수집) 이벤트를 사용하여 '완독률' 지표를 만들었습니다.

page_view 가 10건 이상일 경우로 제한하여 실질적으로 사용자가 많이 본 페이지의 완독률을 구했습니다.

완독률 50% 이상

완독률이 가장 높은 페이지는 /59인 BigQuery - Colab 연동 법 (ver. 최신 업데이트)였습니다. 페이지 길이가 꽤 있는데도 이와 같은 결과가 나와서 뿌듯하네요 ㅎㅎ

두 번째로 높은 페이지는 /33 [AWS] AWS 기반 데이터 분석 파이프라인 구축 - Analytics on AWS 워크숍 [1]이었습니다.

이 역시 페이지 길이가 긴 편입니다만 좋은 결과가 나왔습니다. 하지만 글 하단에 사용자를 2편으로 전환하는 링크 버튼이 없어서, 그동안 전환율을 높일 수 있었던 기회를 놓치고 있었습니다.

1편에서 2편으로 직행한 사용자의 전환율(완료율)

/42 [빅쿼리-SQL] 고객 마스터 데이터를 카테고리화(성별, 연령대)하여 집계하기의 경우 조회수 60건 이상임에도 61%가 완독 하였습니다. 감사합니다! 

 

다음으로 완독률이 낮은 페이지를 보겠습니다. 

완독률이 가장 낮은 페이지는 m/29 SQL 코딩 테스트 연습 사이트 추천 및 후기였습니다. 아무래도 코딩 테스트는 PC로 하기 때문에 모바일로는 Page_view 후 scroll을 하지 않고 바로 나갔다고 추측해 볼 수 있습니다. 다행히 상단의 PC 버전의 /29는 48.3%로 비교적 준수한 결과가 나와서 다행입니다. (그래도 1번은 눈을 의심함..) 

다음으로 낮은 페이지는 /m/24, /m/25 [ADsP 후기 1편, 2편]이었습니다. 정보글임에도 불구하고 낮은 완독률에 PC버전 역시 40% 이하였기에 글 내용을 가독성 있게 수정할 필요해 보였습니다. 그리고 /24, /25는 블로그 내에서 page_view가  압도적으로 높기 때문에 완독률과 전환율을 높일 경우 블로그 전체 페이지의 전환율 향상에 도움이 될 것이라고 예상됩니다.

---

3. 마치며

이번 분석으로 블로그 사용자의 현 상황을 파악하고, 이를 통해 개선 방향을 수립할 수 있었습니다.

그동안은 단순히 제 공부를 정리하고, 공유하기 위해 블로그를 작성하였습니다. 하지만 블로그를 방문해 주시는 분들이 제 서비스를 이용하는 고객님이라 생각하면, 고객님들에게 더 편한 서비스를 제공하기 위해 글의 내용, 구성, 폰트, 배너 위치 등을 더 섬세하게 고려해야겠다고 생각했습니다.

 

※ 중요: 생략한 분석 코드를 보시려면 아래 깃허브 링크에서 확인해주세요! 

GitHub - hongwon2/BigQuery-Practice: 데이터 분석을 위한 빅쿼리SQL 연습 레파지토리입니다.