앰플리튜드
Amplitude AI Feedback: 고객의 목소리를 한 곳에서 모두 들을 수 있다면? 🔍
Team MAXONOMY ・ 2025.11.14
좋은 제품을 만들기 위해 가장 중요한 것은 사용자가 진짜 원하는 것을 파악하는 것입니다. 그래서 우리는 늘 사용자의 피드백을 중시하죠.
피드백은 어디에서나 쏟아집니다. 기본적인 전화, 이메일부터 각종 SNS, 앱스토어 리뷰, 설문조사 플랫폼, 홈페이지, 자체 소통 툴까지, 그 안에는 제품 개선을 위한 보물 같은 아이디어가 잔뜩 숨어 있습니다. 하지만 이런 피드백을 모두 읽는 건 사실상 불가능에 가깝습니다.
그래서 대부분의 피드백이 무시되거나, 가장 목소리 큰 의견에 의존해 판단하게 됩니다. 가령, 가장 자극적이고 부정적인 앱 리뷰 하나가 나머지 사용자 의견인 것처럼 받아들일 수 있죠.
AI Feedback은 이런 문제를 해결하기 위해 출시되었습니다. Amplitude 안에서 모든 피드백을 자동으로 분석해, 사용자에게 진짜 원하는 것이 무엇인지, 사용자가 진짜 느끼는 것은 무엇인지 명확하게 보여줍니다.
왜 기존 도구로는 부족할까? 🤔
피드백을 얻기 위해 흔하게 시도하는 방법들을 보면 그 한계가 분명합니다.
- 설문조사: 응답률이 높지 않습니다. 리워드 등을 노리고 제대로 된 답변을 하지 않을 가능성이 높습니다.
- 고객센터 문의 분석: 데이터화하기 쉽지 않으며, 분석자의 주관과 편향이 강하게 반영됩니다.
- 소셜 리스닝 툴: 비용이 높으며, 전문 분석가가 필요합니다.
위와 같은 방식은 제각각 한계가 존재하며, 전체 사용자에 대한 객관적인 데이터를 확보하지 못할 가능성이 높습니다.
새로운 접근: AI Feedback ⚡
Amplitude의 AI Feedback은 설문조사, 고객센터 티켓, 앱 리뷰, Discord, X 등 모든 피드백을 가져와 한 곳에서 확인할 수 있습니다. 그리고 모든 피드백을 AI가 분석하여, 핵심 내용을 뽑아 알려줍니다.
지금까지 흔히 봐왔던, 워드클라우드나 추상적인 감정 분석이 아닙니다. 실제로 다음 업무에 적용할 수 있는 수준의 인사이트를 제공합니다. 가령, 지난 주에 247명이 “복사·붙여넣기가 어렵다”고 말했음을 알려주고, 그들이 사용한 실제 문장을 보여주며, 이를 기반으로 ‘내보내기 기능’이 필요하다는 액션 아이템템까지 자동으로 파악합니다.
혹은 이런 인사이트도 발견할 수 있습니다. 단 한 명이 올린 불만처럼 보였던 기능 요청이 사실 지난주 47번이나 언급됐다. “온보딩이 혼란스럽다”는 피드백은 이탈 사용자에게서 3배 더 자주 등장한다.
이런 분석을 통해 비로소 고객의 실제 언어로 표현된 문제를 이해할 수 있습니다.
피드백 + 행동 데이터: Amplitude 시너지💡
AI Feedback은 Amplitude 안에서 돌아갈 때 완성됩니다. Amplitude 분석과 AI Feedback을 함께 활용하면 다음과 3가지의 핵심 요소가 연결되기 때문입니다.
- 사용자가 말하는 것 (피드백)
- 사용자가 실제로 하는 것 (행동 데이터)
- 팀이 바로 실행할 수 있는 액션
가령, “결제가 안돼요”라는 문의가 20개 들어왔다고 합시다. 이게 정말인지, 누구에게 어떤 조건에서 일어나는 건지 판단하기 어렵습니다. 하지만 Amplitude와 연동한다면 쉽고 확실하게 확인 가능합니다.
- 피드백에서 “결제가 고장났다”는 표현이 반복됨
- 이번 주 결제 전환율이 15% 하락한 것을 확인
- 해당 문제가 Safari 모바일 사용자에게 집중되어 있는 것을 확인
- Session Replay로 고객이 정확히 어디에서 막히는지 바로 확인
이제 피드백은 행동 데이터와 하나로 연결되고, 자연스럽게 실행과 해결로 이어집니다.
지금 바로 시작해보세요 🙌
AI Feedback은 Amplitude의 모든 플랜(무료 플랜 포함)에서 사용해볼 수 있습니다. 연결하는 데 1분도 걸리지 않고, 몇 분 안에 인사이트가 생성되며, 이미 쌓여 있는 피드백만으로 “이제 무엇을 해야 하는지” 곧바로 파악할 수 있을 것입니다.
Amplitude AI Feedback에 대한 상세한 사용법, 요금, 사용량이 궁금하다면, Amplitude 한국 공식 리셀러 Team MAXONOMY에게 문의하세요.
콘텐츠 더 읽어보기
팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기
개인화 마케팅의 끝판왕 – Amplitude Recommend 기능을 소개합니다!
Amplitude(앰플리튜드)의 Recommend(추천) 기능을 활용하면, 마케팅 팀과 프로덕트 팀 모두 단 몇 분만에 고객 한 명 한 명을 위한 맞춤형 디지털 경험을 제공하는 것이 가능해집니다.Amplitude(앰플리튜드)의 Recommend(추천) 기능은 모든 디지털 서비스 기업이 규모에 맞는 맞춤형 환경을 제공할 수 있도록 합니다. 이 기능을 통해 연도별로 로드맵을 가속화하고, 전환(Conversion) 속도를 높이며(보통 두 자리 숫자입니다), 비용을 약 수백만 달러 절감할 수 있습니다.넷플릭스, 아마존과 같은 개인 맞춤 서비스를 제공하는 것은 모든 기업의 꿈입니다. 각 유저에 맞게 디지털 환경을 최적화하여, 유저 전용으로 맞춤 구축된 것처럼 느껴지게 합니다. 그러나 대부분의 기업에서 이러한 1:1 맞춤화 경험을 자동화하려고 할 때 상당한 진입 장벽에 마주치곤 합니다. 적합한 타겟 유저에게 도달하기 위한 정교한 ID 분석과, 그 타겟 유저에 맞는 적절한 메시지 작성을 위한 머신 러닝, 그리고 유저별 최적의 시간대를 파악하여 실시간으로 전달하는 것이 필요합니다. 또한, 규모에 따른 맞춤화 설정을 위해서는 프로덕트, 마케팅, 엔지니어링 담당자의 협업도 필수입니다. 이를 위해서는 수년 간의 투자와 수백만 달러의 개발 비용이 소요될 수 있습니다. 디지털 서비스 기업은 한 번에 몇 달 동안 리소스를 중단하거나 수백만 달러의 매출 손실을 초래하는 방법 중 절충안을 찾아야 할 수도 있습니다. 하지만 Amplitude(앰플리튜드)의 Recommend(추천) 기능을 활용하면, 절충안을 고민할 필요가 없습니다. 새로운 시대를 위한 새로운 솔루션Recommend(추천)는 Amplitude(앰플리튜드) 디지털 최적화 시스템의 새로운 기능입니다. 이제 Amplitude(앰플리튜드) 행동 그래프를 통해 수집된 데이터를 기반으로 앤드 투 앤드 개인 맞춤화 워크플로우를 단 몇 분 만에 자동화할 수 있습니다. Recommend(추천) 기능은 마케팅 담당자, 프로덕트 매니저, 그로스 팀 등 디지털 경험 관련 담당자가 개인 맞춤화 과정을 직접 관리할 수 있도록 함으로써 개인화에 필요한 기술적인 부담을 줄여줍니다.이 셀프 서비스 플랫폼은 다음의 세 가지 새로운 기능을 통해 적합한 유저에게 최적의 시간에 적절한 메시지를 매핑하는 것에서부터 ‘개인화’의 각 단계를 소개합니다.세분화(Segmentation): Cohorts 및 Computations를 통해 마케팅 담당자가 타겟 고객을 찾을 수 있도록 지원합니다.권장(Recommendation): Predictions 및 Recommendation을 통해 고객에게 전달할 수 있는 차선책 메시지나 콘텐츠를 프로덕트 팀에서 자동화할 수 있습니다.발송(Delivery): 누구나 API 및 동기화를 통해 세그먼트와 권장 내용을 모든 디지털 채널로 내보낼 수 있습니다. 적합한 고객을 찾기 위한 세분화(Segmentation)개인화 과정을 위한 첫번째 단계는 타겟으로 설정할 적합한 고객을 식별하는 것입니다. Amplitude(앰플리튜드)의 Recommend(추천)는 사용자 목록을 구축하여 다운스트림 디지털 채널과 동기화할 수 있도록 지원하는 두 가지 기능 세트, ‘Cohorts’와 ‘Computations’을 제공합니다. Cohorts는 세분화(Segmentation)의 핵심입니다. Amplitude(앰플리튜드)의 Recommend(추천)를 사용하면 지난 24시간 동안 장바구니에 상품을 추가했거나 구독 신청을 하는 등의 이벤트를 기준으로 그룹화된 유저 클러스터를 생성할 수 있습니다. 이 모든 작업은 SQL이나 코드 없이 셀프 서비스 인터페이스를 통해 수행됩니다. 또한 Recommend(추천)는 Amplitude(앰플리튜드) 디지털 최적화 시스템의 일부이기 때문에 Amplitude(앰플리튜드) Analytics(분석)에서 생성된 모든 Cohorts는 Recommend(추천)에서 즉시 사용할 수 있으며, 그 반대의 경우도 마찬가지입니다. Computations는 세분화(Segmentation)의 최고 레벨입니다. Amplitude(앰플리튜드)의Recommend(추천)를 사용하면 시간이 지남에 따라 변하는 행동 정보를 집계하여 사용자 속성으로 변환하고 이를 통해 보다 정교한 필터링을 할 수 있습니다. 예를 들어 사용자가 데이터 엔지니어링을 사용하지 않고도 몇 초 만에 지난 24시간 동안 장바구니 추가하기 이벤트를 수행한 횟수를 카운트하거나 지난 30일 동안의 평균 주문 값을 집계할 수 있습니다. Cohorts와 Computation을 함께 사용하면 참여에 기반한 마케팅 조건을 트리거하는 행동 세그먼트를 식별할 수 있습니다. 적절한 메시지를 찾기 위한 자동화된 권장(Recommendations)대다수의 사람들에게 “개인화” 경험이라고 하면 홈 스크린에 유저 이름을 삽입하거나 현재 위치를 기준으로 사진을 교환하는 것을 의미합니다. 이러한 유형의 창의적이고 인구통계학적 “개인화”는 권장되지만 그 영향은 한계가 있습니다. 과거 혹은 예상되는 미래의 행동을 기반으로 각 개별 사용자에게 완벽하게 맞추는 제품은 개인화가 지닌 모든 장점을 실현하는 것과 같습니다. 이제 Amplitude(앰플리튜드) Recommend(추천)의 Recommendations 기능을 통해 역동적인 제품 경험 제공이 가능해졌습니다. Amplitude(앰플리튜드)의 자동화된 머신러닝 시스템으로 구동되는 새로운 Recommendations 기능을 사용하면 넷플릭스 또는 아마존과 같은 개인화 경험 환경을 만들 수 있습니다. 타겟으로 설정할 적합한 사용자가 식별되면 Amplitude(앰플리튜드) Recommend(추천)는 전환 가능성을 높일 수 있는 콘텐츠, 제품 및 메시지의 올바른 조합을 결정합니다.셀프 서비스 사용자 인터페이스에서 SKU, 아이템 이름, 제품 카테고리 등의 이벤트 속성을 선택합니다. 구매, 구독 등의 최적화를 원하는 항목에 대한 결과도 선택할 수 있습니다. Amplitude(앰플리튜드)의 Recommend(추천)는 구매, 구독 등의 항목의 결과를 높일 수 있는 가능성에 따라 속성의 모든 잠재적 가치의 순위를 자동으로 매겨, 개별 사용자에게 맞춤화합니다. Amplitude(앰플리튜드) Recommend(추천)는 한 번에 최대 100개까지 각 사용자가 선호할 가능성이 높은, 즉 전환 가능성을 극대화할 수 있는 순위 목록을 단 몇 분 만에 생성합니다. 이러한 항목은 분류를 위해 장바구니에 추가 될 가능성을 기준으로 순위가 매겨진 아이템 SKU 혹은 교차 판매 가능성에 따라 순위가 매겨진 제품 카테고리로 분류될 수 있습니다. 이 시스템은 3~5가지 다른 경험을 제공하는 대신 각 개별 유저에게 맞춤화된 수백만 개의 잠재적 경험의 경우의 수를 생성합니다. 데이터 과학 팀의 도움 없이 이 모든 작업을 직접 몇 분 이내에 완료할 수 있습니다. 미국 상위 15개 은행의 소비자 부문은 고객의 금융 지식과 활용 정도를 향상시키기 위해 Recommendations를 사용합니다. 유저가 모바일 앱에 접속하면 은행과 관계 있는, 혹은 행동과 일치하는 콘텐츠가 표시됩니다. 이 콘텐츠는 Amplitude(앰플리튜드) Recommend(추천)에 의해 제공된 ‘개별화’의 결과입니다. Recommendations을 활용한 이후, 이 은행의 영업 성과는 15% 증가했습니다. 최적의 발송 시간을 찾기 위한 실시간 API개인화 워크플로우의 마지막 단계는 발송(Delivery)입니다. 전달할 적절한 메시지를 작성했다면, 이를 적합한 유저에게 전달해야 합니다. Amplitude(앰플리튜드) Recommend(추천)는 실시간 API 및 동기화 기능을 제공하여 코호트, 계산된 속성 및 Recommendations를 디지털 채널에 연결합니다. 동기화 기능을 통해 데이터 개체를 모든 광고, 이메일 또는 실험 플랫폼과 동기화할 수 있습니다. 페이스북 또는 마케토와 코호트를 동기화하고, 유저 행동이 변경되면 해당 광고 및 고객 참여 대상의 캠페인을 자동으로 동기화합니다. 예를 들어 계산된 속성을 Braze(브레이즈)와 같은 작업 플랫폼과 동기화할 수 있으므로 유저의 평균 주문 값이 변경되면 해당 이메일 캠페인에서 속성이 자동으로 조정됩니다. 이 모든 것이 맞춤형 데이터 엔지니어링 파이프라인 없이 한 번의 클릭만으로 가능합니다. 이제 API 프로파일을 사용하여 모든 유저에 대해 REST API 앤드포인트를 쿼리하고 Amplitude(앰플리튜드)에서 유저 데이터로 반환할 수 있습니다. 유저가 사이트나 앱을 방문할 때 유저의 고유 ID별로 프로파일 API를 쿼리하고 Properties, Cohorts 및 Recommendations 목록을 반환하기만 하면 됩니다. 해당 응답을 제품에 직접 포함하고 권장되는 속성에 따라 제품 환경을 조정합니다. 호주의 복권 판매 기업 Oz Lotteries를 지원하는 디지털 플랫폼 점보 인터렉티브는 Braze(브레이즈)를 통해 API 프로파일을 사용하여 아마존 스타일의 Recommendations를 이메일과 푸시 알람으로 제공합니다. 고객들은 구매 후 구매 이력 및 행동 패턴에 따라 관심 있는 다른 게임을 제안하는 후속 커뮤니케이션 메시지를 받게 됩니다. Recommend(추천) 기능은 이메일을 활용한 최대 4개의 제안과 푸시를 통한 1개의 제안을 발송합니다. 그 결과 이 메시지로 인한 체크아웃 전환율이 158% 이상 증가하는 엄청난 성과를 보였습니다. 기본 제공되는 측정 기능Amplitude(앰플리튜드)를 사용하면 여러분이 직접 설정한 개인화 경험 환경의 영향력을 쉽게 측정할 수 있습니다. Amplitude(앰플리튜드) Recommend(추천)에서 만든 모든 코호트는 Amplitude(앰플리튜드) Analytics 기능에서 분석할 수 있습니다. 캠페인의 영향을 이해하는 것은 차트를 작성하는 것만큼 간단합니다. 대상을 다시 생성하거나 작업을 복제할 필요없이 쉽고 편하게 확인할 수 있습니다. Recommendations의 경우, 자동화된 리프트 분석을 통해 측정 기능을 한 단계 더 발전시켰습니다. 여러분이 생성한 각 Recommendation에 포함할 유저의 비율을 선택할 수 있습니다. 0-100% 내에서 자유롭게 선택 가능합니다. 그 다음 API 프로파일에 Recommendation을 쿼리하면 Amplitude(앰플리튜드)가 사용자에게 컨트롤 권한을 할당하거나 Recommendation을 제공합니다. 동시에 자동으로 가장 영향력이 큰 이벤트를 기록하여 Recommendation이 기존 경험 환경에 얼마나 큰 영향을 미치는지 추적합니다. 간단히 Recommendation의 성능(Performance) 탭을 클릭하면 확인할 수 있습니다. 분석 및 개인화를 위한 하나의 통합 시스템이 통합 데이터 세트에 모두 구축되어 있으므로 여러분이 생성한 개인화 경험 환경의 실행 루프를 쉽게 닫을 수 있습니다. 단 몇 분 만에 끝내는 개인화 설정Amplitude(앰플리튜드) Recommend(추천)의 장점은 디지털 최적화 시스템의 완전한 피드백 루프를 가능하게 한다는 것입니다. Amplitude(앰플리튜드) Recommend(추천)에서 버튼을 클릭하면 코호트와 Recommendations를 생성할 수 있고, 이를 여러분의 광고, 이메일, 인앱 캠페인과 동기화할 수 있으며, 이 모든 캠페인의 성과를 Amplitude(앰플리튜드) Analytics에서 다시 모니터링 할 수 있습니다. 이 프로세스의 자동화를 통해 프로덕트 팀과 마케팅 팀을 연결하여 런칭에 필요한 시간을 단축할 수 있습니다. 통합 머신러닝은 엔지니어링 비용을 절감하고 Recommendations의 정확도를 높입니다. 또한 상호 보완 분석을 통해 이러한 개인화 실험의 영향력을 안정적으로 측정할 수 있습니다.
데이터 기반 UX 분석 개념과 방법 🎨
데이터 기반 UX 분석이란?User experience(UX) 분석은 데이터를 사용하여 사용자의 경험을 측정하고, 인사이트를 얻어 유저 경험을 개선하는 과정을 말합니다. 일반적으로 앱, 게임, 웹사이트, 소프트웨어 같은 종류의 제품에 적용되죠.UX 분석에 사용할 수 있는 데이터는 다양합니다. 앱이나 웹사이트에서 보내는 시간, 클릭하는 요소, 가장 많이 사용하는 기능, 구매한 내역 등 거의 대부분의 요소가 가능하죠. 심지어 '행동의 부재'도 분석 대상이 될 수 있는데요. 예를 들어 사용자가 장바구니에 담은 물건을 구매하지 않았거나, 링크 위에 커서를 올려놓았지만 클릭하지 않은 것도 UX분석의 대상이 될 수 있습니다.가계부 관리를 하고자 하는 사람 A가 있고, 우리는 가계부 앱을 서비스하는 기업이라고 가정해 봅시다. 우리는 A가 가계부 앱을 검색하고 우리 앱을 다운로드하고, 체험판에 가입하고, 은행 계좌나 신용카드와 같은 정보를 연동하기를 원할 것입니다. 그리고 체험판이 끝나면 유료 구독까지 전환되기를 희망하죠.이걸 '사용자 여정'이라고 부르며, 각 여정마다 사용자가 다음 여정으로 계속 진행할 수 있도록 좋은 사용자 경험을 제공해야 할 것입니다. 만약 여정을 완수하지 못하는 사용자가 있다면, UX 분석을 통해 어디서, 왜 이탈했는지 이해하고 궁극적으로 미래에 사용자 경험을 어떻게 개선할 수 있을지 힌트를 얻을 수 있습니다.UX 분석 대상구체적으로 어떤 데이터를 분석하고 지표를 측정할지는 제품이나 상황에 따라 천차만별입니다. 그렇기 때문에 이번 포스팅에선 비즈니스 의사결정까지도 활용할 수 있는 굵직한 주요 UX 데이터 지표를 중심으로 설명드리겠습니다. 해당 지표를 기반으로 어떤 최적화된 지표를 측정해볼 수 있을지 고민해보면 좋을 것 같습니다.응답 시간: 응답 시간은 페이지나 앱이 얼마나 빠르게 로딩되는지에 대한 지표입니다. 우리 생각보다 사용자들은 로드되는 시간을 오래 기다리지 않습니다. 몇 초만 버벅이면 바로 이탈하죠.신규 및 재방문자 수: 신규 및 재방문자 수는 얼마나 효과적으로 사용자를 유치(Acquisition)하고 유지(Retention)하는지에 대한 지표입니다. 신규 방문자 수가 증가하지 않는다면, 마케팅 전략을 다시 검토해야 하며, 재방문자 비율이 낮다면, 제품 경험을 검토해야 합니다. 재방문자 비율에 문제가 있는 경우에는 리텐션 분석을 더 깊게 수행하여 재방문한 사용자와 이탈한 사용자 간의 행동 차이를 확인하는 것이 좋습니다.세션 길이: 세션 길이는 사용자가 제품을 얼마나 오래 사용하는지를 측정하는 지표입니다. 세션 시간이 길수록 좋을 것 같지만, 제품에 따라 그렇지 않을 수도 있습니다. 만약 뉴스 앱이라면 긴 세션 시간은 사용자가 적극적으로 참여하고 있다는 긍정적인 신호일 가능성이 높죠. 반면, 현금 송금 앱이라면 긴 세션 시간은 사용자가 원하는 작업을 수행하는 데 어려움을 겪고 있다는 신호일 수 있습니다. 이처럼 세션 길이 지표는 제품의 특성에 따라 사용자 경험을 유연하게 판단해야 합니다.세션당 페이지 수: 세션당 페이지 수는 한 세션 동안 방문하는 총 페이지 수를 의미합니다. 세션 길이와 마찬가지로 많은 페이지를 방문하는 것이 좋을 수도 있고 나쁠 수도 있습니다. 사용자가 제품에 깊게 몰입하여 사용하는 것일 수도 있지만, 원하는 답을 찾지 못해 이리 저리 방황하는 것일 수도 있습니다. 만약 후자라면, 더 적은 클릭으로 원하는 답을 쉽게 찾을 수 있도록 개선해야 합니다.전환율: 고객 여정의 각 여정에서 상위 여정으로 넘어가는 비율을 전환율이라고 합니다. 만약 광고 단계에서 클릭률, 즉 전환율이 높지 않다면 메시지를 조정해야 하는 등의 방법을 사용해야 합니다. 사용자가 앱을 다운로드했지만 유료 고객으로 전환되지 않는다면, 온보딩 과정을 조정하여 전환율을 높일 수 있습니다. 전환율은 사용자의 행동을 분석하고 제품 개선 방안을 찾는 데 중요한 역할을 합니다.과제 성공률과 과제 수행 시간: 제품이 사용하기 쉬운지 여부를 가장 명확하게 보여주는 지표가 바로 과제 성공률과 과제 수행 시간입니다. 여기서 말하는 '과제'는 서비스의 주요 사용 목적이나 기능을 말하는데요. 배달 앱 사용자가 음식 주문을 하려하는 데, 주문 방법을 몰라 한참을 헤매거나 주문 과정 자체가 너무 오래 걸린다면, 인내심을 잃고 앱을 이탈할 것입니다. 해당 지표를 통해서, 제품의 핵심 과제에 집중하고, 이러한 과제를 완수하는 과정을 자연스럽고 직관적이며 간단하게 만들어야 합니다.사용자 정착률(Stickiness): 정착률은 일일 평균 사용자 수(DAU)를 월간 평균 사용자 수(MAU)로 나누어 측정합니다. 이 지표는 사용자가 평균적으로 한 달에 며칠 동안 제품을 사용하는지 보여줍니다. 매일 접속하긴 바라는 게임과 같은 비즈니스에 특히 유용합니다. 하지만 모든 비즈니스에 적합한 지표는 아닙니다. 가령 비행기 예매 앱같은 경우 사용자 정착률이 크게 의미 있진 않겠죠.내비게이션 vs 검색 비율: 사용자가 제품을 탐색하는 데 검색 창에 지나치게 의존한다면, 이는 제품 디자인이 직관적이지 않다는 신호일 수 있습니다. 사용자가 최소한의 클릭으로 원하는 것을 빠르게 찾을 수 있도록 다양한 레이아웃, 구조, 구성 방식을 실험해 보아야 합니다.기능 참여율: 기능 참여율은 기능이 얼마나 자주 사용되는지를, 제품을 열어본 사용자 수로 나누어 측정한 지표입니다. 기능 참여율과 리텐션 분석을 결합하면, 특정 기능을 사용하는 사용자가 유지될 가능성이 어떤지 확인할 수 있습니다. 중요한 기능이 거의 사용되지 않는다면, 해당 기능을 더 눈에 띄게 UI를 조정할 필요가 있을 수 있습니다. 사용자에게 해당 기능을 알려주는 알림이나 이메일을 보내는 방법도 고려할 수 있겠죠.고객 이탈률: 고객 이탈률은 [(월초 고객 수) - (월말에 남아 있는 고객 수)] / (월초 고객 수) 입니다. 예를 들어, 6월 초에 100명의 고객이 있었고 6월 말에 90명의 고객이 남았다면, 이탈률은 10%가 됩니다. 고객의 충성도와 이탈을 평가하고 필요한 개선을 도출하는 데 중요한 지표입니다.UX 디자인과 데이터 분석 간의 관계UX 디자인은 단순히 제품을 예쁘게 만드는 것이 아닙니다. 제품을 자연스럽게 사용할 수 있도록 설계하고, 사용자의 기대를 뛰어넘는 결과를 제공해 그 제품에 매력을 느끼게 만드는 것이 목적입니다. 이를 위해서는 예술적 감각뿐만 아니라, 과학적인 데이터 분석과 테스트 과정이 필수적입니다. 데이터를 사용해 인사이트를 얻고 이를 바탕으로 가설을 세운 후, UX 디자인 테스트를 통해 이 가설을 증명해야 합니다.예를 들어, 운동화 회사의 제품 관리자가 재구매율이 낮다는 사실을 발견했다고 가정해 봅시다. 데이터에 따르면 대부분의 고객은 10개월마다 신발을 구매합니다. 관리자는 고객이 10개월 후에 자동 리마인더를 받으면 재구매율이 높아질 것이라고 가정합니다.이후 제품 팀은 마케팅 팀과 협력하여 이메일과 같은 메시지를 다양한 고객 그룹에 대해 A/B 테스트하여 재구매율을 높일 수 있는지 실험할 수 있습니다.UX 분석 대시보드 만들기UX 분석과 개선 과정에는 조직 전체의 의사 결정이 필요한 경우가 많습니다. 때문에 조직 내에서 원활한 정보 공유와 통일된 접근 방식이 필요합니다. 이때 필요한 것이 분석 대시보드입니다.좋은 UX 분석 대시보드는 중요한 지표들을 맨 위에 배치합니다. 일일 대시보드에는 세 가지 또는 네 가지 이상의 지표가 포함되지 않도록 하여, 대시보드 확인이 복잡하지 않도록 해야 합니다. 또한 지표는 비즈니스 목표와 직접 연결되어야 하며, 대시보드의 첫 번째 항목을 보면 비즈니스의 상태를 간략하게 확인할 수 있어야 합니다. 그 아래에는 대시보드에 다양한 시간대를 포함시켜, 즉각적으로 해결해야 할 문제와 중장기적인 데이터의 추세를 구분할 수 있는 것이 좋습니다.마치며사용자 경험은 제품 성공 또는 실패에 중요한 역할을 합니다. 사용자가 제품에 대해 느끼는 것을 파악하는 일은 데이터 분석가뿐만 아니라 조직 전체에서 이루어져야 합니다. 조직 내 모든 사람들이 해당 데이터를 활용해 사용자 행동에 대한 질문에 신속하게 답할 수 있어야 합니다. UX 분석과 대시보드의 적절한 활용은 비즈니스 성장과 제품 개선에 크게 기여할 수 있습니다. 대표적으로 Amplitude와 같은 솔루션을 이용한다면, 이런 데이터를 손 쉽게 측정하고 관리하고, 또 대시보드를 구성할 수 있습니다. UX 데이터 분석에 대해서 더 깊은 인사이트를 얻고 싶다면 맥소노미 홈페이지에 올라온 다양한 가이드북을 확인해보세요.콘텐츠 더 읽어보기리텐션 최적화 디자인 설계[세션 스케치 | 올리브영] 행동 데이터로 고객을 보다, '올리브영의 데이터 리터러시 향상부터 서비스 개선까지'Canvas Flow로 고객이 만족하는 여정 설계하기
리텐션(Retention) 의미와 측정 방법🔍
리텐션이란?리텐션(User Retention)이란, 특정 기간 동안 활성화된 유저 혹은 고객의 수를 나타냅니다. 보통은 '리턴션율'이라는 백분율을 통해서 표현합니다. 리텐션율을 구하는 공식은 다음과 같습니다.(설정된 기간 끝의 활성 사용자 수 - 설정된 기간 동안의 신규 사용자 수) / 기간 시작 시의 총 활성 사용자 수이런 유저 리텐션을 개선하기 위해선 코호트 분석, 고객 피드백 수집 및 활용, 온보딩 경험 개선, 푸시 알림 등의 방법을 주로 활용합니다.유저 리텐션 vs 고객 리텐션중요한 점은 유저 리텐션과 고객 리텐션을 구분해야한다는 것입니다. 여기서 유저와 고객을 명확하게 구분을 할 필요가 있는데요. 유저는 제품이나 서비스를 이용하는 사람을 말하고 고객은 제품이나 서비스에 가격을 지불하는 사람을 말합니다. 즉, 유저 리텐션은 제품을 사용하는 사람 수를 의미하는 반면, 고객 리텐션은 제품을 계속 결제하는 고객 수를 측정합니다. 유저 리텐션이 유저의 활동에 대한 측정 지표라면, 고객 리텐션은 재무적인 목적이 강한 지표라고 할 수 있죠.예를 들어, 쿠팡이나 아마존과 같이 많은 상품이 거래되는 이커머스 플랫폼의 경우, 유저 리텐션은 특정 기간 동안 앱이나 웹 페이지에 방문하는 유저 수로 측정할 수 있고, 고객 리텐션은 특정 기간 동안 실제 결제를 하는 숫자로 측정합니다. 가장 대표적인 유형인데요.성격이 조금 다른 케이스도 있습니다. 또 다른 예를 들면, 대기업에 인사 솔루션을 제공하는 회사A는 고객 리텐션을 특정 기간 동안 구독을 계속하는 기업(고객)의 수로 측정할 것입니다. 유저 리텐션은 고객 회사에서 몇 명의 유저가 특정 동안 제품에 로그인하는지를 측정합니다. 즉 이미 구독 중인 고객이 우리 제품을 얼마나 잘 사용하고 있는지 확인하는 것이죠. 유저 리텐션 vs 이탈률유저 리텐션과 이탈률은 큰 상관관계가 있습니다. 이탈률은 비즈니스가 잃는 유저 수 혹은 다시 구독하지 않는 고객 수를 의미합니다. 따라서 이탈률은 유저 리텐션율의 역수이며, 둘이 합쳐서 100%가 되어야합니다.유저 리텐션 측정 방법유저 리텐션은 회사의 전반적인 상태를 이해하는 데 큰 도움이 됩니다. 높은 유저 리텐션은 수익성과 안정성이 높음을 나타내죠. 유저 리텐션을 측정하기 위해선 우선 명확한 활성 유저 기준과 기간 기준을 정의하고 리텐션 유형을 결정해야 합니다.유저 리텐션율 공식유저 리텐션율을 계산하는 공식은 앞에서 설명했듯 다음과 같습니다공식을 사용하여 유저 리텐션율을 구하는 방식은 쉽고 직관적이긴 하지만, 더 정확한 측정을 위해선 제품 분석 솔루션을 사용하는 것이 좋습니다. 대표적으로 Amplitude가 있죠.가장 이상적인 유저 리텐션율은 100%이고 이탈율은 0%일 것입니다. 하지만 당연히도 이는 불가능하고, 실제론 산업별 적합한 리텐션율을 목표해야 합니다. CustomerGauge의 'B2B NPS & CX Benchmarks Report 2022'에 따르면, 에너지 및 유틸리티 산업의 유저 리텐션율이 89%로 가장 높았으며 도매 산업의 리텐션율이 44%로 가장 낮았습니다.현재 속해있는 산업의 표준 리텐션율을 찾아보고 우리 회사의 유저 리텐션율을 비교한 다음, 적절한 목표를 잡는 것이 중요합니다.활성 유저 기준과 활성 기간 기준 정하기위의 공식을 사용하려면 먼저 두 가지 요소를 명확히 정의해야 하는데요. 바로 누구를 활성 유저로 볼지와 기간을 어떻게 설정할지입니다.먼저 활성 유저를 정의하는 기준은 여러가지가 있습니다. 그중 우리 제품과 사업 목적에 가장 적합한 방법을 선택해야하는데요. 단순히 애플리케이션을 설치한 유저를 활성 유저로 볼 수도 있고, 매일 사용하는 유저를 활성 유저로 간주할 수도 있습니다. 가장 적합한 방식을 선택하되, 결정한 기준에 대해서 회사 내부적인 통일이 되어야 정확한 지표 측정이 가능합니다.기간을 설정하는 방식도 기업마다 상이한데요. 보통은 지표를 측정하는 목적에 따라 기간을 설정합니다. 예를 들어, 분기 보고서를 작성하는 경우, 한 분기를 기준으로 리텐션율을 측정하는 것이 좋겠죠. 이 외에도 산업이나 제품 특성에 따라서 기간을 정할 수도 있습니다. 예를 들어, 항공 예약 앱의 경우 매일 앱을 사용하는 경우는 거의 없겠죠. 반면 캘린더 앱의 경우에는 성공적인 매일 사용하는지가 성공을 판가름하는 기준이 될 것입니다.N-Day 리텐션 (유저 리텐션 반환률)유저 리텐션 반환률(Return On retention) 혹은 N-Day 리텐션이라 불리는 지표는 특정 날짜에 제품을 사용하는 사용자 수를 말합니다. 이 때 "Day 0"은 사용자가 앱을 다운로드하고 설치하거나 프로필을 만드는 등의 특정 작업을 수행한 첫 번째 날을 가리킵니다. 그리고 Day 0 이후에 사용자가 어떻게 행동하는지 분석합니다. Day 1, Day 3, Day 5 등 유저 언제 다시 돌아오는지 추적할 수 있습니다.리텐션 개선 방법유저 리텐션을 향상시키기 위해선 유저 경험을 먼저 향상시켜야합니다. 유저 리텐션과 유저 경험은 서로 뗄 수 없는 관계이죠. 유저가 제품을 즐기고 가치를 느끼면 당연히 더 오래 서비스에 머물 것입니다! 고객 경험을 개선하기 위해선 코호트 분석, 피드백 루프, 고객 온보딩, 꾸준한 업데이트 등과 같은 방법이 있습니다.1. 코호트 분석하기코호트 분석이란, 유저의 행동과 시간 흐름에 따라 그룹화하는 데이터 기반의 분석 방법입니다. 구체적으로는 유저 획득일, 플랫폼, 채널, 사용자 행동과 같은 요소를 기반으로 그룹을 나눕니다. 코호트 분석을 사용하여 다양한 고객 세그먼트 간 관찰된 사용자 동향과 행동에 가설을 세울 수 있습니다. 특정 코호트의 중요한 지점을 식별하게 되면 해당 코호트의 이탈을 줄이기 위한 전략을 개발할 수 있는 것이죠. Amplitude와 같은 분석 플랫폼을 사용하면 코호트 분석을 수행하고 사용자를 보다 깊게 이해할 수 있습니다. 코호트 분석에 대한 더 자세한 정보를 확인하고 싶다면 행동 코호트 분석 가이드북을 확인해보세요!2. 유저 피드백 수집하기제품을 개선하려면 유저가 제품에 대해 어떤 생각을 하는지 알아야겠죠. 정기적으로 설문 조사를 보내 사용자의 의견을 수집할 수 있습니다. 예를 들어, 앱 사용 5회마다 앱을 평가하도록 요청하거나, 리뷰를 남기면 인센티브를 제공할 수 있습니다. 구독을 취소할 때 그 이유를 묻는 것도 좋은 방법이죠! 수집된 피드백을 정리하고, 해당 피드백을 처리할 수 있는 최적의 부서에 알리세요. 이 과정을 반복하면 유저 경험이 꾸준히 상승할 것입니다.3. 온보딩 경험 개선무엇이든 첫 인상이 가장 중요하고 그 첫 인상을 남길 기회는 단 한 번뿐입니다. 그래서 온보딩 경험이 매우 중요한 것인데요. Wyzowl의 보고서에 따르면, 10명 중 8명은 어떻게 사용해야 할 지 모르는 앱을 삭제한 경험이 있다고 합니다. 이런 케이스를 방지하기 위해선 앱 내 데모, 튜토리얼, 대화형 안내 등의 기능을 고려할 수 있습니다.콘텐츠 더 읽어보기고객 리텐션 마스터 가이드북모바일 게임 리텐션(Retention) 바로알기이탈률(Bounce Rate), 낮을수록 좋을까?🤔
자체 구축의 한계: SuperAwesome의 Amplitude 적용기
오늘은, SuperAwesome의 최고제품젝임자(CPO)인 Mike Hutchinson가 자체 구축했던 분석 시스템을 Amplitude로 전환하게 된 스토리를 전달 드리고자 합니다. PopJam은 아이들에게 맞춤형으로 구축된 소셜 플랫폼입니다.13세 미만 이용자의 안전 및 개인정보보호 정책(COPA, GDPR-K)을 위해 특별히 설계된 커뮤니티로서, 아이들이 선호하는 콘텐츠와 브랜드에 참여할 수 있도록 다양한 기능을 제공하고 있습니다. 특히, 아동(7~12세)을 대상으로 운영하고 있기 때문에 프라이버시 이슈와 아동법 준수를 매우 철처하게 관리하고 있지요. 일반적으로 플랫폼에서의 중요한 관심사는 "측정" 및 "학습"에 사용하는 제품 분석 기능입니다.무엇을, 어떻게 측정할 것인지를 결정하려면 신중하게 검토해야 하겠지만, 이것을 보다 쉽게 구현할 수 있도록 완벽한 기능을 제공하는 다양한 솔루션이 존재하고 있습니다. 그 중에 하나를 선택하는 것은 그리 어렵지 않은 일이지요. 하지만 아동용 디지털 환경에서는 그렇지 않습니다.아동용 앱을 개발할 때는 여러 제약이 추가됩니다. 예를 들어, 일반적인 분석 솔루션을 이용한다면 고객이 앱에 접속하는 순간, SDK는 고객을 식별하게 되며 식별된 정보를 솔루션 서버로 전달될 것입니다. 이런 정보는 더 많은 인사이트를 얻기 위해 활용되고 있지만 PopJam에서는 이러한 정보가 전달되지 않도록 예방 조치를 취하고 있습니다. 여러분이 이 분야에 분석 솔루션 적용을 고려하고 있다면, PopJam에서 경험한 것들이 여러분의 결정에 도움이 되기를 바랍니다. 직접 운영하기 PopJam 팀에서는 분석 솔루션을 직접 구현하여 사용하기로 결정 하였습니다. Amazon Redshift 데이터베이스를 확장하고, 오픈 소스 쿼리 러너인 Re:Dash를 적용한 후, 분석 이벤트 인프라를 정의하고 구현하는 작업에 착수했습니다.사용자를 식별하는데 활용되는 정보는 모두 제거하고, 제품 분석용 데이터만 수집하도록 클라이언트용 SDK를 직접 만들었으며, 서버로 전달된 요청 전문 상의 IP주소나 그 외, PII 정보를 제거한 raw 데이터만을 배치 작업을 위해 DB에 저장 하였습니다.그 후, 수작업으로 작성한 ETL을 Re:Dash를 사용하여 실행 시켰습니다. 처음에는 자체 구축이 매우 성공적으로 보였습니다. 원천부터 직접 구성하여 모든 부분에 대한 제어가 가능 했으므로, 저렴한 가격, 빠른 속도, 좋은 기능까지 모든 것을 충족하는 듯 보였습니다. 하지만, 문제가 발생하기까지 그리 오랜 시간이 걸리지 않았습니다.생각만큼 싸지 않다.운영비는 비교적 저렴했지만 인프라 관점에서 보면 운용과 유지보수가 결코 저렴하지 않았습니다. 매일 진행되었던 배치 작업에 활용된 Redshift, Re:Dash가 다소 불안정한 것으로 판명되었고, 기술 책임자가 이를 디버깅, 수정, 손실 데이터 원복, 고객 클래임 대응 및 기존 분석 기능 유지를 위해 상당한 시간을 소모 하게 되었습니다. 모든 기능들이 데이터를 기반으로 구현되었기 때문에 배치 작업에 문제가 발생할 경우, 캠페인 리포트, 커뮤니티 관리용 대시보드, 마케팅 정보 등 모든 부분에 영향을 주었습니다. 또한, 모든 지표, 그래프, 대시보드, 보고서 작성 도구 및 쿼리를 직접 구현해야 하는 당사 제품관리자는 이를 직접 공부하면서 작업해야 했으며, 문제가 발생하면 원복하는데 더 많은 시간이 소요될 수 밖에 없었습니다.기회비용 단순히 시간이 많이 걸리는 문제가 아닌, 실수에 따른 팀 사기 저하와 엄청난 기회비용의 소모를 야기한다는 문제가 있었습니다. 우리의 제품 담당자는 일주일 중 2일을 SQL에 몰두하느라 제품 개선에 노력을 집중할 수 없었으며, 질문에 답변을 주는데 더 많은 시간이 걸리게 되었습니다. 우리는 결국 질문에 답을 찾지 못하고 솔루션 구축 전의 단순한 분석에 의존하게 되었습니다. 게다가, 자체 솔루션에 개선이 필요한 부분에 대해 이슈를 등록하면 우선 순위에 따라 처리되도록 설계 되었지만, 실제로는 기다리기만 해서는 어떠한 개선도 이루어지지 않았습니다. 생각만큼 좋지 않다. Re:Dash는 나름대로 잘 작동했지만, 몇가지 단점이 있었습니다.(리소스 투자가 우선시 되었다면 해결이 가능했을 것입니다.) 우리의 주요 문제는 팀 내의 자체적인 통계분석과 질의작성 스킬에 의존한다는 것 이었습니다. 제품관리자는 데이터 사이언티스트가 아니었으며, 데이터 분석가가 따로 있지는 않았습니다. 기본적인 작업을 직접 수행하면서 데이터에서 상당한 결과를 얻을 수 있었지만, 우리가 전문적인 분석 기술 영역에 도달 하기에는 한계가 있었습니다. 고객들의 데이터가 나타내는 것을 우리가 진정으로 이해할 수 있도록 우리의 능력을 극대화할 수 있는 분석 플랫폼이 필요했습니다. 해결방안 모색다양한 문제가 지속적으로 발견되면서, 우리는 문제의 해결책을 찾아줄 전문가를 찾았습니다. Amplitude를 선택하기 전, 몇 가지 다른 분석 솔루션을 찾아보았지만, 제품 개선에 특화된 Amplitude의 UI에 놀라움을 감출 수 없었습니다. 또한, Amplitude에는 이전에는 보지 못한 매우 강력하고 사용하기 쉬운 분석 기능이 많이 포함되어 있었습니다. 인상깊었던 점 중 하나는 어떤 데이터 포인트에서나 Microscope를 사용하여 코호트를 정의할 수 있다는 것 이었습니다. 제품팀은 정기적으로 코멘트를 작성하는 사용자들을 손쉽게 코호트로 만들어 그들이 다른 무엇을 하고 있는지 볼 수 있을 뿐 아니라, 마케팅 팀은 특정 마케팅 캠페인으로 유입된 고객들을 코호트로 작성하여 자신이 의도한 고객들이 유입 되었는가를 확인해 볼 수 있었습니다. 우리가 원했으나 만들지 못하였던 기능인 영향도 분석 기능도 있었습니다. 이 분석 기능을 사용하여, PopJam을 이용하기 시작한 고객들이 "성격 퀴즈를 접하고 즐기는 것이, 앞으로 PopJam을 어떻게 인식하고, 활용하며, 지속적으로 사용하는데 얼마나 많은 영향을 미치는지"에 "큰 영향을 준다"는 가설을 탐구할 수 있었습니다.마이그레이션Amplitude로의 마이그레이션은 간단했습니다. 우리가 기존에 세팅해두었던 코드는 유지하면서, 서버상에 수집되는 시점에 모든 데이터는 Amplitude의 HTTP API로 전달하도록 구성 하였습니다. Amplitude의 SDK를 사용하지 않고 우리가 자체 개발한 SDK를 활용함으로써, 전달할 데이터의 컨트롤을 전적으로 우리가 관리할 수 있었으며 원하는 정보만 Amplitude로 전송하는 것이 가능 했습니다. 그 결과, Amplitude의 강력한 프론트엔드 툴의 장점을 모두 누릴 수 있었으며, Amplitude에는 사용자의 개인정보 데이터가 전혀 포함되어 있지 않다는 확신이 할 수 있었습니다. 이전 솔루션에 비해 비용이 더 많이 들었지만, 우리에게 있어 가장 중요한 "가설 > 검증 > 개선을 통한 혁신"을 반복할 수 있는 우리의 능력에 다시 초점을 맞출 수 있었습니다. Kid-safe 분석현재 우리가 가지고 있는 툴셋은 분석의 고도화라는 측면에서 우리가 내부적으로 달성할 수 있었던 것 보다 훨씬 앞서 있으며, 제품 반복 사이클에 대한 인사이트와 지침을 얻을 수 있었습니다. Amplitude UI는 매우 직관적이며, SQL과 달리 쉽게 사용이 가능하므로 다른 팀에서도 Amplitude를 함께 활용할 수 있도록 사용자의 범위를 넓히고 있습니다. PopJam의 책임자인 Scarlett Cayford는 전략가, 디자이너, 광고운영 책임자 등으로 구성된 팀을 이끌고 있으며, 이들은 모두 정기적으로 Amplitude를 사용하여 PopJam의 다양한 분야의 데이터를 분석하고 있습니다. "자체 제작한 솔루션이 작동 가능하긴 했지만, 측정 범위가 제한적이었고, 새로운 쿼리 작성을 제품관리자에게 전적으로 의존해야 했습니다. 하지만 Amplitude는 우리가 직접 쿼리를 구성할 수 있을 만큼 간단한 UI를 제공하며, 쿼리 결과를 다른 시간 프레임이나 지역으로 분할하는 것 또한 손쉽게 가능합니다. Amplitude 채택은 우리에게 권한 뿐만이 아닌 자율성도 부여하여, 보다 신속하게 대응할 수 있게 해주었습니다." 자체 제작한 오픈소스 시반 솔루션에서 Amplitude로의 전환은 우리에게 매우 좋은 선택 이었습니다. 13세 미만 사용자의 개인정보를 보호하면서도 Amplitude의 다양한 도구를 함께 활용할 수 있는 방법을 찾을 수 있었지요. 분석에 대한 부분은 Amplitude에서 지원하기 때문에, 이제 우리는 항상 개선된 툴과 새로운 기능을 활용할 뿐, 더 이상 분석 솔루션에 대해 걱정하지 않습니다. 우리는 더 이상 우리의 업무(어린이들을 위해 인터넷을 보다 안전하게 만드는 것)와 전혀 관계없는 분야의 전문가가 될 필요가 없습니다!