KPI, MBO, OKR … 헷갈리는 성과 관리 기법 완벽 정리
MBO, KPI, OKR, North Star Metric(북극성 지표), OMTM의 개념과 차이점 완벽 정리
Amplitude AI Feedback: 고객의 목소리를 한 곳에서 모두 들을 수 있다면? 🔍
AI를 사용해 모든 고객 피드백을 실행 가능한 제품 인사이트로 전환하는 방법
AI 검색 시대의 필수 도구: Amplitude AI Visibility 출시
SEO를 넘어 GEO, AEO시대의 시작SEO(Search Engine Optimization: 검색엔진 최적화)는 아주 중요한 디지털 마케팅 활동 중 하나였습니다. SEO란, 검색엔진 최적화라는 뜻으로 구글, 네이버와 같은 검색 엔진에서 우리의 브랜드가 잘 노출될 수 있도록 하는 활동을 의미합니다. 가령, 어떤 고객이 ‘마케팅 솔루션 추천’이라고 검색한다면, 이 검색어에서 최상단에 노출되는 브랜드 일수록 해당 고객과 연결될 가능성이 높겠죠. 게다가 해당 고객은 마케팅 솔루션에 관심이 있는 고객이라 보통의 다른 고객보다 훨씬 더 마케팅 솔루션을 구매할 가능성이 높습니다. 이를 ‘고의도’ 고객이라고 합니다.이런 중요한 마케팅 활동이었던 SEO가 변하고 있습니다. AI의 등장으로 고객 여정이 급변하고 있기 때문인데요. 무언가를 알고 싶을 때, 사람들은 더 이상 구글 같은 검색 엔진에만 의존하지 않고, ChatGPT, Claude, Google AI Overview와 같은 AI 도구에 질문하기 시작했습니다. 이러한 변화는 매우 빠르게 일어나고 있으며, 일부 보고서에 따르면 웹 브라우징 세션 10개 중 6개에 AI 검색이 포함되어 있다고 합니다. 최근엔 이런 AI 검색 결과에 잘 노출될 수 있게 하는 활동을 AEO(AI Engine Optimization) 혹은 GEO(Generative Engine Optimization)라고 부르고 있습니다.요즘의 AI도구는 출처 표기를 기본적으로 제공하고 있지만, 검색 엔진에 비해 훨씬 높은 수준으로 개인화되어있고, 입력하는 질문(프롬프트)에 따라 응답이 크게 변합니다. 때문에 자신의 브랜드가 AI 검색 전반에 걸쳐 어떻게 노출되고 있는지, 혹은 왜 경쟁사들이 계속 우위를 점하는지 파악하는 것은 쉽지 않습니다. 게다가 AI 기반 검색 시스템은 전통적인 검색 엔진보다 연결하는 사이트가 적은 경향이 있어, AI 응답에 등장하지 않는 브랜드는 고의도 고객과의 접점을 놓칠 위험이 있습니다.Amplitude AI Visibility이러한 새로운 검색 환경에 대응하고 브랜드 가시성을 확보할 수 있도록, Amplitude가 AI Visibility를 출시했습니다! AI Visibility는 AI 검색 환경에 우리 브랜드가 얼마나 어떻게 노출되고 있는지 정확히 이해할수 있도록 도와줍니다. Amplitude 플랫폼에 직접 구축되어 있어, AI 검색 성과를 실제 비즈니스 결과 및 수익과 연결할 수 있습니다.가장 주목할 만한 점은, Amplitude AI Visibility는 무료로 제공된다는 것입니다. 다른 AEO 도구가 비용이 많이 들거나, 기존 SEO 제품에서 추가적인 옵션으로 제공되는 것과 차별화됩니다. Amplitude 고객은 모든 플랜에서 이 기능을 사용할 수 있으며, 비고객에게도 제한된 무료 경험을 제공합니다.AEO 무료 분석하러 가기AI Visibility 자세히 알아보기1. 검색 결과 페이지가 없는 세상을 위한 새로운 SEO앞서 설명했지만, Amplitude AI Visibility의 핵심은 'AI 채팅을 위한 SEO'입니다. 기존 SEO가 구글 검색 결과 페이지(SERP) 순위 경쟁이었다면, 이제는 AI의 답변에 우리 브랜드를 더 자주, 더 긍정적으로 등장시키는 것이 새로운 목표가 되었습니다. 이는 단순히 트렌드를 따르는 것이 아닌, 생존을 위한 필수 역량입니다.점점 더 많은 고객이 구체적인 질문을 AI에게 직접 던지고 있습니다. 이때 AI의 답변에 우리 브랜드가 포함되지 않는다면, 사실상 시장에 존재하지 않는 것과 마찬가지입니다. AI 검색은 더 이상 먼 미래가 아니며, 이 새로운 전장에서 보이지 않는 브랜드는 고객을 경쟁사에 빼앗길 수밖에 없습니다."AI 검색은 더 이상 미래가 아니라 브랜드 노출의 새로운 최전선입니다. 이제 브랜드가 AI 응답에 등장하지 않는다면 존재하지 않는 것과 마찬가지입니다."2. 경쟁사 현황 시각화'경쟁사가 우리보다 AI에서 더 잘하고 있을까?'라는 막연한 생각은 이제 끝내세요. AI Visibility는 LLM에서 자사 브랜드가 경쟁사와 어떻게 비교되는지 명확한 데이터를 제공합니다. 특히 주제별 경쟁력을 한눈에 비교할 수 있는 시각적 매트릭스(visual matrix)를 통해 어떤 영역에서 경쟁사가 우위를 점하고 있는지 직관적으로 보여줍니다.예를 들어, LLM에게 "사용자 온보딩 구축 방법을 알려줘. 상호작용 요소가 많이 들어가면 좋겠어"라고 물었을 때, 경쟁사인 Pendo는 1위로 등장하는 반면 Amplitude는 마지막 순위에 그쳤습니다. 이는 Pendo가 해당 기능으로 더 강하게 인식되고 있음을 보여주는 데이터입니다. 그렇다면, 경쟁사와의 격차를 줄이기 위해 어떤 콘텐츠에 집중해야 할지 명확하게 전략을 설정할 수 있는 것이죠. 이처럼 구체적인 데이터는 막연한 불안감을 실행 가능한 인사이트로 전환합니다. 3. AI 언급부터 실제 '매출'까지 모든 과정을 연결AI Visibility의 가장 강력한 차별점은 독립적인 도구가 아니라 Amplitude 분석 플랫폼에 완벽하게 통합되어 있다는 것입니다. 이는 AI에서의 브랜드 노출도를 실제 비즈니스 성과와 직접 연결할 수 있다는 것을 의미하죠. 다른 AEO 도구가 단순히 노출 횟수만 보여주는 반면, AI Visibility는 한 걸음 더 나아갑니다.AI Visibility와 Session Replay를 결합하면, AI 채팅에서 유입된 사용자의 실제 세션을 영상처럼 재생해볼 수 있으며, AI Visibility와 Activation 기능을 결합하면, AI 유입 코호트를 만들어 리타겟팅 캠페인을 진행할 수 있습니다. 즉, "AI 노출도를 높이는 노력이 실제 매출 증대로 이어졌는가?"라는 핵심 질문에 명확한 데이터로 답하고 마케팅 활동의 ROI를 투명하게 증명할 수 있게 되는 것입니다.AI Visibility 활용하기AI Visibility는 브랜드가 AI 환경에서 성공적인 고객 확보 플랫폼을 구축할 수 있도록 돕는 세 가지 핵심 단계를 제공합니다.Step 1: AI의 브랜드 언급 파악하기(Analyze)AI Visibility는 브랜드를 언급하는 프롬프트의 백분율로 표시되는 AI 가시성 점수를 정량화합니다. 가령, '제품 분석 도구 추천'과 같은 프롬프트를 입력하면 Amplitude는 75%의 확률로 언급되었습니다.가시성 점수 및 경쟁사 비교 확인: 수백 개의 프롬프트에서 AI 가시성 점수를 정량화하고, 주요 경쟁사 대비 브랜드 노출 순위와 점유율을 헤드투헤드(head-to-head) 방식으로 비교합니다. 경쟁사 대비 약점을 식별할 수 있습니다.프롬프트 및 소스 분석: AI가 우리 브랜드를 추천하는지, 혹은 비추천하는지 감정을 모니터링하고(출시 예정 기능), LLM이 응답을 생성할 때 인용한 외부 웹사이트 소스를 검토합니다. 이 기능을 활용하면 경쟁사를 언급하지만 우리 브랜드는 언급하지 않는 페이지를 식별하여, 명확한 콘텐츠 전략을 수립할 수 있습니다.약점 영역 식별: 최근에 출시되어, LLM이 아직 인지하지 못한 주제, 기능들을 식별하여 마케팅 콘텐츠를 보강할 필요성을 알 수 있습니다.Step 2: 필요한 조치 파악하기(Action)점수를 아는 것만으로는 충분하지 않습니다. AI Visibility는 인사이트를 행동으로 전환하는 기능을 제공합니다 (일부 기능은 출시 예정)맞춤형 개선 권고 받기: AI 응답에서 경쟁사가 우위를 점하는 주제를 파악하고, 격차를 줄이기 위한 맞춤형 권장 사항을 제공받습니다.콘텐츠 시뮬레이션 및 생성: 웹사이트에 변경 사항을 적용하기 전에 시뮬레이션 기능을 통해 변경 사항을 테스트하고 LLM이 어떻게 반응하는지 몇 분 안에 확인할 수 있습니다. 또한, 트래픽 데이터를 참조하여 고품질 콘텐츠를 생성하는 기능도 제공합니다.Step 3: 비즈니스 성과와 연결(Accelerate)AI Visibility는 단순한 검색 분석 도구가 아닙니다. Amplitude 플랫폼의 일부로서, AI 검색 성과를 실제 고객 행동 데이터와 연결합니다.트래픽 및 전환 추적: AI를 통해 유입된 실제 사용자 트래픽 데이터를 추적하고, 이러한 AI 유입 방문자가 퍼널, 여정, 코호트 내에서 어떻게 행동하는지 측정합니다.ROI 입증: AI 검색에서 노출 개선이 트래픽 증가와 전환 경로 분석으로 이어지는지 확인하여, 명확한 수익 지표로 객관적 ROI를 입증할 수 있습니다.플랫폼 연동 활용: 분석, 세션 리플레이, 실험, 활성화와 같은 다른 도구와 연결하여, AI 검색에서 유입된 사용자 세션을 확인하거나, AI 유입 코호트를 구축하여 타겟 캠페인을 실행할 수 있습니다.지금 바로 시작하기AI 검색은 더 이상 미래의 트렌드가 아닙니다. 이미 새로운 메인 채널이 되었습니다. 빠르게 움직일 수록 초기에 우위를 점할 수 있습니다.지금 바로 무료로 AI Visibility를 사용해보고, AI 응답에서 경쟁사를 앞질러 보세요.콘텐츠 더 읽어보기블로그: Braze MCP 서버: AI로 Braze를 빠르고 안전하게 분석하는 방법블로그: 대화만으로 데이터 분석 끝? Amplitude MCP프리미엄가이드: AI를 활용한 금융 개인화 가이드북
.webp "대화만으로 데이터 분석 끝? Amplitude MCP")
대화만으로 데이터 분석 끝? Amplitude MCP
Amplitude MCP 시작하기: Amplitude의 강력한 분석 능력을 AI와 연결해 바로 활용하는 방법
세션 리플레이: 고객의 마음을 읽는 비밀
지금까지 우리는 전환율, 이탈 지점과 같은 정량적 데이터에 의존하여 의사결정을 내렸습니다. 하지만 데이터가 고객이 '무엇(what)'을 하는지 알려줄 수는 있어도, '왜(why)'를 설명해주지 못하는 경우가 많았죠. 가령, 새롭게 배포한 신규 기능에 대한 사용률이 예상보다 좋지 않았습니다. 클릭률, 전환율 등 데이터를 통해서 이 사실을 객관적으로 파악할 수 있습니다. 그렇지만 왜 사용률이 좋지 않은지는 알 수 없죠.바로 여기서 세션 리플레이(Session Replay)가 등장합니다. 세션 리플레이는 말 그대로 사용자의 세션을 직접 '시청'함으로써 숫자와 실제 사용자 경험 사이의 간극을 메워주는 해결책입니다.이번 포스팅에서는 세션 리플레이란 무엇이며, 어떻게 작동하고, 어떻게 활용할 수 있는지 알아보도록 하겠습니다.1. 세션 리플레이란?■ 세션 리플레이: 정량적 데이터의 한계 극복세션 리플레이(Session Replay)는 사용자가 웹사이트 또는 모바일 애플리케이션을 경험하는 방식을 재구성하여 시각화하는 기능입니다. 사용자의 클릭, 마우스 움직임, 페이지 스크롤 등을 수집하여, 사용자가 앱이나 웹에서 수행한 작업을 워킹스루(walkthrough) 스타일의 비디오 형태로 보여줍니다.아래 영상은 한 익명의 유저가 MAXONOMY홈페이지를 탐색하는 모습을 세션 리플레이로 재생한 결과입니다. 정말 화면을 녹화한 것처럼 생생하게 유저의 탐색 여정을 엿볼 수 있습니다.■ 흔한 오해1: 녹화 vs 재구성세션 리플레이에 대해 흔히하는 오해 중 하나가 ‘사용자 화면을 실제로 녹화한 것 아닌가’는 생각입니다. 결론부터 말하자면 아닙니다! 세션 리플레이는 녹화가 아닌 재구성의 방식으로 작동합니다. 모든 사용자의 모든 순간을 실제 동영상으로 녹화한다면 엄청난 용량의 스토리지가 필요할 뿐더러, 엄청난 용량의 실시간 데이터 전송이 필요하여, 현실적으로 불가능한 방식입니다.세션 리플레이는 클릭, 마우스 움직임, 스크롤 등 사용자의 상호작용을 이벤트(Event)로 간주하고, 이 이벤트 정보를 수집합니다. 그리고 이 수집된 이벤트를 기반으로 사용자의 경험을 다시 만들어내는 재구성(Reconstruction) 과정을 거쳐 Amplitude 플랫폼 안에서는 마치 진짜 동영상을 보는 것처럼 나타나죠.예를들어, 어떤 사용자가 한 쇼핑몰에서서 어떤 상품에 대해 구매버튼을 클릭했다면, [유저A가, 2025.10.28 10시 20분 2초에, url A에서, 버튼A를 클릭]이라는 간소화된 정보가 이벤트로 수집되는 것이죠. 그리고 우리가 해당 세션 리플레이를 재생하면, 이 정보를 기반으로 리플레이를 재구성하여, 마치 녹화된 것과 같은 영상을 볼 수 있게 되는 것입니다.■ 흔한 오해2: 단순 리플레이 기능이다?세션 리플레이에 대한 또 다른 오해는 사용자의 어려움을 찾으려면 ‘수백 개의 리플레이를 일일이 확인해야 한다’는 것 입니다. 현재 최신 세션 리플레이는 중요한 순간을 자동으로 감지하고 표시해주는 기능을 갖추고 있습니다.바로 '좌절 분석(frustration analytics)'과 '오류 분석(error analytics)'입니다. 이 도구는 특정 좌절 신호가 포함된 세션을 자동으로 찾아내 태그를 지정합니다.Rage Clicks(분노 클릭): 사용자가 답답함을 느껴 동일한 요소를 여러 번 반복해서 클릭하는 행동.Dead Clicks(데드 클릭): 사용자가 상호작용이 불가능한 요소를 클릭하는 행동.JavaScript 오류: 개발자 콘솔에 나타나는 기술적 오류를 세션 타임라인에서 직접 확인 가능.여기서 더 나아가, 최근에는 세션 리플레이 내용을 AI 기반으로 요약해서 살펴볼 수 있습니다. Amplitude는 마찰을 식별하고 사용자 감정을 분석하며 실행 가능한 권장 사항을 제공하므로 인사이트를 얻은 후 더 빠르게 적절한 조치를 취할 수 있습니다.이를 통해 엄청난 시간을 절약하여 제품 문제를 파악하고 개선안을 도출할 수 있습니다.2. 세션 리플레이 활용하기■ 전환율 개선 및 사용자 경험(UX) 최적화정량적 분석(퍼널 분석 등)에서 이탈이 발생한 지점을 발견한 후, 해당 세션 리플레이를 시청하여 전환을 가로막는 마찰 지점(friction points)을 시각적으로 파악할 수 있습니다. 이 인사이트를 바탕으로 가설을 세우고 A/B 테스트를 실행하여 전환율을 높일 수 있습니다.실제로 여행 계획 플랫폼 Evaneos는 이 방식을 활용하여 CTA 클릭률을 2배, 전환율을 20% 증가시켰습니다.■ 정량적으로 수집되지 않는 문제 파악모든 사용자 문제가 정량적으로 수집되는 것은 아닙니다. 앞에서 설명한 '좌절 분석(frustration analytics)'과 '오류 분석(error analytics)' 기능을 활용하면, 이런 문제를 손쉽게 파악할 수 있습니다.■ 고객 지원(CS) 효율성 증대고객 지원 팀은 세션 리플레이를 연결하여 사용자가 겪고 있는 문제에 대한 맥락을 즉시 파악할 수 있습니다. 이는 문제 해결 시간을 단축하고 고객에게 더 정확한 지원을 제공하는 데 도움을 줍니다.3. 활용 극대화하기세션 리플레이는 디지털 분석 플랫폼과 통합될 때 가장 강력한 힘을 발휘합니다.■ 세션 리플레이 에브리웨어(Session Replay Everywhere)세션 리플레이는 분석, A/B 테스트, 설문 조사 등 Amplitude 속 모든 워크플로우에 통합되어 있습니다. Amplitude를 사용하는 도중 자연스럽게, 필요한 리플레이를 볼 수 있습니다.• 퍼널 분석: 퍼널 차트에서 이탈하는 사용자가 왜 이탈했는지, 도구 전환 없이 즉시 리플레이를 확인할 수 있습니다.• 실험(A/B Test): 실험 결과를 리플레이와 직접 연결하여, 어떤 버전이 고객에게 더 나은 경험을 제공했는지 시각적으로 검증할 수 있습니다.■ 원활한 인사이트 공유발견된 인사이트를 쉽게 공유하고 공감대를 형성할 수 있습니다.• 정확한 순간 공유: 타임스탬프가 지정된 리플레이 링크를 공유하면, 공유하고 싶은 시간대로 바로 보여줄 수 있습니다.• 대시보드 및 GIF 공유: 리플레이 링크를 대시보드에 직접 추가하거나, 핵심 사용자 상호 작용을 GIF로 캡처하여 플랫폼 액세스 권한이 없는 이해관계자에게도 쉽게 공유할 수 있습니다.• 공유 가능한 필터: 오류가 있거나 좌절도가 높은 특정 세션 목록을 저장하고 팀 전체가 공유하여, 모두가 중요한 데이터에 쉽게 접근할 수 있습니다.■ 세션 리플레이 파티(Session Replay Party) 문화 형성하기세션 리플레이를 PM이나 데이터 분석가가 혼자 분석하는 도구로 생각할 수 있습니다. 하지만 세션 리플레이는 프로덕트, 마케팅, 고객 지원, 엔지니어링 등 디지털 경험 개선과 관련한 모든 팀이 사용할 수 있습니다. 이들이 한 자리에 모여 세션 리플레이 활용도를 높이는 방법이 있습니다. 바로 '세션 리플레이 파티'입니다.세션 리플레이 파티는 엔지니어, 디자이너, 마케터, PM 등 여러 부서의 팀원들이 매주 함께 모여 선정된 사용자 세션을 시청하는 활동입니다. 이 간단한 활동은 단순한 아이디에이션을 넘어, 강력한 효과를 발휘합니다. 다음은 세션 리플레이 파티의 프레임워크입니다.테마 선정: 현재 팀의 목표와 관련된 주제를 정합니다 (예: 온보딩 개선).리플레이 준비: 주제와 관련된 2-3개의 의미 있는 리플레이를 미리 찾아둡니다.공동 작업 공간 마련: FigJam, Miro와 같은 공유 문서에 '관찰', '아이디어', '버그' 세 가지 카테고리를 만듭니다.실행 가능한 결과물 도출: 회의가 끝날 때 최소 2개 이상의 실행 가능한 Jira 티켓을 생성하는 것을 목표로 합니다.Amplitude를 활용하는 한 기업의 개발자는 세션 리플레이 파티가 자신이 가장 좋아하는 회의라고 말합니다. 개발자가 이런 말을 하는 것은 매우 드문 일이죠!이 활동은 팀 전체에 걸쳐 깊은 고객 공감대를 형성하고, 주요 마찰 지점에 대한 부서 간의 이해를 일치시키며, 더 나은 아이디어와 빠른 개발 주기를 촉진합니다. 이처럼 세션 리플레이는 단순한 데이터 분석 도구의 역할을 넘어, 진정으로 고객 중심적인 조직 문화를 구축하는 촉매제가 될 수 있습니다.4. 세션 리플레이의 흔한 우려사항■ 웹사이트 속도 저하세션 리플레이 도입을 주저하는 가장 큰 이유는 웹사이트 성능 저하에 대한 우려입니다. 사용자 경험을 개선하기 위해 도입한 도구가 오히려 경험을 해칠 수 있다는 생각이죠.하지만 포괄적인 테스트 결과에 따르면, 세션 리플레이가 웹 성능에 미치는 영향은 미미한 수준으로 거의 무시할 수 있습니다. Gmail의 창시자 폴 부킷(Paul Buchheit)에 의하면, 고객이 "즉각적”이라고 느끼려면 100ms 안에 로딩이 완료되어야 합니다. 세션 리플레이의 임계값 구체적인 수치는 다음과 같습니다.초기 DOM 스냅샷 캡처: 약 64ms 소요이후 변경 사항 캡처: 약 11ms 소요두 수치 모두 사용자가 지연을 인지하기 시작하는 100ms보다 훨씬 낮습니다. 또한 fflate와 같은 경량 압축 라이브러리를 활용한 효율적인 일괄 처리와 압축 기술 덕분에 네트워크 요청 크기는 약 135바이트에 불과합니다. 이정도의 미미한 성능 저하라면, ■ 개인정보 보호데이터 프라이버시, 보안 및 PII(개인 식별 정보) 보호 역시 가장 많이 우려하는 요소입니다. “사용자가 사용하는 화면을 보는데, 개인정보 문제는 없을까?”라는 생각이 자연스럽게 들 수 밖에 없죠. 가령, 고객이 ID, 패스워드를 입력하는 화면까지 녹화되면 큰 문제가 될 것입니다. 이러한 우려를 해소하기 위해 세션 리플레이는 '개인정보 우선(privacy-first)' 접근 방식으로 설계되었습니다. Amplitude는 선택 가능한 세 가지 개인정보 보호 수준을 제공합니다.보수적 수준 (Conservative level): 모든 텍스트와 모든 양식 필드를 마스킹합니다. 금융, 의료 등 민감한 데이터를 다루는 회사에 적합합니다.중간 수준 (Medium level, 기본 설정): 모든 양식 필드와 텍스트 입력만 마스킹하고 다른 텍스트는 캡처합니다.경량 수준 (Light level): 비밀번호, 신용카드 번호, 이메일 주소 등 민감한 입력의 하위 집합만 마스킹합니다. 비즈니스 생산성 앱이나 이커머스 회사 등에 적합합니다.이러한 기본 설정 외에도, 특정 요소를 선택적으로 마스킹하거나 특정 사용자에 대한 리플레이 캡처를 선택적으로 제외하거나 데이터 삭제 요청 API를 통해 훨씬 더 세밀한 제어가 가능합니다. Amplitude는 강력하고 유연한 개인정보 보호 프레임워크를 제공하여, 기업이 특정 법률 및 보안 요구사항을 준수하면서 안심하고 인사이트를 얻을 수 있도록 지원합니다.5. 마치며: 이제 여러분의 제품 속 숨겨진 이야기를 발견할 차례입니다세션 리플레이는 단순한 재생 도구를 훨씬 뛰어넘는 기술입니다. 세션 리플레이는 사용자 행동 이면의 '이유'를 밝혀내는 정교한 지능형 플랫폼입니다.단순히 UX를 개선하는 것을 넘어, 더 공감대 높은 팀 문화를 구축하고 조직 전체의 방향을 일치시키는 전략적 자산이 될 수 있습니다. 이제 여러분의 제품 속에 숨겨진 이야기를 발견할 차례입니다. 정량적 데이터와 정성적 데이터를 하나의 플랫폼에서 통합함으로써 고객에 대한 완전한 이해를 바탕으로 더 나은 디지털 경험을 제공해보세요.콘텐츠 더 읽어보기프리미엄 가이드: 고객 행동 데이터 트래킹 가이드블로그: Amplitude Feature Experiment: 데이터 기반 실험의 시작블로그: Amplitude Autocapture: 페이지 진입, 클릭, 앱 종료까지 고객 행동을 자동 수집하는 법
북극성 지표(North Star Metric) 설정하기
북극성 지표(North Star Metric)를 이해하고 제대로 설정하는 활용 방법 AtoZ
.webp "PM이라면 꼭 알아야 할 데이터 해석 오류 7가지")
PM이라면 꼭 알아야 할 데이터 해석 오류 7가지
데이터 기반 의사결정에서 흔히 발생하는 7가지 인지 편향과 PM을 위한 실전 대처법
Amplitude 데이터 건강 관리 3단계
Data Health Assessment + Data Assistant + Tracking Plan으로 데이터 신뢰도 100% 달성하기
Amplitude Autocapture: 페이지 진입, 클릭, 앱 종료까지 고객 행동을 자동 수집하는 법
개발 리소스 없이 클릭·페이지뷰 등 사용자 행동을 자동 수집해 빠른 분석과 최적화를 지원하는 Amplitude Autocapture 기능 소개
A/B테스트 개념과 데이터 분석 방법🔍
A/B 테스트는 두 가지 혹은 그 이상의 서로 다른 버전(Variant)을 비교하여 어느 쪽이 더 나은 성과를 내는지 판단하는 실험 기법입니다.
Amplitude Feature Experiment: 데이터 기반 실험의 시작
실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기 콘텐츠 더 읽어보기A/B테스트 개념과 데이터 분석 방법🔍Amplitude 실험 전략 가이드북A/B테스트 마케팅 실전 가이드북
GA4 vs Amplitude 비교하기
데이터 분석 시대, GA4만으로 충분할까?이제 거의 모든 비즈니스에서 디지털 역량은 필수 요소로 자리잡았습니다. 전통적인 제조업부터, 리테일, 물류, 심지어 외식업까지 디지털 서비스가 배제되는 산업이 없는데요. 이제 소비자는 앱이나 웹을 통해 식당을 예약하고, 내 물건이 어디까지 배송되었는지 확인하고, 마트에 방문하기 전에 원하는 물건이 있는지 확인합니다.이런 환경 속, 고객 경험 이해는 기업 경쟁력의 핵심이 되었습니다. 고객이 우리 서비스 안에서 무엇을 하고 어떤 점을 좋아하고 어떤 점에 불만을 느끼는지 명확히 알 수 있다면, 최적화 전략을 쉽게 도출할 수 있기 때문입니다.고객 경험 이해를 위한 대표적인 도구로 GA4(Google Analytics 4)와 Amplitude가 있는데요. 그중 GA4는 현재 가장 많은 시장 점유율을 가진 분석 솔루션입니다. 아무래도 무료로 제공되던 구글의 UA(Universal Analytics)로 분석을 시작하는 기업이 많았고, UA 지원이 종료되며, 자연스럽게 GA4를 사용하게 된 것이 아닐까 추측됩니다.하지만 GA4에는 여러 아쉬운 점들을 찾아볼 수 있습니다. 예를 들어, 개인화된 데이터 추적이나 고객 라이프사이클 추적 영역에서는 기능이 다소 제한적입니다. 다른 3rd party 데이터와의 통합과 유연성 측면들에도 아쉬움이 많습니다.제품 분석 솔루션 역사 이해하기GA4가 왜 이런 영역에서 유독 약한 모습을 보이는지 이해하기 위해서는 분석 솔루션의 역사를 살펴볼 필요가 있습니다.사실 GA4의 근간이 되었던, UA는 디지털 광고, UTM과 같이 신규고객 유입(User Acquisition) 중심의 퍼포먼스 마케팅 솔루션입니다. 때문에 세션 기반의 로그 데이터를 수집하는 형태로 작동하였죠. 당시 마케팅은 유저를 최대한 많이 유입시키는 것에 초점이 맞추어져있었고, UA는 이에 최적화된 솔루션으로 인기가 많았습니다.하지만 Amplitude가 시장에 출시되고, 기존의 세션 기반이 아닌, 이벤트 기반의 데이터 분석 방식을 처음 제안하였습니다. 이벤트 기반의 데이터 분석은 특히 모바일 앱 환경에서 사용자의 면밀한 행동 분석을 가능하게 하였고, 모바일 시장의 성장과 함께 Amplitude도 폭발적으로 성장할 수 있었습니다. 이때부터 마케팅의 영역이 유저 유입을 넘어, 유저 활성화, 리텐션, 수익화 등 훨씬 넓은 영역으로 확장되었습니다.이런 변화에 맞추어 구글은 기존 UA를 종료하고, 이벤트 기반의 GA4를 새롭게 출시하였습니다. Amplitude에 비하면, 여전히 퍼포먼스 분석 위주의 기능을 제공하며, 유저 라이프 사이클을 추적하는 데 있어서 다소 아쉬운 모습을 보이고 있습니다.Amplitude는 단순 분석 도구가 아니다Amplitude는 단순히 데이터를 수집하고 시각화하는 도구가 아닙니다. 고객의 획득 > 참여 > 전환 > 유지 > 성장에 이르는 고객 여정 전체를 설계하고, 이 여정에서 획득한 데이터를 제품 기획자, 마케터, 개발자 등 누구라도 쉽게 다룰 수 있는 통합 디지털 경험 플랫폼입니다.실시간 개인화 및 실시간 데이터 분석 대시보드를 통해 A/B 테스트와 같은 실험을 설정하고, 그 데이터들을 곧바로 분석80개 이상의 마케팅 플랫폼들과 네이티브 연동을 지원하며, 채널별 획득 데이터들의 리텐션 효과 분석 가능고객 전체 여정의 분석에 최적화되어, 첫 방문부터 재구매까지 사용자 ID 기반으로 고객의 라이프사이클 분석 가능 현재 Amplitude의 대표적 고객인 버거킹은 과거에는 GA4를 이용했지만, Amplitude로 전환하고 통합된 데이터를 기반으로 실험과 지속적인 개인화를 실행하며 전환율과 재구매율을 끌어올리고 있습니다." 우리는 버거 회사입니다. 버거가 바로 우리의 제품입니다. 웹사이트가 아닙니다. 하지만 경쟁력을 유지하려면 단순히 와퍼를 판매하는 것 이상의 노력을 기울여야 합니다. 오늘날 우리는 그 어느 때보다 사람들이 버거킹 브랜드를 통해 어떤 경험을 할지, 그리고 그 경험이 의미 있고 감정적인 유대감을 형성할 수 있을지 고민하고 있습니다. " - 엘리 자비스, Restaurant Brands International(버거킹) 기술 제품 관리 부사장이미지 출처: Amplitude | 개인화된 할인을 제공하는 버거킹버거킹의 고객 여정 개선은 크게 다음의 프로세스들로 이루어졌습니다.오퍼(주문) CTA 클릭을 유도하는 A/B 테스트장바구니 금액 기준, 고객별 개인화된 할인 제공Amplitude 코호트 기능을 통해 이탈 및 특정 행동 고객에게 푸시 알림 발송마치며글로벌 대표 컨설팅펌 브레인 앤 컴퍼니(Bain & Company)의 연구 결과에 따르면, 80% 이상의 기업이 고객들에게 훌륭한 경험을 제공한다고 스스로 평가했지만, 실제 훌륭한 경험을 제공받았다 생각하는 고객은 단 8%에 불과했습니다.고객 유입 마케팅의 한계를 엿볼 수 있는 부분이자, 고객 경험 관리의 중요성을 대변해주는 자료입니다. 여전히 많은 마케터분들이 캠페인 성과 측정과 유입 분석을 위해 GA4를 이용 중일 것입니다. 하지만 유입 데이터만으로는, 구체적인 액션으로 연결하지 못하고, 고객을 제대로 이해하지 못합니다.바로 지금이 진정한 고객 경험을 이해하기 위한 최적의 시기입니다. Amplitude에 대해 궁금하신 게 있다면, Team MAXONOMY에 문의하세요. 성실히 안내 도와드리겠습니다. 문의하기콘텐츠 더 읽어보기[FAQ] GA에서 Amplitude로 전환하기UA 서비스 중단 대처 가이드북[FAQ] 구글 UA종료 & GA4 전환에 대해 궁금한 모든 것분석 솔루션, 여러 개 써도 되나요?