<aside> 📒

</aside>

1. 장바구니 전환율 분석 이유❔

<aside> ⚙

image.png

(1) 장바구니에 상품을 담지 않는 유저는 전부 상품을 구매하지 않고 반드시 이탈한다.

  1. 장바구니 미전환 유저의 **100%**가 실제 상품을 구매하지 않고 이탈함.
  2. 장바구니 기능 이용이 구매를 위한 필수적인 기능일 가능성이 높음.
  3. 상품 즉시 구매 기능에 대한 유저의 요구가 있을 가능성 → 실제 서비스 리뷰 / 사용자 인터뷰 등의 VoC 데이터를 들여다 볼 필요성 있음.

(2) 장바구니 전환율 상승은 곧 구매 전환율 상승로 이어진다.

image.png

  1. 장바구니 전환 유저의 약 29.9%가 실제로 상품을 구매함.
  2. 서비스의 구매 전환율은 9.2% → 100명 중 단 9명 꼴로 실제 상품을 구매함.

→ 따라서, 장바구니 전환율을 상승시키기 위한 데이터 분석은 의미가 있음.

</aside>

💡 KPI 정의 및 데이터셋

<aside> 🎯

목표 KPI

(참고) 정량 데이터셋 파일 첨부*

페르소나 선정 X

</aside>

2. 데이터 톺아보기 🔍

<aside> 🔎

image.png

(1) Degree : 11, Cardinality : 1000 → 컬럼 및 행의 수가 많아 직관적으로 바로 분석 불가능.

(2) 따라서 분석에 필요 없는 컬럼들을 제거해나가며 인사이트 및 개선점을 발견해보기로 함.

❗Columns 의미

image.png

(1) user_id 컬럼은 분석에 필요하지 않은 고유 식별자→ 분석 컬럼에서 제외함.

(2) ‘add_to_cart’ 활용

  1. 해당 컬럼 활용으로 PDP → 장바구니 페이지 전환율 계산 용이.
  2. 따라서 add_to_cart 기준으로 장바구니 전환율을 계산하고 비교함

🤔 전환율 계산 방식

image.png

🔍 Columns 간 관계 / 맥락 분석 방법 정의

image.png

(1) 컬럼 내 데이터 이해 및 맥락 우선 파악 → 정량 데이터 분석 과정으로 진행하기로 함

(2) Column 그룹화 → 그룹 간 교차검증 방식을 고안함.

<aside> 📌

  1. 데이터가 방대해 직관적으로 바로 분석하기 어려움.
  2. 데이터들의 의미를 파악을 먼저 하고 분석해야 함.
    1. 그렇지 않을 시 데이터 해석에 주관이 들어가고 오염될 가능성 ↑
  3. ‘육하원칙’ 아이디어를 착안함.
    1. 사건의 전반적인 맥락을 이해하는데 도움될 것으로 생각했음.
    2. ‘누가(Who) / 언제(When) / 어디에서(Where) / 무엇을(What) / 어떻게(How) / 왜 (Why)’
  4. 단, ‘Why(왜)’는 ‘왜 전환율이 상승하거나 저조하는지**’**로, 궁극적으로 서비스 개선을 위해 알아내야 하는 맥락이기에 제외함. </aside>

(3) 따라서 ‘누가(Who) / 언제(When) / 어디에서(Where) / 무엇을(What) / 어떻게(How) ’ 의 5가지의 기준으로 그룹화함.

image.png

(4) 데이터 분석 방법

  1. 단일 컬럼 분석부터 진행 → 해당 컬럼이 분석에 유용 X면 Drop → 다른 컬럼 분석함.

    1️⃣ 그룹 내 Columns 간 검증 ex) Who 그룹 내 ‘user_type’ x ‘traffic_source’ x 전환율

    2️⃣ 그룹 간 Columns 교차 검증 ex) 'Who’ x ‘Where’ x 전환율

    3️⃣ 그룹 간 Columns 다중 교차 검증 ex) ‘Who’ x ‘What’ x ‘How’ 전환율

  2. 검증 과정 중 발견되는 Insight / Pain Point 에 따라 다중 교차 검증을 추가로 진행함.

    1. add_to_cart 컬럼은 행위 맥락 그룹에 포함됨.
    2. but 장바구니 전환율 계산을 위해 맥락 및 그룹과 별개로 항상 마지막에 같이 계산함.

</aside>

3. 데이터 분석 📋

<aside> 🔗

</aside>

🧑 유저(Who) 맥락 그룹

<aside> 📖

</aside>