월별 핵심 이벤트 집계를 통한 서비스 성장 및 사용자 Engagement 추이 분석

분석 목적: 사용자 행동 흐름(User Flow)을 대표하는 핵심 퍼널 이벤트를 기준으로 월별 일평균 이벤트 발생량을 산출하여, 서비스 이용자의 Engagement 수준 변화 및 성장 추이를 진단

<aside> 💡

Summary

분석 방법: 사용자 퍼널을 대표하는 핵심 이벤트를 정의하고, 이벤트 로그에서 user_pseudo_id 기준 중복 제거 후 일별 이벤트 사용자 수를 집계한 View를 생성. 이후 월별 평균 이벤트 수를 계산하여 사용자 Engagement 및 퍼널 전환 구조를 분석.
사용자 유입 추세: 8월→10월 사이 welcome 이벤트 기준 사용자 수 약 3.4배 증가, 이후 성장 둔화, 1월에는 약 10% 수준 트래픽 감소 발생.
온보딩 및 초기 Engagement: welcome → home 전환율 약 83~84%로 안정적, 초기 사용자 유입 과정의 UX 문제는 크지 않은 것으로 확인.
구매 퍼널 특징: **restaurant → food_detail → cart → payment 전환율이 높은 수준(61% → 81% → 63%)**으로 나타나 구매 의도가 높은 사용자 구조를 보임.
탐색 행동 특징: 카테고리 탐색 중심(≈43~44%), 검색은 보조 탐색 채널(≈15~16%), 근처 탐색(≈3~4%)과 추천 기능(≈4%) 사용률은 낮은 수준.
핵심 인사이트: 유입과 구매 전환은 강하지만 탐색 단계(discovery)가 상대적으로 약한 구조, 추천 및 탐색 UX 개선이 주요 성장 포인트. </aside>

<aside> 💡

1. 분석 대상 퍼널 이벤트 정의

1-1. User Flow 상 주요 퍼널을 대표하는 이벤트는 다음과 같다.

<aside> 👉

screen_view_welcome screen_view_home screen_view_search screen_view_food_category click_restaurant_nearby_home screen_view_restaurant click_recommend_food_home screen_view_food_detail screen_view_cart click_payment_cart

</aside>

1-2. 서비스 내 사용자 행동 흐름은 다음과 같은 구조를 가진다.

Welcome
 → Home
 → 탐색(Search / Category / Nearby / Recommendation)
 → Restaurant
 → Food Detail
 → Cart
 → Payment

</aside>

<aside> 💡

2. 데이터 전처리 및 View 생성

분석을 위해 **일별 사용자 이벤트 집계 테이블(View)**을 생성.

해당 View는 이벤트 로그에서 퍼널에 해당하는 이벤트를 추출하고 user_pseudo_id 기준 중복 제거 후 이벤트별 사용자 수를 집계한다.

View 만들기(코드)

2. 월별 이벤트별 평균 구하기

일별 집계 데이터를 기반으로 월별 평균 이벤트 수를 계산하여 사용자 Engagement 변화 분석

월별 이벤트별 평균 구하기(월별_이벤트_카운트_퍼널분석.sql) </aside>

<aside> 👉

3. 결과

month	avg_welcome_count	avg_home_count	avg_search_count	avg_food_cat_count	avg_nearby_count	avg_restaurant_count	avg_rec_food_count	avg_food_detail_count	avg_cart_count	avg_click_payment
2022-08	260.8	219.1	35.1	95.7	8.2	84.6	9.4	52.1	42.9	26.4
2022-09	501.7	418.4	64.3	199.5	14.9	174.7	19.0	113.6	92.9	62.5
2022-10	895.5	749.5	116.1	346.0	28.6	306.1	31.2	188.5	153.8	100.7
2022-11	942.9	779.7	129.4	334.1	29.7	289.0	31.3	168.5	137.6	85.1
2022-12	947.1	787.3	126.2	346.7	30.8	305.9	33.7	187.0	152.6	96.2
2023-01	850.0	707.3	113.3	316.6	28.8	280.8	29.3	170.0	139.6	90.0

<aside> 💡

4. 인사이트

사용자 유입 추세: 8월→10월 사이 welcome 유저가 약 3.4배 증가하며 빠르게 성장, 이후 11~12월 성장 둔화, 1월에는 약 10% 감소하며 트래픽 하락 발생.
온보딩/초기 engagement: welcome→home 전환이 약 83~84%로 안정적, 초기 UX 문제는 거의 없음.
구매 퍼널 전환: restaurant→food_detail→cart→payment 전환율이 높은 편(61% → 81% → 63%)으로 구매 의도 사용자 비율이 높음.
핵심 인사이트: 유입과 구매 전환은 강하지만 탐색 단계(특히 추천 기능)가 약한 구조, discovery 개선이 주요 성장 포인트
탐색 행동 특징
- 카테고리 탐색 중심: 사용자는 **카테고리 탐색(≈43~44%)**을 가장 많이 활용하며 주요 탐색 방식으로 나타남.
- 검색 사용률 중간 수준: **검색 기능(≈15~16%)**은 카테고리 대비 낮지만 보조 탐색 채널로 활용됨.
- 위치 기반 탐색 낮음: 근처 레스토랑 탐색(≈3~4%) 사용률은 낮아 위치 기반 기능 활용도가 제한적임.
- 추천 기능 활용 매우 낮음: 추천 탐색(≈4%) 수준으로 탐색 흐름에서 영향력이 미미함. </aside>

</aside>

추가 분석 과제

1. 탐색 경로별 구매 전환율 차이 검증 필요
1. 위치 기반 및 추천 기능의 실제 비즈니스 기여도 평가 필요
1. 탐색 행동을 단일 Explore 단계로 통합 가능한지 구조 검토 필요