분석 목적: 사용자 행동 흐름(User Flow)을 Welcome → Home → Explore → Restaurant → Food Detail → Cart → Payment 구조로 단순화하여, 탐색 단계(Search / Category / Nearby / Recommendation)를 하나의 Explore 단계로 통합한 퍼널 기준으로 월별 Engagement 변화와 전환 흐름을 진단한다.

<aside> 👉

Summary

• 분석 방법: 기존 퍼널 이벤트 중 Search, Category, Nearby, Recommendation을 탐색 단계(Explore)로 통합하여 하나의 퍼널 단계로 정의하고, 월별 평균 이벤트 수를 기반으로 퍼널 구조 및 Engagement 변화를 분석하였다.
• 사용자 유입 추세: Welcome 기준 사용자 수는 8월 → 10월 약 3.4배 증가하며 빠르게 성장했으며 이후 11~12월 성장 둔화, 1월에는 약 10% 수준 감소가 나타났다.
• 탐색 단계 Engagement: Home 대비 Explore 단계 진입 비율은 약 66~68% 수준으로 나타나, 상당수 사용자가 홈 진입 이후 탐색 행동을 수행하는 것으로 확인되었다.
• 구매 퍼널 특징: Explore → Restaurant → Food Detail → Cart → Payment 단계에서 높은 전환 구조가 나타나며, 탐색 이후 구매 의도를 가진 사용자 비중이 높은 서비스 구조를 보였다.
• 핵심 인사이트: 서비스는 유입과 구매 전환 구조는 안정적이지만 탐색 단계에서 일부 이탈이 발생하는 구조로 나타났으며, 탐색 UX 최적화가 추가적인 성장 기회로 판단된다. </aside>

<aside> 💡

1. 분석 대상 퍼널 구조 정의

기존 탐색 이벤트(Search / Category / Nearby / Recommendation)를 Explore 단계로 통합하여 퍼널을 단순화하였다.

<aside> 👉

Welcome → Home → Explore → Restaurant → Food Detail → Cart → Payment

</aside>

• Explore 단계는 다음 탐색 행동 이벤트를 포함

<aside> 👉

screen_view_search

screen_view_food_category

click_restaurant_nearby_home

click_recommend_food_home

</aside>

</aside>

<aside> 👉

2. 월별 Explore 단계 Engagement 계산

탐색 행동 이벤트들을 하나의 Explore 단계로 묶어 **월별 평균 탐색 활동 규모(avg_explore_count)**를 계산하였다.

-- 탐색 이벤트들을 avg_explore_count로 묶어서 가져오기
select month, avg_welcome_count, avg_home_count,
      round(avg_search_count+ avg_food_cat_count+ avg_nearby_count+ avg_rec_food_count,1)as avg_explore_count,
      avg_restaurant_count, avg_food_detail_count, avg_cart_count, avg_click_payment_cart
from (
SELECT
  FORMAT_DATE('%Y-%m', event_date)ASmonth,
  round(AVG(welcome_count),1)AS avg_welcome_count,
  round(AVG(home_count),1)AS avg_home_count,
  round(AVG(search_count),1)AS avg_search_count,
  round(AVG(food_category_count),1)AS avg_food_cat_count,
  round(AVG(nearby_count),1)AS avg_nearby_count,
  round(AVG(rec_food_count),1)AS avg_rec_food_count,
  round(AVG(restaurant_count),1)AS avg_restaurant_count,
  round(AVG(food_detail_count),1)AS avg_food_detail_count,
  round(AVG(cart_count),1)AS avg_cart_count,
  round(AVG(click_payment_cart),1)AS avg_click_payment_cart
FROM `inflearn-bigquery-489104.advanced.imp_event_count_by_user`
GROUP BY month
ORDER BY month);

</aside>

<aside> 💡

3. 결과

</aside>

<aside> 💡

4. 인사이트

• 서비스 규모 및 성장 추세: 2022년 8월 대비 10월 사이 퍼널 전 단계의 일평균 이벤트 규모가 약 3배 이상 증가하며 빠른 성장을 보였고, 이후 11~12월 안정화 후 2023년 1월 소폭 감소하는 흐름을 보인다. 이는 welcome 이벤트(260.8→895)와 payment 이벤트(26.4→100.7)가 각각 약 3.4배, 3.8배 증가한 점에서 확인되며, 유입 증가 중심의 트래픽 기반 성장이 이루어진 것으로 해석된다.
  • 가설:
  • Action item:

• 탐색 단계 Engagement: Home 대비 Explore 단계 진입률은 약 67% 수준으로, 홈 화면 이후 대부분의 사용자가 탐색 행동을 수행하는 구조로 나타나 탐색 기능 자체의 활용도는 높은 편이다.

• 탐색 단계 병목: Explore → Restaurant 전환율은 약 57~58% 수준으로 퍼널에서 가장 큰 감소 구간으로 나타난다. 탐색 효율 자체는 낮지 않지만, 다음 단계로 더 넘어가게 할 수 있도록 고민해 보아야 할 것이다.
  • 가설
  • Action item

• 구매 의도 단계 전환: Restaurant → Food detail → Cart 구간은 높은 전환 흐름(특히 Food detail → Cart 약 80% 이상)을 보이며, 음식점 및 메뉴 상세 페이지에 도달한 사용자는 주문 의도가 높은 사용자 집단으로 해석된다.

• 결제 단계 이탈: Cart → Payment 전환율은 약 60~65% 수준으로, 약 35~40%의 사용자가 결제 직전에 이탈하는 현상이 나타난다.
  • 가설:
  • Action item:

• 최종 퍼널 성과: 전체 퍼널 기준 최종 전환율(Payment / Welcome)은 약 10% 수준으로 나타나며, 서비스 유입 대비 실제 주문까지 이어지는 비율은 이 수준에서 형성된다. </aside>

<aside> 💡

추가 분석 과제

• 탐색 경로별 성과 분석: Search / Category / Nearby / Recommendation 경로별 구매 전환율 및 매출 기여도 비교 분석
• 탐색 단계 이탈 요인 분석: Explore → Restaurant 구간에서 발생하는 사용자 이탈 원인 및 UX 개선 가능성 검증
• 탐색 행동 세분화 분석: Explore 단계를 통합 퍼널로 보는 것과 함께 개별 탐색 기능별 사용자 행동 패턴 분석 병행 </aside>