<aside> 💡

목적: DAU·WAU·MAU와 요일·시간대별 사용자 행동 패턴을 함께 분석함으로써 Food Express의 전체 유입 규모와 결제 흐름이 시간에 따라 어떻게 변화하는지 파악하고, 단기적 스파이크와 구조적 성장 흐름을 구분하며, 방문 대비 결제 전환이 약한 구간과 반복적으로 성과가 나타나는 시점을 식별해 향후 퍼널 최적화, 프로모션 운영, 재구매 유도 전략 수립의 근거를 마련하기 위함

분석 방법: 데이터 시각화 → 데이터 해석 → 문제 정의(완)

문제 정의에서 끝내는 이유: 시계열 기반 지표(DAU, WAU, 시간대·요일별 분포)는 외부 요인(공휴일, 프로모션, 시즌성 등)의 영향을 크게 받는 특성이 있어, 현재 로그 데이터만으로 원인에 대한 가설을 직접 검증하기에는 한계가 있음. 따라서 본 단계에서는 거시적 추세와 이상 패턴을 기반으로 핵심 문제를 식별하는 데 집중하고, 구체적인 원인 규명과 가설 검증은 이후 퍼널 분석 및 코호트 분석에서 수행함s

                                                                                                                            **<Application UI>**

    <welcome page>                       <home page>                   <food category page>

  <food category page>             <restaurnat page>                        <cart page>

데이터 설명: 배달 애플리케이션의 사용자 이벤트 로그 데이터로, 앱 내 사용자 행동을 이벤트 단위로 기록

■ 주요 컬럼 구성

■ 데이터 예시

<aside> 🤔

문제 정의

1. 유입은 빠르게 증가했으나 결제자 수는 이에 비례하지 않아 마케팅 성과가 매출로 충분히 연결되지 않는 구조가 존재한다.
2. 결제는 평시에는 낮은 수준에 머무르고 특정 날짜에만 급등하는 패턴을 보여 지속 가능한 매출 구조가 아닌 이벤트 의존형 구조를 갖고 있다.
3. DAU·WAU·MAU 모두 일정 수준 이후 성장이 정체되어 신규 유입 확대 전략이 한계에 도달한 상태이다.
4. 트래픽 증가에도 불구하고 전환율이 개선되지 않는 전환 희석 구조로 인해 유입 확대가 곧 매출 성장으로 이어지지 않고 있다.
5. 시간대 및 요일별로 트래픽과 전환율이 분리된 패턴을 보이며, 높은 유입 구간에서 전환 효율을 충분히 확보하지 못하고 있다.
6. 유입 대비 결제 증가 폭이 제한적인 점을 고려할 때 퍼널 내 특정 단계에서 구조적인 이탈이 발생하고 있을 가능성이 높다.
7. 결제자 수가 안정적으로 누적되지 않고 변동성이 큰 구조를 보이며 반복 구매를 유도하는 핵심 사용자층 형성이 미흡한 상태이다. </aside>

<aside> ❓

가설

1. 결제가 급등한 특정 날짜(공휴일, 휴일)에는 기존일보다 신규 유입이 많을 것이다 </aside>

<aside> 💡

일별 순방문자 수 및 결제자 수 추이 분석(DAU)

집계기준: 하루에 한 사용자가 여러 번 접속해도 1번만 카운트

Top funnel(유입)은 성공적으로 확장되었으나, 결제 전환은 이에 비례하지 못하며 퍼널 내 특정 구간에서 구조적 병목이 존재할 가능성이 높음. 공휴일·주말 기반 스파이크 효과를 재현하고 이를 일반화할 수 있는 전략 설계가 필요하다(공휴일 효과를 감안하더라도, 전일 대비 4~5배 수준의 결제 증가는 일반적인 캘린더 효과를 초과하는 비정상적 스파이크로 해석 가능)

• 코드

App Access DAU Time Series (High Traffic Highlight)

Payment DAU Time Series (High Traffic Highlight)

• <데이터 해석> </aside>

<aside> 💡

월간 순방문자 수 및 결제자 수 추이 분석(MAU)

집계기준: 해당 달에 동일 사용자가 여러 번 접속해도 1번만 카운트

MAU 기반 유입은 10월 이후 4만 명 수준에서 정체된 반면, 결제자는 이벤트에 따라 변동하는 구조를 보여, 신규 유입 확대와 함께 퍼널 단계별 전환율 개선 및 재구매 유도 전략이 필요한 상태

• 코드

• <인사이트> </aside>

<aside> 💡

주간별 순방문자 수 및 결제자 수 추이 분석(WAU)

집계기준: 해당 주에 한 사용자가 여러 번 접속해도 1번만 카운트

WAU 기반 유입은 10월 이후 10,000~12,000 수준에서 안정적으로 유지되고 있으나, 결제자는 500~700 수준에서 변동하며 특정 이벤트 시에만 급등하는 패턴을 보여, 평시 전환율을 높이기 위한 퍼널 단계별 병목 구간 식별 및 개선(예: 탐색→주문→결제 흐름 최적화, 혜택/UX 개선)이 필요한 상태

• 코드

• <데이터 해석> </aside>

<aside> ➡️

DAU, WAU, MAU 기반 데이터 해석

🔍 데이터 해석

• 유입 구조
  • DAU/WAU/MAU 모두 8~10월 빠르게 성장 후 plateau 진입
  • 초기 마케팅/채널 확장 효과 이후, 성장 정체 구간 진입
• 전환 구조
  • 유입 증가 대비 결제 증가 폭은 제한적
  • 퍼널 내 전환 병목 존재 가능성 높음 (구간 미확정)
• 행동 패턴

🚀 액션 아이템

• 퍼널 최적화
• 이벤트 전략 고도화
• 성장 재점화 </aside>

→ 시간날 때 CVR, stickness 구해보기