<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
**<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
| 구분 | 컬럼 | 설명 |
|---|---|---|
| 이벤트 정보 | event_date |
이벤트 발생 날짜 |
event_timestamp |
이벤트 발생 시각 | |
| 사용자 정보 | user_id |
로그인 사용자 식별자 |
user_pseudo_id |
비로그인 포함 사용자 식별자 | |
| 이벤트 정보 | event_name |
발생한 이벤트 유형 |
| 이벤트 상세 | event_params.key |
이벤트 파라미터 이름 |
event_params.value.string_value |
이벤트 파라미터 값 | |
| 환경 정보 | platform |
사용자 접속 플랫폼 정보 |
■ 데이터 예시
| 행 | user_id | event_date | event_name | user_pseudo_id | key | string_value |
|---|---|---|---|---|---|---|
| 1 | null | 2022-08-01 | screen_view | 2173465695.8694960923 | firebase_screen | welcome |
| 2 | null | 2022-08-01 | screen_view | 2173465695.8694960923 | session_id | 7f861735-b5ae-4869-a87f-7164… |
| 3 | null | 2022-08-01 | click_login | 2173465695.8694960923 | firebase_screen | welcome |
| 4 | null | 2022-08-01 | click_login | 2173465695.8694960923 | session_id | 7f861735-b5ae-4869-a87f-7164… |
| 5 | 38546 | 2022-08-01 | screen_view | 2173465695.8 | firebase_screen | home |
| 6 | 38546 | 2022-08-01 | screen_view | 2173465695.8 | session_id | 7f861735-b5ae-4869-a87f-7164 |
| </aside> |
<aside> 💡
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)
App Access DAU Time Series (High Traffic Highlight)
Payment DAU Time Series (High Traffic Highlight)
<aside> 💡
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
<aside> 💡
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
<aside> ➡️
→ 시간날 때 CVR, stickness 구해보기