서비스를 운영하다 보면 다양한 데이터를 접하게 됩니다. 사용자 수, 방문 횟수, 클릭 수 등 수많은 숫자가 쏟아집니다. 하지만 데이터가 많다고 좋은 의사결정을 하는 것은 아닙니다. 중요한 것은 어떤 데이터를 어떻게 수집하고 해석할 것인가입니다. 이 글에서는 서비스 기획에서 데이터를 효과적으로 활용하는 방법을 설명합니다.
정성적 데이터 vs 정량적 데이터
데이터는 크게 두 가지로 나뉩니다.
정량적 데이터 (Quantitative Data): 숫자로 측정 가능한 데이터입니다. 사용자 수, 방문 횟수, 전환율, 이탈률, 평균 세션 시간 등이 해당합니다. 무슨 일이 일어나고 있는지(What)를 알려줍니다.
정성적 데이터 (Qualitative Data): 사용자의 감정, 의견, 행동 이유 등 숫자로 표현하기 어려운 데이터입니다. 사용자 인터뷰, 설문 응답, 고객 지원 대화, 사용성 테스트 녹화 등이 해당합니다. 왜 그런 일이 일어나는지(Why)를 알려줍니다.
두 가지 데이터는 서로 보완 관계입니다. 정량적 데이터만으로는 "3단계에서 이탈률이 높다"는 것은 알지만, 왜 이탈하는지는 모릅니다. 정성적 데이터가 그 이유를 설명해줍니다. 반대로 정성적 데이터만으로는 "많은 사용자가 불편하다고 느낀다"는 것은 알지만, 얼마나 많은지, 얼마나 심각한지는 모릅니다.
핵심 지표(KPI) 설정 방법
KPI(Key Performance Indicator)는 서비스의 성공을 측정하는 핵심 지표입니다. 모든 지표를 추적하면 정작 중요한 것을 놓치게 됩니다. 서비스 단계에 맞는 3~5개의 핵심 지표에 집중하세요.
주요 지표 종류
DAU/MAU (일간/월간 활성 사용자): 얼마나 많은 사람이 실제로 서비스를 쓰고 있는지 보여줍니다. 단순 가입자 수보다 훨씬 중요합니다. DAU/MAU 비율(Stickiness)이 높을수록 사용자가 매일 방문할 만큼 서비스에 의존한다는 의미입니다.
리텐션 (Retention): 1일, 7일, 30일 후에 사용자가 얼마나 돌아오는지 측정합니다. "새는 물통" 문제를 감지하는 지표입니다. 신규 사용자 유입보다 기존 사용자 유지가 훨씬 중요하고, 리텐션이 낮은 상태에서 마케팅을 늘려봐야 의미가 없습니다.
전환율 (Conversion Rate): 방문자 중 원하는 행동(가입, 구매, 업그레이드 등)을 한 사람의 비율입니다. 전환율이 낮다면 메시지, UI, 가격, 신뢰도 중 어딘가에 문제가 있다는 신호입니다.
이탈률 (Churn Rate): 구독 서비스에서 특정 기간 동안 서비스를 해지한 사용자 비율입니다. 이탈률이 높으면 아무리 신규 사용자를 끌어와도 성장하지 못합니다.
LTV (Life Time Value): 한 사용자가 서비스를 이용하는 전체 기간 동안 창출하는 평균 수익입니다. LTV가 CAC(고객 획득 비용)보다 높아야 지속 가능한 비즈니스입니다.
KPI 설정 시 주의사항
허상 지표(Vanity Metrics)를 피하세요. 총 가입자 수, 총 페이지뷰 같은 지표는 보기에 좋지만 실제 서비스의 건강 상태를 반영하지 않는 경우가 많습니다. 중요한 것은 "활성" 사용자, "전환한" 사용자처럼 의미 있는 행동을 취한 사람들의 수입니다.
무료 분석 도구 소개
Google Analytics 4 (GA4)
가장 널리 쓰이는 무료 웹 분석 도구입니다. 페이지뷰, 세션 수, 사용자 행동 흐름, 이벤트 트래킹 등을 지원합니다. 코드 한 줄을 삽입하면 기본적인 데이터 수집이 시작됩니다. 단, UI가 복잡해 처음에는 배우는 데 시간이 필요합니다.
Mixpanel (무료 플랜)
이벤트 기반 분석 도구입니다. GA4보다 사용자 행동 추적이 세밀하고, 퍼널 분석, 리텐션 분석, 코호트 분석에 강합니다. 월 2만 이벤트까지 무료로 사용할 수 있습니다. "가입 완료 → 핵심 기능 사용 → 유료 전환"처럼 특정 행동의 전환율을 분석하는 데 최적입니다.
Hotjar (무료 플랜)
히트맵(어디를 가장 많이 클릭하는지), 스크롤 맵(어디까지 스크롤하는지), 세션 레코딩(실제 사용자의 화면을 녹화)을 제공합니다. 정량 데이터가 아닌 시각적 행동 패턴을 파악하는 데 탁월합니다. 월 35개의 세션 레코딩을 무료로 제공합니다.
PostHog (오픈소스, 셀프 호스팅 가능)
Mixpanel과 비슷한 기능을 제공하지만 오픈소스이며 셀프 호스팅이 가능합니다. 데이터를 자체 서버에 보관하고 싶은 경우 좋은 선택입니다. 기능 플래그(Feature Flag)와 A/B 테스트 기능도 내장되어 있습니다.
퍼널 분석 방법
퍼널(Funnel)은 사용자가 특정 목표를 달성하기까지 거치는 단계들을 깔때기 모양으로 표현한 것입니다. 각 단계에서 사용자가 얼마나 이탈하는지 측정합니다.
예시: 이커머스 결제 퍼널
- 상품 상세 페이지 방문: 1,000명
- 장바구니 추가: 300명 (30%)
- 결제 시작: 150명 (50%)
- 결제 완료: 90명 (60%)
이 퍼널에서 가장 이탈이 많은 구간은 "상품 상세 → 장바구니 추가"입니다. 이 구간의 이탈 원인을 분석해야 합니다. 가격이 문제인지, 정보가 부족한지, CTA 버튼이 눈에 띄지 않는지 확인합니다.
퍼널 분석은 Mixpanel, PostHog, GA4에서 모두 설정할 수 있습니다.
A/B 테스트 개념과 실행 방법
A/B 테스트는 같은 화면의 두 가지 버전(A와 B)을 사용자에게 무작위로 보여주고, 어느 쪽이 더 좋은 결과를 내는지 측정하는 방법입니다.
예시:
- A 버전: "지금 시작하기" 버튼 (파란색)
- B 버전: "무료로 시작하기" 버튼 (초록색)
각 버전을 50%의 사용자에게 보여주고, 클릭률 또는 가입 전환율을 비교합니다.
A/B 테스트 실행 시 주의사항
충분한 표본 크기: 방문자가 100명 수준에서 테스트한 결과는 통계적으로 의미가 없습니다. 최소 수백 명에서 수천 명의 데이터가 있어야 신뢰할 수 있습니다.
한 번에 하나만 변경: 버튼 색상과 텍스트를 동시에 바꾸면 어느 것이 효과가 있었는지 알 수 없습니다.
충분한 기간 유지: 최소 1~2주 이상 테스트를 유지해야 요일별 트래픽 차이 등의 편향이 제거됩니다.
소규모 서비스에서는 PostHog, Firebase A/B Testing, Optimizely(유료) 등을 사용할 수 있습니다.
데이터를 잘못 해석하는 흔한 실수
상관관계를 인과관계로 착각: "새 기능 출시 후 리텐션이 올랐다"는 것이 반드시 새 기능 때문은 아닙니다. 동시에 진행한 마케팅 캠페인, 계절적 요인 등이 원인일 수 있습니다.
작은 표본 과신: 방문자 50명 중 5명이 클릭했다고 전환율이 10%라고 결론 짓기 어렵습니다. 표본이 작을수록 오차가 큽니다.
평균의 함정: 평균 세션 시간이 3분이라도, 일부 사용자는 30분, 대부분의 사용자는 30초일 수 있습니다. 평균 외에 중앙값, 분포도 함께 봐야 합니다.
허상 지표에 집중: 총 페이지뷰, 총 가입자 수는 증가하는데 실제 핵심 기능 사용률은 낮다면 문제입니다.
소규모 서비스에서 데이터 수집 시작하는 방법
처음부터 복잡한 분석 시스템을 구축할 필요는 없습니다.
1단계: Google Analytics 4 설치. 코드 한 줄로 페이지뷰, 방문자 수, 이탈률을 수집합니다.
2단계: 핵심 이벤트 3개 정의. 서비스에서 가장 중요한 행동 3가지(가입, 핵심 기능 사용, 결제 등)를 이벤트로 트래킹합니다.
3단계: 주 1회 데이터 리뷰. 매주 같은 요일에 10분만 데이터를 보는 습관을 만듭니다.
4단계: 가설 기반 개선. "로그인 페이지 이탈률이 높다" → 가설 수립 → 개선 → 측정의 사이클을 반복합니다.
데이터는 서비스의 나침반입니다. 직관과 경험도 중요하지만, 데이터가 뒷받침될 때 더 빠르고 확실한 방향으로 나아갈 수 있습니다. 오늘 당장 Google Analytics를 설치하고, 어느 페이지에서 이탈이 가장 많은지 확인해보세요.