3차 성취도 평가 - 시나리오에 맞는 프로덕트 진단 및 지표 설계

Об этом предложении

시나리오 가상의 신규 서비스인 구독형 외국어 학습 앱 런타임(Runtime)의 데이터 분석가 앱을 설치하면 7일 무료 체험 제공, 이후 월정액 구독으로 전환하는 서비스 “최근 MAU가 3개월째 정체 상태인데, 어디서부터 문제를 찾아야할지 모르겠다” [이번 달 런타임 앱의 주요 지표 데이터] 신규 앱 다운로드 : 10,000건(앱 삭제 후 재설치에 따른 중복 다운로드를 제외한 수치) 무료 체험 시작(회원가입 완료) : 8,000명 무료 체험 종료 후 구독 전환 : 1,600명 구독 시작 후 1개월 유지 : 640명 구독 취소(1개월 내 이탈) : 960명 Q1. (30점) Q1. 위 데이터를 바탕으로 AARRR 프레임워크를 활용해 런타임의 프로덕트 상태를 진단하려고 합니다. 위 5개 지표(다운로드, 무료 체험 시작, 구독 전환, 1개월 유지, 1개월 내 이탈)가 AARRR 프레임워크의 어느 단계에 해당하는지 각각 설명하고, 가장 우선적으로 개선해야 할 병목 단계가 어디인지 판단 근거와 함께 설명해주세요. 단계 유저 수 전환율 신규 앱 다운로드 10,000명 무료 체험 시작 8,000명 80% 무료 체험 종료 후 구독 전환 1,600명 20% 구독 시작 후 1개월 유지 640명 40% 답. 단계 AARRR 프레임워크 신규 앱 다운로드 Acquisition 무료 체험 시작 Activation 무료 체험 종료 후 구독 전환 Revenue 구독 시작 후 1개월 유지 Retention 구독 취소(1개월 내 이탈) Retention의 역지표 - 가장 우선적으로 개선해야 할 병목 단계 : - 무료 체험 종료 후 구독 전환(1,600명) → 구독 시작 후 1개월 유지(640명) - 전환율 40% - 판단 근거 : - (1) MAU가 3개월 째 정체되고 있는 상황에서, 구독을 시작한 사용자 중 60%가 1개월 내 이탈하고 있어, 신규 유입을 아무리 늘리더라도 MAU가 쌓이지 않는 구조이기 때문 - (2) 무료 체험 시작(8,000명) → 무료 체험 종료 후 구독 전환(1,600명) - 전환율 20%에도 개선의 여지가 있지만, CAC(고객 획득 비용) 대비 LTV(고객 생애 가치)를 고려하였을 때, 구독한 사용자조차 유지하지 못하고 있다면 유입을 늘리기 전에 리텐션 개선이 선행되어야 하기 때문 Q2. (40점) Q2. Retention 단계의 이탈 문제를 집중적으로 분석하기로 할 때, 두 가지 데이터가 주어진 상황이다. [퍼널 데이터 - 무료 체험 중 구독 전환 경로] 단계 사용자 수 전환율 홈 화면 진입 8,000명 커리큘럼 소개 페이지 클릭 5,600명 70% 무료 체험 시작 버튼 클릭 2,240명 40% 결제 정보 입력 1,792명 80% 구독 완료 1,600명 약 89% [코호트 리텐션 데이터 (N-Day Retention 기준 : 주간)] 코호트 구독 시작 주 1주 후 2주 후 3주 후 2월 1주 400명 220명(55%) 160명(40%) 120명(30%) 2월 2주 380명 209명(55%) 152명(40%) 114명(30%) 2월 3주 420명 231명(55%) 210명(50%) 189명(45%) (2-1) 퍼널 데이터에서 각 단계의 전환율을 계산하고, 가장 이탈이 심한 구간과 개선 방향을 1가지 제안해 주세요. 답. 가장 이탈이 심한 구간 : 커리큘럼 소개 페이지 클릭(5,600명) → 무료 체험 시작 버튼 클릭(2,240명) - 전환율 40% 개선 방향 : 커리큘럼 소개 페이지에서 서비스 내용을 확인하고도 무료 체험을 시작하지 않은 비율이 60%에 달한다는 것은 커리큘럼 소개 페이지에서 런타임(Runtime)의 핵심 가치가 충분히 전달되고 있지 않을 가능성을 시사한다. 개선 방향으로는 (1) 커리큘럼 소개 페이지의 메시지 및 비주얼 개선, (2) 즉시 체험 가능한 샘플 레슨 노출, (3) 무료 체험 시작 CTA 버튼의 위치 및 디자인 최적화를 고려할 수 있다. (2-2) 코호트 리텐션 표에서 가장 눈에 띄는 변화 또는 패턴을 1가지 골라, 그것이 의미하는 바와 분석가로서 다음에 확인해 볼 일을 설명해 주세요. 답. 모든 코호트에서 구독 직후(1주 이내) 이탈이 가장 크게 발생한다. 따라서, 초기 온보딩 경험을 강화해 첫 1주 이탈을 줄이는 것이 전반적인 리텐션 개선의 핵심으로 보인다. 2월 3주 코호트의 리텐션이 다른 코호트 대비 높은 것을 확인할 수 있다. 2월 1주 코호트와 2월 2주 코호트의 3주 후 리텐션이 30% 수준인 반면, 2월 3주 코호트는 45%로 상당히 개선되었다. 해당 주에 온보딩 흐름 개선, 콘텐츠 업데이트, 또는 특정 이벤트 등 긍정적인 영향을 미친 변화가 있었을 가능성을 시사한다. 해당 주에 어떤 변화가 있었는지 확인하고, 효과적인 요소를 전체 사용자에게 확대 적용하는 방향을 검토할 필요가 있다. Q3. (30점) 리텐션 분석 결과, 구독 시작 직후 초기 온보딩 경험이 이탈의 핵심 원인으로 의심된다. “사용자가 구독 후 처음 맞이하는 ‘오늘의 학습’ 화면에서 어떤 레슨을 클릭하고, 실제로 얼마나 학습을 완료하는지 데이터를 보고 싶다”고 요청했다. [오늘의 학습 화면 구성] 상단 : 오늘의 추천 레슨 카드(레슨 제목, 예상 소요 시간, 난이도 표시) 중단 : ‘이어서 학습하기’ 버튼(직전에 보던 레슨 재개) 하단 : 카테고리별 레슨 목록(문법/회화/듣기 카테고리, 각 3~5개 카드) PM의 요청을 충족하기 위한 이벤트 로그 설계를 줄글로 설명해 주세요. 별도의 DB 정보를 참조하지 않는다고 가정하고, 아래 두 가지를 작성해주세요. - 분석에 필요한 사용자 속성(User Properties) 2개와 각각이 왜 필요한지 - '레슨 카드 클릭'과 '레슨 완료' 중 하나를 골라, 그 이벤트의 이름을 직접 짓고 함께 수집할 이벤트 속성(Event Properties) 2개 이상과 각각이 왜 필요한지 답. 목적 : 사용자가 구독 후 처음 맞이하는 ‘오늘의 학습’ 화면에서 어떤 레슨을 클릭하는지 실제로 얼마나 학습을 완료하는지 지표 : 레슨별 클릭 수 레슨별 클릭률(노출 대비 클릭) 레슨별 학습 완료율(클릭 대비 완료) 두 이벤트 중 ‘레슨 카드 클릭’ 이벤트를 선택하여 설계하겠습니다. 이벤트 이름은 lesson_card_click으로 정의하겠습니다. 이는 어떤 대상(레슨 카드)에 어떤 행동(클릭)이 발생했는지 이름만으로 명확하게 알 수 있도록 하기 위함입니다. 사용자 속성(User Property)으로는 subscription_start_date(구독 시작일)와 device_type(기기 유형)을 수집하겠습니다. 첫째, subscription_start_date(구독 시작일)을 통해 구독 후 경과일을 계산하고 초기 온보딩 구간에 해당하는 사용자의 행동을 분석할 수 있습니다. 둘째, device_type(기기 유형)은 사용자가 서비스를 이용하는 기기 유형을 의미하며, 기기 유형에 따라 레슨 클릭 및 학습 완료율에 차이가 있는지 비교하기 위해 필요합니다. 이벤트 속성(Event Property)으로는 lesson_id(레슨 ID), card_position(카드 위치), category_name(레슨 카테고리)를 수집하겠습니다. 첫째, lesson_id(레슨 ID)는 클릭한 레슨을 식별하기 위한 속성으로, 사용자가 어떤 레슨을 선택하는지 분석하는 데 필요합니다. 둘째, card_position(카드 위치)은 클릭한 레슨 카드가 위치한 영역(상단 추천 레슨, 중단 이어서 학습하기, 하단 카테고리별 레슨 목록)을 의미하며, 화면 내 위치에 따른 클릭 행동의 차이를 분석하기 위해 필요합니다. 셋째, category_name(레슨 카테고리)은 레슨의 카테고리(문법, 회화, 듣기)를 의미하며, 카테고리별 클릭 행동을 비교하여 사용자의 학습 선호도를 파악하기 위해 필요합니다.