기록하는 분석가

“고가 상품의 장바구니 전환율이 개선된다면 실제 성과 기회는 얼마나 증가할까?” 분석 목표Day5 분석 결과, Price Band는 view_item → add_to_cart 단계의 핵심 병목이었다.특히 High Price 상품군은 Mid / Low Price 대비 장바구니 전환율이 낮았으며, 이는 단순 유입 부족보다 “상품 조회 이후 장바구니 진입 장벽”이 존재할 가능성을 시사했다. 그래서 오늘은“High Price 상품군의 장바구니 전환율이 Mid 또는 Low 수준까지 개선된다면 추가 장바구니 수와 기대 성과는 얼마나 증가할까?”를 시뮬레이션했다. 분석 목적High Price 상품군의 상단 퍼널(view → add_to_cart) 병목이 실제 얼마나 큰 성과 개선 기회인지 확인하고, 단순 가격 인하보..

이전 분석 결과 요약checkout → purchase 단계 심층분석 결과, User Type(New vs Returning)이 가장 큰 차이를 보였으며 신규 유저는 결제 단계에서 더 큰 이탈을 보였다.상단 퍼널: 상품 경쟁력 (Price + Category)하단 퍼널: 결제 신뢰 장벽 (User Type) 분석 목표이전에 확인한 핵심 병목은 “신규 유저의 결제 단계 이탈”이었다.따라서 오늘은 단순히 “신규 유저 전환율이 낮다” 에서 끝나는 것이 아니라 “신규 유저의 checkout → purchase 전환율이 개선된다면 실제 구매 수와 기대 가치는 얼마나 증가할까?”를 시뮬레이션했다.분석 목적신규 유저 결제 신뢰 개선이 실제 비즈니스 성과(구매 수 / 기대 가치) 측면에서 얼마나 중요한 우선순위인지 확..

추가 분석 이유본편에서는 결제 단계(Begin Checkout → Purchase) 이탈 원인을 Device, User Type, Source, Checkout Value 관점에서 검토한 결과, 핵심 변수는 Device·Source보다 User Type(신규 유저 신뢰 장벽)일 가능성이 높다는 결론에 도달했다. 그러나 “신규 유저가 문제다”라는 결론만으로는 실제 액션 포인트가 부족하다. 따라서 심층 분석에서는 “신규 유저 문제는 특정 디바이스 문제인가?”, “특정 유입 채널 문제인가?”, “특정 상품군 구조 문제인가?”를 추가 검증해, User Type 핵심 가설의 실제 구조를 더 세밀하게 분해하고자 했다.심층 가설왜 봤는가검증 목적User Type × Device신규 유저가 모바일에서 특히 약한가?UX..

User Type × Device 분석신규 유저의 결제 이탈이 모바일/데스크탑 중 어디서 더 심한지 확인 1. 세션 단위 기본 데이터 만들기session_id가 잘 만들어졌는지device_category가 desktop/mobile/tablet으로 나오는지event_name에 begin_checkout, purchase가 있는지-- STEP 1-- GA4 이벤트 데이터에서 session_id, device, event_name을 가져온다.-- GA4는 세션 ID가 event_params 안에 들어있기 때문에 UNNEST로 꺼내야 한다.SELECT CONCAT(user_pseudo_id, '-', ( SELECT value.int_value FROM UNNEST(event_params) ..

추가 분석 이유이전 분석에서는 상품 조회(View Item) 이후 장바구니(Add to Cart) 단계에서 이탈 원인을 Device, User Type, Source, Price Band, Category 관점에서 검토했다. 그러나 실제 구매 퍼널에서 더 큰 손실은 결제 시작(Begin Checkout) 이후 구매 완료(Purchase) 구간에서도 발생할 수 있다. 따라서 Day6에서는 결제 단계 이탈 원인을 다양한 가설 관점에서 탐색하고, 초기 EDA 결과를 바탕으로 영향력이 높은 변수의 우선순위를 재정렬한 뒤 통계 검증을 통해 실제 핵심 요인을 선별하고자 했다. 이전 분석에서 어떤 가설을 세웠는가?가설왜 봤는가예상 가능성Device모바일 결제 UX / 입력 불편중간User Type신규 유저 신뢰 장벽..

추가 분석 이유이전 분석에서는 Device, User Type, Source, Price Band, Category 등 다양한 가설을 통해 장바구니 전환율 저하 원인을 탐색했다. 그러나 단순 EDA 결과만으로는 어떤 요인이 실제 핵심 변수인지 확정하기 어려웠다. 따라서 Day 5에서는 통계적 검증을 통해 실제 영향력 있는 요인을 선별하고, 우선순위를 재정렬하고자 했다. 이전 분석에서 어떤 가설을 세웠는가?가설왜 봤는가초기 결과Device모바일 UX 문제 여부차이 작음User Type신규 유저 장벽 여부차이 작음Source유입 채널 품질일부 차이Price Band가격 민감도차이 큼Category상품 경쟁력차이 큼초기 EDA 결과 Price Band와 Category가 가장 영향력 높은 후보로 판단되어 우선..

현재까지 결과가설 1 : Device 문제 → 기각가설 2 : 신규 유저 첫 구매 장벽 → 채택가설 3 : Google 유입 품질 차이 → 부분 채택 가설가격/객단가 부담- 가격 부담으로 인해 결제 직전 Purchase 이탈이 발생할 것이다- 사용자는 구매 의도는 있지만, 결제 금액이 높아질수록 최종 결제를 포기하는가? 1. 가격 관련 컬럼 구조 확인- items 배열 안에 price와 quantity가 존재하는가?- purchase_revenue가 purchase 이벤트에서 정상 존재하는가?- checkout 단계 가격 추정이 가능한가?-- STEP 1: 가격 관련 컬럼 구조 확인-- 목적:-- items.price, quantity, purchase_revenue 사용 가능 여부 확인SELECT e..

지금까지 결과가설 1Device 문제 → 기각가설 2신규 유저 첫 구매 장벽 → 채택 가설유입 채널 품질 차이 문제- 유입 채널 품질 차이로 인해 Checkout 이후 Purchase 전환율 차이가 발생할 것이다- 어떤 유입 채널이 구매 의도가 높은 유저를 데려오고, 어떤 채널이 낮은 품질의 유저를 데려오는가? 1. 사용 가능한 트래픽 소스 컬럼 확인- source 값이 정상적으로 존재하는가?- medium 값이 존재하는가?- (not set) 비율이 과도하지 않은가?- 세션 단위 분석이 가능한가?-- STEP 1: 트래픽 소스 관련 컬럼 구조 확인-- 목적:-- source / medium / channel group 분석이 가능한지 확인한다.SELECT event_date, -- 유입 소스 tr..

기존 분석 결과 상품 조회는 활발장바구니 진입 존재결제 시작도 존재Purchase 단계에서 이탈 발생Device 문제는 주요 원인 아님가설신규 유저의 신뢰 부족- 신규 방문자는 브랜드 신뢰, 가격 확신, 회원가입 부담 등으로 인해 재 방문자보다 구매 완료율이 낮을 것이다 New vs Returning 사용자별 Checkout → Purchase 전환율을 비교신규 유저의 전환율이 낮다면 신뢰/첫 구매 장벽이 주요 원인일 가능성이 있음 1. user_type 분류 기준 확인- 각 user별 first_visit_date가 생성되는가? - 이 값을 기준으로 세션 발생일과 비교 가능할까?-- STEP 1: 사용자별 첫 방문일 확인-- 목적:-- 각 user_pseudo_id의 첫 방문일을 기준으로-- New /..

장바구니 추가 구간 퍼널 분석 결과, 결제 시작 이후 구매 완료 전환율이 가장 큰 병목으로 나타났음따라서 이번에는 구매 완료 직전 이탈 원인을 가설 기반으로 검증할 예정 가설모바일 결제 UX 문제- 모바일 결제 UX 문제 때문에 Purchase 전환율이 낮은가? 1. 필요한 원천 데이터 확인- event_name에 begin_checkout, purchase가 있는가? - device_category에 mobile, desktop, tablet 등이 있는가? - ga_session_id가 NULL이 아닌 값으로 존재하는가?-- STEP 1: 원천 데이터 구조 확인-- 목적:-- purchase 분석에 필요한 event_name, device.category, ga_session_id가 정상적으로 존재하는..