[책 : 데이터 읽기의 기술] 모든 데이터는 심리학이다

'데이터 분석 책 추천'에 항상 언급이 되는 데이터 읽기의 기술을 e-book으로 다운 받아 읽었어요.

책을 통해 데이터 바라보는 관점과 해석에 대해서 많이 배울 수 있는 시간이었습니다.

그래서 데이터 읽기의 기술을 읽으며, 기록했던 것들을 정리해서 기록하려 합니다.

 

소비자는 언제 회사에게 돈을 쓸까?

• 알고 (지식) → 좋아지면 (태도) → 구매한다 (행동)
• 소비자는 제품을 알고, 제품이 좋아지면 구매한다.
• 단순하게 말해서 어떤 제품을 알고, 좋아하게 되면, 다양한 방법으로 구매한다.
• 매출과 연결되어 있는 ‘사람’의 구매 행동을 분석하는데 가능한 한 많은 데이터를 가지고 있는 것이 매우 중요하다.

영수증에는 무슨 데이터가 담겨 있을까?

• 영수증은 소비자와 기업의 시공간이 만나는 순간을 담아낸 집합체다.
• 영수증에는 데이터의 육하원칙이 담겨 있다.
  • 누가 (who) - 멤버십 등급, 인구통계학적 정보
    • 한 명의 고객, 멤버십에 가입했다면 여러 번 방문한 영수증을 한 사람의 행동으로 연결할 수 있게 되어 더욱 힘을 얻는다.
    • 멤버십 데이터와 연계하여 분석 가능
  • 언제 (when) - 연, 월, 일, 시, 분, 초, 요일, 공휴일
    • 회계에서 중요한 기준이 될 수 있다. 여러 관점에서 분절해 분석할 수 있으며, 데이터에 힘을 실어주게 된다. 외부 데이터와 연결할 수 있는 중요한 ‘핵심 가치’가 된다.
    • 데이터를 일자별 프로모션이나 공휴일로 나누어 시계열 데이터와 연결해 시기 분석 가능
  • 어디서 (where) - 매장 이름, 주소, 상권, 위경도 외
    • 오프라인 매장이다. 이 매장의 위치가 행정 구역이나 위경도와 만나는 순간이 빅데이터가 될 가능성이 높다.
    • 매장의 특성과 연계 분석 가능
  • 무엇을 (what) - 제품 기준 정보, 카테고리, 속성 정보, 발주 일시
    • 기업의 상품 기준 정보, SKU(재고 관리 식별코드) 단위까지 세세하게 분류하고, 되도록 자세하게 태그를 한다. 분류 체계가 잘 되어 있다면, 분석에 날개를 달아준다.
    • 제품 패턴과 연결하여 분석 가능
  • 어떻게 (how) - 결제 수단, 쿠폰 사용 여부, 이벤트 참여 여부
    • 결제 수단, 이벤트 정보 등을 담는다.소비자가 어떻게 기업에게 비용을 지불했는지 다각도에서 설명할 수 있고, 이 결제 수단에서 프로모션 아이디어가 나온다.
  • 왜 (why) - SNS 분석, 설문 조사, 특정 집단 대상 심층면접 FGI ✨
    • 영수증 데이터만으로는 소비자의 행동 원인을 알기 어려울 때가 있다. 다른 데이터로부터 왜 그럴지 ‘추정’해야 한다. 정확한 why는 소비자에게 묻기 전까지는 알 수 없으며, 사실 소비자조차 답을 모를 수도 있다.

인구통계학적 정보는 중요할까?

• 20대인지, 30대인지, 여성인지 남성인지 중요할까? 우리 주변만 봐도 같은 성별, 같은 나이라도 각자가 갖고 있는 취향은 다르다는 것을 쉽게 알 수 있다.
• 이제는 ‘A’라는 한 명의 사람이 언제, 어디서, 무엇을, 어떻게, 몇 번을 구매하는지 연결해서 보는 것이 더 의미 있는 시대가 되었다.

데이터의 목적과 기업의 목적

• 데이터의 목적은 소비자를 더 깊이 이해하는 것이다. 이를 통해 소비자가 기꺼이 제품과 서비스를 구매할 수 있기 때문이다.
• 기업의 목적은 소비자가 원하는 제품과 서비스를 만드는 것임을 잊지 말아야 한다.

시간 데이터를 활용 방법

• 시간 데이터를 바탕으로 분석을 진행할 때에는 ‘의미 있는 시간대’를 찾아내는 것이다. 고객의 행동이 변화하는 변곡점을 찾아내야 한다. (그로스해킹 책에도 나왔지만, 잘 쪼갤 수 있는 능력이 필요하다.)
  • 두 가지 일이 일어난 간격을 계산해 의미를 파악하는 것도 필요하다. 예를 들어, 가입과 첫 구매 간의 간격이나 이탈이 일어나는 시점 같은 것이 있다.
  • 소비자의 행동 이유를 파악하고, 어떤 것을 제공해야 소비자가 좀 더 편리할지 궁리해야 한다.
  • 시간 데이터는 소비자의 행동과 밀접한 연관이 있기 때문에 이리저리 뜯어보고 다각도로 살펴봐야 한다.

소비자 세그먼트를 하는 이유는?

• 소비자를 위한 제품을 만들거나 마케팅 전략을 짜기 쉽기 때문이다. 단, 인구통계학적 분류는 거의 의미가 없다.
  • 분류를 해야 한다면, 아래와 같은 소비자의 행동에 따라 분류해야 한다.
    • 아침마다 무언가를 하는 사람
    • 점심마다 저런 소비를 하는 사람
    • 저녁마다 이런 곳에 들르는 사람
    • 직장에 다니고, 아침에 출근할 때마다 회사 근처 카페에 들리는 사람
    • 고속도로에 특정 시간대에 진입하여 근처 드라이브 스루 매장에 들렀다 가는 사람
    • 토요일 점심마다 느지막하게 브런치를 하는 사람
    • 금요일 밤마다 술을 마신 후 특정 매장에 음료수를 마시는 사람
    • 이런 행동이 훨씬 더 소비자의 필요와 맞닿아 있다.

현장에 답이 있다

• 분석을 하는 중에 숫자에 확신을 갖기 위한 확실한 방법은 현장에 가보는 것이라고 생각한다.
• 분석 업무를 컴퓨터 앞에만 앉아서 한다고 생각하면 착각이다.
• 분석 아이디어와 해석의 풍성함은 현장에서 나온다.

데이터 분석은 파편을 모아 스토리를 만드는 것

• 낱개의 분석을 모아 사람들에게 공감을 얻을 수 있는 스토리를 만들어야 한다.
• 하나의 분석을 끝내면 그것들을 모아 스토리로 만들어야 한다.
  • 사람들이 이해할 수 있도록 일목요연하게 정리하는 작업을 거치고, 논리적으로 구멍이 없는지 찾아보고, 구멍이 있다면 그 부분도 추가로 분석해야 한다. 이러한 것을 ‘데이터 리터러시’라고 부르기도 한다.
• 남에게 설명하는 과정도 도움이 된다. 이 프로젝트에 대해 잘 알지 못하는 사람에게 들려주고, 그 사람이 궁금해하는 지점을 채워 넣는 것도 좋은 방법이다.

스토리를 만드는 데 가장 중요한 것은 '질문'

• 예를 들어, 조직에서 행사를 마쳤고 행사에 대한 어떤 데이터를 분석하고 준비해야 할까?
  • 이 행사를 왜 시작했는가?
  • 행사를 했는데 매출을 왜 올랐는가? 또는 왜 오르지 않았는가?
  • 예전에 비슷한 행사를 했을 때와 비슷하게 매출이 올랐는가?
  • 더 올랐는가, 덜 올랐는가?
  • 만약 예전 행사와 다른 점이 있다면, 시간이나 장소가 바뀐 것 외에 무엇이 달랐는가?
  • 그 바뀐 점이 매출에 더 좋은 영향을 주었는가, 나쁜 영향을 주었는가?
  • 이 행사에 쓰인 비용을 회수하고 남을 만한 매출인가?
  • 행사의 목적과 다른 효과는 없었는가?

---

결국, 우리가 데이터 분석을 하는 이유는
우리 회사와 제품을 사랑해주어야 할 소비자를 이해하고자 하는 것