[린 분석] 테스트와 각종 분석(1)

고객 세분화, 코호트 분석, 다변량 분석, A/B 테스트

테스트는 린 분석의 핵심이라고 해도 과언이 아니다. 린 분석에서 말하는 테스트란 일반적으로 시장 세분화, 코호트 분석, A/B 테스트를 통해 두 가지를 비교하는 것을 말한다. 이것은 전략을 수정하는 데 논리적으로 타당성을 입증하는 데 필요한 비교를 하는 데 중요한 개념이다. 그래서 반드시 정확히 알고 가야 한다.

 

1. 고객 세분화

고객군은 공통의 특징이 있는 집단을 말한다. MS office를 이용하는 사람들을 하나의 고객군으로 묶을 수 있고, 항공사에서 비즈니스석을 예약하는 사람, 모범택시를 이용하는 사람 모두 하나의 고객군이 될 수 있다. 웹사이트에서는 방문자를 다양한 기술적 정보와 인구통계학적 정보에 따라 분류하여 세분화한 다음 특정 고객군을 다른 고객군과 비교할 수 있다. 예를 들어, 모바일로 접속하는 방문자들이 웹사이트를 이용해 방문하는 방문자들보다 구매 건수가 현저히 적다면 이 이유를 찾기 위해 테스트를 반드시 해야 한다. 만일 특정 지역의 사용자들이 다른 지역의 사용자들보다 활발하게 웹사이트를 이용한다면 그 이유를 반드시 찾아내서 다른 고객군에도 그 성공을 적용하려고 노력할 수 있어야 한다.

기존에는 고객 세분화를 큰 틀에서만 실시했다. 연령, 성별, 지역 등으로 넓게 나누었는데 사실상 니즈가 다양화된 요즘 세대에는 적용되지 않는 경우가 많다. 똑같은 20대라고 해도 취업한 사람과 대학생은 구매력이 달라 소비 패턴이 다를 것이고, 똑같은 서울 지역이라고 해도 아파트 거주자와 주택 거주자는 행동 패턴이 다를 수 있다. 이렇게 고객이 예전보다 세분화되었고, 웹사이트에서 얻을 수 있는 정보도 매우 자세한 정보가 많으므로 요즘은 고객을 나누는 방법도 매우 다양하다. 특히 고객들이 [장바구니]라는 페이지에 들어갔다고 하자. 그러면 A고객은 검색사이트-쇼핑몰-마이페이지-장바구니 루트로 들어갔을 수도 있고, B 고객은 메신저 상품 홍보페이지-랜딩페이지-구매하기-장바구니 루트로 들어갔을 수 있다. 이 상황에서 A고객과 B 고객 모두 장바구니에 도달했다고 해서 똑같은 고객군으로 묶어서 같은 방식의 마케팅을 해서는 안 된다. A고객은 해당 쇼핑몰을 원래 알고 있었기에 충성도가 있는 고객이고, B 고객은 이 쇼핑몰을 메신저를 통해서 처음 알았기 때문에 일회성 고객이 될 가능성도 크다. 따라서 각각의 고객을 세분화해서 각각 맞는 마케팅을 하는 것이 훨씬 유리하다.

 

2. 코호트 분석

코호트(Cohort)란, 오늘날의 소대나 중대와 같이 고대 로마 군대에서 세부 조직 단위를 명칭 하는 데서 나왔다. 특정의 경험을 공유하는 사람들의 집단을 말한다. 그래서 출생 코호트는 5년(1970년~1975년) 혹은 10년(1930년~1940년) 사이에 태어난 사람을 말할 때 사용된다. 부족 사회에서는 코호트가 공식화되어 있어서 다른 코호트와 구별하는 명칭을 가지고 있을 때가 많다.

그렇기에 코호트 분석이란, 시간을 두고 비슷한 그룹을 비교하는 것을 말한다. 보통 제품을 만들고 테스트하는 과정을 꾸준히 반복하면서 분석 데이터가 나온다. 웹페이지에 가입한 회원을 예시로 들어보면, 회원으로 가입한 사용자들은 매주 사용자 경험이 달라질 수 있다. 처음으로 가입한 고객은 마케팅을 통해 무료 쿠폰이나 무료 체험을 통해 들어왔다면 이 고객은 다음 주에 탈퇴할 가능성이 있을 수도 있다. 그래서 다른 고객보다 무료 체험, 사용, 구매, 회원 탈퇴의 주기를 짧은 주기로 겪을 수 있다. 이런 기준을 안다면 우리는 이 주기가 끝나기 전에 사업 모델을 수정할 수도 있다. 처음부터 무료로 이용한 고객의 사용자 경험과 서비스를 1년간 이용하다가 1달간 무료로 이용하는 고객의 사용자 경험은 매우 다를 것이다. 이런 것들이 추가 구매나 회원 탈퇴에 영향을 어떻게 미쳤는지 알아내는 데 사용하는 것이 코호트 분석이다.

그래서 각 사용자 그룹을 코호트로 묶어서 사용자 생애 주기의 여러 단계에 위치에 있는 실험 참가자들을 분석할 필요가 있다. 시간이 흐르면서 핵심 지표의 값이 전반적으로 좋아지거나 나빠지는지 알아보려면 코호트를 각각 비교하면 된다. 예를 들어, 온라인 스토어의 매출이 아래와 같다고 가정하자. 이 스토어에서는 매달 1만 명이 신규로 가입하고, 가입한 고객은 5천 원 가량의 물건을 구매한다. 아래의 표는 사업을 시작한 시점부터 5개월간의 데이터를 예시를 위해 가상으로 만든 것이다.

	1월	2월	3월	4월	5월
고객 수	10,000	20,000	30,000	40,000	50,000
고객당 평균 매출(원)	5,000	4,500	4,330	4,250	4,500

위의 표를 통해 상황이 좋아지고 있는 것인지, 아닌지 알기는 어렵다. 왜냐하면 고객 수는 꾸준히 늘고 있지만 성장 속도가 적정한지 알기 어렵고 고객당 평균 매출이 들쭉날쭉하고 원가를 알지 못하기 때문에 이익이 나는지, 손실이 나는지도 알기 어려운 상황이다. 또한, 고객은 1만 명씩 꾸준히 늘고 있다는 것은 매월 신규 고객이 1만 명씩 유입이 되는 것이다. 하지만 고객당 평균 매출이라는 단순한 데이터로는 신규 고객과 기존 고객을 섞어서 나온 데이터이므로 기존 고객과 신규 고객을 분리해서 분석할 수 없다는 단점이 있다. 

	1월	2월	3월	4월	5월
신규 고객 수	10,000	10,000	10,000	10,000	10,000
전체 고객 수	10,000	20,000	30,000	40,000	50,000
1개월	5,000	3,000	2,000	1,000	500
2개월		6,000	4,000	2,000	1,000
3개월			7,000	6,000	5,000
4개월				8,000	7,000
5개월					9,000

같은 데이터라도 위와 같이 데이터를 분류하면 이야기가 달라진다. 고객이 신규로 진입할 때 발생하는 평균 매출이 달마다 점점 늘어나고 있음을 알 수 있다. 처음에는 고객당 5,000원에서 5개월이 지나서는 9,000원까지 증가하고 있다. 즉, 첫 달 구매액이 점점 늘어나서 최초 시점보다 2배 가까이 늘어난 것이다. 그리고 기존 고객의 매출은 매우 크게 줄어들기 때문에 신규 고객을 꾸준히 유치해야 한다는 것을 알 수 있다.

이렇게 코호트 분석을 하면 상황을 매우 자세하게 분석할 수 있다. 이런 종류의 분석을 통해 고객이 겪는 생애 주기를 이해하고 고객을 체계적으로 나눠 패턴을 발견해야 한다. 코호트 분석은 매출뿐만 아니라 바이럴 효과, 이탈률, 전환률 등 우리가 중요하게 생각하는 어떤 지표에 대해서든 실시할 수 있다.