[분석프로젝트] GA 데이터 분석을 통해 목표 설정하기

배경

1) 북아메리카의 구매전환율이 1분기 2.97% 에서 3분기 3.49% 로 증가했다

(감소하다가 왜?)

 

2) 북아메리카의 ARPPU은 왜 높은가? : 특히dfa사이트

(어떤 집단의 사람들이 구매하는가 : 주 타겟층 찾기)

목표 

1. 북아메리카의 핵심 타겟층을 찾기
2. 전환율 3.5로 높이기

---

분석1. 매출은 누구로부터 발생 하는가?

1) 전분기대비 구매고객수/ ARPPU/전체 매출액 추이 확인

• ARPPU = 전체 매출액 / (고유)구매 고객 수 = 구매 고객 1인당 매출액
• 전체 매출액 = 구매 고객 수 X ARPPU

(1) ARPPU의 증감 추이 확인하기

분기	구매 고객 수	ARPPU	전체 매출액
2017-1Q	1,239	265,574,075.87	329,046,280,000
2017-2Q	1,633 ▲	241,243,208.82 ▼	393,950,160,000 ▲

 

▶  ARPPU는 소폭 감소하였지만 구매고객 수가 증가함에 따라 전체 매출액이 증가하였다

• 왜 구매 고객 수가 증가했을까?
• 왜 전체 매출액이 증가했을까?

(2) ARPPU는 소폭 감소 원인

1. 이전보다 동일한 고객의 재구매가 감소하였다
2. 이전보다 구매 가격이 감소하였다

분기	총 구매횟수	총 구매자수(고유)	평균 구매 횟수	1회 구매가격 = 총 매출/총 구매횟수
2017-1Q	2,206	1,239	1.78	149,159,691.75
2017-2Q	2,916 ▲	1,633 ▲	1.79 ▲	135,099,506.17 ▼

 

▶ 이전 분기보다 평균 구매횟수가 소폭 증가하였지만(약간 더 자주) 1회 구매가격이 많이 감소하면서 전체적인 ARPPU가 감소하였다

 

(3) 전체 방문자중 구매고객 비율 확인

분기	전체 방문자 수(고유)	구매 고객 비율	구매 고객 수(고유)
2017-1Q	90,560	1.72%	1,239
2017-2Q	94,001 ▲	2.17% ▲	1,633 ▲

 

▶ 전체 방문수가 증가하고, 구매 고객 비율 또한 증가하면서 전체 매출 증가에 영향을 주었다

• 신규 방문자의 구매가 증가했을까?
• 기존 방문자의 구매가 증가했을까?

(4) 구매 고객 신규/기존 방문자 비율 확인

• 기존고객 : 2017-2Q이전에도 방문한 적이 있음
• 신규고객 : 2017-2Q에 첫방문
• 2017-2Q에 방문한 총 (고유)고객의 수 : 72,741명
• 2017-2Q에 구매한 총 (고유)고객의 수 : 2,705명
• 2017-2Q의 총 매출액 :  393,950,160,000

분기	방문 고객 수	구매고객 수	방문대비 구매고객 비율 (구매고객 수/방문 고객 수 )	해당 분기 총 매출액 대비 비율 (해당 고객의 매출액/분기별 총 매출액)	평균 구매 비용 (총 매출액/구매자 수)
기존고객	2,969	315	10.61%	30.77%	301,531,218
신규고객	69,772	2,390	3.43%	69.23%	108,486,320

 

▶ 2017년 2분기 이전에도 방문한 사람들의 구매액보다 2분기 처음 방문해서 구매한 고객의 수, 매출 모두 높다

▶ 매출의 대부분은 첫 방문 고객(신규고객)에서 발생

 

▶ 따라서, 기념품 가게의 특성상 기존 고객의 재방문을 높이기 보다는 신규고객의 유입을 높이는 것이 매출에 유리

 

---

분석2. 신규 고객은 어디서 오는가?

(1) 신규 고객의 유입 채널 비율

2017-2분기 신규고객의 유입 채널	2017-2분기 신규 구매고객의 유입 채널별 총 매출액

 

▶ 2017년 2분기에 처음 방문한 경우 약 76%가 구글을 통해 방문하였다

▶ 신규고객의 총 매출액중 약 75%가 구글을 통해 발생한 고객이다

• 구글을 통해 유입한 사람을 어떤 방식(광고? 검색?)을 통해 들어왔을까?

(2) 신규고객의 구글 유입 분석

goole 유입 고객의 유입 채널	goole 유입을 통한 구매고객의 유입 채널

 

▶ 구매여부에 상관없이 구글을 통한 자연검색과 타 사이트를 통한 추천유입(referral)의 비중이 가장 많다

organic(search) : 사용자가 검색엔진의 웹문서 검색영역에서 사이트로 유입된 트래픽

referral : 다른 웹사이트에서 나의 웹사이트로 연결되는 링크를 클릭해서 유입된 트래픽 

 

• 두 유입방식에 비용이 소진되지 않는다고 가정할때 어떤 사이트에서  유입되는 걸까?

자연검색('organic')으로 유입한 신규고객(top10)	추천('referral)으로 유입한 신규고객 (top10)

 

▶  알 수 없는(not set)과 unknown.unknown를 제외하고 상위 10개의 사이트를 비교하면 comcast.net,rr.com,verizon.net순으로 많은 것을 알 수 있다.

자연검색('organic')으로 유입한 신규 구입 고객(top10)	추천('referral)으로 유입한 신규 구입고객 (top10)

 

• 매출에 대한 비중도 유입 비중과 같을까?

신규고객 중 유입경로에 따른 매출비중	신규고객의 유입 채널별 구입자수

 

▶ 유입비중과 마찬가지로 매출비중도 자연검색과 추천방문이 제일 많다

• 자연검색과 추천으로 방문하는 사람들의 특징은 무엇일까?
• 신규고객이 아닌 기존고객도 동일할까?

(3) 기존고객의 유입 분석

기존고객의 유입 채널	기존 고객의 유입 채널별 총 매출액

 

 

▶ 유입 채널은 google이 가장 많았으나, 유입 채널별 매출은 dfa의 비중이 가장 높다

기존 고객의 google유입 고객 수	기존 고객의 dfa유입 고객 수

 

▶ 유입비중이 높은 google 채널은 자연검색이 가장많고, 매출비중이 높던 dfa 채널은 추천을 통해 유입한 사람들이 가장 많다

 

▶ 대부분의 고객은 organic과 referral의 방식으로 유입된다.

▶ 2분기 처음 방문한 신규고객의 경우 구글 유입을 통해 구매하는경우가 많고 기존고객의 경우 dfa유입을 통해 방문한 고객이 많다

 

---

분석3.  물건을 사는 사람들은 누구일까? : 분류를 통한 타겟 설정

2017-2분기의 매출은 신규고객이 약 70% , 기존고객이 약 30%로 구성되어 있다.

 

2017년 2분기에 물건을 2916명의 사람들은 어떤 사람일까?

 

2916명의 사람들에 대해 하단의 피쳐사용 : 총 37개

구매액 / 모바일기기 사용 유무 / 방문한 달 / 방문한 시간 / 방문채널 : dfa / 방문채널 : facebook / 방문채널 : reddit /방문채널 : siliconvalley/방문채널 : youtube /방문채널 : others(기타 등등)/사용브라우저 : chrome/사용브라우저 : Firefox /사용브라우저 : Safari /사용브라우저 : others(기타 등등)/고객 국가 : 미국/고객 국가 : 캐나다/유입경로 : Direct/유입경로 : Display /유입경로 : Organic Search /유입경로 : Paid Search /유입경로 : Referral /유입경로 : Social/유입경로 :  others(기타 등등) /광고매체 : cpc/광고매체 : cpm/광고매체 : organic/광고매체 : referral/광고매체 : unkown /사용도메인 : comcast.net/사용도메인 : comcastbusiness.net/사용도메인 : verizon.net/사용도메인 : rr.com/사용도메인 : unknown/사용도메인 : other /첫방문 /기존고객 

최적의 군집 개수 찾기	군집 개수별 실루엣점수	3개로 분류된 실루엣계수 시각화

 

총 3개의 군집으로 2916명의 고객을 분류 결과

 

 

 

유입채널과 LTR, ARPPU비교 등 유입 분석 시작

 

 

1. 북아메리카의 핵심 타겟층을 찾기 : 구매한 고객들의 분류
2. > 구매경험이 있는 사람을 통해 요인 분석
3. 전환율 3.5로 높이기 

---

결론

---

참고

GA4

https://review-girl.tistory.com/88

https://brunch.co.kr/@mobiinside/5665

모델링

https://velog.io/@mios_leo/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD-%EA%B0%80%EC%9D%B4%EB%93%9C-8.-Clustering1-K-Mean-Cluster-Evaluation