제품과 시즌성 소비자는 어떤 관계가 있을까?, 3가지 검증 테스트 방법
계절성에 따른 유저의 참여와 행동 변화가 생긴다는 것은 알고 계셨나요? 소비자들은 시간과 상황, 시즌에 따라 다르게 행동합니다. 따라서 시즌은 데이터를 사용하여 분석할 수 있는 가장 두드러진 영향 중 하나인데요. 과연 제품과 시즌은 어떤 관계가 있을까요? 아래에서 구체적인 그래프 정보와 함께 시즌성 소비자 행동의 주기적 변화를 자세하게 분석한 자료들을 살펴보세요.
시즌성 (Seasonality)
시즌성은 소비자 행동의 주기적인 변화를 나타내는 광범위한 레이블이라고 생각하면 됩니다. 시즌은 지표 변경의 근본 원인이며, 행동 변화 분석을 위해서는 제품의 전체 생태계를 이해해야 합니다. 이를 통해 효과적인 분석이 만들어지고 사용자의 인식에 변화가 있다고 가설을 검증할 수 있습니다.
위 그래프를 보면 1월 1일 이후에 30분 이상 운동하는 사람들의 비율이 높게 증가한 것을 알 수 있습니다. 즉, 시즌은 소비자에게 다양한 요인으로 작용하며 마음가짐, 행동에 변화를 준다는 것이죠.
시즌성 분석하기 (Analyzing Seasonality)
시즌은 주요한 지표의 근본적인 원인이기 때문에 첫번째로 탐색해야 하는 행동 변화 요인이라고 볼 수 있습니다. 행동의 변화를 적절하게 분석하려면 제품 전체의 생태계를 이해해야 하는데, 예를 들면 젊은 사람들이 여름에 무엇을 하는지, 중년 여성의 쇼핑 방식, 안드로이드를 사용하는 사람들이 iOS를 사용하는 사람들과 비교하여 어떻게 행동하는지, 제품의 얼리어답터가 될 가능성이 높은지 등을 알아야 합니다.
즉, 시즌은 지표 변경의 근본 원인이며 행동 변화 분석을 위해서는 제품의 전체 생태계를 이해해야 합니다. 이를 통해 효과적인 분석이 만들어지고 사용자의 인식(긍정적, 부정적) 변화가 있다고 가설을 검증할 수 있습니다.
Seasonality 검증 테스트 방법
Week-over-week movement
대부분의 사람들은 주말, 평일에 다르게 행동하기 때문에 제품에도 요일별 효과가 매우 강력하게 나타납니다. 이 효과를 파악하려면 rolling seven-day7를 사용하면 됩니다.
이 그래프를 보면 Yelp 사용량이 주말에 급격히 증가하는 주간 패턴을 보여주고 있습니다. 이 rolling seven-day7의 평균이 없으면 주별 변경 사항이 매일 변동하여 손실됩니다.
Day-over-day movement
일상적인 부분에서 변경 사항을 조사하고 싶다면 매일 오버레이를 하면 됩니다. 이렇게 접근하면 보다 세부적인 정보를 얻을 수 있습니다. 위 그래프를 보면 3주차가 다른 주에 비해 더 높은 부분이 있고, 더 낮은 부분이 있다는 것을 알 수 있습니다.
Year-over-year changes
데이터의 연간 추세를 관찰하는 것은 계절 영향을 파악하는 가장 강력한 방법입니다. 휴일, 개학 시즌, 축제, 추운 날씨 등의 영향을 밝히고 지표에 미치는 영향이 시간이 지날수록 확대되는지, 감소되는지 여부 결정하는 데 도움이 됩니다.
위의 차트는 증가하고 있는 이커머스 기업의 7일 롤링 평균 수익을 나타내고 있습니다. 변경된 사항이 명확하지 않으면 28일 롤링 평균과 같이 더 긴 롤링 평균을 이용하여 시간 흐름에 따른 메트릭 추세를 볼 수 있습니다. 하지만 28일 rolling 평균은 매년 증가하는 지표에 대해서는 정보가 부족합니다. 연말이 갈수록 크게 증가하지만 다른 패턴은 거의 파악하기가 어려울 경우, 시즌별 패턴에 대해 훨씬 더 많은 정보를 담고 있는 전년 대비 측정 항목들을 살펴보면 됩니다.
위의 차트를 보면 전년 대비 거의 동일한 패턴을 보여줍니다. 이 차트에서 5월과 7월 사이의 수익이 시즌에 영향을 받는다는 것을 분명하게 알 수 있습니다. 수익은 5월 동안 감소, 6월 초에 급격하게 증가하기 시작했다가 7월에 다시 감소합니다. 이때 2016, 2017년 모두 큰 폭의 증가를 볼 수 있습니다. 이러한 패턴이 매년 발생한다는 것을 이해하면 미래를 예측하고 계획하는 데에 큰 도움이 될 수 있습니다.
연도별 변화는 한 해에서 다음 해까지 수익 비율을 나타내면 더 잘 이해할 수 있습니다. 수익의 성장은 2016년 내내 전년 대비 감소했지만 2017년에는 크게 개선되었습니다. 그래프에서 1을 기준으로 인덱싱하면 더 편하게 확인할 수 있는데, 2017년 회사가 상황을 전환할 수 있었기 때문에 전년 대비 최고의 해라는 것을 알 수 있습니다.
휴면 사용자 참여 유도
비슷한 통계를 가진 다른 애플리케이션과 지표를 비교하여 시즌을 분석할 수도 있습니다. 예를 들면 젊은 인구를 대상으로 8, 9월에 측정 항목이 바뀔 때 Snapchat(스냅챗) 같은 인구 통계가 유사한 앱에서 데이터를 가져와 비슷한 변화가 있는지 확인합니다. 그러면 새로운 학기의 시작으로 인해 결과에 변화가 발생했을 가능성이 있습니다. 따라서 비교를 위해서는 추세를 파악하기 위해 최소 7일동안 평균을 내고 인덱스를 1로 설정하는 것이 베스트입니다.
이와 같이 시즌에 따른 행동의 변화는 지표의 변화까지 일으킵니다. 시즌의 영향을 분석하고 패턴을 파악하기 위해 다양한 방법과 기술을 사용할 수 있습니다. 시즌의 변화를 파악하는 것은 제품 생태계를 전반적으로 이해해야 하며 다양한 가설을 검증하고 변화에 대해 예측할 수 있도록 해줍니다.
