본 포스팅은 스터디 목적으로 실제 사실과 관계없이 '해당 기업의 프로덕트팀이 왜 이런 개선을 진행했을까'를 역으로 분석해본 내용을 담고 있습니다.
대부분의 내용은 실제 사실과 관계없는 가정을 기반으로한 주관적인 견해 혹은 추측이며, 피드백은 언제나 환영입니다!
저번 포스팅에서는 당근이 왜 메시지 기능을 고도화하게 됐을지 여러 상황과 기업 비전 등을 연결하여 추론해보았는데요!
[당근] 당근은 왜 메시지 기능을 고도화했을까?_01 #역분석 #당근
본 포스팅은 스터디 목적으로 실제 사실과 관계없이 '해당 기업의 프로덕트팀이 왜 이런 개선을 진행했을까'를 역으로 분석해본 내용을 담고 있습니다.대부분의 내용은 실제 사실과 관계없는
harrym8n.tistory.com
이번 포스팅에서는 이어서 '메시지에 다양한 이모지로 리액션을 남기는 기능'에 대해서 심층적으로 역분석해보도록 하겠습니다!
데이터 설계 및 분석 과정
데이터 설계
채팅방 관련 데이터가 어떻게 적재되고 있는지 생각해봤어요. 아래에 표로 정리했는데요. 실제 당근의 데이터 테이블이 아니라 제가 상상으로 추론해본 데이터 테이블이에요! 오해하시면 안됩니다!
[사용자 로그 데이터]
| 이벤트명 | 속성 |
| 메시지 전송 | • 발신자 유저 ID • 수신자 유저 ID • 메시지 ID • 채팅방 ID • 이벤트 발생 시간 (타임스탬프) |
| 메시지 읽음 | • 유저 ID • 채팅방 ID • 메시지 ID • 이벤트 발생 시간 (타임 스탬프) |
| 메시지 리액션 | • 유저 ID • 메시지 ID • 채팅방 ID • 이벤트 발생 시간 (타임스탬프) |
| 채팅방 접속 | • 채팅방 ID • 유저 ID • 이벤트 발생 시간 (타임 스탬프) • 채팅방 체류 시간 |
| 채팅방 나가기(삭제) | • 채팅방 ID • 유저 ID • 이벤트 발생 시간 (타임스탬프) |
| 메시지 길게 클릭 |
• 유저 ID • 메시지 ID • 채팅방 ID • 이벤트 발생 시간 (타임 스탬프) |
[데이터 테이블]
| 데이터 테이블 | 컬럼 |
| 채팅방 | • 채팅방 ID • 채팅방 생성 시간 (타임스탬프) • 마지막 활동 시간 (타임스탬프) |
| 채팅방 참여자 | • 유저 ID • 채팅방 ID • 참여 시간 (타임스탬프) |
| 메시지 | • 메시지 ID • 메시지 유형 (텍스트, 이모티콘, 이미지, 답장, 거래 약속 등) • 메시지 내용 (텍스트, 이미지, 파일 등) • 메시지 생성 시간 (타임스탬프) |
| 유저 | • 유저 ID • 매너 온도 • 닉네임 • 프로필 이미지 • 지역 • 당근페이 사용 여부(Boolean) |
로그데이터와 다양한 데이터 테이블을 유연하게 JOIN할 수 있도록 이런식으로 데이터를 적재했을 것 같아요.
분석 과정
채팅방 리액션 기능
분석 기획
우선 채팅방 리액션 기능 추가 후 핵심 지표가 유의미하게 증가했는지 성과를 확인하려고 했을 것 같아요. 리액션 기능을 빠르게 출시해서 리액션 기능 자체의 유저의 반응을 관찰하기 위해 '🥕' 이모지만 리액션으로 사용할 수 있도록 1차로 출시했을 것 같은데요. 해당 기능의 효용성, 성과를 측정하기 위해 분석을 진행했을 것 같습니다.
그럼 어떻게 분석을 기획했을지 한번 생각해 볼게요. 기능의 성과 측정이라는 꼭지 아래에서 저라면 아래와 같은 궁금증이 생겼을 것 같아요.
- 리액션 기능을 얼마나 많이 사용했을까?
- 리액션 기능이 사용자가 느끼는 효용에 도움이 되었을까? 어떤 영향을 끼쳤을까?
해당 궁금증을 해소한 다음에는 그렇다면 과연 리액션 기능이 유저들에게 구체적으로 어떤 가치를 주었을까를 파악하고 싶어질 것 같아요. 이 부분을 파악하기 위해 아래와 같은 궁금증이 떠오르네요.
- 리액션 기능은 어떤 상황에서 많이 사용됐을까? (중고거래 / 모임 / 알바 서비스 등)
- 리액션이 사용된 메시지 유형은 어떤 걸까? (텍스트 / 이미지 / 거래 약속 등)
이제 이런 궁금증들을 어떻게 해소할 수 있을지 분석 방법론으로 매칭시켜볼게요.
- 분석 진행
먼저 기능 성과 측정 관련 분석에 대해서 먼저 생각해보겠습니다. 앞에서 떠올린 두 가지 궁금증을 구체적으로 어떻게 확인할까요?
위에서 작성한 질문 기준으로 분석 방법을 떠올려 볼게요.
리액션 기능은 어떤 상황에서 많이 사용됐을까? - 사용률
- 목적 : 리액션 기능이 사용자들에게 얼마나 받아들여졌는지 확인
- 수집 데이터
- 유저별 리액션 사용 여부 (사용/미사용)
- 유저/채팅방/시계열 단위 리액션 이벤트 발생 수
- 지표
- 유저 사용률(%) = (리액션 기능 사용 유저 수) ÷ (전체 활성 유저 수)
- 메시지 대비 사용률(%) = (리액션 사용 비율) ÷ (채팅방 내 메시지 수)
- 일/월평균 리액션 횟수
- 유저별 평균 리액션 횟수
- 채팅방당 평균 리액션 횟수
- 분석 방법
- 시계열 그래프 - 일/월별 리액션 횟수 추이 확인
- 지표 확인 - 일평균/월평균 총 리액션 횟수, 유저 1인별 평균 리액션 횟수, 채팅방 1개 평균 리액션 횟수 확인
- 기능 사용률 확인 - 유저 사용률, 메시지 대비 사용률
- 일표본 Z검정 - 기능 사용률이 통계적으로 유의미한지 확인
- 목적 : 리액션 기능이 실제적으로 핵심 지표에 어떤 영향을 끼쳤는지 파악하기 위함
- 수집 데이터
- 유저별 리액션 발신 횟수
- 유저별 리액션 수신 횟수
- 유저별 재방문 횟수
- 채팅방별 메시지 수
- DAU, MAU
- 지표
- 유저 고착도(stickiness) = DAU / MAU
- 기간별 채팅방 활성도 = 채팅방 메시지 수 총합 / 기준 기간
- 기능 출시 ~ 현재 기간 내 유저별 주 평균 재방문 횟수
- 분석 방법
- 선형 회귀분석 - 독립변수(유저별 리액션 발신 횟수, 유저별 리액션 수신 횟수)/종속변수(유저 고착도) 다중공선성 체크 필요
- 지표 확인 - 일평균/월평균 총 리액션 횟수, 유저 1인별 평균 리액션 횟수, 채팅방 1개 평균 리액션 횟수 확인
- 기능 사용률 확인 - 유저 사용률, 메시지 대비 사용률
- 일표본 Z검정 - 기능 사용률이 통계적으로 유의미한지 확인
다음으로 리액션 기능의 제공 가치 측면에서 분석 방법을 생각해보겠습니다.
마찬가지로 위에서 작성한 질문 기준으로 분석 방법을 떠올려 볼게요.
리액션 기능은 어떤 상황에서 많이 사용됐을까? (중고거래 / 모임 / 알바 서비스 등)
- 목적 : 리액션이 주로 어떤 맥락에서 사용되었는지 파악하여 UX 개선 인사이트 도출
- 수집 데이터
- 리액션이 발생한 채팅방 유형(중고거래, 모임, 알바 등)
- 지표
- 리액션이 발생한 채팅방 유형별 비율(%) = (리액션이 발생한 특정 유형 채팅방 수) / (리액션이 발생한 전체 채팅방 수)
- 분석 방법
- 시계열 그래프 - 월별 리액션이 발생한 채팅방 유형별 비율 추이
- 지표 확인 - 전체 기간 리액션이 발생한 채팅방 유형별 비율(내림차순으로 확인)
- 일표본 Z검정 - 채팅방 유형별 비율 차이가 통계적으로 유의미한지 검증
- 목적 : 리액션이 주로 어떤 맥락에서 사용되었는지 파악하여 UX 개선 인사이트 도출
- 수집 데이터
- 리액션이 발생한 메시지 유형(텍스트 / 이미지 / 거래 약속 등)
- 지표
- 리액션이 발생한 메시지 유형별 비율(%) = (리액션이 발생한 특정 메시지 유형 수) / (리액션이 발생한 전체 메시지 수)
- 분석 방법
- 시계열 그래프 - 월별 리액션이 발생한 메시지 유형별 비율 추이
- 지표 확인 - 전체 기간 리액션이 발생한 메시지 유형별 비율(내림차순으로 확인)
- 일표본 Z검정 - 메시지 유형별 비율 차이가 통계적으로 유의미한지 검증
분석 결과 및 의사결정 추론
이제 위에서 진행한 분석들의 결과와 의사결정 과정을 한번 생각해볼게요!
1. '🥕' 이모지만 가능했던 1차 배포 이후 성과 분석에서 사용률과 유저 경험 측면에서 긍정적인 영향을 주고 있다고 결론을 얻었을 거예요.
2. 채팅방 유형별 사용률을 비교해봤을 때, 모임에서 리액션 기능이 활발하게 사용되고 있었을 거예요.
3. 메시지 리액션 기능이 유저의 고착도는 물론, 유저간 상호작용에도 긍정적인 영향을 끼치고 있다는 결론을 얻었을 거예요.
4. 따라서 지역기반 모임, 소규모 커뮤니티 내에서 이웃들을 더욱 가깝게 연결하기 위해 해당 기능의 고도화를 결정했을거 같아요!
다음편에는 메시지 저장 기능에 대해서 심층적으로 역분석한 내용을 다뤄볼게요!
끝까지 읽어주셔서 감사드리고, 설은 끝났지만 새해 복 많이 받으세요! 🌅
[당근] 당근은 왜 메시지 기능을 고도화했을까?_03 #역분석 #당근
본 포스팅은 스터디 목적으로 실제 사실과 관계없이 '해당 기업의 프로덕트팀이 왜 이런 개선을 진행했을까'를 역으로 분석해본 내용을 담고 있습니다.대부분의 내용은 실제 사실과 관계없는
harrym8n.tistory.com
'Data Unpacking #아티클 #역분석' 카테고리의 다른 글
| [당근] 당근은 왜 메시지 기능을 고도화했을까?_03 #역분석 #당근 (0) | 2025.02.10 |
|---|---|
| [당근] 당근은 왜 메시지 기능을 고도화했을까?_01 #역분석 #당근 (0) | 2025.01.31 |