[워크북] 커머스 서비스를 위한 앰플리튜드 차트 활용법

🔎 들어가며

본 문서에서는 커머스 버티컬에서 유용하게 활용할 수 있는 앰플리튜드(Amplitude) 차트를 다룹니다. 앰플리튜드의 다양한 리포트를 통해 인사이트를 얻어가세요!

참고: 앰플리튜드의 차트 소개는 AB180 아카데미에서 확인할 수 있습니다.

1. Segmentation 차트와 Channel Classifier를 활용해 유입 채널별 매출 데이터를 확인해 보세요.

언제 이 차트를 활용할까요?

유입 채널별 매출액 차트는 각 광고 채널과 유입 경로(레퍼러)의 매출 기여도를 파악하고 마케팅 전략을 최적화할 때 유용합니다. 특히 광고 성과와 SEO(검색엔진 최적화) 성과를 통합적으로 분석할 수 있어, 효율적인 예산 배분과 캠페인 성과 모니터링에 도움을 줍니다.

이 차트를 통해 어떤 인사이트를 얻을 수 있을까요?

1. 최적 광고 채널 및 유입 경로 식별:

유입 채널별 매출 기여도를 분석하면 ROI(Return on Investment)가 높은 광고 채널과 레퍼러를 파악할 수 있습니다. 예산을 효율적으로 재배치하여 마케팅 효과를 극대화할 수 있습니다.

2. SEO 성과 분석:

검색 엔진별 매출 데이터를 분석하여 어떤 검색 엔진이 매출 기여도가 높은지 파악할 수 있습니다. 예를 들어, 네이버 검색과 구글 검색을 비교했을 때, 특정 검색엔진이 더 많은 매출을 발생시킨다면 해당 경로에 맞춰 마케팅 리소스를 조정할 수 있습니다.

또한, 검색 엔진별 매출 변동 추이를 지속적으로 모니터링하며 SEO 캠페인의 효과를 측정할 수 있습니다. 예를 들어, 특정 검색 엔진에서 매출이 증가했다면 해당 기간의 노출 빈도나 주요 이벤트(프로모션 등)를 고려하여 유사한 전략을 다른 경로에 적용할 수 있습니다.

💡 CSM's Tip!

Channel Classifier를 통해 채널을 정의하여 데이터를 분석하면, 마케팅 전략의 효과를 더욱 정확하게 평가하고 최적화할 수 있습니다.

utm_source 값만 활용하는 것이 아닌, utm_source, referring_domain등 채널을 정의하는 다수의 요소를 조합하여 본인만의 채널을 세분화하여, 각 채널의 기여도를 명확하게 파악할 수 있습니다.

2. Data Table을 활용해 우리 서비스의 구매 지표를 한눈에 정리해 보세요.

언제 이 차트를 활용할까요?

비즈니스의 데일리 트래킹이 필요한 주요 지표들을 한눈에 파악할 수 있습니다. 커머스 버티컬에서는 다음과 같은 지표를 트래킹할 때 Data Table 차트를 활용합니다.

• 구매 성과 지표:

  • 구매액, 구매 건수, 객단가, 구매 전환율

• 트래픽 및 유저 행동 지표:

  • 방문자 수, 세션 수, 이탈률(Bounce Rate)

• 상품 분석 지표:

  • 상품 조회 수, 장바구니 추가 수, 장바구니 전환율

• 충성도 및 재구매 지표:

  • 재구매율, 리텐션율 등

이처럼 여러 카테고리의 지표를 하나의 대시보드 또는 테이블에 구조화하여 나열하면, 커머스 전반의 성과를 매일 빠르게 확인하고 관리할 수 있습니다.

이 차트를 통해 어떤 인사이트를 얻을 수 있을까요?

이 차트는 여러 핵심 지표를 하나의 판에서 확인함으로써, 커머스 비즈니스의 전반적인 흐름을 다각도로 분석할 수 있는 기반을 제공합니다. 특히, 각 지표 간의 상관관계를 파악해 이상 징후를 탐지하거나 성과 변화를 빠르게 해석할 수 있습니다.

1. 전반적인 성과 추이 파악 (Revenue & Orders):

일별 구매액, 구매 건수, 객단가 및 구매 전환율을 함께 보면:

• 매출 증감이 구매 건수 변화 때문인지, 객단가 변화 때문인지 즉시 구분할 수 있습니다.

• 특정 프로모션 이후 구매 건수는 늘었지만 객단가는 감소한다면, 할인 중심의 저가 구매 증가일 수 있음을 시사합니다.

2. 트래픽 및 유저 행동 변화 탐지 (Traffic & Behavior):

방문자 수, 세션 수, 이탈률(Bounce Rate), 페이지뷰(PV) 등 트래픽 지표를 함께 보면:

• 방문자는 늘었지만 구매 전환율이 낮다면 유입 트래픽의 질이 낮거나 랜딩 페이지의 경험(UX) 문제가 있을 수 있음을 시사합니다.

• 이탈률(Bounce Rate)이 급등한 경우 광고 소재나 랜딩 페이지의 문제일 가능성이 높습니다.

💡 Tip!

앰플리튜드의 Segmentation 차트나 Data Table에서는 메트릭을 직접 생성하여 분석에 활용할 수 있습니다.
uniques나 event totals 이외에도 전환율, 세션, 리텐션등 비즈니스에 맞는 핵심 지표로 커스터마이징할 수 있습니다.

3. 방문 빈도별 퍼널 차트를 활용해 메인 배너 클릭 이후 유저의 탐색 및 구매 패턴을 분석해 보세요.

언제 이 차트를 활용할까요?

프로모션 메인 배너의 성과를 보다 깊이 있게 분석하고자 할 때, 방문 빈도별 코호트를 추가하여 메인 배너 클릭 이후 유저들의 상품 탐색 패턴과 퍼널 전환율을 함께 살펴볼 수 있습니다. 특히, 방문 빈도에 따라 상품 상세 페이지에서의 탐색 행동 및 구매까지의 여정이 크게 달라질 수 있으므로, 방문 그룹별 맞춤형 UX 및 상세페이지 전략을 수립하는 데 유용합니다.

이 차트를 통해 메인 배너 → 상품 상세 페이지 조회 → 구매 완료로 이어지는 퍼널을 분석하면, 방문 빈도별 전환 병목 구간과 유저들의 탐색 및 구매 의사결정 과정의 차이를 명확히 파악할 수 있습니다.

이 차트를 통해 어떤 인사이트를 얻을 수 있을까요?

1. 방문 빈도별 퍼널 전환 패턴 차이 파악 (코호트 생성은 하단의 Tip 참고해 주세요.)

방문 빈도별 퍼널 분석 결과, 상품 상세 페이지 조회 및 탐색 행동에 차이가 있을 수 있었습니다.

• 방문 빈도가 낮은 유저:
  상품 상세페이지 탐색 없이 구매까지 빠르게 이동하는 경향이 확인되었습니다. 이는 해당 유저들이 상품에 대한 정보 탐색보다 구매 결정에 빠르게 도달했음을 시사하며, 구매 목적이 명확하거나, 프로모션·추천 배너와 같은 직접적인 유입 경로의 영향을 받았을 가능성을 보여줍니다.

• 방문 빈도가 높은 유저:
  상품 상세페이지를 다수 탐색하며, 구매까지 시간이 길게 걸렸습니다. 이들은 상품 비교 및 정보 탐색 과정을 거쳐 구매 결정을 내리는 성향을 보였으며, 다양한 옵션과 충분한 정보가 구매 결정에 중요할 가능성을 시사합니다.

2. 상품 상세 페이지 체류 시간에 따른 퍼널 전환 패턴 차이 파악

상품 상세 페이지에서 유저들의 체류 시간을 분석한 결과, 체류 시간에 따라 탐색 목적과 구매 의사결정 과정이 다름을 확인했습니다.

• 체류 시간이 짧은 유저:
  상세페이지에서 빠르게 이탈하거나, 즉시 구매 단계로 넘어갔습니다. 이는 해당 유저들이 상품 정보보다는 가격, 혜택, 혹은 빠른 구매 경로에 반응했을 가능성을 보여줍니다.

• 체류 시간이 긴 유저:
  리뷰, 상품 설명, Q&A 등 상세 콘텐츠를 깊이 탐색하며 구매까지 시간이 길어졌습니다. 이는 구매 결정에 신뢰성을 확보하기 위한 충분한 정보 탐색이 중요함을 시사합니다.

이러한 인사이트를 기반으로 도출된 액션 아이템은 무엇일까요?

1. 방문 빈도별 상품 탐색 및 상세페이지 UX 최적화 전략:

• 저빈도 유저(Target: 목적성 구매자)

  • 상품 상세 페이지 상단에 구매 결정 요소(가격, 혜택, 쿠폰 등)를 직관적으로 배치하여 즉각적인 구매 결정을 유도할 수 있습니다.

  • ‘지금 구매하기’와 ‘바로 결제’ 버튼을 가시성 높은 위치에 고정하여, 빠른 탐색 및 전환 경로를 제공할 수 있습니다.

• 고빈도 유저(Target: 탐색형 구매자)

  • ‘이 상품과 유사한 제품’, ‘최근 본 상품’ 영역을 추가하여 상품 비교 및 탐색을 지원할 수 있습니다.

  • 실사용 후기 요약, 포토 리뷰, 옵션 비교 표를 제공하여 상품 상세페이지 내 콘텐츠를 강화할 수 있습니다.

2. 체류 시간별 상세페이지 콘텐츠 및 전환 경로 최적화 전략:

• 체류 시간이 짧은 유저:

  • 상단 영역에 주요 구매 결정 요소(할인 혜택, 무료 배송 등)를 명확히 노출할 수 있습니다.

  • 페이지 중간에 즉시 구매 버튼 배치로 빠른 전환을 유도할 수 있습니다.

• 체류 시간이 긴 유저:

  • 리뷰·Q&A 섹션 상단 노출, 상세 옵션 정보 제공 등으로 상품 정보를 풍부하게 제공하고 신뢰를 강화할 수 있습니다.

  • 탐색 중 찜하기 및 장바구니 기능을 강조해 탐색 후 재방문을 유도할 수 있습니다.

💡Tip!

방문 빈도별 코호트는 count in interval 조건을 통해 설정할 수 있습니다. 이렇게 생성한 코호트를 활용하면 단순히 전환율 비교에 그치지 않고, 객단가(AOV), 리텐션, 구매 전환율 등 다양한 지표를 기반으로 심층 분석이 가능합니다.

4. Engagement Matrix를 활용한 크로스셀링 분석: 번들링 기획과 추천 상품 최적화

언제 이 차트를 활용할까요?

앰플리튜드의 Engagement Matrix 차트는 유저들이 특정 이벤트(예: 상품 구매)를 얼마나 자주 수행하는지 분석할 뿐만 아니라, 이벤트 하위속성을 반영하여 특정 속성(예: 상품 ID, 브랜드) 기준으로 행동 패턴을 파악할 수 있는 차트입니다. 이를 통해 크로스셀링이 자주 발생하는 상품 조합을 식별하고, 번들링 기획 및 추천 상품 최적화에 활용할 수 있습니다.

이 차트를 통해 상품 간 구매 연관성이 높은 조합을 파악하면, 장바구니 및 결제 단계에서 함께 구매할 확률이 높은 상품을 노출하여 추가 구매를 유도하거나, 번들 상품을 구성하여 객단가(AOV)를 높이는 전략을 수립할 수 있습니다.

이 차트를 통해 어떤 인사이트를 얻을 수 있을까요?

1. 특정 브랜드 구매자의 브랜드별 구매 패턴 분석

Levi’s를 1회 이상 구매한 유저들의 전체 구매 데이터를 분석한 결과, 브랜드별 구매 빈도와 채택율의 차이를 확인할 수 있습니다.

(1) Levi’s 구매자들이 함께 구매하는 비율이 높고, 반복 구매하는 브랜드:

• Michael Kors, Nike : Levi’s를 구매한 유저들 중 상당수가 해당 브랜드도 함께 구매했으며, Michael Kors의 경우 재구매 빈도 또한 높음이 확인됩니다.

• 일반적으로 Levi’s(캐주얼 데님)와 Michael Kors(프리미엄 패션 브랜드)는 직접적인 스타일링 연관성이 크지 않다고 예상되었으나, 데이터 상에서는 두 브랜드가 높은 크로스셀링 관계를 보입니다.

• 이는 Levi’s 구매자들이 Michael Kors, Nike 제품을 스타일링 아이템으로 활용할 가능성이 있음을 시사하며, 해당 브랜드와의 연관성이 강한 것으로 분석할 수 있습니다.

• 특히 Michael Kors는 높은 재구매율을 보여, Levi’s와 고객층이 유사하거나, 두 브랜드를 함께 소비하는 특정 고객군이 존재할 가능성이 크다는 점을 확인할 수 있습니다.

이러한 패턴이 실제 스타일링 트렌드에 따른 것인지, 특정 연령층이나 마케팅 캠페인(할인 및 프로모션)의 영향인지는 차트 분석 후 실무 단에서 추가적인 분석이 필요합니다.

(2) Levi’s 구매자들이 상대적으로 덜 구매하며, 재구매율도 낮은 브랜드:

• Apple, Adidas : Levi’s 구매자 중 일부만 해당 브랜드를 구매했으며, 구매 빈도 및 재구매율이 모두 낮습니다.

• 특히 Apple 제품과의 연관성이 낮은 것은 Levi’s 구매자들이 전자기기보다는 패션 중심의 소비 성향을 보일 가능성이 크다는 점을 내포할 수 있습니다.

• Adidas 또한 Nike 대비 크로스셀링 효과가 낮아, Levi’s 고객들이 스포츠 브랜드 중에서도 특정 브랜드를 선호할 가능성이 있습니다.

결과적으로 Levi’s 구매자들이 특정 스타일링 패턴(예: 캐주얼+스포츠 조합)에는 Nike를 선택하는 반면, Adidas는 덜 선호한다는 가설을 세워볼 수 있습니다. 또한 단순히 브랜드 선호도의 차이가 영향을 미쳤을 수도 있습니다.

이러한 인사이트를 기반으로 도출된 액션 아이템은 무엇일까요?

1. Levi’s + Michael Kors 크로스셀링 원인 분석

• 고객 세그먼트 분석: Levi’s와 Michael Kors를 함께 구매한 고객들의 연령대, 성별, 구매 패턴을 분석하여 특정 소비층이 있는지를 찾아볼 수 있습니다.

• 마케팅 영향 분석: 과거 프로모션, 세트 할인, 광고 캠페인이 Levi’s와 Michael Kors의 크로스셀링에 영향을 미쳤는지 회고해볼 수 있습니다.

• 구매 경로 분석: Levi’s 구매자가 Michael Kors 제품을 어디서(상품 추천, 장바구니, 결제 페이지 등) 발견하고 구매했는지 UX적으로 파악해볼 수 있습니다.

2. 데이터 기반 실행 전략

• 고객 세그먼트별 번들링 기획

  • 특정 브랜드를 함께 구매한 세그먼트의 특성을 분석한 결과 특정 연령대나 성향을 보이는 경우 해당 고객층을 타겟으로 번들링 패키지 기획을 시도

    • 예시) Levi’s 데님 + Michael Kors 크로스백 세트 기획 후 해당 세그먼트 대상 할인 적용

• 마케팅 프로모션 최적화

  • 마케팅 영향이 컸다면, 기존 프로모션 성과를 분석하여 Nike, Adidas 등 다른 브랜드와의 크로스셀링 프로모션도 테스트

  • 특정 브랜드 조합이 높은 전환율을 보이면, 시즌별 한정 패키지나 콜라보 상품으로 확대

• 구매 경로 최적화 및 UX 개선

  • Levi’s 상세페이지 내 추천 상품 영역에서 Michael Kors 제품 노출 강화

  • 장바구니 단계에서 Levi’s 제품을 구매한 고객에게 Michael Kors 제품 추천하여 크로스셀링 유도

  • 결제 페이지에서도 추가 구매 유도를 위한 ‘함께 많이 구매한 상품’ 섹션 최적화