이탈 구간 분석 사례
학교 프로젝트로 만든 쇼핑몰 사이트에 GA를 붙여 사용자 행동 흐름을 분석했습니다. 퍼널 리포트로 확인해보니 장바구니에서 결제 페이지로 넘어가는 단계에서 이탈률이 68퍼센트로 유독 높았습니다. 결제 페이지 로딩 시간을 확인해보니 평균 4초로 다른 페이지보다 길었고, 이를 원인으로 추정해 이미지 최적화를 제안하는 리포트를 작성했습니다.
면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
학교 프로젝트로 만든 쇼핑몰 사이트에 GA를 붙여 사용자 행동 흐름을 분석했습니다. 퍼널 리포트로 확인해보니 장바구니에서 결제 페이지로 넘어가는 단계에서 이탈률이 68퍼센트로 유독 높았습니다. 결제 페이지 로딩 시간을 확인해보니 평균 4초로 다른 페이지보다 길었고, 이를 원인으로 추정해 이미지 최적화를 제안하는 리포트를 작성했습니다.
인턴십에서 Adobe Analytics로 신규 유저와 재방문 유저의 행동 차이를 비교했습니다. 세그먼트를 나눠보니 재방문 유저는 검색 기능을 신규 유저보다 3배 더 많이 사용한다는 걸 발견했고, 이를 근거로 신규 유저 온보딩 화면에 검색 기능을 더 눈에 띄게 배치하자고 제안했습니다.
개인 블로그에 GA를 연동해 트래픽을 분석하며, 특정 유입 채널의 세션 수가 비정상적으로 높게 잡히는 걸 발견했습니다. 확인해보니 봇 트래픽이 필터링되지 않은 것이었고, 이를 제외하고 나서야 실제 사용자 행동 패턴을 파악할 수 있었습니다. 이 경험으로 툴이 보여주는 숫자를 그대로 믿기보다 데이터 품질을 먼저 점검해야 한다는 걸 배웠습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.