본 글은 Neilpatel과 데이터리안의 블로그 글을 참고해 작성한 후기 글입니다.
목차
사용자 행동 분석이란?
사례 1: 어떤 콘텐츠를 제작해야 사용자의 반응이 좋을까?
사례 2: 어떤 기능을 만들어야 사용자의 구독 취소를 막을 수 있을까?
사례 3: 어떤 영화 라이선스를 결정해야 효용가치가 높을까?
후기
참고자료
사용자 행동 분석이란?
사용자 행동 분석은 서비스를 사용자들이
잘 쓰고 있는지 확인하는 방법 중 하나로,
사용자의 경험을 추정하고 니즈를 파악해
서비스 개선에 필요한 인사이트를 제공하는 데에 목적이 있다.
그리고 이 분석의 근간이 되는 사용자 행동 데이터는
사용자들의 행동 패턴을 확인하기 위해 저장하는 데이터이다.
웹/앱 로그 데이터, 행동 로그 데이터, 이벤트 데이터 등
다양한 이름으로 불리우는데 이는 사용자들이
서비스에서 하는 하나 하나의 액션에 대한 데이터를 의미한다.
요즘처럼 사용자의 니즈를 빠르게 캐치해야하는 상황에서
그 힌트가 되어줄 사용자 행동 분석의 중요성은 점점 커지고 있다.
그렇다면 글로벌 대기업에서는 이런 사용자 행동 분석을 통해
어떻게 서비스를 만들고 수백만 달러의 가치를 낼 수 있는걸까?
이번 글에서는 넷플릭스의 구체적인 사례를 통해
사용자 행동 분석에 대해 깊이 알아보고자 한다.
사례 1: 어떤 콘텐츠를 제작해야 사용자의 반응이 좋을까?
국내 넷플릭스 가입자만 해도 1174만 명이 넘고
2022년 2분기 통계에 따르면 전 세계 넷플릭스 가입자 수는 2억 2천만 명에 달한다.
대규모 사용자 기반을 통해 넷플릭스는 엄청난 데이터를 수집하는데 종류도 다음과 같이 다양하다.
- 사용자가 각 콘텐츠를 어디서부터 어디까지 시청했는지,
- 사용자가 언제, 어디에서 시청하는지
- 사용자가 콘텐츠를 언제 일시 중지하고 다시 재생하는지,
- 어떤 기기를 통해 시청하는지 등등
이와 같은 사용자 행동 데이터를 통해
넷플릭스는 어떤 콘텐츠를 제작해야 좋을지를 고민해왔다.
2013년 당시 미국판 <하우스 오브 카드> 시리즈 제작을 결정할 때도 마찬가지였다.
넷플릭스는 사용자 행동 분석을 통해 다음과 같은 점을 도출하였다.
- 많은 유저들이 데이빗 핀처 감독의 영화 <소셜 네트워크> 를 처음부터 끝까지 시청했다.
- 영국판 <하우스 오브 카드> 가 좋은 반응을 얻고 있다.
- 영국판 <하우스 오브 카드> 를 본 사람들은 케빈 스페이시의 영화나 데이빗 핀처 감독의 영화도 봤다.
사용자가 어떤 콘텐츠, 어떤 배우와 감독을 선호하는지 알아내면
사람들이 무엇을 보고 싶어하는지 알 수 있을 거라는 것이 골자였다.
그리고 분석 결과를 토대로 1억 달러를 투자하여
데이빗 핀처 감독, 케빈 스페이시 주연의 미국판 <하우스 오브 카드> 를 만들기로 결정했다.
그 결과 2013년 1분기에 <하우스 오브 카드>는 미국에서만 2백만 명의 신규 가입자를 창출했고,
그외 지역에서도 1백만 명의 신규 가입자를 창출하였다.
또한 <하우스 오브 카드> 를 이용하면 구독을 취소할 가능성이 줄어들기도 했다.
사례 2: 어떤 기능을 만들어야 사용자의 구독 취소를 막을 수 있을까?
이번 사례는 기능 구현 과정에 대한 정보가 구체적으로 밝혀지진 않았지만
이를 사용자 행동 분석의 과정으로 설명할 수 있다.
한 관계자가 엔딩 크레딧이 나온 후 대부분의 사용자가 이탈한다는 점과
이탈해서 앱을 종료하면 구독을 취소할 가능성이 더 높다는 것을 발견했다고 해보자.
위 분석을 통해 넷플릭스는 사용자가 구독을 취소할 가능성을
줄이기 위해 시청해야하는 콘텐츠의 양을 알 수 있다.
각 사용자가 매달 최소 15시간 동안 콘텐츠를 보도록 할 수 있다면
구독을 취소할 가능성이 75% 적다.
그러면 이제 사용자가 한 달에 최소 15시간 동안 콘텐츠를 시청하도록 만드는 것이 주요 과제가 될 것이다.
한 가지 아이디어는 사용자가 선택 해제하지 않는 한
프로그램의 다음 에피소드를 자동으로 재생하는 기능을 활성화 하는 것이다.
영화의 경우, 크레딧이 표시되기 시작한 직후 추천 영화를 표시하고
사용자가 해당 화면에서 바로 재생을 누를 수 있도록 하는 것이다.
앞서 말했듯이 이는 넷플릭스가 이 기능을 구현하게 되었는지에 대한 가설이지만
엔딩 크레딧이 나오는 시간, 콘텐츠를 시청하는 시간,
이후 구독 취소까지의 여정 등 다양한 사용자 행동 데이터를 통하여
최종적으로 구독 취소를 막는 액션을 위한 기능을 고안할 수 있는 것이다.
사례 3: 어떤 영화 라이선스를 결정해야 효용가치가 높을까?
넷플릭스는 영화 스트리밍을 위해 라이선스 비용을 지불하는데
라이선스 비용은 한정되어 있기 때문에 사용자가 가장 좋아할 만한 콘텐츠를 찾아야 한다.
전 제품 엔지니어링 부사장인 John Ciancutti 는 다음과 같이 설명했다.
넷플릭스는 가장 효율적인 콘텐츠를 추구합니다.
여기서 효율적이라는 것은 지출한 달러당
최대의 행복을 얻을 수 있는 콘텐츠를 의미합니다.
다양하고 복잡한 지표가 사용되는데,
그것이 측정하고자 하는 것은 넷플릭스 회원들의 행복입니다.
비용 효율적이고 사용자를 행복하게 만드는 것이 바로 넷플릭스 성공의 핵심인 것이다.
이를 잘 설명하는 예시를 들어보겠다.
다크 나이트는 박스오피스에서 10억 달러가 넘는 수익을 올리는 매우 인기 있는 영화였다.
넷플릭스는 이 영화 라이선스 비용을 내면 사용자들이 매우 즐거워할 것이라는 것을 알고 있지만
해당 영화 스튜디오는 매우 높은 가격을 원했다. (해당 영화는 다른 영화의 6개를 합친 비용을 요구했다.)
모든 흥행작의 라이선스 비용을 지불할 수는 없기 때문에 다른 선택사항을 생각해볼 수 있겠다.
한 가지 아이디어로 같은 배우와 감독이 출연하는 다른 영화를 구할 수도 있다.
메멘토 (크리스토퍼 놀란 감독), 브로크백마운틴, 나이츠 테일 (히스레저 주연),
땡큐 포 스모킹 (아론 에크하트 주연), 스트레인저 댄 픽션 (메기 질렌할 주연) 등을 추가할 수 있겠다.
위의 사례는 단지 가설일 뿐이지만 넷플릭스는 이와 같은 상황을 자주 직면할 것으로 생각한다.
후기
본 게시물을 통해 넷플릭스와 같은 글로벌 대기업이
사용자 행동 데이터에서 문제를 발견하고 과제를 해결해과는 과정을 구체적으로 접해볼 수 있었다.
사용자 행동 데이터는 그 규모가 상당히 커서 어떻게 수집하고, 로그 설계를 어떻게 하냐에 따라
그 품질이 달라질 수 있는데 분석 환경이 잘 자리잡혀 있어서 좋은 분석이 가능하겠구나라는 생각도 들었다.
실제로 데이터는 늘 잘못 기록될 가능성이 있기 때문에 꼼꼼한 로그 설계는 필수적이다.
필자 역시 규모는 작지만 본 블로그를 구글 애널리틱스와 연동하여 사용자 행동 데이터를 살펴보고 있다.
다만 항목이 정말 다양하고 해석을 자의적으로 할 수 있어서 문제를 파악하는 데에 어려움을 겪고 있다.
그래도 발 빠르게 블로그 방문자의 패턴을 캐치하고 블로그를 개선해나갈 수 있다면
이후 서비스를 개선하는 데에도 좋은 도움이 될 거라고 생각한다.
이와 관련된 글은 앞으로 개인 프로젝트로 따로 정리해서 차차 올리도록 하겠다.
그럼 이번 글은 여기에서 마무리 하도록 하겠다.