[고객의 마음을 읽는 데이터] 데이터를 잘 쓰는 방법 – ①

앞선 콘텐츠에서 데이터를 잘 읽는 방법에 대해 알려드렸는데요, 이번에는 데이터를 잘 쓰는 방법에 대해 정리하였습니다.

데이터를 잘 쓴다는 것은 같은 데이터를 더 임팩트 있게 전달하되, 데이터를 전달하는 사람과 읽는 사람이 같은 해석을 할 수 있게 작성하는 것이라 생각하는데요. 

성과를 강조하지만, 사람마다 해석이 다른 “열린 결말”이 되지 않기 위한 간단한 방법을 전달 드립니다.

전일 대비 구매율이 “3%P 올랐다” vs “150% 올랐다”

동일한 데이터를 위와 같이 표현할 수 있다면, 어떤 텍스트를 사용하시겠어요?

저라면 성과를 더 극대화할 수 있는 후자를 선택할 것 같은데요.  두 개 단위의 차이점을 정확히 알고 있으면 데이터에 적절하게 분석하고, 유용하게 사용할 수 있습니다.

앞서 제시한 두 개의 표현은 아래 데이터를 해석한 것이며, 위 설명에 맞춰 퍼센트와 퍼센트포인트 각각의 데이터를 구해보겠습니다. (해당 데이터는 예시를 위해 가상으로 만들었습니다)

– 전일 대비 구매율이 3%P 올랐다

우선 구매율이 3%P 오른 것은 퍼센트 간의 차이를 표현한 것이니, 2%와 5%의 차이인 3%P가 올랐다고 한 것이고요.

– 전일 대비 구매율이 150% 올랐다

기준이 되는 전체의 수량(10월 20일 구매율 : 2%)을 100으로 본다면 해당 수량(10월 21일 구매율 5%)은 250이 되므로 150% 상승으로 표현할 수 있습니다.

추가로, 5%는 2%의 2.5배와 같으니 2.5배 또는 250% 달성으로도 표현할 수 있는데요. 같은 데이터지만 어떻게 말하고자 하는지에 따라 표현이 달라집니다. 만약 3% 증가 또는 250%P 달성으로 표현했다면 완전히 틀린 해석이니, 단위와 수치를 적절히 사용해야 합니다.

평균 광고 클릭률 0.6% vs 0.9%

프로모션 홍보를 위해 네이버, 카카오, GDN, 페이스북 4개 매체에 광고를 집행했는데요, 최종 리포트에서 평균 광고 클릭률을 A 마케터는 0.6%, B 마케터는 0.9%라고 작성하였습니다. 무려 0.3%P나 차이가 나는데요, 왜 그런 것일까요?

– A 마케터는 평균 노출 수와 평균 클릭 수로 클릭률을 구했고 (2,632÷409,362 →0.6%)

– B 마케터는 클릭률의 평균을 구했습니다. ((1.1+1.5+0.6+0.5)÷4 →0.9%)

A 마케터는 평균 수의 클릭률을, B 마케터는 클릭률의 평균을 구했는데 둘 다 틀린 답은 아닙니다. 

다만 평균 클릭률을 0.9%라고 했을 때 어떤 사람은 전체 평균 수치로 계산한 것으로 받아들이고 어떤 사람은 클릭률의 평균으로 이해할 수 있으므로, 모든 사람이 동일하게 데이터를 해석할 수 있도록 기준을 꼭 명시해야 합니다.

👱‍♂️ A 마케터 → 평균 클릭률 : 평균 노출 수 ÷ 평균 클릭 수

👨 B 마케터 → 평균 클릭률 : 매체별 클릭률의 합 ÷ 매체 수

클릭률이 다른 이유는, 클릭률이 낮은 GDN의 노출 수가 많았기 때문인데요. 데이터를 분석하고 트렌드를 해석할 때 위와 같이 데이터의 양의 차이가 전체 수치에 큰 영향을 주는 경우는 아주 많습니다.

인테리어 트렌드를 보기 위해 주요 5개 앱(오늘의집/IKEA/한샘몰/집꾸미기/모던하우스) 설치자의 연령 비중을 확인했는데 오늘의집이 앱 설치 수가 압도적으로 많았습니다. (전체 대비 72% 차지) 

※ 데이터 소스 : Dighty 국내 앱 설치자의 추정 데모데이터 (Android, 2020/10/20 기준)

어떻게 데이터를 분석해야 할지 애매할 때, 가장 좋은 방법은 작성자가 전달하고자 하는 의도에 맞춰 분석하면 되는 것입니다. 인테리어 트렌드는 앱 5개 통합 수치로 반영해야 한다고 생각하면 전체수의 비중을, 5개 앱의 비중을 동일하게 반영해야 한다고 생각하면 비중의 평균으로 데이터를 작성하는 거죠.

[전체 설치자 수 비중]은 20대 설치자가 많은 오늘의 집이 전체 데이터에도 영향을 주었고, 40대 설치자가 20대 설치자보다 2~8배 많은 IKEA, 한샘몰, 모던하우스의 특성은 [앱별 비중의 평균]에 반영된 것을 확인할 수 있습니다.