유저들을 잡고 싶다....
유입 데이터분석과 앱 내의 데이터 분석 흔적을 잡아 유저들을 전략적으로 가둬보자!
1. 유입 데이터 분석하기
1. 우리 유저들은 어떤 채널로 유입될까?
먼저 유저들이 어디에 많이 있는지를 찾기 위해 연령대별 주 SNS 비중을 알아보기로 했다.
인스타그램과 페이스북, 블로그는 청년층(2~40대) 이 골고루 포진해 있는 SNS 라는 것을 알 수 있었다.
특히 30대는 주요 SNS 에 골고루 퍼져있는것을 알 수 있었다.
그리고 발견한 재미난 기사...
중장년 소비 및 정보활용 보고서에 따르면 40~60대의 SNS 이용률 자체가 늘어났고,
40대 응답자의 50% 이상은 인스타그램을 활용한다는 것을 알 수 있었다.
2. 조사하기 전! 짚고 넘어갈 용어들
먼저 광고와 관련한 용어 먼저 알아보자! ✍🏻✏️. ..
CTR (Clik Through Rate)
클릭률/ 광고의 총 노출 수 대비 클릭 수의 비율 => 광고 콘텐츠가 매력적일수록 수치가 높다.
즉 광고를 본 사람 중 몇% 가 실제로 눌렀을까?
CPC (Cost Per Click)
1번의 클릭 당 지출한 광고비
즉! CPC가 낮을수록 좋다.
CPM (Cost Per Mile)
1000회 노출 당 비용
사람들에게 보여주기 위해 얼마가 들까??
CVR (Conversion Rate)
전환율
광고를 클릭한 사람 중 몇 %가 실제로 앱을 설치했는가??
ROAS
광고비 대비 광고주의 매출 비율 (매출/광고비)
결국 실무에서는 광고 효율을 판단할 때 ROAS 를 가장 많이 보게 된다.
LTV (Life Time Value)
모바일 비즈니스 성장을 위한 핵심 지표로,
주로 유저가 앱을 사용하는 기간 창출하는 매출
자 이제 실제로! 인스타그램에서 어떻게 우리를 상위노출할지 생각해보자!
3. 인스타그램 광고를 어떻게 돌려야 유저들이 우리를 발견할까?
인스타그램 도달과 노출 차이점
인스타그램에서 게시물의 성과를 측정하는데 사용되는 지표인
도달과 노출은 서로 다른 지표이다.
도달 지표
도달 지표는 '몇 명이 내 게시물을 시청했는가' 를 나타낸다.
게시물을 시청한 유저의 수를 의미하며, 각 유저당 1회만 기록된다.
즉, 도달은 한 명의 유저가 게시물을 최초로 시청한 경우에만 증가하게 된다.
노출 지표
노출 지표는 '내 콘텐츠가 몇 번 보였는가' 를 나타낸다.
이는 게시물이 사용자의 화면에 표시된 횟수를 의미한다.
한 명의 유저가 여러 번 게시물을 보게 되는 경우에도 각 노출은 별도로 카운트된다.
이러한 차이로 인해 도달은 게시물이 얼마나 많은 사용자에게 도달했는지를 측정하고,
노출은 게시물이 얼마나 자주 보였는지를 측정하게 된다.
🔎🔎 인스타그램 돋보기에서 노출이 되려면...
탐색 영역은 사용자들이 새로운 콘텐츠를 탐색할 수 있는 공간으로,
팔로우하지 않은 계정의 추천 콘텐츠를 노출한다.
따라서 탐색 영역에서 순위를 경쟁하고자 한다면 타깃은 ‘팔로우하지 않은 유저‘가 된다.
탐색 영역에 노출되는 콘텐츠는 사용자가 이전에 좋아요, 저장, 공유 등의 행동 신호를 보낸 게시물과 비슷한 주제를 가지고 있다.
이러한 콘텐츠의 우선순위를 결정하는데 ‘게시물의 인기도’가 중요한 요소로 작용하게 된다.
즉, 얼마나 많은 사람들이 빠르게 좋아요와 댓글 등의 행동 신호를 보내는지가 순위 결정에 큰 영향을 미친다.
- 게시물의 인기도: 게시물의 최근 성과인 좋아요, 댓글 등의 행동 신호 사용자들의 빠른 반응이 게시물의 순위에 영향
- 탐색 탭 내 활동: 사용자가 탐색 탭에서 반응을 보인 게시물의 유형이 중요... 유사한 콘텐츠에 대한 사용자의 활동
- 게시한 사람에 대한 반응: 이전에 해당 계정에 대한 사용자의 반응 여부가 순위 결정에 영향 사용자들이 해당 계정과의 소통을 즐기는 경우, 해당 계정의 콘텐츠가 더 높은 순위에 노출될 가능성이 높다
- 계정의 소통 정도: 최근에 사용자들이 게시자와 소통한 횟수가 고려된다. 게시자와 사용자 간의 활발한 소통이 순위에 긍정적인 영향을 미친다.
(이는 릴스도 비슷하게 적용된다.)
인스타그램 검색 아키텍쳐
인스타그램의 검색 아키텍처는 Unicorn이라는 자체 소셜 그래프 인식 검색 엔진을 사용하고 있다.
Unicorn은 대량의 데이터를 처리할 수 있는 능력을 갖추고 있으며, 이를 통해 인스타그램의 다양한 기능을 지원하게 된다
과거에는 Elasticsearch를 사용하여 문서의 키워드를 기반으로 역색인을 수행했다.
하지만 Unicorn은 데이터를 소셜 기능으로 저장하고 그래프 내에서 2차 연결을 통한 쿼리를 가능하게 하여, 그 필요성에 따라 2015년에 기술이 이전되었다.
역색인은!
문서 안에 있는 키워드를 파악한 후 키워드 단위로 문서를 색인화하는 과정을 의미한다.
즉 간단하게 말하면 키워드를 통해 문서를 찾아내는 방식이다!!! (Inverted Index)
이는 검색 속도를 향상시키는데 큰 역할을 하게 되는데...
전통적인 데이터베이스에서는 문서를 하나씩 읽어가면서 검색하는 반면,
역색인 데이터베이스는 이미 키워드 별로 문서 ID가 리스트로 만들어져 있기 때문에 처리 속도가 빠르다!!!
인스타그램의 검색은 단순히 문서를 검색하는 것이 아닌 데이터 간의 관계를 검색하게 된다.
계정 정보에는 팔로워, 게시물, 해시태그, 장소, 미디어 등 다양한 특징이 있으며, 이들 간의 관계를 찾아내는 것이 중요하다.
따라서 인스타그램은 그래프의 모든 부분을 색인화하여 검색 기능을 강화하게 된다.
쿼리를 and, or, not으로 조합하여 역색인 구조에서 해당하는 문서를 찾는다.
아무튼.. 인스타그램은 역색인 방법을 사용하기 때문에 검색량이 많을 것으로 예상되는 키워드를 콘텐츠와 계정에 반드시 포함시켜야 한다.
(결국 인기 키워드나 인기릴스 음악 에 묻어가야한다는거겠규나..)
2. 앱 데이터 분석하기!
1. ✍🏻유저들이 남기고 간 데이터를 보자! ...어떻게?
(1) 앰플리튜드
웹/ 앱 서비스 내에서 사용자들의 행동을 분석할 수 있는 서비스 분석 툴이다.
조금 더 구체적으로 말하자면 앰플리튜드(Amplitude)는 사용자를 수 많은 동질집단(Cohort)으로 나누고, 다양한 차트를 활용하여 사용자 행동을 분석할 수 있는 애널리틱스 솔루션이다.
Amplitude는 총 3개의 Key 값으로 유저를 매칭한다.
User ID, Amplitude id, Device ID가 그 Key에 해당하는데, 이 3개의 값을 Key로 활용하기에 Amplitude는 여러 디바이스에서 여러 계정이 로그인되어도 누구인지를 식별할 수 있다.
User Id = 서비스에서 자체적으로 발급하는 고유 회원 ID
예: 회원가입 시 DB에 저장되는 user_id 여러 디바이스를 사용해도 같은 User ID가 부여되면 동일 인물로 묶임
Amplitude ID = Amplitude에서 자체적으로 생성하는 내부 고유 식별자
이벤트가 기록될 때 자동으로 부여됨
-> User ID가 없는 익명 상태(비로그인 사용자)라도 Amplitude ID를 통해 추적 가능
Device ID = 앱/웹을 실행하는 기기의 고유 식별 값
예: 모바일 앱의 경우 설치 시 자동으로 생성되는 UUID,
웹의 경우 쿠키 기반 값 로그인하지 않아도, 동일 기기에서 발생하는 행동을 추적 가능
사실 말이 조금 이해가 안가서 좀 더 찾아봤다.
플로우를 조금 더 이해하면
- 로그인 전에는 Device ID + Amplitude ID를 기준으로 “익명 유저”로 기록됨.
- 로그인하면 해당 User ID와 매칭되어, 기존의 Device ID와 Amplitude ID 이벤트가 User ID에 통합됨.
- 따라서, 여러 기기에서 로그인하더라도 User ID를 통해 묶여서 “한 사람”으로 인식할 수 있음.
- 반대로, 한 기기에서 여러 계정으로 로그인하더라도 각각 User ID가 다르기 때문에 각 계정별 행동으로 구분됨.
이렇게 단계를 하게 되면 장점은,
원래는 사용자가 로그인하기 전까지는 Device ID / Amplitude ID로만 행동이 쌓이지만 로그인을 하면 그동안의 데이터가 User Id와 매칭이되면서 끊기지 않고 행동이 쌓이기 때문에
가입 전 데이터까지 놓치지 않고 분석이 가능하여 전환율을 파악할 수 있다.
또한 PC에서 보다가 모바일 앱을 설치하여 로그인 해도 하나의 동일 유저로 묶여 끊기지 않고 분석이 가능하다.
개인적으로 흥미로웠던 부분은,
하나의 기기에서 여러 계정이 구분이 가능하다는 점이었는데
UserID가 다르기 때문에 서로 다른 사용자 행동으로 기록되어 가족이 같은 태블릿을 써도 다르게 구분이 되어 사용자 단위 분석이 가능하다는 것이다.
따라서 앰플리튜드는 유입 이후 서비스 내에서 사용자 여정을
행동(Event) 기반으로 세부적으로 확인할 수 있다.
단점은 가격이 좀 비싸....다는 건데!!!
(사실 정확한 가격은 모르겠다 ㅎㅎ)
(2) 믹스패널
사용자가 웹/앱에서 사용하는 방식에 대한 데이터를 캡쳐할 수 있는 분석 도구이다.
몇 번의 클릭으로 데이터를 쿼리 및 시각화 할 수 있는지에 대한 데이터를 분석할 수 있다!
요거는..
Events
사용자와 제품간의 상호작용을 나타내는 데이터 포인트
Users
제품과 상호작용을 완료한 개인의 사용자
각 사용자는 고유한 값을 가지기 때문에 믹스패널은 어떤 사용자가 어떤 이벤트를 완료했는지 추적이 가능하고
두개의 서로 다른 데이터 포인트를 결합하여 이용할 수 있다
| 구분 | 믹스패널 | GA4 | 앰플리튜드 |
| 핵심 포지션 | 제품 분석(Product Analytics) 중심 | 웹/앱 트래픽 분석(Web & App Analytics) 중심 | 제품 분석(Product Analytics) 중심 |
| 데이터 수집 단위 | 이벤트 기반 (event + property) | 이벤트 기반 (자동 수집 + 커스텀 가능) | 이벤트 기반 (event + property) |
| 유저 식별 | User ID + Device ID | User ID(로그인 시) + Device ID (자동) | User ID + Amplitude ID + Device ID (3중 매칭) |
| 장점 | - UI 직관적, 분석 러닝 커브 낮음- 세그먼트/코호트 만들기 쉬움- 리포트 시각화 빠름 | - 무료/저렴, 구글 생태계(GTM, Ads, BigQuery)와 자연스러운 연동- 웹사이트/앱 전반의 트래픽 & 유입 분석에 강함 | - 대규모 유저 데이터에 최적화- 크로스 디바이스 유저 트래킹 강력- 리텐션/퍼널/경로 분석 고도화 가능- 협업 기능(노트북, 보드) 우수 |
| 단점 | - 무료 티어 이벤트 제한 (월 20만 이벤트)- 복잡한 데이터 모델링엔 제약 | - 인터페이스가 직관적이지 않음- 고급 분석 기능(코호트, 리텐션)은 제한적- 데이터 샘플링 이슈 존재 | - 러닝 커브 다소 있음- 무료 티어 이벤트 제한(월 1M 이벤트)- GA 대비 설정 복잡 |
| 분석 강점 | - 코호트 분석- 퍼널 분석- 간단한 대시보드 | - 유입 경로/트래픽 소스 분석- 광고/SEO/마케팅 성과 측정- 기본적인 이벤트 분석 | - 복잡한 퍼널 분석- 리텐션 분석- 경로(Path) 분석- 사용자 여정(User Journey) |
| 주요 사용 사례 | 스타트업·중소기업이 제품 사용성 개선, 코호트 분석 | 마케터들이 광고 캠페인 성과 추적, 유입경로 분석 | 성장 단계 스타트업·엔터프라이즈가 DAU/리텐션, LTV 분석 |
| 가격 | - 무료 플랜 존재- 이벤트 기반 과금 (20만 이벤트까지 무료) | - 무료 (기본 제공)- BigQuery 연동시 유료 | - 무료 플랜 존재- 이벤트 기반 과금 (1M 이벤트까지 무료) |
| 협업/시각화 | 기본 대시보드 공유 가능 | Looker Studio, Data Studio 등 외부 연동 필요 | 자체 보드, 노트북 기능 강력 (팀 협업 최적화) |
(위의 표는 지피티한테 분석해달라고 해봤다 ㅎㅎ)
그럼 나...뭐쓰지?
| 성격별 추천 | 필요 데이터 | 추천 툴 |
| 커머스 앱 (이커머스, 배달, 예약) | -유입 경로(광고 효과, SEO, 추천) -가입 -> 첫 구매 -> 반복 구매 퍼널 -LTV, 리텐션, 재구매율 |
GA4 (마케팅 성과 & 유입 경로 추적) 앰플리튜드 (구매 전환율, 리텐션 분석) |
| 콘텐츠, 커뮤니티 앱 | 첫 사용 ->반복 사용 (DAU, MAU, WAU) -좋아요, 댓글, 콘텐츠 소비 패턴 -추천 알림에 따른 리텐션 변화 |
믹스패널 (사용성,기능별 이용 패턴 빠르게 분석) 앰플리튜드 (리텐션/코호트 분석으로 유저 붙잡기 전략) |
광고 성과 측정을 하기 위해서는 GA4를 써보면 좋을 것 같고
좀 퍼널이나.. 전환율 혹은 코호트 분석을 하려면 믹스패널이면 좋을 것 같고
여러 디바이스를 쓰거나...DAU, WAU, 잔존율 곡선같은 리텐션을 시각화해서 보려면 앰플리튜드가 좋을 것 같다 ㅠㅠ
조금 더 고민해보고!
다음엔.....직접 툴을 사용해보고 직접 써본 내용을 포스팅 해봐야겠다!
참고 자료
https://seo.tbwakorea.com/blog/instagram-ranking-marketing/
https://www.mfitlab.com/solutions/blog/why-setup-productanalyticstool-mixpanel
https://www.codestates.com/blog/content/ga4-%EC%B4%88%EA%B8%B0%EC%84%B8%ED%8C%85
'데이터' 카테고리의 다른 글
| [데이터분석] SQL 실무 예제로 공부하기-기획자의 SQL 책 리뷰 (0) | 2026.01.09 |
|---|---|
| [데이터] 데이터로 인사이트 얻기 - 데이터 리터러시 리뷰 (2) (1) | 2025.09.14 |
| [데이터] 데이터로 인사이트 얻기 - 데이터 리터러시 리뷰 (4) | 2025.09.14 |