고객사 미팅에 가면 제일 많이 받는 질문이 있습니다.
“ㅇㅇ하고 뭐가 다른가요?”
이 ㅇㅇ 자리에는 GA(Google Analytics)나 Firebase가 자주 등장합니다. 질문에 대해서는 사전에 준비한 간단한 설명을 하지만 항상 약간의 아쉬움이 남곤 합니다. 왜냐하면 고객사는 다양한 애널리틱스에 대한 배경지식이 부족해, 비교적 기본적인 사항의 이해에도 어려움을 겪는 경우가 많기 때문입니다. 그래서 이 글에서는 이러한 배경 지식을 한번 다루어 보고자 합니다.
구글에서 조금만 검색해보면 정말 수많은 애널리틱스를 찾을 수 있습니다. 이렇게 많은 애널리틱스가 존재하는 까닭은 무엇일까요? 애널리틱스 시장이 매우 크다는 것도 하나의 설명이 되겠지만, 핵심은 '애널리틱스가 제각기 다르다'는 것 입니다.
이렇게 제각기 다른 애널리틱스 중에서 나에게 적합한 애널리틱스를 고르기 위해서는 이 다름에 대해서 이해해야 하고, 이 다름에 대해 이해하기 위해서는 어떤 기준이 있어야 합니다. 이 글을 읽고 나면 여러분도 애널리틱스를 분류하는 기준을 가질 수 있을 것입니다.
애널리틱스 분류에 가장 일반적으로 사용되는 기준은 '분석 목적'입니다. 분석 목적의 기준에 따라 애널리틱스를 분류해 보면, 다음과 같이 4개의 카테고리로 분류할 수 있습니다.
* 분류에는 웹만 지원하는 애널리틱스는 제외하고 모바일 앱 애널리틱스로 한정하여 작성하였습니다.
1. 범용
2. 마케팅 최적화용
3. 크래시 최적화용
4. UX 최적화용
1. 범용 애널리틱스
범용 애널리틱스는 말 그대로 여러 목적으로 사용할 수 있으며, 가장 오래된 카테고리인 만큼 관련 정보가 많다는 것이 장점입니다. 다만, 특정 목적을 위한 분석에는 해당 목적의 카테고리에 속하는 애널리틱스가 더 적합하다는 점은 고려해야 합니다.
웹로그 분석에서부터 계속 사용되어 온 이벤트 정의 방식이 일반적이며, GA, Adobe Analytics, Flurry, Mixpanel, Amplitude, Loclaytics 등 대부분의 유명 애널리틱스가 여기에 속합니다.
2. 마케팅 (최적화용) 애널리틱스
마케팅 최적화용 애널리틱스에서의 마케팅은 마케팅 캠페인으로 이해하면 쉽습니다. 앱서비스로 사용자를 유입시키기 위해 진행하는 다양한 마케팅 캠페인의 최적 조합과 운영 방법을 찾기 위해서 사용합니다.
사용자가 타고 온 캠페인에 대한 태그의 관리와 추적이 핵심 기능인데요. 이 영역에는 Tune, Kochava, AppsFlyer, Adjust 등의 애널리틱스가 주로 속하며, 국내에는 IGAWorks도 있습니다. 조금 예전 자료이긴 하지만 시장점유율에 대한 자료가 있으니 참고하시기 바랍니다.
3. 크래시 (최적화용) 애널리틱스
크래시 최적화용 애널리틱스는 앱에서 발생하는 크래시의 원인을 찾을 수 있도록 도와주는 역할을 합니다. 주로 크래시 상황에서의 로그 데이터와 해당 디바이스 정보를 수집하고 시각화하는 기능을 갖추고 있습니다.
이 카테고리는 최근 다른 카테고리의 애널리틱스로 결합되고 있는 추세인데요. 이를테면 Crashlytics는 Fabric으로 인수되었다가 Fabric이 다시 구글에 인수되면서 구글의 Firebase의 크래시 관련 기능이 강화되었습니다. Crittercism도 분석 카테고리를 넓히면서 Apteligent로 이름이 바뀌었습니다. 또한 Bugsense도 Splunk에 인수되었죠.
4. UX (최적화용) 애널리틱스
Growth-Hacking을 통한 전환율 개선이 중요하게 인식되면서 주목받고 있는 카테고리입니다. In-app Behavior Analytics라고도 합니다다. 유저해빗이 속해있는 카테고리도 바로 이곳입니다.
이 카테고리의 애널리틱스는 아주 상세한 사용자의 행동을 수집하고 분석하기에 적합한 구조로 되어 있어, 다른 애널리틱스에서 제공하기 어려운 히트맵, 리플레이, 행동패턴분석 등을 주요 기능으로 제공할 수 있습니다. 참고로 유저해빗은 이 카테고리에서 선도적인 기술력을 가지고 있다는 자랑과 함께 카테고리 설명을 마치겠습니다.
마무리하며
이제 각각의 애널리틱스가 역할과 기능이 어떻게 다른지, 이들을 어떤 기준에 따라 분류할 수 있는지 정도는 감을 잡을 수 있을 것입니다. 그리고 조금 더 생각해보면 반드시 하나의 애널리틱스만을 고집할 필요는 없다는 것도 느꼈을 것입니다. 데이터 분석의 활용이 앞서 있는 실리콘밸리에서 최소한 각각의 목적에 맞는 애널리틱스 3~4개를 조합하여 사용하고 있듯이 말이죠.
분석 목적에 맞는 애널리틱스를 잘 조합하여 활용할 때, 더 쉽고 빠르게 그 목적을 달성하는 것은 당연한 일입니다. 이 글의 독자들이 목적에 맞는 애널리틱스의 조합을 찾거나 추가적인 자료를 찾아보는 데에, 이 글이 조금이라도 배경지식을 제공할 수 있기를 바랍니다.
------------------------------
모바일 앱 사용자 행동 분석
