[팀아티클] 사용자 데이터를 효과적으로 분석하는 법 / 실험 조직으로 거듭나기

[250304] 선정 아티클 : 사용자 데이터를 효과적으로 분석하는 법

사용자 데이터를 효과적으로 분석하는 법 | 요즘IT

개인 요약

• 정성 데이터: 사용자의 리얼 보이스, 행동 관찰 기록, 사진 
• 정량 데이터 : 만족도 점수, 과제 수행 시간, 에러 수 등
  • 정량 데이터를 분석하기 위해서는 통계 분석 활용
    • 기술 통계 : 수집된 데이터의 특성을 파악하기 위해 활용되는 것
    • 추론 통계 : 샘플을 통해 모집단을 추론하거나 가설을 검정하기 위해 활용됨
    • 기본적으로 데이터의 특성을 파악하기 위해서 기술 통계를 진행하고, 고도화된 분석이 필요할 경우엔 추가로 추론 통계까지 진행
• 기술 통계
  • 1. 범주형 데이터 (Categorical Data):
    • 예시: 선호하는 디자인 타입, 과제 성공 여부 등.
    • 분석 방법: 빈도, 백분율 등.
    • 시각화 도구: 파이 차트, 누적 막대그래프.
  •  2. 수치형 데이터 (Numerical Data):
    • 예시: 만족도, 수행 시간, 에러 수 등.
    • 분석 방법: 평균, 표준 편차 등.
    • 시각화 도구: 막대그래프, 선 그래프(연속적인 속성을 가질 시).
  • 3. 방사형 그래프와 산점도
    • 방사형 : 특정 대상에 대해 여러 평가 항목들로 비교해 전체적인 경향을 유추하고 싶을 때 활용
    • 산점도 : 한 쌍의 연속적인 데이터를 수평과 수직 축 상의 좌표 값으로 나타내는 방법
      • 서로 다른 두 척도 비교, 두 변수간의 관계 확인
•  추론 통계
  • t 검정, 분산 분석과 같은 집단 간의 차이를 밝히는 분석방법
  • 변수들 간의 연관성을 파악하는 상관분석이나 회귀분석
    • t 검정(t-test)와 분산분석(ANOVA):
      • 목적: 두 집단 또는 여러 집단 간의 차이를 검증합니다.
      • 예시: 자사의 디자인 개선안과 원안의 성능 차이를 검증.
    • 상관 분석(Correlation Analysis):
      • 목적: 두 변수 간의 선형적 관계를 분석합니다.
      • 상관계수 (r 값): 변수 간의 관계의 강도와 방향을 나타냅니다.
    • 회귀 분석(Regression Analysis):
      • 목적: 하나의 종속 변수에 대해 여러 독립 변수들이 미치는 영향을 분석합니다.
      • 회귀 모형의 적합도 (p-value), 모델 설명력 (R2), 회귀계수 (Beta)를 통해 인과 관계를 도출.
  • 그래프 그릴 때 주의
    • 축 눈금 설정: 균등한 눈금 크기, 시작 지점을 0으로 설정.
    • 데이터의 단순화: 복잡한 그래프 지양, 명확한 레이블 사용.
    • 왜곡 방지: 데이터의 변화를 정확하게 표현.
    • 신뢰 구간 표시: 평균 값에 신뢰 구간을 추가하여 데이터의 분포와 변동성을 함께 보여줌.

[아티클 요약] 

• 이처럼 데이터를 분석을 잘하는 것도 중요하지만 시각화를 잘 해서 비교하기 쉽게끔 데이터에 맞는 시각화 방법을 찾는 것도 중요하다고 생각했다. 그리고 다양한 시각화 방법들을 알게 되면서 아직도 나는 갈길이 멀구나.. 하는 생각도 들었다...

 

[250307] 실험 조직으로 거듭나기 : 검증할 '만'한 가설은?

실험 조직으로 거듭나기: 2 검증할 ‘만’한 가설은? | 요즘IT

개인 요약

• 가설 검증 프로세스
  • 가설 선택 - 검증 방식 결정 - 검증 지표와 목표 수치 결정 - 실험 기간 결정 - 최적의 실험 환경 만들기 - 실험 진행 후 검증 데이터 모으기 - 데이터 분석해 가설 검증 - 학습
• 검증할 가설 정의
  • 검증할 수 있는 가설의 수가 한정되어 있기 때문에 우선순위를 매기고 가장 가치가 높아보이는 가설부터 검증
    • 1. 현재 상황을 개선하는가
      • 구성원 모두가 따르는 판단 기준
      • 이전표를 제시하는 마일스톤
        • 이렇게 발견한 문제 상황이 바로 가설 대상은 아님 → 원인 보다 현상에 가깝기 때문
          • 최종적으로 발견한 근본 원인은 현재 상황에서 검증해야 할 가설 대상
    • 2. Actionable한가?
      • 가설검증에도 액셔너블 필요
      • 즉, '이 가설을 검증했을 때, 다음 방향을 알 수 있을까' 고민
• 가설 검증 방식 결정
  • AB 테스트 : 비교를 통한 가설 검증
    • 서로 다른 시안을 비슷한 사용자 군에게 동시에 노출시켜 유의미함을 판단하는 실험
    • 실험에 영향을 주는 건 설정한 변수뿐이어야 함
  • 실험 전후 검증
    • 실험이 진행되기 전과 후의 고객 반응을 비교해서 가설을 검증하는 방법
  • XYZ 가설 검증
    • 고객 행동을 정량적으로 접근하는 차이 → 애매모호함을 없애기 위해

[아티클 요약] 

• 현상의 원인이 아닌 근본 원인을 분석하려는 접근 방식이 효과적이고, 우선순위 설정과 Actionable 여부를 고려하는 점이 인상적이었다.