구매 전환율 개선으로 회사 매출 360억원 늘린 데이터 분석 사례

안녕하세요. SQL 전환율 개선 프로젝트 강의를 기획하고 제작한 데이터 멘토 헨리입니다.

데이터 분석가라는 커리어를 고민하고 계시거나, 실무에서 데이터를 더 잘 다루고 싶은 분들께 작게나마 도움이 되기를 바라는 마음으로 데이터분석을 포함한 다양한 직군을 경험했던 실무자로 실제 업무에서 느꼈던 경험과 통찰을 공유하고자 합니다.

🎯 '지표를 읽는 사람'에서 '분석가'로

제 커리어의 시작이 데이터 분석가는 아니었습니다.

초기에는 게임 운영팀에서 시작해, 이후 사업팀에서 일하며 유저 운영 및 실무를 담당했습니다. 당시에도 데이터는 매우 중요한 의사결정 근거 자료로 사용되고 있었기 때문에 사내 데이터웨어하우스(DW)팀에 필요한 데이터 추출을 요청하고, 이를 기반으로 엑셀 보고서를 만들어 회의에 활용하곤 했습니다.

지표를 자주 들여다보는 습관은 자연스럽게 업무의 일부분이 되었고, 어느새 ‘대시보드왕’이라는 별칭을 얻게 되었습니다.

매일 아침 대시보드를 띄우고 주요 지표를 점검하는 일이 습관이 되었던 이유는, 누가 시켜서가 아니라 지표를 꿰고 있어야 문제를 더 빨리 발견하고 업무를 주도할 수 있었기 때문이었습니다. 그리고 이 경험은, 훗날 데이터 분석가로 전환하는 데 결정적인 토대가 되었습니다.

💡 문제 인식: 유저 결제 경험, 이게 최선인가?

시간이 흘러 데이터 분석팀으로 자리를 옮긴 뒤, 여러 게임 프로젝트에서 유저 결제 데이터를 분석하는 업무를 맡게 되었습니다. 드디어 사내 DB에 접근할 수 있는 권한을 얻고 SQL 탐색 분석에 심취할 수 있었던 시기였습니다.

그 중, 가장 성공적인 결과를 이뤘던 프로젝트가 있었는데 그것은 유저의 결제 한도와 실제 결제 행동 사이의 불일치에 주목하면서 시작되었습니다. 당시 온라인 게임에는 한 달 결제 한도가 50만 원으로 설정되어 있었습니다.

그런데 당시 실무에서 유저 데이터를 보며 흥미로운 패턴을 발견했습니다. 그것은 바로 유저들이 월 한도에 도달하기 전에 결제를 멈추는 경우가 상당히 많았던 것입니다.

그 원인을 추적해보니, 결제 수단별로 존재하는 1일/1회 한도가 실제로 유저의 결제 경험을 방해하고 있었던 것이었습니다. 유저가 결제를 하고자 할 때, 사용하던 결제 수단이 이미 1일 한도에 도달해 결제할 수 없는 상황이 빈번히 발생하고 있었고, 이는 곧 이탈로 이어졌습니다.

🧪 실험 설계: “한도를 높이면 더 결제할까?”

이 문제를 해결하기 위해 다음과 같은 가설을 세웠습니다.

“결제 수단의 1일 한도를 상향하면, 유저는 더 많은 금액을 결제할 수 있을 것이다.”

이에 따라 특정 결제 수단에 대해 1일 결제 한도를 5만 원에서 10만 원으로 상향하는 실험을 A/B 테스트 형태로 진행했습니다. 물론 실험을 위해 결제 수단 운영사와의 협의가 선행되어야 했고, 유관 부서와의 긴밀한 커뮤니케이션도 필요했습니다.

📊 SQL 분석: 유저 행동의 패턴을 데이터로 확인하다

실험 효과를 관찰하기 위해, 유저들의 결제 로그 데이터를 SQL로 추출하고 분석했습니다.

SQL을 통해 한도 근처까지 결제한 유저를 선별할 수 있었고, 이후 같은 유저의 한도 상향 전후 평균 결제 금액을 비교했더니, 상향된 그룹에서는 평균 결제 금액이 약 30%~100% 이상 증가하는 유의미한 결과를 확인할 수 있었습니다.

이 분석 결과를 토대로 유관 부서를 설득할 수 있었고, 결제 UX 개선 프로젝트로 확장하게 되었습니다.

🧠 모델링 : 결제수단 추천 시스템 설계

이후 프로젝트는 단순히 한도를 높이는 데 그치지 않고, 유저가 보다 쉽게 결제를 이어갈 수 있도록 UX를 개선하는 단계로 발전했습니다. 저는 그중에서도 유저가 자주 사용하는 결제 수단 조합을 예측하고 추천하는 결제수단 추천 알고리즘을 설계하는 역할을 맡았습니다.

여기서 활용한 방법은 ‘Hidden Markov Model(HMM)’ 인데, 이 모델은 유저의 이전 결제 패턴을 기반으로, 다음 결제에 어떤 수단을 사용할 가능성이 높은지 확률적으로 계산하는 모델이라 적용하게 되었습니다. 특히, 결제 수단 간 전이 행태를 분석해, 유저가 가장 자연스럽게 선택할 수 있는 수단을 추천하도록 설계했습니다.

결과적으로 이 시스템은 유저 경험을 방해하지 않으면서도, 결제 편의성을 높여 연간 약 360억 원 규모의 매출 증대라는 성과를 달성하게 되었습니다.

🔍 시사점 : 데이터는 결국 '사람'을 이해하는 도구

당시 프로젝트를 통해 얻은 가장 큰 교훈은 다음과 같았습니다.

• SQL은 단순한 추출 도구가 아니라, 문제를 정의하고 데이터를 이해하기 쉽게 구조화하는 언어입니다.

• 분석가는 비즈니스 도메인을 이해해야 좋은 가설을 세우고, 설득력 있는 분석을 설계할 수 있다는 것입니다.

• 데이터는 숫자가 아니라, 유저의 행동과 감정을 담은 기록이라는 점입니다.

📌 데이터분석의 시작은 지표 ‘이해’하기

지표를 읽고 해석하는 사람이던 제가, 실제로 분석을 통해 인사이트를 만들고 변화를 이끌 수 있었던 이 프로젝트는, ‘데이터 분석가’로서 성장하는 데 결정적인 계기가 되었습니다.

분석가로 전환을 고민하시거나 데이터 분석을 하고 싶은 기획자, PO, 마케터 등 데이터 분석 비전문가라면, 꼭 거창한 시작이 아니더라도 “지표와 친해지는 것”부터 시작해 보시길 추천합니다. 지표를 읽는 사람은 많지만, 지표를 ‘이해’하는 사람은 생각보다 많지 않거든요.

성공적인 커리어를 향한 여러분의 여정을 응원합니다.

회사 성장을 이끌어 낸 데이터 분석 전문가 헨리님의 실무 프로젝트형 SQL 강의를 듣고 헨리님 노하우를 쏙쏙 적용해 보는 건 어떠신가요?