고객의 행동패턴을 세부적으로 나눠보기에 좋은 5가지 기준

매일, 매주 출근 길에 밀린 뉴스레터를 읽는다.뉴닉도 있지만 그 중에는 Ruben Ugarte’s Weekly Growth Needle이라는 레터도 있다. 대충 보고 지나갈 때도 있지만 오늘 내용은 꽤 흥미로워서 생각을 남기려고 한다.

혹자는 이미 1위의 플랫폼에게 퍼포먼스마케팅이 어렵다라고 이야기 하는 사람이 많다. 하지만 플랫폼이기 때문에 필요하다고 생각한다. 플랫폼은 양면시장의 참여자간 네트워크 효과로 성장한다. 따라서 경쟁이 치열해지고 양면시장에 참여하는 사람들의 만족도가 떨어지는 순간 빠르게 무너질 수 있기 때문에 지속해서 주요 플레이어인 라이더, 사장님, 고개의 만족도의 최적점을 찾아나가야한다. 고로 기존의 회사보다도 더 Growth에 대한 고민이 필요하다고 본다.

그래서인지 오늘 본 레터의 주제였던 “How to deconstruct consumer’s behavior using 5 variables”로 내 시선을 사로잡았다. 그 많은 메일 속에서 말이다. 내용은 아주 복잡한 것은 아니었다. 고객군을 행동기반으로 나눠서 보기 위해서 (경험상) 쓸모 있다고 느낀 5개의 기준에 관한 것이었다.

  • 관심사(Self Interest): 왜 사용자는 서비스나 상품을 구매했을까?
  • 장애물(Difficulty, Barriers): 왜 사용자는 구매하는 행동을 멈췄을까?
  • Perception(인지):사용자는 우리의 서비스를 어떠한 형태로 인지하고 있을까?
  • Demographics(인구통계학적): 사용자의 연령, 수입, 지역은 연관이 있을까?
  • Culture(문화): 사용자는 앱의 UX등에 문화적으로 어떻게 반응할까?

원글은 다음과 같다.


Self-Interest

Self-interest is one of the most important driving forces of consumer behavior. Everyone wants to know what’s in it for them. What will they get if they purchase a product or service?

Difficulty or Barriers

Our second factor is difficulties or barriers. We may want something, but if it is too hard to get, then we won’t purchase it or do it. This factor determines the difficulty in following through with the intended behavior.

Perception

Perception is our third consumer behavior factor. This is how your customers perceive your products and services. Customers may think that a brand offers premium products and premium prices, but the quality of the products themselves may not match this expectation. Think of Starbcuks, McDonalds and Apple.

Demographics

Demographics slots in as the fourth factor of consumer behavior. We can’t ignore who the customer is and how their history will affect their purchase behavior. Demographics include gender, age, income, location, and others.

Culture

The fifth and final factor is culture. I define culture as the expectations and pressures from people around me. Latin cultures tend to be more open toward strangers, and there’s an expectation of kissing people when you first meet them and when part ways. The culture of a society shapes these behaviors.


5개가 대략 기존 파이프라인 산업에서 볼 수 있는 것과 플랫폼에서 조금 더 민감하게 나타나는 것들이 섞여있는데 어떤 논리적인 근거로 나눠진 것은 아니기 때문에 가볍게 읽어보았다.

특히 인구통계학은 한 때 더이상 쓸모없는 세그먼테이션(Segmentation)기준이라고 불리던 적도 있지만, 여전히 의사결정 차원에서 전문가-비전문가 할 것 없이 공통의 이해수준을 가지고 있다는 점에서 좋은 기준이라는 것을 재확인할 수 있었다.

사실 하나 하나가 워낙 큰 대분류이기는 하지만, 딱히 어떤 형태로 세그먼테이션할지 생각조차 나지 않는다면 한번 정도는 활용해봐도 좋을 것 같다.

관련된 뉴스레터를 받아보고 싶다면 다음 링크를 클릭하면 된다.

Read more

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P- Value * Bayesian P-Value는 **모델의 적합도(goodness-of-fit)**를 평가하는 데 사용됩니다. * 사후 분포(posterior distribution)를 이용하여 실제 데이터와 모델이 생성한 예상 데이터를 비교함으로써, 관측된 데이터가 모델에 의해 얼마나 잘 설명되는지를 평가합니다. * 빈도주의 p-값은 "관찰된 데이터보다 극단적인 데이터가 나올 확률"을 계산하지만, Bayesian P-Value는 "모델이 실제

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non Identifiability * Non-Identifiability는 주어진 데이터와 모델에 대해 특정 파라미터를 고유하게 식별할 수 없는 상황을 의미합니다. 즉, 여러 파라미터 값들이 동일한 데이터를 생성할 수 있으며, 이로 인해 특정 파라미터 값을 확정적으로 추정하기 어렵게 됩니다. * 베이지안 추론에서 Non-Identifiability는 사후 분포가 특정 파라미터 값에 대해 명확하게 수렴하지 않고, 여러 값들에 대해 비슷한 확률을

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram * 히스토그램의 변형으로 데이터가 비정규적이거나 큰 분산을 가지는 경우, 정확한 분포를 파악하기 위해 사용됩니다. * 일반적으로 히스토그램은 데이터의 빈도를 직접적으로 나타내기 때문에, 큰 값이 빈번하게 발생하는 경우 상대적으로 작은 값을 잘 드러내지 못하는 경향이 있습니다. 반면, Rootgram은 빈도를 제곱근 형태로 변환하여, 데이터 분포의 차이를 더 잘 시각화할 수 있도록 돕습니다 * 여기서