고객 사용 패턴 분석: 닷 플롯으로 진짜 인사이트 찾기

핵심 요약

• 집계 지표의 한계: DAU, MAU 같은 전체 사용자 통계는 개별 사용자의 실제 행동 패턴을 숨긴다
• 닷 플롯의 개념: 각 행은 사용자, 각 열은 시간 기간(보통 일 단위)으로 이루어진 2차원 그리드에 점으로 가치 창출 이벤트를 표시
• 패턴 발견: 주중/주말 사용 패턴, 일회성 사용자, 불규칙한 활동 등 집계 차트로는 볼 수 없는 세부 패턴 포착
• 실제 사례: B2B 계약에서 실제로는 3명만 활용하는 문제를 미리 파악할 수 있었던 사례

왜 개별 사용자 행동을 봐야 하는가

창업자들은 종종 DAU(일일 활성 사용자) 나 MAU(월간 활성 사용자) 같은 집계 데이터에 의존합니다. 그러나 이 지표들은 모든 사용자를 한데 묶어버려서 누가 실제로 제품을 얼마나 사용하는지, 어떤 기능과 상호작용하는지 알 수 없게 만듭니다.

더 문제가 되는 것은, 제품이 성장할 때 이런 집계 그래프가 사용자들이 진정으로 제품을 즐기지 않더라도 상승하는 경향을 보인다는 점입니다. 이것만으로는 제품이 정말 원하던 것을 만족하는지 판단하기 어렵습니다.

닷 플롯: 개별 행동을 한눈에 보기

닷 플롯은 스프레드시트처럼 생긴 2차원 그리드 입니다:

• 각 행: 개별 사용자 (예: "Dave", "User 2" 등)
• 각 열: 시간 기간 (보통 1일 단위, 1~2주 범위)
• 점: 사용자가 가치를 창출하는 특정 이벤트를 수행했을 때 해당 셀에 표시

예를 들어 음악 스트리밍 앱을 분석한다면, "노래 듣기" 라는 이벤트를 추적합니다. 사용자가 특정 날짜에 곡을 재생하면 그 셀에 파란색 점을 표시합니다. 추가로 사용자의 온보딩 날짜 를 표시하기 위해 고리 같은 기호를 사용해 더 많은 정보를 전달할 수 있습니다.

닷 플롯으로 발견할 수 있는 패턴

닷 플롯을 채워나가면서 개별 사용자의 시간대별 사용 행동이 고밀도로 시각화 됩니다. 이를 통해 집계 차트나 개별 로그만으로는 절대 발견하지 못했을 패턴이 드러납니다.

구체적인 사례:

• 주중 vs 주말 사용: "Dave"는 주중에만 사용하고, "User 2"와 "User 5"는 주말에 주로 사용
• 일회성 사용자: "User 4"처럼 앱을 한 번 사용하고 돌아오지 않는 패턴이 여러 행에 걸쳐 반복된다면 온보딩이나 초기 가치 전달에 문제가 있다는 신호
• 활동 빈도의 차이: DAU로만 보면 "성장하고 있다"는 단순한 결론만 나오지만, 닷 플롯은 실제로 어떤 사용자가 활발하고 어떤 사용자가 사라지는지 명확히 보여줍니다

B2B에서도 닷 플롯이 필요한 이유

B2B 계약에서도 닷 플롯은 강력한 도구입니다.

한 스타트업의 실제 사례를 보면:

• 고객사가 연간 8만 달러 규모로 10개 좌석 을 구매했습니다
• 하지만 닷 플롯으로 확인해보니 실제로는 3명만 사용 중이었습니다
• 그 3명의 활동도 주 2일 이상 사용하지 않고 매우 산발적 이었습니다
• 결국 제품에 열정적이던 핵심 인물이 회사를 떠나자, 새로운 담당자가 "왜 이 소프트웨어를 사용하는가?"라며 계약을 갱신하지 않았습니다

닷 플롯을 미리 확인했다면 이 고위험 계약 이 위태로웠다는 것을 조기에 파악할 수 있었을 것입니다.

닷 플롯을 더 정교하게 만드는 방법

다양한 기호로 세분화

단순 점 대신 다양한 기호를 사용해 사용자 상태나 특정 기능 사용을 추적할 수 있습니다:

• "S": 검색 기능 사용
• "P": 공개 플레이리스트 참여
• 디바이스: iPhone vs Android
• 지역: 프랑스 사용자 vs 미국 사용자
• 인구통계: 고소득층 vs 대학생

행 정렬로 세그먼트 집중

행을 선택한 속성으로 정렬하면 특정 그룹에 집중할 수 있습니다:

• iOS 사용자만 표시
• 특정 월요일에 온보딩된 사용자만 표시
• 웹 버전 사용자 필터링

이렇게 세분화된 닷 플롯을 보면, 뇌가 자동으로 기존 분석에서는 절대 발견하지 못했을 패턴을 인식 하기 시작합니다.

닷 플롯의 역사: PayPal의 사기 탐지

이 개념은 PayPal의 공동 창립자 Max Levchin이 사기 탐지를 위해 10년 이상 전에 설명한 접근 방식 에서 비롯되었습니다. PayPal은 초기에 심각한 사기 문제에 직면했으나, 찾아야 할 패턴을 정확히 몰랐습니다.

그들은 모든 거래를 시각적 그래프로 표현 하고 팀원들에게 이 화면들을 계속 응시하게 했습니다. 결과적으로 사람들은 근본적인 메커니즘을 정확히 설명하지는 못했지만, "저기서 뭔가 다른 일이 일어나고 있고, 아마도 사기일 것 같다"는 직관을 얻을 수 있었고, 해당 사례들을 조사해 문제를 해결했습니다.

닷 플롯도 같은 원리입니다. 차트를 보면서 직관적으로 "이 사용자들에게 뭔가 패턴이 보인다" 는 것을 깨달을 수 있고, 특정 행동을 더 깊이 파고들 수 있습니다.

대규모 사용자 기반에서의 닷 플롯

초기에는 모든 사용자를 한 화면에서 볼 수 있지만, 대규모로 확장될 때도 닷 플롯은 유효 합니다.

10억 명 이상의 사용자를 보유했을 때, 다음과 같은 방식으로 활용했습니다:

• 사용자를 샘플링 하여 원하는 방식대로 닷 플롯에 표현
• 프랑스의 iOS 사용자, 미국의 웹 사용자(연봉 8만 달러 이상) 등 다양한 세그먼트에 대한 닷 플롯을 수십 장 인쇄
• 팀원들이 각각 다른 세그먼트의 종이를 받아 "이들이 무엇을 하는지 파악해달라"는 요청에 응함
• 사무실에서 함께 이 닷 플롯들을 검토하며 사용자 행동에 대한 결론을 도출

닷 플롯을 잘못 사용하는 방법

1. 잘못된 이벤트 선택

많은 창업자들은 점을 많이 채우기 위해 의미 없는 이벤트 를 추적합니다:

• ❌ "앱을 열었다"
• ❌ "제품에 로그인했다"

이런 이벤트는 사용자가 실제로 가치를 얻는지 측정하지 못하기 때문에 좋지 않습니다.

2. 너무 넓은 시간 단위 선택

차트를 더 좋게 보이기 위해 주(week) 단위로 설정하는 경우:

• ❌ "1주차", "2주차", "3주차"

이렇게 하면 일 단위 또는 시간 단위의 세부 활동 을 놓쳐 실제 상황을 파악하기 어렵습니다. 사용자가 수백 명에 이르기 전까지는 닷 플롯이 유일한 대시보드가 될 수 있을 정도로 중요합니다.

닷 플롯의 기술적 장점

닷 플롯은 단순히 로그 시각화 도구 입니다:

• 복잡한 계산이 필요 없음
• 기본적으로 로그를 파싱하여 2D 그리드에 배치하기만 하면 됨
• 최신 AI 코딩 도구로 10분 만에 구축 가능

닷 플롯 vs 코호트 리텐션 곡선

두 도구는 상호보완적 입니다:

• 코호트 리텐션 곡선: 특정 그룹의 사용자들이 시간이 지남에 따라 제품을 계속 사용하는지 여부를 거시적으로 보여줍니다 (필수 지표)
• 닷 플롯: 사용자들이 제품을 실제로 어떻게 사용하는지 보여주며, 집계 지표만으로는 절대 알 수 없는 미시적 인사이트 제공

결론

닷 플롯은 집계 지표의 한계를 극복하고 개별 사용자의 실제 행동 패턴 을 이해하는 가장 강력한 도구입니다. 코호트 리텐션 곡선과 함께 사용할 때, 이 두 가지가 사용자를 진정으로 이해하기 위한 가장 중요한 분석 도구 가 됩니다. 작은 스타트업이든 거대한 플랫폼이든, 닷 플롯을 통해 당신의 제품 전략을 크게 개선할 수 있습니다.

---

Original source: See How Customers Actually Use Your Product

powered by osmu.app