728x90
반응형
A/B 테스트
A와 B 두 가지 다른 안을 만들어서 고객의 경험에 대해서 어느 쪽이 더 좋은지 정량적으로 평가하는 방식
광고 클릭, 회원가입전환, 구매전환, 리텐션 등 정량적을 평가한다.
상관관계(Correlation) 속에서 인과관계(Causation)를 찾아내기 위해서 테스트를 한다.
예를 들어
- 갑자기 추워져서 두꺼운 외투를 입고 다니는 사람들이 많아졌다.
- 패딩이 판매량이 늘어났다.
=> 두꺼운 외투를 입고 다니는 사람들이 많아졌기때문에 패딩이 판매량이 늘어났다?
원인은 기온이 추워져서 추위를 느낀다.
- 결과 1 두꺼운 외투를 입는 사람이 많음
- 결과 2 패딩이 판매량이 늘어남.
=> 결과 1과 결과 2사이에는 상관관계(Correlation)는 있으나, 인과관계(Causation)는 없다.
인과관계(Causation)
사업을 운영하는 사람들의 소망은 인과관계(Causation)를 발견하고, 사업 성과를 개선하기 위함이다.
정말 어떻게 하면 인과관계(Causation)를 찾을수 있을까?
- 더 많은 사람들이 광고를 클릭하게 될까?
- 더 많은 사람들이 회원으로 가입하게 될까?
- 더 많은 사람들이 구매 전환을 할까?
- 더 많은 규객들이 유지(리텐션)될까?
결과는 좌우 할수 있는 '원인'은 무엇일까?
데이터에서 인과관계(Causation)를 찾아내려면
데이터를 확보하고, 변수 사이의 관계를 확인하는 방법은 큰 두 가지
- 관찰(Observation) : 기존의 데이터를 관찰하는 법
- 실험(Controlled Experiment) : 의도적으로 변수를 통제한 뒤 결과를 봄.
관찰(Observation)로는 상관관계(Correlation)는 파악할 수 있어도, 인과관계(Causation)를 파악할 수는 없다.
의도적으로 변수를 통제해서 실험해야 한다.
실험(Controlled Experiment)
- 변수를 통제(Control)한 채 하는 실험(Experiment)
- A/B테스트도 실험(Controlled Experiment)의 일종이다.
가입 한 100만 명을 두 그룹으로 나누어서 친구를 추천하는 이벤트를 해본다.
기간을 1달로 보고 리텐션율을 비교해본다.
그 결과물을 단순히 50만 명이 몇 퍼센트를 보이는 것이 아니라
- 성별
- 나이대
- 지역별
등 동질 한 성격을 가진 집단으로 나누어서 결과를 봐야 합니다.
A/B 테스트할 때 주의할 점
- 충분한 사용자와 데이터가 있는지 확인
- 데이터를 정확히 기록할 것
- 충분한 시간을 가질 것
A/B 테스트 통해서 얻는 것
- 매출 증대
- 사용자 분석
- 전환
728x90
반응형
'Marketing > 그로스해킹' 카테고리의 다른 글
[그로스해킹] 데이터 이해하기 (0) | 2021.09.15 |
---|---|
[그로스해킹] 전환(Conversion) (4) | 2021.09.13 |
[그로스해킹] AARRR 퍼널(Funnel) 개념 5 (4) | 2021.09.13 |
[그로스해킹] AARRR 퍼널(Funnel) 개념 4 (0) | 2021.09.13 |
[그로스해킹] AARRR 퍼널(Funnel) 개념 3 (0) | 2021.09.13 |
최근댓글