5. Superset 대시보드 구성 예시 (이 데이터 기반)
차트 제목 | 차트 유형 | 필터 |
버전별 Retention 비교 | Bar Chart | Group by: version |
유저당 평균 게임 횟수 | KPI 또는 Box Plot | 전체 |
활동 시간대별 평균 게임 횟수 | Bar Chart | Group by: activity_time |
유료 사용자 전환율 | KPI (Big Number) | 필터 없음 |
ARPU (사용자당 수익) | KPI | 필터 없음 |
- 특히 제가 준비한 CSV 데이터에는 referrer, channel, signup_date 같은 유입(Acquisition) 관련 정보가 없기 때문에 AARRR의 시작점인 "획득(Acquisition)"을 분석하기엔 정보가 부족함.
- 반대로 사용자 유지와 활성화, 수익 기여도 분석에는 매우 적합한 구조라서 RARRA 분석이 자연스럽게 중심이 된 것.
향후 AARRR 분석을 하고 싶다면 필요한 데이터 예시
단계 | 필요한 추가 컬럼 예시 |
Acquisition | signup_date, utm_source, utm_campaign, referrer, channel |
Referral | referrer_id, invited_friends_count, referral_code_used |
Activation | 완료한 튜토리얼 단계 수, 첫 구매 유무 등 |
Superset용 데이터셋 스키마 정의서(.md) 파일을 아래 경로에 생성했어. 이 파일에는 각 컬럼 설명과 추천 분석 지표가 포함
cookie_cats_superset_schema.md 다운로드
이제 다음으로는 **Superset 초기 대시보드 구성 템플릿(.json)**도 만들어줄게. 이 템플릿은 Superset에 import하여 기본 KPI 대시보드를 바로 만들 수 있도록 구성.
Superset에서 사용할 수 있는 초기 KPI 대시보드 구성 템플릿(.json) 파일을 아래. Superset의 "Import Dashboard" 기능을 통해 바로 업로드할 수 있다.
cookie_cats_dashboard_template.json 다운로드
이 템플릿은 다음 KPI 차트들을 포함:
- Retention 1일 / 7일 비율
- 버전별 Retention 비교 (bar chart)
- ARPU (Big Number)
- 유료 사용자 비율 (pie chart)
- 시간대별 평균 플레이 라운드 (bar chart)
원한다면 더 많은 지표(예: Funnel, LTV, engagement score 등)도 추가해서 확장해줄 수 있어. 다음 단계로 어떤 걸 도와줄까
성공지표(North star)로써 D7 Retention, ARPU, 유료 전환율 시각화
1단계. Superset 데이터셋 준비
- 클라우드 Superset에 로그인
- cookie_cats_Data_final.csv 업로드
- "Data" > "Upload a CSV" > 파일 업로드
- 데이터셋 이름: cookie_cats_data_final (공백 없이 설정)
- 데이터셋 등록 후 Preview로 정상 로드 확인
2단계. D7 Retention 시각화
2.1. 차트 생성
- 메뉴: Charts > +Chart > Dataset 선택
- 차트 유형: Bar Chart 또는 Big Number
2.2. 구성
- Metric:
-
sqlCOUNT(CASE WHEN retention_7 = TRUE THEN userid END) * 1.0 / COUNT(userid)
- 이름: D7 Retention Rate
- Granularity: 없음 (전체 비율)
- 옵션: 필요한 경우 version, device_type으로 Group by 추가
2.3. 인사이트 도출 포인트
- gate_30 vs gate_40 그룹 간 차이
- 특정 디바이스 또는 시간대가 Retention에 영향 주는지 확인
D7 Retention Rate: 주요 차트 유형 비교
차트 유형 | 추천 상황 | 장점 | 단점 |
Big Number | 전체 리텐션율 하나만 강조할 때 | 한눈에 핵심 수치 전달 가능 | 비교 분석 어려움 |
Bar Chart (Group by) | 버전별, 디바이스별 비교할 때 | 비교 분석에 최적화 | 절대값이 아닌 비율일 경우 Y축 범위 조정 필요 |
Pie Chart | 비율형 데이터를 카테고리로 나눌 때 | 직관적인 비율 시각화 | 카테고리가 많을 경우 해석 어려움 |
Line Chart | 시간 흐름에 따른 추이를 볼 때 | 기간별 리텐션율 분석 가능 | 지금은 기간 정보 없음 |
Bar Chart + Group by (version, device_type 등)
추천 이유:
- gate_30 vs gate_40 A/B 테스트 비교가 목적이기 때문에,
- 각 그룹별 리텐션율을 직관적으로 비교 분석할 수 있는 막대 차트가 가장 적합함
- 추가적으로 device_type, activity_time으로 세부 인사이트 확장 가능
Superset 설정 예시 (Bar Chart 기준)
- 차트 유형: Bar Chart
- Metrics:
-
sqlCOUNT(CASE WHEN retention_7 = TRUE THEN userid END) * 1.0 / COUNT(userid)
- Group by:
- version (→ gate_30 vs gate_40)
- 추가: device_type, activity_time (필요 시)
- Y-axis format: Percentage (.0%)
- Chart title: D7 Retention Rate by Version
클라우드 슈퍼셋에서 구체적인 방법 정리
차트 목표
- 차트 이름: D7 Retention Rate by Version
- 지표(Metric): retention_7이 TRUE인 비율
- 그룹 구분(Group by): version (gate_30 vs gate_40)
- 차트 유형: Bar Chart
- Y축 표시 형식: 퍼센트(.0%)
1단계. Superset에서 차트 생성
- Superset 상단 메뉴에서 Charts > + Chart 클릭
- Dataset: cookie_cats_data_final 선택
- Chart Type: Bar Chart (legacy 말고 최신) 선택
- Create Chart 버튼 클릭
2단계. 차트 설정
A. Metrics 설정
- Metrics 영역을 클릭
- Custom SQL Metric 선택
- 아래와 같이 입력
- Label: D7 Retention Rate
- SQL Expression:
- 저장하여 Metrics 영역에 추가
B. Dimensions 설정
- Dimensions 영역에 version 컬럼 추가
- 그룹 간 비교를 위한 기준 (gate_30, gate_40)
※ 나중에 필요 시 device_type, activity_time도 추가 가능
C. X-Axis Sort By 설정
- 기본 정렬 기준은 version
- 원할 경우 Metric인 D7 Retention Rate 기준으로 정렬 가능
D. Y Axis Format 설정
- 우측 Customize 탭 클릭
- Y Axis Format 항목에서 .0% 선택 (퍼센트 표시)
E. Chart Title 설정
- 상단 Chart Title 입력란에 D7 Retention Rate by Version 입력
3단계. 차트 실행 및 저장
- 우측 상단 Run 버튼 클릭
- 차트 시각화 결과 확인
- Save 클릭하여 새 대시보드 또는 기존 대시보드에 저장
4단계. 인사이트 도출 예시
- gate_30 대비 gate_40의 retention_7 비율이 높다면
→ gate_40 구조가 장기 사용자 유지에 더 효과적일 가능성 - 나중에 device_type, activity_time과 함께 분석 시
→ 특정 디바이스나 시간대에 따라 유지율이 달라지는 패턴 발견 가능

왼쪽 그래프에 대한 인사이트 내용입니다.
1. 시각화 요약
- X축: retention_7 (True / False)
- Y축: 유료 사용자 중 각 그룹의 비율 (퍼센트로 표시)
- 분류 기준(Dimensions): version (gate_30, gate_40)
- 필터: paid_user IN (TRUE) → 유료 전환자만 분석
2. 주요 수치
retention_7 | gate_30 비율 | gate_40 비율 |
False (미접속) | 69.1% | 86.9% |
True (재접속) | 30.9% | 13.1% |
3. 인사이트 해석
A. 핵심 인사이트
- gate_30 유료 사용자의 D7 Retention Rate: 약 30.9%
- gate_40 유료 사용자의 D7 Retention Rate: 약 13.1%
- 즉, gate_30 실험 그룹이 gate_40에 비해 유료 전환자 중 D7 리텐션율이 2배 이상 높음
B. 반대 지표 해석 (미접속 비율)
- gate_40에서는 유료 사용자임에도 86.9%가 7일 내 재접속하지 않음
- gate_30에 비해 사용자 장기 유지율이 현저히 낮음
4. 전략적 해석
관점 | 해석 |
실험 효과 | gate_40 구성은 유료 사용자 리텐션 유지에 부정적 영향을 줄 가능성이 있음 |
유료 고객 관리 | 단기 매출 유도는 되었을 수 있으나, 장기 사용자 가치(LTV)가 낮을 수 있음 |
제품 개선 제안 | gate_40 조건이 지나치게 진입 장벽이 높거나, 핵심 기능 체험을 제한했을 가능성 |
마케팅 관점 | 리텐션이 낮은 그룹에 추가 리마인드, 리워드 알림 필요 |
5. 추천 후속 분석
- 비유료 사용자 전체 기준으로 같은 차트 재분석
→ 전체 트렌드도 gate_40에서 더 낮은지 확인 - retention_1도 비교
→ 초기 반응이 차이 나는지도 확인 - ARPU와 비교하여 매출-유지율 균형 평가
NO. | 컬럼명 | 설명 |
1 | userid O | 각 사용자를 구분하는 고유 식별자 |
2 | version O | 실험 그룹 (예: "gate_30", "gate_40") |
3 | sum_gamerounds O | 사용자가 플레이한 총 게임 라운드 수 |
4 | retention_1 O | 초기 사용 후 1일 내 재접속 여부 (True/False) |
5 | retention_7 O | 초기 사용 후 7일 내 재접속 여부 (True/False) |
7 | days_active O | 사용자가 활동한 총 일수 |
8 | max_level O | 사용자가 도달한 최고 레벨 |
9 | paid_user O | 유료 구매 여부 (True/False) |
10 | total_revenue O | 해당 사용자가 발생시킨 총 매출액 |
11 | activity_time ▲ | 사용자의 활동 시간대 (예: 플레이 시간 등) |
12 | device_type O | 사용자가 이용한 기기 유형 (예: 모바일, 태블릿 등) |
13 | 과거 행동 패턴을 기반으로 산출된 점수 | |
14 | 총 게임 라운드 수의 자연로그 값 (정규화 목적) | |
15 | engagement_score ▲ | 여러 요소를 종합해 산출한 사용자 참여도 점수 |
16 | user_survey_score ▲ | 사용자가 설문에 남긴 점수 |
17 | version_bin ▲ | gate_30인경우 0️⃣version을 이진 값(0 또는 1)으로 변환한 값 |
18 | is_gate_40 ▲ | "gate_40" 그룹 여부 (1: 해당, 0: 미해당) |
19 | 1일 및 7일 재접속 여부를 합산한 총 재접속 횟수 |
2.2. Dimensions
- 여기에 version 드래그 or 클릭 추가
(→ gate_30, gate_40 비교용)
필요 시 device_type, activity_time 도 추가 가능
2.3. X-Axis Sort By
- 기본은 version 기준 정렬됨 (자동 설정)
- 혹시 변경하려면 Metrics 중 D7 Retention Rate 선택
2.4. Y-axis format: 퍼센트 설정
- 오른쪽 탭 메뉴 중 Customize 클릭
- Y Axis Format → .0% 선택
2.5. Chart Title
- Chart Title → D7 Retention Rate by Version 입력
3단계: Filters (선택)
원하는 경우 아래 항목을 필터로 넣을 수 있어:
- device_type = mobile
- activity_time IN (‘night’, ‘morning’)
- paid_user = TRUE
→ 필터 영역에서 필드 선택 후 조건 지정
4단계: 결과 확인 및 저장
- Run 쿼리 → 차트 시각화 확인
- Save → 새 Dashboard 또는 기존 대시보드에 저장
5단계: 추가 인사이트 팁
- D7 Retention이 높은 그룹이 누구인지(예: gate_30 or gate_40)
- 특정 디바이스가 retention에 영향을 주는지
- 향후 version별 실험 전략 수립에 기반
3단계. ARPU 시각화
3.1. 차트 생성
- 차트 유형: Big Number 또는 Line Chart (기간별 트렌드)
3.2. 구성
- Metric:
-
복사편집SUM(total_revenue) / COUNT(userid)
- sql
- 이름: ARPU (Average Revenue per User)
3.3. 인사이트 도출 포인트
- gate_40 그룹이 유료 전환을 더 잘 유도하는지
- 시간대별 ARPU 차이
ARPU (Average Revenue Per User)를 전체 사용자 기준으로, 클라우드 Superset에서 정확하고 구체적으로 시각화하는 방법을 정리했습니다.
ARPU 정의 다시 확인
- ARPU는 다음 수식으로 계산:
-
sqlSUM(total_revenue) / COUNT(userid)
- 즉, 전체 유저가 발생시킨 총 매출(total_revenue)을 전체 유저 수(userid)로 나눈 값
1단계. Superset에서 차트 생성
- Superset 접속 후, 상단 메뉴에서 Charts 클릭
- 우측 상단에서 + Chart 버튼 클릭
- 다음 항목 선택
- Dataset: cookie_cats_data_final
- Chart Type: Big Number 입력하여 선택
- 하단의 파란 버튼 Create new chart 클릭
2단계. Metrics 설정 (ARPU 수식 입력)
- 왼쪽 Query 패널 내 Metrics 항목 클릭
- 드롭다운 상단의 Custom SQL Metric 클릭
- 팝업 창이 열리면 아래와 같이 작성
- Label: ARPU
- SQL Expression:
-
sqlSUM(total_revenue) / COUNT(userid)
- Format: .2f 또는 $0.00 (소수점 2자리 또는 달러 단위) > Original value로 선
- Save 클릭 → ARPU Metric이 추가됨
3단계. Customize 탭 설정
- Superset 화면 오른쪽 상단에서 Customize 탭 클릭
- Subheader 입력: Average Revenue Per User
- Number format: .2f 또는 $0.00 선택
- .2f → 소수점 두 자리 (예: 1.23)
- $0.00 → 통화 형식 (예: $1.23)
4단계. Chart Title 설정 및 실행
- 상단 Chart Title 입력란에 다음과 같이 작성:
- ARPU (Average Revenue per User)
- 우측 상단의 Run 버튼 클릭 → 결과 확인
- 문제가 없다면 Save 클릭
- 기존 대시보드에 저장하거나
- 새 대시보드 생성 (예: North Star Metrics Dashboard)
5단계. 추가 필터 설정 (선택 사항)
ARPU는 기본적으로 전체 유저를 기준으로 하지만, 필요하면 필터 설정 가능:
- 왼쪽 Query 패널에서 Filters 항목 클릭
- 예시 필터 조건:
- paid_user = TRUE → 유료 사용자 기준 ARPU 확인
- version = 'gate_30' → 특정 실험 그룹의 ARPU만 분석
- activity_time = 'night' → 특정 시간대 사용자 기준 ARPU 확인
6단계. 분석 팁 및 인사이트 도출
분석 관점 | 확인 내용 |
전체 기준 ARPU | 실험 전반의 사용자당 수익 구조 파악 가능 |
버전별 비교 | gate_30 vs gate_40 실험이 수익에 어떤 영향을 미쳤는지 파악 |
유료 사용자 기준 ARPU | 매출 기여도가 높은 유저군의 평균 수익 분석 |
시간대, 디바이스 기준 | 특정 조건에서 수익 효율이 더 높은 유저층 식별 가능 |

이 그래프에 대한 인사이트
- 지표: ARPU = SUM(total_revenue) / COUNT(userid)
- 분석 대상: paid_user = TRUE (유료 전환자만 포함)
- 분석 기준:
- version: gate_30 vs gate_40 실험 그룹 비교
- activity_time: night, morning, afternoon 포함됨 (시간대 필터 적용)
- 표시 방식: Bar Chart, ARPU 수치를 막대 길이와 숫자로 동시에 표현
수치 요약 (이미지 기반)
version | ARPU |
gate_30 | 약 10.33 |
gate_40 | 약 9.94 |
인사이트 내용
- 지표: ARPU (Average Revenue per User)
- 대상 필터: paid_user = TRUE (유료 전환 사용자만 분석)
- 활동 시간대: night, morning, afternoon 필터 포함
- 버전 그룹: gate_30 vs gate_40
- ARPU 값:
- gate_30: $9.94
- gate_40: $10.33
인사이트 해석 (정확한 수치 기반)
1. gate_40 그룹이 ARPU가 더 높음
- gate_40 유료 사용자 1인당 평균 매출이 더 높음
- 차이: $10.33 - $9.94 = $0.39 (약 3.9%) 상승
- 즉, gate_40 실험 조건에서 전환한 유료 사용자가 더 많은 금액을 결제하고 있음
해석: gate_40 실험은 유료 사용자 개개인의 수익 기여도를 향상시키는 데 긍정적인 영향을 미쳤을 가능성
2. gate_40은 유료 유저의 ‘질’이 더 높을 수 있음
- ARPU는 단순히 유료 전환율이 아니라 전환한 유저당 평균 지출을 보여주는 지표임
- gate_40의 유저는 전환 이후에 더 높은 금액을 소비하는 경향을 보임
- 이로 인해 gate_40 전략이 프리미엄 유저 확보 전략에 적합할 수 있음
3. 다만 앞선 리텐션 결과와 함께 해석해야 함
- 앞서 확인한 D7 Retention 결과에 따르면:
- gate_40은 유료 전환자의 재방문률이 낮았음
- 종합하면,
- gate_40 유저는 적게 남지만, 남은 유저는 지출이 크다
- gate_30 유저는 오래 남지만, 지출은 상대적으로 작다
이 말은 gate_40은 고ARPU 단기 유저, gate_30은 저ARPU 장기 유저에 가까울 수 있음
전략적 시사점
항목 | 인사이트 |
제품 전략 | gate_40 조건은 프리미엄 유저에게 적합하나, 리텐션을 희생함 |
유저 세그먼트 | gate_40 유저 프로필 분석 → 고가 결제 유저 타겟팅 가능 |
LTV 관점 | gate_40 유저가 LTV는 높을 수 있으나, 유지기간이 짧을 수 있으므로 세심한 관리 필요 |
리마케팅 | gate_40 유저에 대해 리텐션을 끌어올릴 수 있는 마케팅이 병행되면 매우 효과적일 수 있음 |
- gate_40 그룹은 ARPU가 높다 → 프리미엄 지출 유저 확보 가능
- 그러나 Retention이 낮다 → 충성도 유지 과제가 남아 있음
- gate_30은 평균 수익은 낮지만 더 오래 사용하는 유저 확보에 유리함
원한다면 이 ARPU와 Retention을 통합한 LTV 분석도 진행 필요
4단계. 유료 전환율(Paid User Rate) 시각화
4.1. 차트 생성
- 차트 유형: Pie Chart 또는 Bar Chart
4.2. 구성
- Metric: COUNT(userid)
- Group by: paid_user
- 계산: TRUE / 전체 비율로 전환율 확인 가능
4.3. 인사이트 도출 포인트
- gate_40 실험이 유료 전환율에 긍정적 영향?
- 고engagement/high level 유저가 유료 전환에 기여?
5단계. 대시보드 구성
- Charts > 각 차트를 "Save to Dashboard" > 새 대시보드로 저장
- 이름: North Star Metrics Dashboard
- 섹션 나누기:
- Retention
- ARPU
- 유료 전환율
- 필터 추가 (버전, 디바이스, 시간대 등)
유료 전환율(Paid User Rate) 정의
- 전체 사용자 중 유료 전환한 사용자의 비율
- 계산식:
1단계. 차트 생성
- Superset 상단 메뉴에서 Charts 클릭
- 우측 상단 + Chart 클릭
- Dataset: cookie_cats_data_final 선택
- Chart Type: Bar Chart 또는 Pie Chart 선택
- Pie Chart: 유료 vs 비유료 비율을 원형으로 시각화
- Bar Chart: 필터/그룹별로 비교 분석하기에 더 유리함
- Create New Chart 클릭
2단계. Query 설정
A. Metrics
- Query 패널의 Metrics 영역 클릭
- Custom SQL Metric 클릭
- 아래와 같이 입력
- Label: Paid User Rate
- SQL Expression:
- Save 클릭하여 Metric 추가
B. Dimensions (선택)
- 단순 전체 비율만 보고 싶다면 Dimensions 없이 구성
- 그룹별 전환율을 보고 싶다면 version, device_type, activity_time 등을 Group by에 추가
3단계. Pie Chart 구성 (전체 비율)
- Chart Type: Pie Chart
- Group by: paid_user (True/False 구분)
- Metric: COUNT(userid) 또는 위에서 만든 Paid User Rate 직접 사용
- Customize 탭에서:
- Label Format: percent로 변경 가능
- Show labels, sort options 등 설정 가능
4단계. Bar Chart 구성 (그룹별 비교)
- Chart Type: Bar Chart
- Metric: Paid User Rate
- Group by: version 또는 engagement_score, max_level 등
- Y-Axis Format: .0% (Customize 탭에서 설정)
5단계. 필터 적용 (선택)
왼쪽 Filters 영역에서 다음과 같은 필터를 적용할 수 있음:
필터 항목 | 설명 |
version | gate_30, gate_40 비교 가능 |
engagement_score > 5 | 참여도 높은 유저만 분석 가능 |
max_level > 20 | 고레벨 유저 기준 전환율 분석 |
6단계. 차트 제목 설정 및 실행
- 상단 Chart Title 입력: Paid User Rate by Version 또는 Overall Paid User Ratio
- 우측 상단 Run 클릭
- Save → 원하는 Dashboard에 저장 (예: North Star Metrics Dashboard)
7단계. 인사이트 도출 포인트
관점 | 해석 가능 인사이트 |
전체 Paid User 비율 | 전체 사용자 중 유료 전환한 비율 파악 가능 |
version 기준 분석 | gate_40 실험이 유료 전환에 긍정적 영향을 미쳤는지 비교 |
engagement_score 기준 분석 | 참여도 높은 유저일수록 전환율이 높은지 확인 |
max_level 기준 분석 | 고레벨 유저가 전환율을 더 높이는지 검증 가능 |
activity_time 기준 분석 | 어느 시간대 유저가 더 잘 결제하는지 확인 가능 |
예시 차트 구성 추천
차트 이름 | 차트 유형 | Group by |
전체 Paid User 비율 | Pie Chart | paid_user |
버전별 Paid User Rate | Bar Chart | version |
참여도별 Paid User Rate | Bar Chart | engagement_score |
레벨별 Paid User Rate | Bar Chart | max_level (bin 처리 가능) |
인사이트 내용 정
1. 분석 조건 요약
항목 | 값 |
차트 유형 | Pie Chart |
Dimensions | version (gate_30, gate_40) |
Metric | Paid User Rate = COUNT(CASE WHEN paid_user = TRUE THEN userid END) * 1.0 / COUNT(userid) |
Filters | |
- activity_time | night, morning, afternoon |
- device_type | tablet |
2. 수치 정리
version | Paid User Rate (PUR) |
gate_30 | 약 7.45% |
gate_40 | 약 5.08% |
- 전체 평균 PUR: 약 12.5% (표시된 Total 기준은 Pie Chart의 분포 기준일 가능성 있음)
- 상대 비율: gate_30 > gate_40
- Pie Chart에서 시각적으로도 gate_30이 더 큰 비중을 차지함
3. 인상적인 인사이트
1) gate_30이 gate_40보다 유료 전환율이 더 높음
- gate_30 PUR: 약 7.45%
- gate_40 PUR: 약 5.08%
- gate_30의 전환율이 gate_40보다 약 47% 더 높음
해석: 실험 그룹이 gate_40으로 바뀌면서 유료 전환 유도 효과가 약화되었을 가능성
2) Tablet 사용자 중 전환율 차이가 확연
- 필터에서 device_type = tablet, activity_time = night, morning, afternoon으로 설정됨
- 이 조건을 기준으로 보면 tablet 사용자는 gate_30 실험 환경에서 유료 전환을 더 많이 했음
- 따라서 디바이스 특성과 실험 버전의 상호작용 가능성 존재
3) gate_40이 전체 사용자에게 동일하게 유효하지 않을 수 있음
- 특정 세그먼트(예: tablet 사용자)에서는 gate_40이 오히려 전환율을 떨어뜨림
- 실험은 평균이 아니라 세그먼트 단위로 다르게 반응할 수 있음
- gate_40은 다른 디바이스에서는 긍정적 효과를 줄 수도 있으므로 별도 비교 필요
4. 전략적 시사점
항목 | 시사점 |
실험 그룹 성과 | gate_40은 일부 유저 그룹에서 유료 전환율을 낮출 수 있음 |
타겟팅 전략 | gate_30 구조가 tablet 사용자에게는 더 잘 맞는 구조일 수 있음 |
A/B 테스트 고도화 | 디바이스 또는 사용자 유형별로 실험 조건을 분리해 설계할 필요 있음 |
전환율 향상 전략 | gate_40 유지 시, tablet 유저에 대해 별도의 onboarding이나 할인 전략이 필요함 |
5. 후속 분석 추천
- device_type 별 PUR 추가 분석 → mobile, desktop과도 비교
- activity_time 별 PUR 분석 → 시간대별로 실험 효과가 다르게 나타나는지 확인
- engagement_score 또는 max_level 기준 분석 → 전환율에 영향을 주는 주요 사용자 속성 파악
필요하면 이 내용을 기반으로 Notion 보고서용 템플릿이나 프레젠테이션 문장도
6단계. 인사이트 도출 및 문서화
- 각 차트 옆 또는 Notion, 보고서에 다음 질문을 기반으로 인사이트 작성
- 어떤 그룹에서 지표가 높거나 낮은가?
- 시간대/디바이스/레벨에 따른 차이가 있는가?
- 실험 그룹(gate_30/40)에 따른 정책 변경 제안 가능성?
'데이터 분석가:Applied Data Analytics > 데이터 시각화' 카테고리의 다른 글
Sankey 차트를 LTV 시각화에 사용하는 이유 (0) | 2025.04.09 |
---|---|
Superset 클라우드 시각화 2nd (0) | 2025.04.04 |
클라우드 Superset 시각화 (0) | 2025.04.03 |
클라우드 Superset (0) | 2025.04.03 |
Superset 설치 (0) | 2025.04.02 |