Amplitude (앰플리튜드) 란?

Amplitude(앰플리튜드)를 활용해 프로젝트 분석 보고서를 작성하려는 초보자를 위한 기초 사용법 매뉴얼입니다.
가능한 쉽게, 체계적으로, 단계별로 정리 했습니다.

---

Amplitude 사용법 초보자 매뉴얼

---

1. Amplitude란 무엇인가?

• Amplitude는 제품 분석(Product Analytics) 도구로, 사용자의 행동 데이터를 기반으로 사용자 흐름, 전환, 이탈, 잔존율, 이벤트 성과 등을 분석할 수 있음.
• Google Analytics보다 제품 내부 행동 분석에 특화되어 있음.

---

Amplitude에서는 고객 이탈률(Churn Rate), 재방문율(Retention Rate) 등 고객 행동 분석 지표를 시각화해서 볼 수 있고,
당신이 운영하는 블로그처럼 서비스 웹사이트/앱 사용자 흐름을 추적하는 데 아주 효과적입니다.

---

Amplitude로 블로그 고객 이탈률 시각화 가능한가?

가능합니다.
Amplitude는 아래와 같은 데이터 분석과 시각화를 지원합니다:

1. 이탈률 (Churn Rate)
   • 특정 기간 내 방문 후 다시 재방문하지 않은 사용자 비율을 분석
   • Retention chart → 이탈률 = 100% - 재방문률
2. Retention 분석
   • Daily/Weekly/Monthly Retention 분석 가능
   • 예: 1일차 방문자 중 7일 뒤 재방문한 사용자 비율 확인 가능
3. 사용자 흐름(Behavior Flow)
   • 어떤 페이지에 머물렀고, 어디서 나갔는지 시각화 가능 (Funnel Analysis + Path Analysis)
4. Segment 분석
   • 유입 채널별, 디바이스별, 방문 경로별 고객 이탈률 비교 가능

---

블로그 분석을 위해 필요한 준비

1. Amplitude SDK 설치 (웹사이트용)
   • JavaScript SDK를 사용해서 당신의 블로그에 트래킹 코드 삽입
   html

   복사편집

   <script type="text/javascript"> (function(e,t){var n=e.amplitude||{_q:[],_iq:{}};...})(window,document); amplitude.getInstance().init("YOUR_API_KEY"); amplitude.getInstance().logEvent("Page View"); </script>
2. 이벤트 정의
   • 페이지 진입: "Page View"
   • 특정 행동: "Read Article", "Scroll 80%", "Click CTA"
   • 이탈 판단 기준: 특정 시간 내 "Next Action"이 없는 유저
3. Amplitude에서 시각화
   • Retention Analysis → 이벤트 "Page View" 기준으로 유저 재방문 추적
   • Funnel Chart → "Page View → Click CTA" 비율 분석
   • Segmentation → 유입경로별로 이탈률 분석

---

예시 시나리오

분석 목적 / 사용하는 Amplitude 기능 / 예시

블로그 방문자 이탈률	Retention Analysis	1일차 방문 후 7일 내 재방문 안한 비율
아티클 읽기 전환율	Funnel	Page View → Scroll 80%
고객 흐름 시각화	Path Analysis	방문자가 A → B → 이탈 경로
모바일 vs PC 비교	Segmentation	디바이스별 이탈률 비교

---

결론

• 가능 여부: 가능 (100%)
• 필요 조건: JS SDK 삽입 + 이벤트 정의
• 추천 기능: Retention, Funnel, Segmentation, Path Analysis
• 활용 효과: 블로그 방문자 행동 흐름 + 이탈 요인 파악 → 콘텐츠 전략 개선

 

---

 

---

2. Amplitude 시작하기

2.1. 가입 및 로그인

• 주소: https://app.amplitude.com
• 이메일로 계정 생성 후 로그인

2.2. 새 프로젝트 만들기

1. Workspace 생성 (회사나 팀 단위)
2. New Project 클릭
   • 이름: 예) "2025_여성밀집_아파트시세"
   • 이벤트 데이터 연동은 나중에 수동 업로드로 가능

---

3. 데이터 업로드 (CSV로 분석 시)

3.1. CSV 업로드

• 상단 메뉴 → Data → Sources → Add Source
• 선택: CSV Upload
• 업로드할 데이터 예시:
  • event_type: 이벤트 이름
  • user_id: 사용자 식별값
  • event_time: 이벤트 발생 시간
  • properties: 위치, 기기, 금액 등 추가 정보

3.2. 업로드 시 주의사항

• 컬럼 이름은 반드시 일관성 유지
• event_type, user_id, event_time은 필수
• 날짜는 UTC 기준 타임스탬프 또는 ISO 8601 형식 권장 (예: 2025-04-15T00:00:00Z)

---

4. 핵심 분석 도구별 설명

4.1. Event Segmentation (이벤트 분석)

• 이벤트별 발생 빈도, 필터링 조건 설정 가능
• 예: "검색 클릭" 이벤트가 주로 어느 지역에서, 언제, 어떤 유입으로 발생하는가?

4.2. Funnel Analysis (퍼널 분석)

• 유저가 특정 목표를 이루기까지의 경로 분석
• 예: "광고 클릭 → 상품 페이지 방문 → 구매" 경로 분석

4.3. Retention Analysis (잔존 분석)

• 특정 날짜에 유입된 사용자가 이후에도 계속 사용하는지 확인
• 예: 4월 1일 유입자 중, 7일 후까지 남아있는 비율 (D7 Retention)

4.4. Cohort Analysis (코호트 분석)

• 유사한 행동을 보인 사용자 그룹별 분석
• 예: "3일 이상 로그인한 사용자 vs 1일만 로그인한 사용자" 비교

4.5. User Sessions (세션 분석)

• 개별 유저의 행동 흐름 확인
• 예: A 유저가 1회 방문 시 어떤 경로를 거쳤는지 시각화 가능

---

5. 시각화 및 보고서 작성

5.1. 차트 저장

• 분석한 그래프 → 오른쪽 상단 Save 클릭
• Dashboards에서 원하는 차트 조합하여 보기

5.2. 대시보드 생성

• 상단 메뉴 → Dashboards → New Dashboard
• 분석 차트들을 모아 하나의 보고서로 구성
• 각 차트는 설명(Notes) 삽입 가능

5.3. PDF 또는 이미지로 저장

• 대시보드 오른쪽 상단 메뉴에서 Export 선택
• 이미지, PDF 또는 CSV 형태로 저장 가능

---

6. 주의사항 및 팁

1. 데이터 업로드 오류: 컬럼명 불일치 또는 날짜 형식 오류가 가장 흔한 원인
2. 이벤트/속성 이름은 명확하게: 예) search_clicked 보다는 click_search_button처럼 명확하게 작성
3. 데이터 적재는 시간 순서대로: 퍼널이나 잔존 분석 시 순서가 매우 중요
4. 초기에는 필요한 지표만 집중: 모든 기능을 다 쓰려 하지 말고, NSM이나 과제 목적에 맞는 분석 위주로 수행
5. 실험(Experiment) 기능은 유료: A/B 테스트 등은 유료 요금제에서만 가능

---

7. 프로젝트 보고서에 유용한 조합 예시

목적 / 사용 / 기능예시

사용자 전환 추적	Funnel Analysis	광고 클릭 → 검색 → 구매
지역별 행동 차이	Event Segmentation	강남 vs 분당 검색 클릭률
잔존율 확인	Retention	7일 후 재방문율
행동 흐름 시각화	User Sessions	유저가 실제로 어떤 경로로 구매에 도달했는지

---

실제 사용 예시

1. 앰플리트 로그인 후 분석 화면 이동

1. 앰플리트 로그인: 먼저 앰플리트에 로그인합니다.
2. Ecommerce 프로젝트 선택: 로그인 후, 좌측 메뉴에서 "Ecommerce" 프로젝트를 선택하세요.
3. "Sessions" 탭: 상단 메뉴에서 **"Sessions"**를 클릭하여 세션 데이터를 분석할 준비를 합니다.

---

2. 기간 설정 (최근 90일로 변경하기)

• 기간 설정 버튼: 화면 상단 중앙에 **"30d"**라고 표시된 부분이 보일 것입니다. 이 부분이 현재 선택된 날짜 범위입니다.
• 기간 변경:
  1. "30d" 버튼을 클릭하면, 날짜 범위 옵션이 나옵니다.
  2. 여기서 **"90d"**를 클릭하여 최근 90일의 데이터를 확인할 수 있도록 설정합니다.

---

3. 트렌드 확인을 위한 지표 설정

1. 측정 항목 (Measured as):
   • 화면 왼쪽에서 "Measured as" 영역을 찾습니다.
   • 여기에서 기본적으로 **"Total Sessions"**가 선택되어 있습니다. 이는 세션의 총 수를 나타냅니다. 이 값은 전체 사용자 활동을 나타냅니다.
2. DAU/WAU/MAU 분석하기:
   • DAU: "Time Per User" 또는 **"Avg Per User"**를 선택하면, 하루 동안 사용자가 얼마나 자주 접속했는지 알 수 있습니다.
   • WAU/MAU:
     • "Segment by" 또는 "Group by" 옵션을 사용하여 세분화된 데이터를 볼 수 있습니다. 예를 들어, **"User"**로 세그먼트를 나누면 사용자별로 DAU, WAU, MAU를 나눠서 볼 수 있습니다.

---

4. 차트 유형과 시각화

• 차트 유형:
  • 화면 오른쪽에 **"Line chart"**가 이미 선택되어 있습니다. 이 옵션은 선형 차트로 데이터를 시각화하는 옵션입니다.
  • 선형 차트는 시간에 따른 데이터를 쉽게 볼 수 있도록 해줍니다.
• 차트의 의미:
  • 이 차트는 세션 수를 기준으로 시간에 따른 변화를 시각적으로 보여줍니다. 여기서 DAU, WAU, MAU 등의 트렌드를 확인할 수 있습니다.

---

5. 세그먼트 추가 및 분석

1. 세그먼트 추가:
   • 화면 왼쪽에서 **"Segment by"**라는 항목을 찾습니다.
   • "Users" 또는 "New Users", **"Returning Users"**와 같은 세그먼트를 추가하여 사용자 그룹별로 데이터를 분석할 수 있습니다.
     • 예: **"New Users"**와 **"Returning Users"**로 세분화하여 새 사용자와 재방문 사용자 각각의 트렌드를 분석할 수 있습니다.

---

6. 분석 결과 확인

• 표 형식으로 데이터 확인:
  • 차트 아래에 표 형식으로 각 날짜에 대한 세션 수가 나열되어 있습니다. 예를 들어, "Fri, Apr 11"에는 115,650개의 세션이 발생했다는 데이터가 보입니다.
  • 이 표를 통해 각 날짜별로 사용자 활동을 확인할 수 있습니다.

---

7. 급증/감소 원인 분석

1. 급증/감소 확인:
   • 차트에서 급격한 변화가 있는 날짜를 확인합니다. 예를 들어, Apr 9에 급격한 증가가 있으면, 해당 날짜를 확대해서 분석합니다.
2. 원인 분석:
   • 급증 또는 감소한 날짜에 이벤트나 프로모션이 있었는지, 혹은 시스템 장애 등의 외부 요인이 있었는지 확인해야 합니다.
   • 세그먼트와 필터를 사용하여 어떤 사용자가 그 날짜에 참여했는지도 파악할 수 있습니다.

---

8. 결과 저장 및 공유

1. 결과 저장 및 공유:
   • 분석을 마친 후, "Save" 또는 "Share" 버튼을 클릭하여 결과를 저장하거나 디스코드에 공유할 수 있습니다.
   • 분석 결과를 캡처하여 디스코드에 공유하고 실습을 마무리합니다.

---

9. 실습 질문에 대한 답변

실습 질문에 대한 답변은 다음과 같습니다:

1. 최근 90일 간 DAU/WAU/MAU 트렌드는 어떻게 변했나요?
   • 트렌드 분석을 통해 DAU, WAU, MAU가 어떻게 변했는지 확인합니다. 예를 들어, MAU가 꾸준히 증가하고 있다면 서비스가 지속적으로 성장하고 있다는 의미입니다.
2. 특정 날짜나 구간에서 급증/감소한 이유는 무엇인가요?
   • 예를 들어, Apr 9에 급격한 증가가 있었다면 그 날에 특별한 이벤트나 프로모션이 있었는지 확인합니다.
3. 서비스의 활성도 수준은 안정적인지 평가해주세요.
   • DAU, WAU, MAU의 트렌드를 보고, 서비스의 활성도가 안정적인지 평가합니다. 예를 들어, DAU와 MAU가 일정하게 유지되고 있다면 서비스의 활성도가 안정적이라고 볼 수 있습니다.

---

이 단계를 차근차근 따라가시면, 앰플리트에서 DAU, WAU, MAU 트렌드를 분석하고, 급증/감소 이유를 파악하며, 서비스의 활성도 수준을 평가할 수 있습니다.

 

 

DAU/WAU/MAU 분석하기: DAU: "Time Per User" 또는"Avg Per User"를 선택하면, 하루 동안 사용자가 얼마나 자주 접속했는지 알 수 있습니다.

WAU/MAU: "Segment by" 또는 "Group by" 옵션을 사용하여 세분화된 데이터를 볼 수 있습니다. 예를 들어, "User"로 세그먼트를 나누면 사용자별로 DAU, WAU, MAU를 나눠서 볼 수 있습니다. 

---

1. DAU 분석하기:

1. 앰플리트 대시보드로 이동:
   • 앰플리트에 로그인하고, "Ecommerce" 프로젝트를 선택한 후, "Sessions" 또는 "Analysis" 화면으로 이동합니다.
2. "Measured as" (측정 항목)에서 DAU 설정:
   • 왼쪽 메뉴에서 "Measured as" 항목을 찾습니다.
   • "Total Sessions" 항목이 기본적으로 선택되어 있을 것입니다.
   • "Time Per User" 또는 **"Avg Per User"**를 선택하세요. 이 두 항목은 사용자가 하루 동안 얼마나 자주 접속했는지를 보여주는 지표입니다.
     • "Time Per User": 각 사용자당 평균 접속 시간을 보여줍니다.
     • "Avg Per User": 각 사용자당 평균 활동 수 (예: 클릭 횟수, 세션 수 등)를 보여줍니다.
3. 차트에서 DAU 확인:
   • 설정이 완료되면, 화면 오른쪽의 차트가 시간에 따른 DAU(일간 활성 사용자) 변화를 보여줍니다.
   • 선형 차트 (Line Chart)가 선택되어 있으면, 하루 단위로 DAU 변화를 시각적으로 확인할 수 있습니다.

---

2. WAU, MAU 분석하기:

1. "Segment by" (세그먼트 추가):
   • 왼쪽 메뉴에서 "Segment by" 옵션을 찾습니다. 이 옵션은 데이터를 그룹화하여 분석할 수 있게 해줍니다.
   • "Segment by" 아래에서 "Users" 또는 **"User"**를 선택합니다.
     • User로 세그먼트를 나누면, 각 사용자의 활동을 기준으로 DAU, WAU, MAU 값을 구할 수 있습니다.
2. WAU와 MAU 설정:
   • WAU (주간 활성 사용자)는 **"7일"**을 기준으로, MAU (월간 활성 사용자)는 **"30일"**을 기준으로 분석할 수 있습니다.
   • 화면 상단의 날짜 범위 옵션에서, **"7d"**를 선택하면 WAU (주간 트렌드)를, **"30d"**를 선택하면 MAU (월간 트렌드)를 분석할 수 있습니다.
3. 차트에서 WAU/MAU 확인:
   • WAU를 분석하려면, **"7d"**를 선택하고, MAU를 분석하려면 **"30d"**를 선택합니다.
   • 이 설정을 통해, 주간/월간 활성 사용자 트렌드를 시간대별로 시각적으로 확인할 수 있습니다.

---

3. 세그먼트 활용하여 분석:

1. 세그먼트 설정 (User):
   • **"Segment by"**에서 **"Users"**를 선택한 후, "New Users" 또는 **"Returning Users"**와 같은 세분화 옵션을 추가할 수 있습니다.
     • "New Users": 처음 서비스를 이용하는 사용자 그룹.
     • "Returning Users": 재방문하는 사용자 그룹.
2. 세그먼트에 따른 데이터 분석:
   • 예를 들어, **"New Users"**와 **"Returning Users"**로 구분하여 분석하면, 각 그룹이 DAU, WAU, MAU에 어떻게 영향을 미치는지 확인할 수 있습니다.
   • 세그먼트를 나누고 나면, 차트에서 각 사용자 그룹별로 DAU, WAU, MAU의 변화를 확인할 수 있습니다.

---

4. 시각화 및 트렌드 분석:

• 차트에서 DAU, WAU, MAU 분석: 각 날짜별로 DAU, WAU, MAU가 어떻게 변하는지 그래프에서 확인할 수 있습니다.
  • 예를 들어, 주간 트렌드 (WAU)는 7일 단위로 나타나며, 월간 트렌드 (MAU)는 30일 단위로 보여집니다.

---

5. 급증/감소 분석:

1. 특정 날짜의 급증/감소 원인 파악:
   • 차트에서 급격한 변화가 있는 날짜를 찾아 확대하여 분석합니다.
   • 예를 들어, Apr 9에 갑자기 DAU가 급증했다면, 그 날짜에 이벤트나 프로모션이 있었는지 확인합니다.
2. 세그먼트와 필터 활용:
   • 세그먼트 기능을 활용해 **"New Users"**와 **"Returning Users"**로 나누어 보고, 각 그룹에서 급증이나 감소가 발생한 이유를 분석할 수 있습니다.

---

6. 결과 저장 및 공유:

1. 결과 저장: 분석이 끝난 후, "Save" 버튼을 클릭하여 결과를 저장할 수 있습니다.
2. 결과 공유: "Share" 버튼을 클릭하여 디스코드에 분석 결과를 공유할 수 있습니다.

---

요약:

1. DAU 분석: "Time Per User" 또는 "Avg Per User"로 설정하여 하루 동안 사용자가 얼마나 자주 접속하는지 확인합니다.
2. WAU, MAU 분석: "Segment by"에서 "User"로 세그먼트를 나누고, 날짜 범위를 7d 또는 30d로 설정하여 주간/월간 활성 사용자 트렌드를 분석합니다.
3. 급증/감소 분석: 차트에서 급격한 변화가 있는 날짜를 찾아 원인을 분석하고, 세그먼트와 필터를 활용하여 구체적인 데이터를 확인합니다.
4. 결과 저장 및 공유: 분석 결과를 저장하고, 디스코드에 공유하여 실습을 마무리합니다.

이 단계는 DAU, WAU, MAU를 분석하고, 서비스의 활성도 수준을 정확히 평가할 수 있다!

 

 

WAU (주간 활성 사용자)와 MAU (월간 활성 사용자)를 설정하는 부분은 DAU 설정을 바꾸는 것이 아니라 추가적인 분석 즉, DAU 분석은 그대로 두고, WAU와 MAU를 따로 설정하여 추가적으로 트렌드를 분석하는 것

---

단계별로 설명

---

1. DAU 설정:

• DAU (Daily Active Users)는 "Time Per User" 또는 "Avg Per User"로 설정하여 하루 단위의 활성 사용자 트렌드를 분석하는 부분입니다.
  • 이 분석을 위해서는 "7d" 옵션을 선택하여 최근 7일 간의 데이터를 확인하는 것입니다.

2. WAU와 MAU 설정 (추가 분석):

• WAU (Weekly Active Users)와 MAU (Monthly Active Users)는 DAU와 별개로 주간과 월간의 트렌드를 분석하는 부분입니다.
  • WAU는 "7d"를 선택하여 최근 7일 동안의 데이터를 기준으로 주간 활성 사용자 트렌드를 확인합니다.
  • MAU는 "30d"를 선택하여 최근 30일 동안의 데이터를 기준으로 월간 활성 사용자 트렌드를 확인합니다.

---

중요 포인트:

• DAU, WAU, MAU는 서로 다른 분석입니다.
  • DAU는 하루 단위로 사용자가 얼마나 활동했는지 확인하는 지표입니다.
  • WAU는 주간 단위로, MAU는 월간 단위로 활동을 분석합니다.
• 각각의 지표(DAU, WAU, MAU)는 별도로 설정해야 하며, DAU를 설정한 후 추가로 WAU와 MAU를 설정하는 방식입니다.

3. 설정 방식:

• DAU 분석은 "7d" 옵션을 선택하여 일일 활성 사용자 트렌드를 확인합니다.
• WAU 분석은 "7d" 옵션을 선택하여 주간 활성 사용자 트렌드를 확인합니다.
• MAU 분석은 "30d" 옵션을 선택하여 월간 활성 사용자 트렌드를 확인합니다.

따라서 DAU 설정을 바꾸는 것이 아니라, WAU와 MAU는 별도로 추가하여 분석하는 것입니다.

결론:

• DAU와 WAU, MAU는 각각 독립적으로 분석이 가능
• 각각 DAU는 일일 트렌드, WAU는 주간 트렌드, MAU는 월간 트렌드로 설정하여 추가적으로 분석하면 됩니다.