[코드잇 스프린트] 스프린트 미션 08 - 커머스 앱 화면을 보고 로그 설계해보기

이 글은 코드잇 스프린트 데이터 분석가 과정 학습 기록입니다.

📱디자인 화면을 보고 로그 설계해보기

여덟 번째 스프린트 미션은 앞서 배운 사용자 행동 로그 설계 내용을 바탕으로 가상의 커머스 앱 화면을 보고 직접 로그를 설계해보는 미션이었다.

가상 커머스 앱 화면

 

스타일샵(Styleshop)이라는 가상의 커머스 앱이 주어졌다. 화면은 크게 메인 페이지와 카테고리 페이지로 구성되어 있었고, 각 화면에서 사용자가 어떤 행동을 할 수 있는지 확인한 뒤 필요한 지표를 계산할 수 있도록 Tracking Plan을 설계해야 했다. 실제로 로그 설계는 화면 개발이 완료된 뒤가 아니라 개발 전에 디자인 파일을 보면서 미리 진행되는 경우가 많다고 한다. 그래서 이번 미션에서도 완성된 앱을 사용하는 것이 아니라, 개발 예정인 화면 이미지를 보고 어떤 로그가 필요할지 직접 정의하는 방식으로 진행되었다.

 

처음에는 필요한 지표가 꽤 많아 보여서 복잡할 것 같았다. 메인 페이지 방문자 수, 인당 방문 빈도, 배너 클릭률, 카테고리 퀵메뉴 클릭률, 영역별 상품 클릭률, 인기 브랜드 더 보기 버튼 클릭률, 오늘의 인기 코디 배너 클릭률 등 확인해야 할 지표가 많았다. 카테고리 페이지에서도 페이지 방문자 수, 카테고리별 방문자 수, 상품 클릭률 등을 확인해야 했다. 하지만 미션 안내를 천천히 읽어보니 반복되는 구조가 많았다. 결국 핵심은 사용자가 페이지를 방문했는지, 특정 영역을 봤는지, 클릭했는지, 스크롤했는지를 로그로 남기고, 나중에 이 로그를 배너 정보나 상품 정보와 결합해서 분석할 수 있도록 설계하는 것이었다.

📁로그 설계에서 먼저 생각한 점

이번 미션을 하면서 가장 먼저 생각한 것은 나중에 어떤 지표를 계산해야 하는가였다. 로그는 단순히 사용자의 행동을 많이 남긴다고 좋은 것이 아니라 필요한 지표를 계산할 수 있도록 설계되어야 한다. 예를 들어 메인 배너 클릭률을 계산하려면 단순히 배너 클릭 로그만 있으면 부족하다. 클릭률은 클릭 수를 노출 수로 나누어 계산하기 때문에, 배너가 사용자에게 노출된 로그도 함께 필요하다.

상품 클릭률도 마찬가지이다. 상품 클릭 수만 있으면 어떤 상품이 많이 클릭되었는지는 알 수 있지만, 노출 대비 얼마나 클릭되었는지는 알 수 없다. 따라서 상품 클릭률을 계산하려면 상품 노출 로그와 상품 클릭 로그가 모두 필요하다.

👕메인 페이지 로그 설계

메인 페이지 로그 설계

 

메인 페이지는 사용자가 앱에 들어왔을 때 처음 마주하는 화면이다. 따라서 메인 페이지에서는 사용자가 페이지에 얼마나 자주 방문하는지, 어떤 영역에 관심을 보이는지, 어떤 상품이나 배너를 클릭하는지 확인하는 것이 중요하다고 생각했다. 메인 페이지에는 위의 사진처럼 크게 메인 배너 영역, 카테고리 퀵메뉴 영역, 오늘 핫한 브랜드 영역, 인기 브랜드 더 보기 버튼, 오늘의 인기 코디 영역이 있었다.

📍메인 페이지 방문 로그

가장 기본적으로 필요한 로그는 메인 페이지 방문 로그이다.

메인 페이지 방문

 

이 로그는 사용자가 메인 페이지에 진입했을 때 발생하도록 설계할 수 있다. 이벤트 이름은 main.pageview로 정의하였다. 이 로그를 통해 메인 페이지 방문자 수와 인당 방문 빈도를 계산할 수 있다.

 

기본 요구사항 지표인 메인 페이지 방문자 수는 특정 기간 동안 메인 페이지를 한 번 이상 방문한 고유 사용자 수로 측정할 수 있다. 예를 들어 하루 동안 main_page_view 로그가 발생한 사용자 중 중복을 제거한 사용자 수를 계산하면 일간 메인 페이지 방문자 수를 알 수 있다. 인당 방문 빈도도 전체 메인 페이지 방문 횟수를 고유 방문자 수로 나누어 계산할 수 있다. 예를 들어 하루 동안 메인 페이지 방문 로그가 3,000건 발생했고, 고유 방문자가 1,000명이라면 인당 방문 빈도는 3,000 ÷ 1,000 = 3회가 된다. 이 지표를 통해 메인 페이지가 사용자에게 얼마나 자주 활용되는지 확인할 수 있다. 방문자 수가 많지만 인당 방문 빈도가 낮다면 많은 사용자가 한 번씩만 방문하고 있는 상태일 수 있고, 방문자 수와 방문 빈도가 모두 높다면 메인 페이지가 반복적으로 사용되는 핵심 진입 화면이라고 볼 수 있다.

📍메인 배너 노출 및 클릭 로그

메인 페이지 상단에는 3~5개 사이의 배너가 롤링되는 메인 배너 영역이 있다. 이 영역의 성과를 확인하기 위해서는 메인 배너 노출 로그와 메인 배너 클릭 로그가 필요하다.

메인 배너 영역 노출, 메인 배너 클릭

 

배너 노출 로그는 특정 배너가 사용자 화면에 노출되었을 때 발생하도록 설계할 수 있다. 이벤트 이름은 main.banner_impression으로 정의하였고, 속성에는 배너 순서와 배너 ID를 포함하였다. 배너 클릭 로그는 사용자가 배너 이미지를 클릭했을 때 발생하도록 설계할 수 있다. 이벤트 이름은 main.banner_click으로 정의하였고, 속성도 똑같이 배너 순서와 배너 ID를 포함하였다.

 

이 두 로그를 활용하면 메인 배너 클릭률을 계산할 수 있다. 계산 방식은 메인 배너 클릭 수를 메인 배너 노출 수로 나누고 100을 곱하는 방식이다. 예를 들어 특정 배너가 10,000번 노출되었고, 그중 800번 클릭되었다면 해당 배너의 클릭률은 800 ÷ 10,000 × 100 = 8%가 된다. 이 지표는 배너별 성과를 비교하는 데 사용할 수 있다. 노출 수는 많지만 클릭률이 낮은 배너는 이미지나 문구가 사용자의 관심을 충분히 끌지 못했을 수 있다. 반대로 노출 수는 적어도 클릭률이 높은 배너는 사용자 반응이 좋은 배너일 수 있으므로 더 앞 순서에 배치하거나 비슷한 콘텐츠를 추가로 기획할 수 있다. 또한 배너 순서도 함께 남기는 것이 중요하다고 생각했다. 메인 배너는 롤링 형태이기 때문에 첫 번째로 보이는 배너와 뒤쪽 순서에 있는 배너는 노출 기회가 다를 수 있다. 따라서 단순 배너 ID만 보는 것이 아니라 배너 순서별 노출 수와 클릭률도 함께 확인해야 한다.

📍카테고리 퀵메뉴 노출 및 클릭 로그

메인 페이지에는 상의, 팬츠, 원피스, 아우터, 기타와 같은 카테고리 퀵메뉴가 있었다. 사용자가 이 퀵메뉴를 클릭하면 해당 카테고리 페이지로 이동하는 구조였다. 이 지표를 계산하기 위해서는 카테고리 퀵메뉴 노출 로그와 카테고리 퀵메뉴 클릭 로그가 필요하다.

'카테고리 선택' 영역 노출, 카테고리 퀵메뉴 클릭

 

이벤트 이름은 main.category_menu_impression, main.category_menu_click로 정의하였고, 속성에는 카테고리 ID를 포함시켰다. 카테고리 퀵메뉴 클릭률은 카테고리 퀵메뉴 클릭 수를 퀵메뉴 노출 수로 나누어 계산할 수 있다. 예를 들어 노출이 5,000회 발생했고, 그중 상의 카테고리 퀵메뉴 클릭이 700회 발생했다면 상의 카테고리 퀵메뉴 클릭률은 700 ÷ 5,000 × 100 = 14%가 된다. 이 지표를 통해 사용자가 어떤 카테고리에 가장 관심을 보이는지 확인할 수 있다. 특정 카테고리 클릭률이 높다면 해당 카테고리의 상품 수요가 높다고 볼 수 있고, 클릭률이 낮은 카테고리는 아이콘이나 카테고리명, 위치를 개선할 필요가 있을 수 있다.

📍영역별 상품 노출 및 클릭 로그

메인 페이지에는 오늘 핫한 브랜드 영역과 오늘의 인기 코디 영역처럼 상품이 노출되는 영역이 있었다. 이 영역들은 좌우 스크롤 방식으로 상품을 탐색하는 구조였기 때문에 단순히 상품 클릭 여부만 보는 것이 아니라 상품이 몇 번째 위치에 있었는지도 함께 확인해야 한다고 생각했다.

상품 노출 로그, 상품 클릭 로그

 

상품 노출 로그는 상품 카드가 사용자 화면에 노출되었을 때 발생하도록 설계할 수 있다. 이벤트 이름은 main.item_impression으로 정의하였고, 속성에는 영역, 상품 ID, 상품 위치(순서), 무료배송 여부, 번개배송 여부, 할인율을 포함시켰다. 상품 클릭 로그는 사용자가 상품 카드나 상품명을 클릭했을 때 발생하도록 설계할 수 있다. 이벤트 이름은 main.item_click으로 정의하였고, 똑같이 속성엔  영역, 상품 ID, 상품 위치(순서), 무료배송 여부, 번개배송 여부, 할인율을 포함시켰다.

 

영역별 상품 클릭률은 특정 영역에서 발생한 상품 클릭 수를 해당 영역의 상품 노출 수로 나누어 계산할 수 있다. 예를 들어 오늘 핫한 브랜드 영역에서 상품 카드가 총 20,000번 노출되었고, 그중 1,600번 클릭되었다면 해당 영역의 상품 클릭률은 1,600 ÷ 20,000 × 100 = 8%가 된다. 이 지표를 영역별로 비교하면 어떤 영역이 상품 탐색 성과가 높은지 확인할 수 있다. 예를 들어 오늘 핫한 브랜드 영역의 클릭률은 높고 오늘의 인기 코디 영역의 클릭률은 낮다면, 사용자는 코디 콘텐츠보다 브랜드 상품 리스트에 더 관심을 보인다고 해석할 수 있다. 또한 상품 위치 번호를 남기면 좌측에서 우측으로 스크롤되는 상품 리스트에서 후순위 상품까지 얼마나 탐색되는지도 확인할 수 있다. 예를 들어 1번, 2번 상품의 클릭률은 높지만 5번 이후 상품의 노출 수와 클릭률이 급격히 낮아진다면 사용자가 충분히 스크롤하지 않고 앞쪽 상품만 보고 있다는 의미일 수 있다. 이 경우 상품 배치 순서를 개선하거나, 후순위 상품의 노출을 늘릴 수 있는 UI 개선을 고민할 수 있다.

 

이후 상품 클릭률을 계산할 때 무료배송 상품과 무료배송이 아닌 상품을 나누어 클릭률을 비교할 수 있다. 계산 방식은 동일하게 상품 클릭 수를 상품 노출 수로 나누는 방식이다. 예를 들어 무료배송 상품이 10,000번 노출되고 900번 클릭되었다면 클릭률은 9%이고, 무료배송이 아닌 상품이 10,000번 노출되고 600번 클릭되었다면 클릭률은 6%가 된다. 이 경우 무료배송 배지가 있는 상품이 더 높은 클릭률을 보였다고 해석할 수 있다. 번개배송도 같은 방식으로 비교할 수 있다. 번개배송 배지가 있는 상품과 없는 상품의 노출 수, 클릭 수, 클릭률을 비교하면 빠른 배송 정보가 사용자의 클릭 행동에 영향을 주는지 확인할 수 있다. 다만 이때 주의할 점은 무료배송이나 번개배송 여부만으로 클릭률 차이를 단정하면 안 된다는 점이다. 상품 이미지, 가격, 할인율, 브랜드 인지도, 노출 위치 등 다른 요인도 함께 영향을 줄 수 있기 때문에, 배지 여부는 상품 위치나 할인율과 함께 분석하는 것이 더 적절하다고 생각했다.

 

할인율은 할인율 구간을 나누어 클릭률을 비교할 수 있다. 예를 들어 0~10%, 10~30%, 30~50%, 50% 이상과 같이 할인율 구간을 나누고, 각 구간별 상품 노출 수와 클릭 수를 집계해 클릭률을 계산할 수 있다. 계산 방식은 할인율 구간별 상품 클릭 수를 할인율 구간별 상품 노출 수로 나누는 방식이다. 예를 들어 30~50% 할인 상품이 8,000번 노출되고 1,000번 클릭되었다면 해당 구간의 클릭률은 1,000 ÷ 8,000 × 100 = 12.5%가 된다. 반면 0~10% 할인 상품의 클릭률이 5%라면 할인율이 높은 상품이 더 많은 클릭을 유도했을 가능성을 생각해볼 수 있다. 이 지표는 할인 정책이나 상품 노출 전략을 개선하는 데 활용할 수 있다. 높은 할인율 상품의 클릭률이 확실히 높다면 할인 상품을 더 앞쪽에 배치하는 전략을 생각해볼 수 있고, 할인율이 높아도 클릭률이 낮다면 상품 이미지나 브랜드, 가격대 등 다른 요인을 함께 확인해야 한다.

📍인기 브랜드 더 보기 버튼 노출 및 클릭 로그

메인 페이지에는 오늘 핫한 브랜드 영역 아래에 인기 브랜드 더 보기 버튼이 있었다. 이 버튼의 사용성을 확인하기 위해서는 인기 브랜드 더 보기 버튼 노출 로그와  인기 브랜드 더 보기 버튼 클릭 로그가 필요하다.

'인기 브랜드 더 보기' 영역 노출, '인기 브랜드 더 보기' 클릭

 

이벤트 이름은 main.hot_brand_impression, main.hot_brand_click과 같이 정의하였다. 인기 브랜드 더 보기 버튼 클릭률은 버튼 클릭 수를 버튼 노출 수 또는 메인 페이지 방문 수로 나누어 계산할 수 있다. 예를 들어 노출이 5,000회였고, 인기 브랜드 더 보기 버튼 클릭이 250회였다면 클릭률은 250 ÷ 5,000 × 100 = 5%가 된다. 이 지표를 통해 사용자가 오늘 핫한 브랜드 영역에서 더 많은 브랜드를 탐색하고 싶어 하는지 확인할 수 있다. 클릭률이 높다면 브랜드 탐색 니즈가 높은 것이고, 클릭률이 낮다면 버튼 위치가 눈에 잘 띄지 않거나, 사용자가 해당 영역에 충분한 관심을 보이지 않는 것일 수 있다.

📍오늘의 인기 코디 배너 노출 및 클릭 로그

오늘의 인기 코디 영역은 상단에 코디 배너가 있고, 하단에는 해당 코디와 관련된 상품들이 노출되는 구조였다. 배너가 롤링되면 하단 상품 카드도 함께 변경되는 형태였다. 이 영역에서는 코디 배너 노출 로그와 코디 배너 클릭 로그가 필요하다.

'오늘의 인기 코디' 배너 영역 노출, '오늘의 인기 코디' 배너 클릭

 

이벤트 이름은 main.today_outfit_banner_impression, main.today_outfit_banner_click로 정의하였다. 속성에는 배너 순서, 코디 ID를 포함하였다. 오늘의 인기 코디 배너 클릭률은 코디 배너 클릭 수를 코디 배너 노출 수로 나누어 계산할 수 있다. 예를 들어 특정 코디 배너가 6,000번 노출되고 420번 클릭되었다면 클릭률은 420 ÷ 6,000 × 100 = 7%가 된다. 이 지표를 통해 어떤 코디 콘텐츠가 사용자의 관심을 많이 받는지 확인할 수 있다. 또한 코디 배너 클릭률과 하단 코디 상품 클릭률을 함께 보면, 사용자가 코디 자체에 관심이 있는지, 아니면 코디에 포함된 상품 구매에 더 관심이 있는지도 비교할 수 있다.

👖카테고리 페이지 로그 설계

카테고리 페이지는 사용자가 메인 페이지의 퀵메뉴 등을 통해 특정 카테고리로 이동했을 때 보게 되는 화면이다.

카테고리 페이지 로그 설계

 

화면 상단에는 카테고리 선택 영역이 있고, 실시간 랭킹 영역과 상품 리스팅 영역이 있었다. 카테고리 페이지에서는 특히 어느 카테고리 페이지가 가장 인기 있는지, 그리고 카테고리별 상품 탐색 성과가 어떻게 다른지 확인하는 것이 중요하다고 생각했다.

📍카테고리 페이지 방문 로그

카테고리 페이지 방문 로그는 사용자가 특정 카테고리 페이지에 진입했을 때 발생하도록 설계할 수 있다.

카테고리 페이지 방문

 

이벤트 이름은 category.pageview로 정의하였고 속성은 카테고리 ID를 포함시켰다. 이 로그를 통해 카테고리 페이지 방문자 수와 인당 방문 빈도를 계산할 수 있다. 카테고리 페이지 방문자 수는 특정 기간 동안 카테고리 페이지를 한 번 이상 방문한 고유 사용자 수로 측정할 수 있다. 특히 카테고리 ID를 함께 남기면 상의, 팬츠, 원피스, 아우터 등 카테고리별 방문자 수를 비교할 수 있다. 예를 들어 하루 동안 상의 카테고리 페이지 방문자가 2,000명, 팬츠 카테고리 페이지 방문자가 1,200명, 원피스 카테고리 페이지 방문자가 800명이라면 상의 카테고리의 인기가 가장 높다고 볼 수 있다. 인당 방문 빈도는 카테고리 페이지 전체 방문 횟수를 고유 방문자 수로 나누어 계산할 수 있다. 또한 카테고리별로도 계산할 수 있다. 특정 카테고리의 인당 방문 빈도가 높다면 사용자가 해당 카테고리를 반복적으로 탐색하고 있다는 의미로 볼 수 있다.

📍영역별 상품 노출 및 클릭 로그

카테고리 페이지의 상품에서는 위의 메인 페이지에서의 속성들과 상품이 어느 영역에서 노출되었는지, 상품의 카테고리가 무엇인지가 중요하다고 생각했다.

상품 노출, 상품 클릭

 

상품 노출 로그와 상품 클릭 로그의 이벤트명은 category.item_impression, category.item_click으로 정의하였고 속성은 카테고리 ID, 영역, 상품 ID, 상품 위치(순서), 무료배송 여부, 번개배송 여부, 할인율을 포함했다.

 

영역별 상품 클릭률은 상품 리스팅 영역에서 발생한 상품 클릭 수를 상품 노출 수로 나누어 계산할 수 있다. 예를 들어 팬츠 카테고리의 상품 리스팅 영역에서 상품이 30,000번 노출되고 2,100번 클릭되었다면 클릭률은 2,100 ÷ 30,000 × 100 = 7%가 된다. 이 지표를 카테고리별로 비교하면 어떤 카테고리의 상품 탐색 성과가 높은지 확인할 수 있다. 예를 들어 상의 카테고리의 클릭률은 높고 아우터 카테고리의 클릭률은 낮다면, 아우터 상품의 이미지나 가격, 시즌성, 상품 정렬 방식 등을 점검해볼 수 있다.

🏆심화 지표로 추가로 고민한 부분

기본 요구사항을 생각보다 빠르게 완료해서 심화 요구사항도 조금 더 고민해보았다. 기본 요구사항에서는 주어진 지표를 계산할 수 있도록 로그를 설계하는 것이 핵심이었다면, 심화에서는 화면의 탐색 과정과 이탈을 더 잘 파악할 수 있는 지표를 추가하는 방향으로 생각했다.

📍메인 페이지 이탈률

메인 페이지 이탈

 

메인 페이지 이탈률은 사용자가 메인 페이지에 진입한 뒤 다른 페이지로 이동하거나 클릭 행동을 하지 않고 세션을 종료한 비율로 측정할 수 있다. 계산 방식은 메인 페이지 방문 후 추가 행동 없이 이탈한 세션 수를 메인 페이지 방문 세션 수로 나누는 방식이다.

예를 들어 하루 동안 메인 페이지 방문 세션이 2,000개였고, 그중 500개 세션이 배너 클릭, 상품 클릭, 카테고리 이동 등 추가 행동 없이 종료되었다면 메인 페이지 이탈률은 500 ÷ 2,000 × 100 = 25%가 된다. 이 지표를 보면 메인 페이지가 사용자의 다음 행동을 충분히 유도하고 있는지 확인할 수 있다. 이탈률이 높다면 메인 배너, 카테고리 퀵메뉴, 상품 영역 등의 매력도가 낮거나 사용자가 원하는 정보를 바로 찾지 못했을 가능성이 있다.

📍카테고리 페이지 이탈률

카테고리 페이지 이탈

 

카테고리 페이지 이탈률은 사용자가 카테고리 페이지에 진입한 뒤 상품 클릭, 카테고리 전환, 스크롤 등 추가 탐색 행동 없이 이탈한 비율로 측정할 수 있다. 계산 방식은 카테고리 페이지 방문 후 추가 행동 없이 종료된 세션 수를 카테고리 페이지 방문 세션 수로 나누는 방식이다. 이 지표는 카테고리 페이지가 사용자의 상품 탐색을 잘 유도하고 있는지 확인하는 데 도움이 된다. 특정 카테고리의 이탈률이 높다면 해당 카테고리의 상품 구성, 랭킹 영역, 정렬 방식, 상품 이미지, 가격대 등을 점검할 필요가 있다. 예를 들어 상의 카테고리의 이탈률은 15%인데 아우터 카테고리의 이탈률은 40%라면, 아우터 카테고리에서 사용자가 원하는 상품을 찾지 못하고 빠르게 이탈하고 있을 가능성을 생각해볼 수 있다.

📍상품 리스트 스크롤 깊이

상품 리스트 스크롤

 

상품 리스트 스크롤 깊이는 사용자가 상품 리스팅 영역을 어느 정도까지 탐색했는지 확인하기 위한 지표이다. 무한 스크롤 방식에서는 단순히 페이지 방문 여부만으로는 사용자가 상품을 얼마나 봤는지 알기 어렵다. 첫 화면에 보이는 상품만 보고 나갔는지, 여러 번 스크롤하면서 많은 상품을 탐색했는지 구분하기 위해 스크롤 로그가 필요하다.

 

이벤트 이름은 category.item_scroll로 정의하였고, 속성에는 카테고리 ID, 영역, 스크롤 깊이를 포함하였다. 스크롤 깊이는 25%, 50%, 75%, 100%와 같은 구간으로 측정할 수도 있고, 마지막으로 노출된 상품 위치 번호를 기준으로 측정할 수도 있다. 예를 들어 사용자가 상품 리스트에서 30번째 상품까지 봤다면 max_product_position_viewed = 30과 같이 남길 수 있다. 이 지표를 통해 사용자가 상품 리스트를 얼마나 깊게 탐색하는지 확인할 수 있다. 많은 사용자가 1~10번 상품까지만 보고 이탈한다면 앞쪽 상품 배치가 매우 중요하다고 볼 수 있고, 반대로 30번 이후 상품까지 보는 사용자가 많다면 상품 탐색 의도가 강한 사용자들이 많다고 해석할 수 있다.

💎이번 스프린트 미션에서 남은 것

이번 미션은 처음에는 필요한 지표가 많아 보여서 어려울 것 같았지만, 실제로 작업해보니 생각보다 빠르게 기본 요구사항을 완성할 수 있었다. 기존 요구사항을 완수하는 데 2시간 정도밖에 걸리지 않아서 조금 당황스러웠다. ㅋㅋ 물론 미션이 쉬웠다기보다는, 강사님과 함께 진행했던 실습 자료를 참고하면서 하다 보니 로그 설계의 기본 구조가 조금씩 익숙해진 것 같았다.

완성한 Tracking Plan

 

이번 미션을 통해 페이지 방문, 배너 노출, 배너 클릭, 카테고리 클릭, 상품 노출, 상품 클릭, 스크롤, 이탈과 같은 행동을 어떻게 이벤트로 정의할 수 있는지 정리해볼 수 있었다. 또한 각 이벤트에 어떤 속성을 포함해야 나중에 원하는 지표를 계산할 수 있는지도 함께 고민해볼 수 있었다. 로그 설계는 단순히 사용자가 클릭했다를 기록하는 것이 아니라, 이후에 어떤 분석을 할 것인지까지 고려해야 하는 작업이었다. 어떤 지표를 보고 싶은지에 따라 필요한 이벤트와 속성이 달라지고, 속성이 하나 빠지면 나중에 분석할 수 있는 범위도 제한될 수 있다. 이번 미션을 하면서 지표 설계와 로그 설계가 서로 연결되어 있다는 것을 느꼈다. 지난 미션에서는 AARRR 프레임워크를 통해 서비스 단계별로 어떤 지표를 볼지 고민했다면, 이번 미션에서는 그 지표를 실제로 계산하기 위해 어떤 로그가 필요한지 고민했다. 결국 데이터 분석은 데이터를 받은 뒤에만 시작되는 것이 아니라, 어떤 데이터를 남길지 설계하는 단계에서부터 시작된다는 것을 알 수 있었다. 이번 미션은 코드를 많이 작성하는 미션은 아니었지만, 실제 서비스 분석에서 필요한 사고방식을 연습할 수 있었던 미션이었다.