[코드잇 스프린트] 스프린트 미션 09 - Amplitude로 음악 스트리밍 서비스 분석해보기

이 글은 코드잇 스프린트 데이터 분석가 과정 학습 기록입니다.

🎧음악 스트리밍 서비스 데이터 분석해보기

아홉 번째 스프린트 미션은 Amplitude를 활용해 음악 스트리밍 서비스 데이터를 분석해보는 미션이었다. 이번 미션에서는 Amplitude에서 제공하는 Demo Data 중 Media Streaming - Analytics를 사용하였다. 실제 서비스 데이터는 아니지만, 음악 스트리밍 서비스를 가정한 이벤트와 유저 속성이 제공되어 있었다. 서비스 화면은 따로 제공되지 않았기 때문에 스포티파이나 멜론 같은 음악 스트리밍 서비스를 떠올리면서 분석을 진행해야 했다.

 

이번 미션의 핵심은 크게 두 가지였다.

• 첫 번째는 서비스의 현황을 파악하는 것이었다. 유저 규모가 어느 정도인지, 유저들은 어떤 플랫폼이나 요금제를 사용하고 있는지, 하루에 얼마나 자주 접속하고 얼마나 오래 머무는지, 어떤 행동을 많이 하는지, 그리고 서비스를 지속적으로 이용하고 있는지 확인해야 했다.
• 두 번째는 신규 유저의 온보딩 단계를 개선할 수 있는 방안을 고민하는 것이었다. 신규 유저가 서비스에 가입한 뒤 첫 재생까지 잘 도달하는지, 서비스의 핵심 가치를 느낄 수 있는 행동은 무엇인지, 그리고 온보딩 과정에서 어디에서 이탈이 발생하는지 확인해야 했다.

이전 미션들이 지표 설계와 로그 설계에 가까웠다면, 이번 미션은 실제 Amplitude 차트를 활용해서 서비스 현황을 보고, 퍼널과 리텐션, Journeys, Lifecycle 등을 통해 인사이트를 정리하는 방식이었다. 그래서 지금까지 배운 개념들을 실제 분석 흐름 안에서 연결해보는 것이다.

👩‍💻분석 목적과 데이터

이번 분석의 목적은 음악 스트리밍 서비스의 이용 현황을 파악하고, 신규 유저가 서비스의 핵심 가치 경험까지 잘 도달하고 있는지 확인하는 것이었다. 분석 기준 월은 설정한 기간 내 최신 월인 2025년 12월로 설정하였다. 따라서 서비스 현황과 신규 유저 온보딩 분석은 대부분 2025년 12월을 기준으로 진행했고, 활성 유저 수처럼 시간 흐름이 중요한 지표는 2025년 1월부터 12월까지의 월별 추이도 함께 확인하였다.

 

주요하게 활용한 이벤트는 User Sign Up, Main Landing Screen, Search Song or Video, Select Song or Video, Play Song or Video, Favorite Song or Video, Play from Recommendation, Follow Playlist, Upgrade Plan 등이었다. 유저 속성으로는 Platform, PLAN_TYPE, Referer_Domain을 중심으로 사용하였다. 이를 통해 어떤 기기에서 서비스를 이용하는지, 무료 체험 유저와 유료 플랜 유저의 비중은 어떤지, 어떤 유입 채널을 통해 들어왔는지 확인할 수 있었다.

 

이번 분석에서 잡은 핵심 질문은 다음과 같았다.

• 첫째, 현재 서비스는 안정적으로 이용되고 있는가?
• 둘째, 신규 유저는 첫 재생과 즐겨찾기까지 잘 도달하고 있는가?
• 셋째, 온보딩에서 우선 개선해야 할 구간은 어디인가?

이 질문을 기준으로 서비스 현황 파악부터 신규 유저 온보딩 분석, 개선 방안 도출까지 이어서 정리하였다.

📈서비스 현황 파악

가장 먼저 서비스의 전체적인 현황을 파악하였다. 유저 규모, 유저 특성, 서비스 이용 빈도와 체류 시간, 주요 이벤트 사용 현황, 리텐션을 순서대로 살펴보았다.

📍유저 규모 확인

먼저 Any Active Event를 기준으로 활성 유저 수를 확인하였다.

 

2025년 월별 활성 유저 수는 대체로 약 51만 명에서 60만 명 사이에서 형성되었다. 1월 활성 유저 수는 약 60만 명, 12월 활성 유저 수는 약 53.5만 명으로 연초 대비 약 11.3% 감소하였다. 이를 통해 서비스 규모가 완전히 급격하게 무너지고 있는 상황은 아니지만, 장기적으로는 완만한 하락세가 나타나고 있다는 점을 확인할 수 있었다. 즉, 현재 서비스는 일정 수준의 유저 규모를 유지하고 있지만, 성장세보다는 안정 또는 소폭 감소에 가까운 상태라고 볼 수 있었다.

또한 2025년 12월의 일별 활성 유저 수를 확인했을 때 평균은 약 24.3만 명이었다. 평일에는 약 27만~28만 명대를 유지했지만, 주말에는 약 14만 명대까지 감소하는 패턴이 반복되었다. 이 부분이 조금 이상했다.ㅋㅋ 데이터상으로는 평일 이용이 더 활발하게 나타났다. 물론 데모 데이터여서 그런 것 같았고 일단 적어도 이 데이터 안에서는 평일에 더 자주 이용되는 서비스 패턴이 있었다.

📍유저 특성 확인

다음으로 2025년 12월 기준 활성 유저의 특성을 확인하였다.

먼저 Platform별 활성 유저 구성을 보면 Web 23.2%, iOS 21.1%, Android 20.4%, Windows 17.7%, tvOS 17.6%로 나타났다. Web 비중이 가장 높기는 했지만, 플랫폼 간 차이가 매우 크지는 않았다. 특정 플랫폼에 과도하게 의존하는 구조라기보다는 여러 플랫폼에서 비교적 고르게 사용되고 있는 서비스라고 볼 수 있었다.

 

PLAN_TYPE별로는 free trial이 82.3%, paid plan이 17.7%로 나타났다. 즉, 현재 서비스는 무료 체험 유저 기반이 큰 구조였다. 이 부분은 이후 온보딩 분석과도 연결된다고 생각했다. 무료 체험 유저가 많다는 것은 신규 유저가 서비스의 핵심 가치를 빠르게 경험하고, 이후 유료 전환까지 이어질 수 있도록 초기 경험을 잘 설계하는 것이 중요하다는 의미이기 때문이다.

 

유입 채널인 Referer_Domain 기준으로는 Email 30%, Facebook 25%, Google 20%, Direct 20%, Twitter 5.01% 순으로 나타났다. Email과 Facebook이 주요 유입 채널 역할을 하고 있었지만, 유입 규모가 크다고 해서 반드시 온보딩 성과가 좋은 것은 아니다. 그래서 이후에는 채널별 전환율도 따로 확인해야 한다고 생각했다.

📍서비스 이용 빈도와 체류 시간 확인

유저들이 서비스를 얼마나 자주 이용하고, 한 번 접속했을 때 어느 정도 머무는지 확인하기 위해 Sessions 차트를 활용하였다.

 

2025년 12월 기준 유저당 평균 세션 수는 약 3.34회였고, 평균 세션 길이는 약 13분 9초로 나타났다. 일별 추이를 보면 활성 유저 수와 유저당 평균 세션 수는 주말에 낮아지는 패턴이 반복되었지만, 평균 세션 길이는 약 13분 내외에서 비교적 안정적으로 유지되었다. 즉, 이 서비스는 요일에 따라 방문 규모와 방문 빈도에는 차이가 있었지만, 실제 접속한 유저의 콘텐츠 소비 시간은 비교적 일정하게 유지되고 있었다. 이 지표를 보면서 단순히 활성 유저 수만 보는 것보다 세션 수와 세션 길이를 함께 보는 것이 중요하다고 느꼈다. 활성 유저 수가 줄어들더라도 접속한 유저들이 비슷한 시간 동안 콘텐츠를 소비하고 있다면, 서비스 경험 자체가 크게 나빠졌다고 단정하기는 어렵다. 반대로 방문자는 많아도 세션 길이가 매우 짧다면 콘텐츠 소비가 충분히 이루어지지 않고 있을 수도 있다.

📍주요 이벤트 사용 현황 확인

다음으로 유저들이 서비스 안에서 어떤 행동을 주로 수행하는지 확인하였다.

 

주요 이벤트별 고착도를 보면 Play Song or Video가 높게 나타났다. 이는 음악 또는 비디오를 재생하는 행동이 단발성 행동에 그치지 않고 반복적으로 수행되고 있음을 보여준다. 음악 스트리밍 서비스에서 재생 행동은 서비스의 가장 핵심적인 행동이기 때문에, 이 행동의 고착도가 높다는 것은 긍정적으로 볼 수 있었다.

 

Favorite Song or Video도 반복 이용과 연결될 수 있는 행동으로 나타났다. 즐겨찾기는 유저가 단순히 콘텐츠를 한 번 소비하는 것을 넘어, 마음에 드는 콘텐츠를 저장하고 다시 들을 가능성을 만드는 행동이다. 그래서 이후 온보딩 분석에서도 중요한 Lock-in 행동 후보로 보았다.

 

반면 Follow Playlist는 시간이 지날수록 고착도가 크게 낮아졌다. 플레이리스트 팔로우는 단순 재생이나 즐겨찾기보다 조금 더 관여도가 높은 행동일 수 있다. 사용자가 서비스에 대한 신뢰나 취향 데이터가 어느 정도 쌓인 뒤에야 자연스럽게 이어지는 행동일 가능성이 있다고 생각했다.

 

이벤트 발생 수와 이벤트별 유저 수를 함께 보면 Main Landing Screen, Search Song or Video, Select Song or Video, Play Song or Video가 모두 높은 수준으로 나타났다. 즉, 유저들이 앱에 진입한 뒤 콘텐츠를 탐색하고, 선택하고, 재생하는 기본 이용 흐름까지는 비교적 안정적으로 도달하고 있었다. 따라서 이 서비스는 기본적인 콘텐츠 소비 흐름은 잘 작동하고 있지만, 추천 재생, 플레이리스트 팔로우, 유료 전환과 같은 더 깊은 행동까지 자연스럽게 이어지는지는 추가로 확인할 필요가 있었다.

📍리텐션 현황 확인

서비스 현황 파악의 마지막 단계로 리텐션을 확인하였다. 이번 분석에서는 두 가지 기준의 리텐션을 비교하였다. 하나는 서비스 재방문 관점의 Main Landing Screen 기준 리텐션이고, 다른 하나는 핵심 행동 반복 관점의 Play Song or Video 기준 리텐션이었다.

2025년 12월 기준 Main Landing Screen을 경험한 유저는 약 47만 명이었다. 이들의 리텐션은 Day 1 약 97.9%, Day 7 약 87.8%, Day 12 약 79.7%로 나타났다.

Play Song or Video를 수행한 유저는 약 46.7만 명이었고, 콘텐츠 재생 기준 리텐션은 Day 1 약 96.9%, Day 7 약 87.1%, Day 12 약 78.8%였다.

 

두 리텐션의 차이가 크지 않다는 점이 중요하다고 생각했다. 만약 메인 화면 기준 리텐션은 높은데 재생 기준 리텐션이 낮았다면, 유저가 다시 앱에 들어오기는 하지만 실제 콘텐츠 소비까지는 잘 이어지지 않는다고 볼 수 있다. 그런데 두 수치가 비슷하게 나타났기 때문에, 재방문한 유저가 단순히 앱에 들어오는 것에 그치지 않고 실제 콘텐츠 재생까지 자연스럽게 이어지고 있다고 해석할 수 있었다. 다만 이 데이터는 Amplitude 데모 데이터이기 때문에 리텐션 수치의 절대적인 높고 낮음보다는 이벤트 간 차이와 전체적인 흐름을 중심으로 해석하였다.

✨신규 유저 온보딩 분석

서비스의 전체 현황을 확인한 뒤에는 신규 유저 온보딩 분석을 진행하였다. 온보딩 분석에서 가장 중요한 질문은 '신규 유저가 어떤 행동을 했을 때 서비스의 핵심 가치를 느낀다고 볼 수 있는가?'였다. 음악 스트리밍 서비스에서 핵심 가치는 결국 사용자가 원하는 콘텐츠를 찾고, 실제로 재생하고, 마음에 드는 콘텐츠를 다시 들을 수 있도록 저장하는 경험이라고 생각했다. 그래서 아하 모먼트 후보를 먼저 정의하고, 이후 퍼널 분석을 통해 신규 유저가 해당 행동까지 얼마나 도달하는지 확인하였다.

📍아하 모먼트 후보 찾기

신규 유저가 어떤 행동을 경험했을 때 서비스에 Lock-in될 가능성이 있는지 확인하기 위해 Engagement Matrix를 활용하였다.

Engagement Matrix에서 Adoption은 해당 행동을 수행한 유저의 범위, Frequency는 행동의 반복 정도를 의미한다. 쉽게 말하면 얼마나 많은 유저가 해당 행동을 했는지, 그리고 그 행동을 얼마나 자주 반복했는지를 함께 보는 차트라고 이해할 수 있었다.

 

분석 결과 Select Song or Video, Search Song or Video, Main Landing Screen, Start Session은 Adoption과 Frequency가 모두 높은 영역에 위치하였다. 이는 유저들이 앱에 접속한 뒤 콘텐츠를 탐색하고 선택하는 기본 이용 흐름을 자주 수행하고 있다는 의미였다.

 

온보딩 관점에서는 Play Song or Video, Favorite Song or Video, Play from Recommendation, Follow Playlist를 아하 모먼트 및 Lock-in 행동 후보로 설정하였다. 이 중 Play Song or Video는 콘텐츠 재생이라는 서비스의 핵심 가치를 직접 경험하는 행동이다. 음악 스트리밍 서비스에서 유저가 실제로 노래나 영상을 재생하지 않는다면 서비스의 가치를 제대로 경험했다고 보기 어렵다. 그래서 첫 재생은 1차 아하 모먼트로 볼 수 있다고 판단했다. Favorite Song or Video는 유저의 취향 데이터가 서비스 안에 남는 행동이다. 단순히 한 번 재생하는 것보다 한 단계 더 나아가, 마음에 드는 콘텐츠를 저장하고 다시 들을 가능성을 만드는 행동이다. 그래서 첫 재생 이후의 Lock-in 행동 후보로 보았다. 반면 Play from Recommendation과 Follow Playlist는 첫 이용 단계에서 바로 유도하기보다는, 첫 재생과 즐겨찾기 이후 확장될 수 있는 후속 행동으로 보았다. 추천 재생은 어느 정도 취향 데이터가 있어야 더 설득력 있게 작동할 수 있고, 플레이리스트 팔로우는 단순 재생이나 즐겨찾기보다 더 높은 관여도가 필요한 행동이라고 생각했기 때문이다.

📍아하 모먼트 후보별 리텐션 비교

아하 모먼트 후보를 정의한 뒤에는 각 행동을 수행한 유저가 이후에도 다시 Play Song or Video로 돌아오는지 비교하였다.

 

먼저 Play Song or Video를 수행한 유저는 약 46.7만 명이었고, 이후 재생 리텐션은 Day 1 약 96.9%, Day 7 약 87.1%, Day 12 약 78.8%로 나타났다.

 

Play from Recommendation을 수행한 유저는 약 34.5만 명이었고, 이후 Play Song or Video로 돌아온 리텐션은 Day 1 약 92.4%, Day 7 약 83.7%, Day 12 약 74.1%였다. 추천 재생 기준 리텐션도 낮은 편은 아니었지만, 기본 재생보다 유저 수와 리텐션이 모두 낮았다. 그래서 추천 기능은 신규 유저의 콘텐츠 탐색을 도울 수는 있지만, 온보딩 초반의 핵심 목표라기보다는 첫 재생과 즐겨찾기 이후 확장할 후속 행동으로 보는 것이 더 적절하다고 판단했다.

 

다음으로 Favorite Song or Video와 Follow Playlist를 비교하였다.

 

Favorite Song or Video를 수행한 유저는 약 46.1만 명이었으며, 이후 재생 리텐션은 Day 1 약 96.2%, Day 7 약 86.6%, Day 12 약 78.1%로 나타났다. 이는 Play Song or Video 기준 리텐션과 거의 유사한 수준이었다.

 

반면 Follow Playlist를 수행한 유저는 약 31.8만 명이었고, 이후 재생 리텐션은 Day 1 약 92.8%, Day 7 약 84.0%, Day 12 약 74.6%였다. 리텐션 자체가 낮다고 보기는 어렵지만, 즐겨찾기에 비해서는 수행 유저 수와 리텐션이 모두 낮았다. 이 비교를 통해 Favorite Song or Video는 첫 재생 이후의 Lock-in과 관련이 있을 가능성이 높은 행동으로 볼 수 있었다. 반면 Follow Playlist는 온보딩 초반의 핵심 목표로 두기보다는 첫 재생과 즐겨찾기 이후 자연스럽게 확장할 후속 행동으로 해석하는 것이 적절하다고 생각했다.

📍신규 유저 첫 재생 퍼널 분석

다음으로 신규 유저가 가입 후 첫 재생까지 얼마나 잘 도달하는지 확인하기 위해 퍼널 분석을 진행하였다. 기본 퍼널은 다음과 같이 설정하였다.

User Sign Up → Main Landing Screen → Select Song or Video → Play Song or Video

 

추가로 콘텐츠를 직접 탐색하는 흐름을 보기 위해 검색 단계를 포함한 경로도 함께 확인하였다. 전환 기간은 가입 직후의 초기 행동을 보기 위해 1일로 설정하였다. 신규 유저 온보딩은 가입 후 시간이 많이 지난 행동보다, 가입 직후 얼마나 빠르게 핵심 경험까지 도달하는지가 중요하다고 생각했기 때문이다.

User Sign Up → Main Landing Screen → Search Song or Video → Select Song or Video → Play Song or Video

 

2025년 12월 기준 User Sign Up을 완료한 유저는 208,756명이었다. 이 중 Main Landing Screen까지 도달한 유저는 169,396명으로 전환율은 81.1%였다. 최종적으로 Play Song or Video까지 도달한 유저는 144,598명으로 최종 전환율은 69.2%였다.

검색 단계를 포함한 경로의 최종 전환율은 65.1%로, 기본 경로보다 낮았다. 이를 통해 신규 유저가 첫 재생까지는 비교적 잘 도달하고 있지만, User Sign Up에서 Main Landing Screen으로 넘어가는 구간에서 가장 큰 이탈이 발생하고 있음을 확인했다. 가입 완료 유저 중 약 18.9%가 메인 화면까지 도달하지 못했기 때문에, 가입 직후 첫 화면 진입 과정은 우선적으로 개선이 필요한 구간으로 볼 수 있었다. 이 부분이 이번 분석에서 가장 중요한 발견 중 하나였다. 첫 재생 자체의 전환율만 보면 나쁘지 않아 보일 수 있지만, 그 전에 가입 직후 메인 화면까지 도달하지 못하는 유저가 존재했다. 따라서 온보딩 개선은 첫 재생 버튼을 더 잘 보이게 만드는 것뿐만 아니라, 가입 완료 후 메인 화면까지 자연스럽게 연결되도록 만드는 것에서 시작해야 한다고 생각했다.

📍첫 재생 이후 Lock-in 행동 전환 분석

첫 재생까지의 흐름을 확인한 뒤에는 첫 재생 이후 즐겨찾기, 플레이리스트 팔로우, 추천 재생과 같은 Lock-in 행동까지 얼마나 이어지는지 확인하였다.

 

- 첫 재생 후 즐겨찾기 전환 퍼널

먼저 User Sign Up → Play Song or Video → Favorite Song or Video 퍼널을 확인하였다.

User Sign Up → Play Song or Video → Favorite Song or Video

 

User Sign Up을 완료한 유저 208,756명 중 Play Song or Video까지 도달한 유저는 148,725명으로 첫 재생 전환율은 71.2%였다. 이후 Favorite Song or Video까지 도달한 유저는 108,543명으로 최종 전환율은 52.0%였다. 이는 신규 유저의 절반 이상이 가입 후 1일 이내에 콘텐츠를 재생하고 즐겨찾기까지 수행하고 있음을 보여준다. 그래서 Favorite Song or Video는 신규 유저의 Lock-in과 관련이 있는 주요 행동 후보로 볼 수 있었다. 즐겨찾기는 사용자의 취향이 서비스 안에 남는 행동이기 때문에 개인화 추천에도 활용될 수 있고, 유저가 다시 돌아왔을 때 들을 콘텐츠를 저장해두는 역할도 한다. 따라서 온보딩 단계에서 첫 재생 이후 즐겨찾기까지 자연스럽게 이어지도록 만드는 것이 중요하다고 생각했다.

 

- 첫 재생 후 플레이리스트 팔로우 전환 퍼널

다음으로 User Sign Up → Play Song or Video → Follow Playlist 퍼널을 확인하였다.

User Sign Up → Play Song or Video → Follow Playlist

 

User Sign Up을 완료한 유저 208,756명 중 Play Song or Video까지 도달한 유저는 148,725명이었지만, Follow Playlist까지 도달한 유저는 31,001명으로 최종 전환율은 14.9%에 그쳤다. 즐겨찾기 전환율이 52.0%였던 것과 비교하면 플레이리스트 팔로우는 신규 유저 온보딩 초반에 바로 유도하기에는 상대적으로 관여도가 높은 행동으로 보였다. 생각해보면 처음 들어온 유저가 바로 특정 플레이리스트를 팔로우하려면, 그 플레이리스트가 자신의 취향과 맞는지에 대한 어느 정도의 확신이 필요하다. 반면 즐겨찾기는 마음에 드는 곡 하나를 저장하는 비교적 가벼운 행동이다. 그래서 온보딩 초반에는 플레이리스트 팔로우보다 즐겨찾기를 먼저 유도하는 것이 더 자연스럽다고 판단했다.

 

- 추천 재생 전환 퍼널

추천 기능이 신규 유저의 초기 콘텐츠 소비에 얼마나 기여하는지도 확인하였다. 이를 위해 User Sign Up → Main Landing Screen → Play from Recommendation 퍼널을 구성하였다.

User Sign Up → Main Landing Screen → Play from Recommendation

 

User Sign Up을 완료한 유저 208,756명 중 Main Landing Screen까지 도달한 유저는 169,396명으로, 메인 화면 진입 전환율은 81.1%였다. 그러나 Play from Recommendation까지 도달한 유저는 63,898명으로, 최종 전환율은 30.6%였다. 이는 신규 유저가 메인 화면에는 비교적 잘 진입하지만 추천 콘텐츠 재생까지 이어지는 비율은 기본 첫 재생 전환율보다 낮다는 것을 의미한다. 따라서 추천 재생은 가입 직후 바로 강하게 유도하기보다는, 첫 재생과 즐겨찾기 이후 취향 데이터가 쌓인 시점에 제안하는 방식이 더 적절하다고 생각했다.

🚗신규 유저 행동 경로 확인

퍼널 분석은 사전에 정의한 경로를 기준으로 전환율을 확인하는 방식이다. 하지만 실제 신규 유저가 어떤 순서로 행동했는지는 퍼널만으로 완전히 알기 어렵다. 그래서 Journeys 차트를 활용해 신규 유저의 실제 행동 경로를 추가로 확인하였다.

 

2025년 12월 신규 유저의 가장 큰 경로는 다음과 같았다.

User Sign Up → Main Landing Screen → Search Song or Video → Select Song or Video → Play Song or Video

 

전체 신규 유저의 10.4%가 이 경로를 따랐다. 이 결과를 통해 신규 유저가 추천 콘텐츠를 바로 소비하기보다, 검색과 선택을 거쳐 첫 재생에 도달하는 흐름이 주요하게 나타났음을 확인할 수 있었다. 또한 User Sign Up 이후 바로 Dropped Off로 이어지는 경로도 5.91%로 나타나, 가입 직후 이탈이 일부 발생하고 있다는 점도 다시 확인되었다. 즉, 신규 유저에게 추천 콘텐츠를 바로 소비하도록 유도하기보다, 메인 화면에서 검색, 선택, 재생이 자연스럽게 이어지도록 돕는 것이 중요하다고 볼 수 있었다. 그리고 가입 완료 후 메인 화면까지의 연결 과정도 간단하고 명확하게 설계할 필요가 있었다.

📲유입 채널별 차이 확인

다음으로 온보딩 이탈이 특정 유입 채널에 집중된 문제인지 확인하였다. User Sign Up → Main Landing Screen → Play Song or Video → Favorite Song or Video 퍼널을 Referer_Domain 기준으로 나누어 살펴보았다.

 

분석 결과, 유입 채널별 전환율은 전반적으로 거의 비슷한 수준이었다. Main Landing Screen 진입률은 모든 채널에서 약 81% 내외였고, Play Song or Video 전환율은 약 71%, Favorite Song or Video 전환율은 약 52% 수준으로 나타났다. 따라서 신규 유저 온보딩 문제는 특정 유입 채널에 집중된 문제라기보다, 전체 채널에서 공통적으로 나타나는 흐름으로 볼 수 있었다. 이 부분을 통해 개선 방향도 조금 더 명확해졌다. 만약 특정 채널에서만 전환율이 낮았다면 해당 채널의 광고 메시지나 랜딩 경험을 따로 점검해야 했을 것이다. 하지만 모든 채널에서 비슷한 전환율이 나타났기 때문에, 채널별 메시지를 개별적으로 최적화하기보다 가입 이후의 공통 초기 이용 흐름을 개선하는 것이 우선이라고 판단했다.

💻플랫폼별 차이 확인

유입 채널과 마찬가지로, 특정 플랫폼에서 온보딩 전환율이 낮게 나타나는지도 확인하였다.

 

동일한 퍼널을 Platform 기준으로 나누어 살펴본 결과, 주요 플랫폼인 Web, iOS, Android는 전환율 차이가 크지 않았다. Main Landing Screen 진입률은 모두 약 81% 수준이었고, Play Song or Video 전환율도 약 71% 수준으로 거의 동일했다. Favorite Song or Video 전환율 역시 51.8%~52.5% 수준으로 큰 차이가 없었다. Windows와 tvOS는 상대적으로 낮게 나타났지만, 주요 플랫폼에 비해 가입 유저 수가 적기 때문에 전체 문제로 일반화하기에는 주의가 필요하다고 보았다. 따라서 특정 플랫폼만 우선적으로 개선하기보다는, 전체 플랫폼에서 공통적으로 적용될 수 있는 온보딩 흐름을 개선하는 것이 더 적절하다고 판단했다.

🌀Lifecycle 관점 분석

마지막으로 Lifecycle 차트를 활용해 신규 유저, 기존 유저, 재활성 유저, 휴면 유저의 흐름을 살펴보았다. 앞선 리텐션 분석에서는 유저들이 서비스에 다시 방문하고 재생 행동까지 이어지는 흐름이 비교적 안정적으로 나타났다. 다만 월별 활성 유저 수는 큰 성장세보다는 일정 범위 안에서 유지되는 모습을 보였다.

 

Lifecycle 차트를 확인한 결과, 매월 신규 유저와 기존 유저는 일정 규모로 유지되고 있었지만, 재활성 유저 규모는 매우 낮게 나타났다. 반면 휴면 유저는 매월 일정 규모로 발생하고 있었다. 따라서 현재 서비스는 기존 유저의 이용 흐름은 비교적 안정적이지만, 한 번 이탈한 유저를 다시 서비스로 돌아오게 만드는 재활성화 흐름에는 개선 여지가 있다고 볼 수 있었다. 다만 이번 분석의 핵심은 신규 유저 온보딩 개선이었기 때문에, 재활성화 전략은 후속 분석 과제로 두고 이번 보고서에서는 신규 유저가 첫 재생과 즐겨찾기까지 빠르게 도달하는 흐름에 집중하였다.

👌개선점 도출

퍼널, Journeys, 유입 채널별 차이, 플랫폼별 차이, Lifecycle 분석을 함께 살펴본 결과, 신규 유저 온보딩의 문제는 특정 채널이나 특정 플랫폼에만 집중되어 있지 않았다. 따라서 개선 방향은 특정 세그먼트를 따로 최적화하는 것보다, 전체 신규 유저가 공통적으로 경험하는 초기 이용 흐름을 개선하는 데 초점을 맞추는 것이 적절하다고 판단했다.

 

우선 개선 과제는 세 가지로 정리할 수 있었다.

• 첫째, 가입 완료 후 메인 화면 진입까지의 이탈을 줄이는 것이다.
• 둘째, 신규 유저가 첫 재생까지 빠르게 도달하도록 돕는 것이다.
• 셋째, 첫 재생 이후 즐겨찾기 행동까지 자연스럽게 이어지도록 유도하는 것이다.

📍개선 방안 1: 가입 직후 메인 화면 진입 이탈 줄이기

첫 번째 개선 방안은 가입 완료 후 메인 화면까지의 진입 이탈을 줄이는 것이다. 퍼널 분석과 Journeys 분석에서 모두 가입 직후 일부 유저가 메인 화면이나 첫 재생까지 도달하지 못하고 이탈하는 흐름이 확인되었다. 특히 User Sign Up → Main Landing Screen 구간에서 약 18.9%의 이탈이 발생했기 때문에, 이 구간은 우선적으로 개선해야 한다고 생각했다. 가입 완료 직후에는 복잡한 설정이나 과도한 안내를 제공하기보다, 유저가 바로 음악을 탐색하고 재생할 수 있는 화면으로 자연스럽게 연결하는 것이 중요하다. 예를 들어 관심 장르 선택, 알림 권한 요청, 프로필 설정 같은 과정은 한 번에 모두 요구하기보다 최소한의 단계로 줄이고, 필요한 시점에 순차적으로 안내하는 방식이 더 적절할 수 있다. 가입 직후의 목표는 많은 기능을 설명하는 것이 아니라, 유저가 최대한 빠르게 첫 재생까지 도달하도록 돕는 것이기 때문이다.

📍개선 방안 2: 첫 재생과 즐겨찾기까지의 흐름 강화하기

두 번째 개선 방안은 신규 유저가 첫 재생 이후 즐겨찾기 행동까지 자연스럽게 이어지도록 만드는 것이다. 분석 결과 Play Song or Video는 1차 아하 모먼트로 볼 수 있었고, Favorite Song or Video는 유저의 취향이 서비스 안에 남는 Lock-in 행동 후보로 나타났다. 따라서 온보딩 초반에는 신규 유저가 콘텐츠를 재생하는 데서 끝나지 않고, 마음에 드는 콘텐츠를 저장하는 경험까지 이어지도록 유도할 필요가 있다. 예를 들어 첫 재생 이후 '이 곡이 마음에 들면 보관함에 저장해보세요'와 같은 가벼운 안내를 제공하거나, 하트 버튼을 더 눈에 잘 띄는 위치에 배치하는 방식을 고려할 수 있다. 즐겨찾기 행동은 유저에게는 다시 듣고 싶은 콘텐츠를 저장하는 행동이고, 서비스에게는 취향 데이터를 확보하는 행동이다. 따라서 개인화 추천과 재방문 유도를 위해 온보딩 단계에서 우선적으로 강화할 필요가 있다고 생각했다.

📍개선 방안 3: 추천 재생과 플레이리스트 팔로우를 후속 행동으로 유도하기

세 번째 개선 방안은 추천 재생과 플레이리스트 팔로우를 첫 이용 단계에서 바로 요구하기보다, 첫 재생과 즐겨찾기 이후의 후속 행동으로 설계하는 것이다. 분석 결과 Play from Recommendation과 Follow Playlist는 기본 재생이나 즐겨찾기에 비해 전환율이 낮았다. 또한 Journeys 분석에서도 신규 유저는 추천 콘텐츠를 바로 소비하기보다 검색과 선택을 거쳐 첫 재생에 도달하는 흐름이 주요하게 나타났다. 따라서 온보딩 초반에는 추천 재생이나 플레이리스트 팔로우를 강하게 유도하기보다, 유저가 먼저 콘텐츠를 재생하고 즐겨찾기하도록 만든 뒤 그 행동을 바탕으로 추천을 제공하는 흐름이 더 자연스럽다고 판단했다. 예를 들어 유저가 특정 장르의 곡을 재생하거나 즐겨찾기하면, '비슷한 곡을 더 들어볼까요?' 또는 '이 곡이 포함된 플레이리스트를 팔로우해보세요'처럼 맥락 있는 추천을 제공할 수 있다. 이렇게 하면 추천 기능이나 플레이리스트 팔로우가 갑자기 등장하는 기능이 아니라, 유저의 행동과 연결된 자연스러운 다음 단계가 될 수 있다.

💎이번 스프린트 미션에서 남은 것

이번 미션은 Amplitude를 활용해 실제 서비스 분석 흐름을 연습해볼 수 있었던 미션이었다. 처음에는 차트 종류가 많아서 어떤 차트를 어디에 써야 할지 조금 헷갈렸다. 하지만 분석 질문을 먼저 정하고 나니 어떤 차트를 봐야 하는지도 조금씩 정리되었다. 

 

특히 이번에 새롭게 인상 깊었던 것은 Engagement Matrix와 Journeys 차트였다. Engagement Matrix를 통해 단순히 이벤트 발생 수만 보는 것이 아니라, 얼마나 많은 유저가 해당 행동을 하는지와 얼마나 자주 반복하는지를 함께 볼 수 있었다. 덕분에 어떤 행동이 단순히 많이 발생하는 행동인지, 아니면 유저의 반복 이용과 연결될 수 있는 행동인지 더 구조적으로 볼 수 있었다. Journeys 차트도 유용했다. 퍼널 분석은 내가 미리 정한 경로를 기준으로 전환율을 확인하는 방식이라면, Journeys는 실제 유저들이 어떤 순서로 행동했는지를 보여주기 때문에 예상과 다른 흐름을 발견하는 데 도움이 되었다. 이번 분석에서도 신규 유저가 추천 콘텐츠를 바로 소비하기보다 검색과 선택을 거쳐 첫 재생에 도달하는 흐름이 주요하게 나타났고, 이를 통해 온보딩 개선 방향을 더 구체적으로 잡을 수 있었다.

 

이번 미션 분석 결과, 서비스는 기본적인 방문, 탐색, 재생, 재방문 흐름이 비교적 안정적으로 작동하고 있었다. 월별 활성 유저 수는 일정 범위 안에서 유지되고 있었고, 재방문한 유저가 실제 콘텐츠 재생까지 이어지는 흐름도 자연스럽게 나타났다. 다만 신규 유저 온보딩에서는 가입 직후 메인 화면 진입 구간과 첫 재생 이후 Lock-in 행동으로 이어지는 구간에 개선 여지가 있었다. 신규 유저는 첫 재생과 즐겨찾기처럼 가벼운 행동까지는 비교적 자연스럽게 이어졌지만, 추천 재생이나 플레이리스트 팔로우처럼 서비스에 대한 신뢰와 관심이 더 필요한 행동까지는 바로 이어지지 않았다. 따라서 온보딩의 핵심 방향은 처음부터 많은 기능을 안내하는 것이 아니라, 신규 유저가 서비스의 핵심 가치인 콘텐츠 재생을 빠르게 경험하고, 마음에 드는 콘텐츠를 저장하면서 서비스 안에 자신의 취향을 남기도록 돕는 것이라고 정리할 수 있었다.

 

이번 미션은 Amplitude에서 배운 차트들을 실제 분석 흐름 안에서 연결해볼 수 있었다는 점에서 의미가 있었다. 특히 서비스 현황 파악에서 끝나는 것이 아니라, 신규 유저 온보딩 개선이라는 구체적인 문제로 이어가면서 분석 결과를 실제 개선 방안으로 연결해보는 연습을 할 수 있었다.