< 가설 검증 프로세스 >
1. 가설 설정
2. 가설 검증 방법 설정
3. 검증 지표, 목표 수치 설정
4. 실험 기간 설정 및 진행
5. 데이터 분석 및 가설 검증
6. 인사이트 도출
1. 가설 설정
우선순위를 세우고 가장 가치가 높은 가설을 검증하자.
- 기준 1) 현재 상황을 개선하는가?
- OKR로 현재 상황/문제 분석 (얼마나 목표에 다다랐는지 확인)
- 문제의 근본 원인 찾기 (5whys)
- 기준 2) actionable 한가? (= 이거 검증하고 다음에 뭐할지 알 수 있음?)
✅ 이게 진짜 근본 원인이 맞나? 를 검증하기
2. 가설 검증 방법 설정
1️⃣ A/B 테스트 (비교검증)
- 서로 다른 시나리오를 비슷한 표본에게 동 시간으로 제공하고 반응을 비교해서 어떤 게 더 효과적일지를 확인
- 구글 옵티마이즈에서 진행 가능
2️⃣ 실험 전후 검증
- 실험 전후의 고객 반응 비교
- 변수가 많아서 정확성 떨어짐
3️⃣ XYZ 검증
- 고객 행동 및 기대되는 만족도/효과를 정량적으로 분석
ex) 재방문 고객의 20%는 5분 동안 페이지에 머무를 것이다.
지난 프로젝트에서 가설을 세우고 그것을 검증하는 방식으로 EDA 하는 것이 훨씬 논리적이고 설득력도 높으며 보는 사람들도 직관적으로 이해하기 쉽다고 느꼈다. 그래서 가설 검증 방법에 대해 알고 싶었는데 아티클 통해서 학습할 수 있어서 좋았다.
깨달은 것은
1. 문제 진단/상황 분석을 기반으로 한 올바른 가설 설정이 핵심이라는 것.
그리고 그 설정을 어디까지 파고들어야 하는지를 알아야 한다는 것.
도대체 why?why?why?why?why?why?why?를
계속 하다보면 너무 세밀해져서 오히려 신뢰도가 떨어짐.
2. 특히 A/B테스트를 빨리 배워서 데이터 분석의 신뢰도를 높이고 보다 논리적인 구현을 해보고 싶다.
'데이터 분석 > 아티클 미션' 카테고리의 다른 글
| [아티클 미션] -16 관계형 데이터베이스 (0) | 2025.03.18 |
|---|---|
| [아티클 미션] -15 데이터의 신뢰성 (0) | 2025.03.14 |
| [아티클 미션] -13 사용자데이터 통계 분석 (0) | 2025.03.04 |
| [아티클 미션] -12 데이터 아키텍처 (0) | 2025.02.27 |
| [아티클 미션] -11 Data Analytics Engineer가 하는 일 (0) | 2025.02.10 |