ChatGPT와 함께하는 상관 관계 분석

ChatGPT는 도구일 뿐, 완벽하지는 않다는 점을 기억하자.

챗GPT가 해석해주는 내용이 틀린 건 아니지만, 그것만 있는 것은 아니다.

 

예를 들면 아래 이미지를 보자.

(나는 보통 가운데 선을 긋고, 아래쪽 데이터만 본다)

 

우선 내가 갖고 있는 raw 데이터를 ChatGPT한테 상관관계를 분석해달라 했다.

그랬더니 위와 같은 표와 함께 아래와 같이 해석했다.

추가로 생각해보면 아래와 같은 해석도 덧붙일 수 있다.

 

[추가 분석]

1.매출(revenue)에는 신규 방문자(new_visitor)보다 재방문자(returning_user)가 더 높은 상관관계를 가진다.

2.매출(revenue)에는 장바구니담기(addToCart)와 회원가입(joinMember)가 높은 상관관계를 보이며, 세션시간(체류시간, session_time)과 페이지뷰(pageview)수는 상관관계가 약하다.

3.세션시간(session_time)과 페이지뷰수(pageview)는 높은 상관관계를 보이지만, 다른 전환요소(회원가입, 장바구니, 구매시작, 구매완료, 매출)에는 상관관계가 약하다.

4.총 방문자(total_user)는 장바구니(addToCart)와 회원가입(joinMember)와 상관관계가 높다.

 

위 내용은 상관관계일 뿐, 인과관계의 유무에 대해서는 확인되지 않은 단순한 결과이다.

예를 들어보자

[상관관계 분석] 체류시간, PV는 전환 요소와 상관관계가 약하다. ▶︎ 위 상관관계분석에 따르면 매출, 회원가입, 장바구니 등 모든 전환과 상관관계가 약하다. 즉, 체류시간과 PV는 전환에 영향을 끼치는 않는다는 의미이다.

 

하지만 생각해보자. 체류시간이 길고 PV가 높을 수록 당연히 고민을 많이 한다는 의미일 텐데, 전환에 도움이 되는 게 맞지 않을까?

위 데이터는 고관여 상품일 때를 기준으로 작성한 것이다.

 

그렇다면 아래와 같이 생각할 수 있다.

[가설] 체류시간/PV는 전환에 인과관계가 강하다.

[검증] 고관여상품이라 한번에 구매하지 못하고, 재방문 또는 오랜기간 탐색한 경우 전환이 증가되는 변곡점이 있을 것이다.

[검증 방법] 인과관계 분석을 통해 각 체류시간/PV의 전환이 증가하는 변곡점을 찾고, 해당 체류시간/PV까지 달성하게 하기 위해 온사이트 경로를 개선해보자.

[추가 개선 방안] 상관관계가 약하게 나오게 된 이유를 찾자. 그리고 개선점은 무엇인가?

 

단순 상관관계만 보면 체류시간과 PV는 전환과 연관이 없다.

하지만 위 데이터는 실제로 인과관계를 따지다보면 강한 인과관계를 가짐을 알 수 있었던 데이터였다.

 

물론 인과관계가 전혀 없었을 수도 있다.

이런 경우 방문자의 수와 질이 전환에 영향을 끼치지 않았음을 인정하고 전체적인 마케팅 방안을 개선해야 한다.