[SQL] Investigating a Drop in User Engagement

https://mode.com/sql-tutorial/a-drop-in-user-engagement/

Investigating a Drop in User Engagement | SQL Analytics Training - Mode

Read problem

 

1. what you think about the latest activity on the user engagement dashboards. 

the number of users who logged at least one engagement event during the week starting on that date.

1400대의 point에서 왜 1200대로 내려갔는가? 해당 서비스는 소셜미디어와 같은 interactive 플랫폼이다. 6월 7월 여름기간에 접어들면서 날씨가 따뜻해지는 계절적인 영향으로 휴가 계획 공유나 정보 공유등이 있었다가 8월에 들어 아무튼 계절적인 요인이있을 것이다. 6월 7월에 특별한 이벤트가 있을 것이다.

 

정답에는 - 8월에 휴가철이라서 덜 사용한다는 것. 특정 기능이 고장났다는 것. tracking code가 고장났다는 것. 특정 마케팅 이벤트들. 데이터 자체가 안좋은 경우. search engine 인덱싱이 바뀌는 경우 등, 생각지도 못하게 이상한 부분, 즉 버그까지 생각해낸다는 게 흥미롭다.

 

많은 확률가운데에 몇 가지 팁이 있다면, 
1. 경험 : 몇번 경험을 겪다보면 이게 대충 무슨 일인지 알게 된다.

2. 커뮤니케이션 : 누군가에게 마케팅 이벤트가 있었는지 물어볼 수도 있고, 아주 작은 이유도 있다.

3. 속도 : 특정 부분은 테스트하기 훨씬 빠르고 이해하기 쉽기 때문에 다른 것 보다 먼저 해보면 좋다.

4. 의존성 : X테스트 이후에 Y테스트가 쉽다면, 순서대로하는게 옳다.

 

코호트 분석 : 

 

코호트 분석은 사용자 그룹을 특정 시간 동안의 행동이나 성과를 추적하여 분석하는 방법입니다. 여기서 '코호트'란 비슷한 특징이나 경험을 공유하는 사용자 그룹을 의미합니다. 이 분석 방법은 고객 유지, 제품 사용 패턴, 매출 변동 등 다양한 영역에서 유용합니다.

예를 들어, 코호트 분석을 통해 특정 기간에 가입한 사용자들이 시간이 지남에 따라 어떻게 행동하는지 이해할 수 있습니다. 이를 통해 고객 충성도, 재구매율, 사용자 참여도 등을 측정할 수 있습니다.

예시: 웹사이트 신규 가입자의 재방문 분석
목표: 특정 월에 가입한 사용자들이 이후 몇 개월 동안 웹사이트에 얼마나 자주 방문하는지 분석

SELECT
  DATE_FORMAT(가입일, '%Y-%m') AS 가입월,
  DATE_FORMAT(방문일, '%Y-%m') AS 방문월,
  COUNT(DISTINCT 사용자ID) AS 재방문자수
FROM 사용자
JOIN 방문기록 ON 사용자.사용자ID = 방문기록.사용자ID
WHERE DATE_FORMAT(가입일, '%Y-%m') != DATE_FORMAT(방문일, '%Y-%m')
GROUP BY 가입월, 방문월
ORDER BY 가입월, 방문월;

 

이 SQL 쿼리는 사용자 테이블과 방문 기록 테이블을 조인하여, 각 가입 월별로 다른 달에 방문한 사용자의 수를 계산합니다. 이를 통해 어떤 가입 코호트가 더 높은 재방문율을 보이는지 분석할 수 있습니다. 코호트 분석은 데이터를 시간의 흐름에 따라 분석하는 데에 중점을 두기 때문에, 사용자 행동의 변화와 패턴을 보다 명확하게 이해하는 데 도움을 줍니다.