Activation을 전사 공통 레이어로 만들며 해결한 3가지: 신뢰성, 비용, 생산성
Summary
"단순 AU는 이제 그만!" 당근이 사용자를 쪼개서 분석하는 비결, Activation 공통 레이어
데이터 신뢰성과 운영 비용, 개발 생산성을 모두 잡은 당근 데이터 가치화팀의 데이터 모델링 여정
당근은 사용자 지표 분석의 한계를 극복하기 위해 단순히 '얼마나 방문했나'를 넘어 '어떤 상태로 전이되었나'를 추적하는 전사 공통 레이어를 구축했습니다. dbt 매크로와 스냅샷 기반의 3단계 모델링을 통해 복잡한 쿼리 없이도 고차원적인 활성 유저 분석이 가능해졌으며, 이를 통해 서비스 성장 원인을 정교하게 파악하고 마케팅 성과를 극대화하는 성과를 거두었습니다.
- 01사용자를 신규/유지/복귀/이탈로 세분화하여 분석하는 User Activation 관점 도입
- 02데이터 스캔량을 최소화하기 위해 '날짜별 스냅샷' 방식을 채택한 FirstLast 모델 설계
- 03dbt 매크로를 활용해 SQL 작성 없이도 표준화된 활성 지표 모델을 생성하는 생산성 혁신
- 04유지 유저 내에서도 '신규 정착'과 '핵심 유지'를 구분하는 전이 세그먼트 분석 구현
- 05LLM 분석 에이전트와 연동하여 구성원 누구나 지표의 의미를 대화로 파악하는 환경 구축
RECOMMENDATION
서비스 성장의 핵심 동력을 단순 수치가 아닌 유저 흐름 관점에서 정교하게 파악하고 싶은 데이터 분석가와, 비효율적인 반복 쿼리 작업을 시스템적으로 표준화하려는 데이터 엔지니어에게 추천합니다.
The Problem
기존에는 팀마다 활성 사용자(Active User) 지표를 각자 정의하고 쿼리로 직접 계산하면서 데이터의 신뢰성이 낮았고, 지표 산출을 위해 매번 전체 기간을 스캔해야 하는 막대한 연산 비용과 복잡한 SQL 작성에 따른 생산성 저하 문제가 있었습니다.
The Solution
dbt를 활용해 'FirstLast(최초/직전 활동 스냅샷)', 'Activation(활성 상태)', 'Activation Status(전이 및 비활성 포함)'로 구성된 3단계 공통 데이터 레이어를 구축하고, 복잡한 로직을 dbt 매크로로 캡슐화하여 설정만으로 모델을 생성할 수 있게 했습니다.
The Result
데이터 스캔 범위를 하루치로 고정하여 비용을 절감하고 백필 성능을 개선했으며, 전사 공통의 '활성 상태' 및 '전이 세그먼트' 지표를 통해 서비스 성장의 원인을 정교하게 파악하고 CRM 마케팅 타겟팅에 활용하는 성과를 거두었습니다.
Trade-off
날짜별 스냅샷 방식으로 데이터를 누적함에 따라 저장 공간 사용량이 점진적으로 증가하며, 특정 시점의 데이터 오류가 이후 날짜의 결과값에 영향을 줄 수 있어 정교한 품질 모니터링과 파티션 단위의 재적재 운영이 필요합니다.
Key Concepts
More from 당근
View all posts from 당근
혼자 시작해 전국 오픈까지, 당근 레슨/과외 빌딩 로그
MarketplaceProduct Market FitFunnel Optimization2주 전
디자인시스템 팀은 디자인시스템만 잘 만들면 될까
Design SystemAI in DesignUX Patterns1개월 전당근 200+개 DB 를 옮기는 ELT 플랫폼, DT Platform 을 만든 이야기
ELTApache SparkApache Airflow1개월 전
누구나 찾아볼 수 있는 중고거래 서버 LLM 릴리즈 노트 도입기
LLMGitHub ActionsNotion2개월 전How We Protect Karrot’s Internal PyPI Proxy from Supply Chain Attacks
PyPIAWS CodeArtifactSecurity Cooldown2개월 전
