👩‍💻인프런 지식 공유자는 이런 데이터가 궁금해요!

안녕하세요, 데이터리안 강의 기획자 S 입니다.

데이터리안이 '[백문이불여일타] 데이터 분석을 위한 기초 SQL'로 인프런에서 강의를 시작한 지도 벌써 1년이 넘었습니다.
그동안 데이터리안 강의는 총 여섯 개가 되었고, 총 수강생은 삼천 명을 넘었네요.
데이터리안 강의를 수강해주신 모든 분, 앞으로 수강해주실 모든 분, 그리고 항상 많은 도움을 주시는 인프런 관계자분들께 감사의 말씀을 전합니다.

감사 인사로 글을 시작하게 되었는데, 오늘은 지식 공유자로서 👩‍💻인프런 강의 데이터👩‍💻에 관한 이야기를 해보려고 합니다.
인프런에서 활동하는 지식 공유자들은 대시보드 기능을 통해 ` 수강생 수`, `수익 현황` 등 강의 결제 관련 지표를 확인할 수 있습니다.

참고
아래 화면은 실제 대시보드에서 ` 판매액 ` 등의 민감 정보를 제외한 화면입니다.

이번 달에는 ` 어떤 강의에서 어느 정도의 수익이 발생`했는지,  `지난 1년간 수익 현황`은 어땠는지 등 많은 정보를 살펴볼 수 있습니다.
현황을 보다보니, 수강생들의 이용 현황 등 더 다양한 종류의 지표를 보면 좋겠다는 생각이 들었습니다.
데이터리안이 데이터 분석가 커뮤니티인 만큼, 지식 공유자로서 확인하고 싶은 지표와 이를 통해 할 수 있는 액션에 대해 고민한 내용을 공유합니다.

next..

1. 데이터리안 강의를 어떻게 알게 되었을까?

• 1-A. 강의 유입 경로 비중
• 1-B. 강의 구매 ~ 실제 수강 사이의 기간과 실제 수강 비중

2. 강의 수강 중 어려운 점은 무엇일까?

• 2-A. 영상별 반복 재생 횟수
• 2-B. 음량, 재생 속도 변경 횟수 및 전체 재생 수 대비 그 비중
• 2-C. 완강률 & (완강하지 않은 채 이탈한 경우) 이탈한 지점

3. 이후에도 다른 데이터리안 강의를 계속 수강할까?

• 3-A. '[백문이 불여일타] 시리즈' 내의 다음 강의를 이용하는 수강생 비중
• 3-B. '[백문이 불여일타] 시리즈' 완강 이후 '추천 시스템' 강의 등록 비중 (혹은 그 반대 경우의 비중)

1. 데이터리안 강의를 어떻게 알게 되었을까?

1-A. 강의 유입 경로 비중

데이터리안 강의를 수강해주신 분들은 저희 강의를 어떻게 알게 되었을까요?
지금 이 글이 올라와 있는 데이터리안 블로그를 통해 알게 되었을 수도, 혹은 인프런 내에서 `SQL`, `데이터 분석` 등의 키워드를 검색하여 알게 되었을 수도 있을 것입니다.

수강생의 유입 경로를 데이터로 파악할 수 있다면, 데이터리안은 이런 액션을 해볼 수 있겠네요.

1. 인프런 내에서 검색을 통한 유입이 많다면?
   • 강의에 여러 키워드를 추가하여, 지금 보다 더 다양한 검색 결과에서 데이터리안 강의가 노출될 수 있도록 한다.
2. 데이터리안 블로그 혹은 인프런 블로그 를 통한 유입이 많다면?
   • 블로그에 더 자주 글을 업로드 한다.
   • 블로그 글이 더 많이 퍼질 수 있도록 여러 커뮤니티에 홍보한다.

현황을 확인하고 액션을 했다면 실제 효과를 확인해볼 차례겠네요. 액션 이후에 해당 경로를 통한 유입이 늘었는지를 계속 확인하며 효과를 분석해볼 수도 있을 것입니다.

1-B. 강의 구매 ~ 실제 수강 사이의 기간과 실제 수강 비중

수강생분들이 강의를 구매하고 실제로 공부를 시작하기까지의 기간은 얼마나 될까요? 그리고 실제 수강 비중은 전체 구매 고객의 몇 퍼센트일까요?
AARRR 방법론에 따라 나눠보자면, 강의 구매는 `Acquisition`, 실제 수강은 `Activation` 이라고 할 수 있습니다. 이 `Activation`이 일어나기까지 얼마나 걸리는지, 즉 공부하고자 하는 마음이 들었을 때 강의를 구매해서 바로 수강을 하는지 혹은 미리 구매하고 나중에 시간이 될 때 수강을 시작하는지 궁금하네요.
이 데이터는 확인할 수 없지만, 인프런측에서 제공해주시는 결제 데이터를 보며 발견한 한 가지 패턴이 있습니다.
강의 할인을 하지 않을 때보다, 강의 할인이 진행되는 특정 기간에 구매가 증가한다는 점입니다.

더욱더 재미있는 부분은, 할인이 종료되는 마지막 날에 가장 많이 구매한다는 것입니다.
이런 데이터를 보면, 할인 기간에 미리 강의를 구매하고 강의 수강은 나중에 하지 않을까 하는 생각이 드네요 :)

2. 강의 수강 중 어려운 점은 무엇일까?

2-A. 영상별 반복 재생 횟수

인프런 강의는 여러 섹션으로 묶인 영상으로 구성되어 있습니다. 이 중에서 `어떤 영상을 가장 많이 반복 재생`하며, `반복 재생을 많이 하는 영상은 어떤 섹션에` 가장 많을까요?
반복 재생이 많은 영상 혹은 섹션이 있다면, 해당 영상의 난이도와 관련 질문 등록 수 등을 확인하여 영상 하단에 보충 설명을 추가하는 등의 액션을 해볼 수 있을 것입니다. 현재는 영상 재생 관련 데이터를 확인할 수 없으므로, 질문 주신 내용을 바탕으로 특별히 질문이 많이 들어오는 영상에 보충 설명을 덧붙이기도 했습니다.

2-B. 음량, 재생 속도 변경 횟수 및 전체 재생 수 대비 그 비중

데이터리안 SQL 강의 수강평에는 음량이나 설명 속도 등에 대한 피드백이 종종 있는데요, 영상마다 촬영 시점이나 환경이 다를 수 있으므로 불편을 느끼시는 부분을 데이터로 더욱 정확하게 확인할 수 있으면 좋겠다는 생각이 들었습니다.

1. 어떤 영상에서 음량이나 재생 속도를 조정하는 횟수가 많은지 ( = 영상별 조정 횟수)
2. 작게/느리게 조정을 하는지 혹은 크게/빠르게 조정을 하는지 ( = 변경 내역 )

와 같은 데이터를 확인할 수 있다면, `해당 영상의 전체 재생 수 대비 변경 횟수` 등을 집계하여 영상별 변경 비율을 알아볼 수 있을 것입니다. 수치를 확인한 후에는 변경 비중이 높았던 영상을 직접 확인해보고, 강의의 음량이나 속도가 다른 강의와 어떻게 다른지 확인해볼 수 있겠네요.
이런 식으로 데이터를 활용할 수 있다면, 앞으로 새로운 강의를 준비할 때는 많은 분이 원하는 음량 혹은 재생 속도로 편집하여 제공할 수 있지 않을까 생각합니다.

2-C. 완강률 & (완강하지 않은 채 이탈한 경우) 이탈한 지점

강의를 처음부터 끝까지 모든 영상을 시청한, 즉 완강한 비율은 얼마나 될까요? 만약 완강하지 않고 이탈했다면, 어떤 지점에서 이탈했을까요? 각 수강생이 수강한 영상과 그 날짜를 확인할 수 있다면, 완강한 고객 및 그렇지 않은 고객을 확인할 수 있을 것입니다.
실제로 데이터를 확인할 수는 없지만, 확인할 수 있다고 가정한다면 먼저 두 가지를 고민해봐야 합니다.

1. 이탈한 '지점'을 무엇으로 정의할 것인가?
2. 어느 정도의 기간 내에서 이탈 여부를 판단할 것인가?

저희는 데이터리안 강의만을 대상으로 하므로 강의 결제까지의 퍼널보다는, 그 이후의 수강 현황이 더 중요합니다. 따라서 1번의 '이탈 지점'은 특정 '영상'을 기준으로 할 수 있을 것입니다. 완강하지 않은 고객이 `어떤 영상을 마지막으로 시청하고 이탈하였는지`를 살펴볼 수 있겠네요.
그렇다면 여기서 이탈 여부를 판단하는 '기간'은 어느 정도가 적당할까요?
수강 기간을 3개월로 제한한 강의는, 강의 결제 이후 3개월 이내에 완강하지 않은 고객을 이탈 고객으로 볼 수 있을 것이고, 해당 고객이 마지막으로 본 영상이 이탈 지점이 되겠네요. 수강 기간이 무제한인 강의는 이보다 더 길게 기간을 제한할 수도 있고, 혹은 동일하게 3개월로 잡아 강의 별 이탈률을 비교해볼 수도 있겠습니다.

3. 이후에도 다른 데이터리안 강의를 계속 수강할까?

3-A. '[백문이 불여일타] 시리즈' 내의 다음 강의를 이용하는 수강생 비중

많은 분이 사랑해주시는 '[백문이 불여일타] 시리즈'는 기초 ~ 고급 SQL 부터 문제 풀이 강의까지 총 다섯 강의로 구성되어 있습니다. 기초부터 고급까지 난이도 순서대로 수강하시는 분들의 비중은 얼마나 될까요?

종종 '다음 강의를 들으러 간다 '거나 '기초부터 고급까지 완강했다 '라는 수강평을 남겨주시는 분들이 계십니다. 데이터리안 강의를 믿고 끝까지 함께 해주셨다는 점에서 항상 감사드리며, 이런 흐름대로 수강하시는 수강생분들이 얼마나 계실지도 궁금해졌습니다.
만약 이 비중을 확인할 수 있다면, `시리즈가 완성되지 않았을 때와 시리즈가 완성된 이후에 다음 강의를 구매하는 비율`이 차이가 나는 지를 확인해 볼 수 있을 것입니다. 만약 시리즈 완결 이후 다음 강의로 전환되는 비중이 높다면, 앞으로 시리즈 강의를 제작할 때는 다음 강의가 최대한 빨리 나올 수 있도록 하는 것이 중요하겠네요.

3-B. '[백문이 불여일타] 시리즈' 완강 이후 '추천 시스템' 강의 등록 비중 (혹은 그 반대 경우의 비중)

현재 데이터리안 강의는 크게 두 종류로 나눠집니다. 하나는 SQL을 다루는 '[백문이 불여일타] 시리즈 ', 다른 하나는 '추천 시스템 ' 입니다.
두 시리즈는 서로 다루는 내용이 다르다 보니 `두 가지를 모두 수강해주시는 분`들은 얼마나 되며, 어떤 분들이 `어떤 순서로 수강하는지` 궁금합니다. 앞으로 나올 다양한 주제의 강의를 많은 분이 좋아하실지, 기존의 데이터리안 강의를 수강하신 분도 데이터리안을 믿고 새로운 강의를 수강하실지 파악해볼 수 있을 것 같습니다.

인프런의 지식 공유자로서 데이터리안은 이런 지표가 궁금한데, 다른 지식 공유자분들은 어떤 지표에 관심이 있으실지 궁금하네요. 지식 공유자로서 일방적으로 컨텐츠를 전달하는 것이 아닌, 강의 개선을 위해 어떤 액션을 해볼 수 있을지 고민해보는 뜻깊은 시간이었습니다.

지난 일 년 동안 데이터리안 강의를 수강해주신 모든 분께 다시 한번 감사 인사를 드리며, 앞으로 더 다양하고 발전된 강의로 오랫동안 찾아뵙겠습니다 :)

👉데이터리안 강의가 궁금하시다면? Click