동료 채팅을 사용하여 데이터 분석 시작
Adobe CX Enterprise Coworker Chat을 설정하여 Customer Journey Analytics 데이터 보기 또는 Adobe Analytics 보고서 세트를 분석한 다음 작업 예를 따릅니다. 사용 사례, 기술 및 모범 사례를 포함하여 공동 작업자 채팅으로 수행할 수 있는 작업에 대한 개요는 공동 작업자 채팅으로 데이터 분석을 참조하세요.
시작하기 전에 Coworker 채팅 인터페이스 및 구성 옵션을 학습한 다음 Coworker가 Customer Journey Analytics 또는 Adobe Analytics 및 관련 데이터 보기 또는 보고서 세트에 연결되어 있는지 확인합니다.
시작하기에 앞서
데이터 액세스 및 권한
동료 채팅은 Customer Journey Analytics 또는 Adobe Analytics의 권한을 상속합니다. Analysis Workspace에서 사용할 수 있는 데이터 보기, 보고서 세트, 차원, 지표 및 세그먼트에만 액세스할 수 있습니다.
인터페이스 및 구성 옵션
Customer Journey Analytics 또는 Adobe Analytics 데이터와 함께 Coworker Chat을 사용하기 전에 다음 기능에 대한 로그인 및 구성 옵션 관리 방법을 알아보십시오.
- 채팅 입력
- 대화
- 마켓플레이스
- MCP 서버
- 메모리
- 플러그인
- 기술
- 기타
자세한 내용은 동료 채팅 UI 안내서를 참조하십시오.
동료 채팅이 Customer Journey Analytics에 연결되어 있는지 확인합니다.
Coworker Chat에서 Coworker가 Customer Journey Analytics에 연결되어 있는지 확인합니다.
-
왼쪽 레일에서 MCP 아이콘을 선택한 다음 연결된 MCP 서버 목록에서 cja-mcp을(를) 사용할 수 있는지 확인하십시오.
-
(조건부) cja-mcp이(가) 아직 연결되지 않은 경우 MCP 서버 추가를 선택하고 서버 이름 필드에 cja를 지정한 다음 표시될 때 선택한 다음 서버 추가를 선택합니다.
올바른 데이터 보기 또는 보고서 세트에 연결
데이터 보기는 데이터를 해석하는 방법을 결정하는 Customer Journey Analytics의 컨테이너입니다. 보고서 세트는 사이트 및 앱에서 수집된 데이터를 보유하는 Adobe Analytics의 컨테이너입니다.
Customer Journey Analytics의 다양한 데이터 보기 또는 Adobe Analytics의 보고서 세트에 액세스할 수 있습니다. 각 차원에는 Coworker가 데이터를 분석할 때 사용할 수 있는 다양한 차원과 지표가 포함되어 있을 수 있습니다.
사용할 데이터 보기 또는 보고서 세트 결정
답변할 질문 유형을 동료에게 알려 주고 해당 정보를 제공하는 액세스 권한이 있는 데이터 보기 또는 보고서 세트를 질문합니다. 데이터 보기 또는 보고서 세트를 메모리의 기본 설정으로 설정할 수도 있습니다.
사용자:
저는 고객 여정에서 고객들이 잠깐 들르는 학습에 관심이 있습니다. 내게 이 질문에 답할 수 있는 액세스 권한이 있는 Customer Journey Analytics의 데이터 보기는 무엇입니까?
동료 채팅 응답:
세 개의 데이터 보기에 액세스할 수 있습니다. Customer lifecycle 데이터 보기에는 질문에 답변하는 데 가장 적합한 다음 차원과 지표가 포함되어 있습니다.
사용자:
좋습니다. 해당 데이터 보기를 사용하겠습니다.
동료 채팅 응답:
이 채팅 세션에서 향후 질문에 답변할 수 있도록 Customer lifecycle 데이터 보기를 사용합니다.
메모리에 데이터 보기 또는 보고서 세트 환경 설정 추가
동료 채팅에는 모든 채팅에 적용되는 정보에 액세스할 수 있는 메모리 기능이 포함되어 있습니다. 선호하는 데이터 보기 또는 보고서 세트를 동료의 메모리에 환경 설정으로 추가하는 것이 좋습니다.
-
동료 채팅의 왼쪽 탐색 메뉴에서 메모리 아이콘을 선택합니다.
-
메모리 페이지의 저장된 환경 설정 섹션에서, 채팅에서 Coworker Chat이 사용할 데이터 보기 또는 보고서 세트를 하나 이상 지정합니다.
예: 고객이 드롭오프하는 위치 찾기
직장 동료 채팅에 데이터를 사용하여 모든 비즈니스 질문을 분석하도록 요청할 수 있습니다.
예를 들어 마케팅 관리자, 머천다이저 또는 성장 주도자는 고객이 어디에서 구매 경로를 포기하는지, 왜 구매했는지, 전환율을 높이기 위해 수행할 수 있는 작업에 대해 알고 싶을 수 있습니다.
질문 유형
폴아웃 시각화가 무엇인지, 또는 어떤 지표가 어느 슬롯에 배치되는지 알 필요는 없습니다. 대신 중요한 결과를 일반 언어로 설명하십시오.
- “구매하는 도중에 사람들이 줄어드는 곳은 어디입니까?”
- “제품 보기에서 체크아웃에 이르기까지 전체 전환 funnel은 무엇입니까?”
- “장바구니와 구매 중 어느 마케팅 채널이 가장 많이 누출됩니까?”
- “모바일이나 데스크탑에서 장바구니 포기가 더 심합니까?”
- “유료 소셜 환경의 사람들이 이메일의 사람들과 다르게 전환됩니까?”
대화
1. 비즈니스 질문으로 시작
사용자:
구매하는 도중에 사람들이 어디에 빠지나요?
동료 채팅 응답:
동료 채팅은 올바른 시각화를 선택하고, 터치포인트의 시퀀스를 지정하며, 권장되는 다음 단계를 추가합니다.
funnel 질문입니다. 전환 funnel을 실행하여 구매 경로에서 드롭오프가 발생하는 위치를 확인할 수 있습니다.
사람들을 잃는 이유가 여기 있습니다.
중요한 결과: 구매할 장바구니가 가장 큰 누출임
28,463명이 장바구니에 품목을 추가하지만 구매를 완료하지 못했습니다. 이는 83.6%의 장바구니에서 구매로 인한 감소 비율입니다. 단일 장애 지점에서 가장 큰 수치입니다.
우선 순위에 대해 알려 주는 내용:
다음 단계 권장:
- 마케팅 채널별로 장바구니 포기를 분류합니다. 장바구니에 추가하지만 구입하지 않는 저의도의 트래픽을 가져오는 특정 채널이 있습니까?
- 디바이스 유형별 장바구니 포기 살펴보기 — 모바일 체크아웃 마찰이 전환을 종료합니까?
- 어떤 제품이 가장 많이 포기되는지 확인 — 가격 문제? 깜짝 배송?
다음 중 어떤 항목을 살펴볼까요? 채널 분류는 실제 구매자와 비교하여 "거의 구매자"에게 전달하는 마케팅 작업을 직접 알려 줍니다.
2. 누출 부분을 파고 들어라
사용자:
좋아요, 마케팅 채널별로 분류해봅시다
동료 채팅 응답:
사용자 지정 마케팅 채널 차원이 있습니다. 이를 통해 funnel을 가져온 다음 채널별 전환율을 계산하고 각 채널이 누출되는 위치를 식별하겠습니다.
평결: 유출은 채널별로 다릅니다
이것은 정말 드러나는 결과이다. 다음은 채널별 funnel 분류입니다.
주요 방법:
- 장바구니에서 구매로 드롭오프가 모든 채널에서 균일하게 잘못됨(83~84%). 즉, 모든 채널이 비슷한 비율로 사용자를 장바구니로 전환하므로 트래픽 품질에 대한 문제가 아닙니다. 누수는 마케팅이 아니라 체크아웃 경험 자체에 있습니다.
- 어떤 채널도 전환에서 크게 더 우수하거나 더 나쁜 것은 없습니다. 전체 전환율은 3.8%와 4.2% 사이에서 긴밀하게 집계되며 세션당 매출은 거의 동일합니다($495-$512).
- 볼륨에 미치는 영향이 가장 큰 경우: 유료 검색이 절대적으로 가장 많은 사람을 잃음(9,015개의 장바구니 포기)한 다음 유기 검색(6,449개의 손실)합니다. 이러한 기회는 가장 많은 트래픽을 유도하기 때문에 가장 큰 달러 가치 기회입니다.
전략적으로 설명
마케팅 채널들은 그들의 일을 하고 있습니다. 그들은 모두 사람들의 관심을 끌고 비슷한 비율로 장바구니에 추가합니다. 문제는 마케팅의 다운스트림입니다. 체크아웃 및 결제 흐름은 금액이 유출되는 위치입니다.
다음 조사 권장:
- 모바일 장바구니 포기를 제품 범주별로 분류하면 가격이 높은 항목의 경우(모바일 결제 신뢰 문제 제안) 더 나쁠까요?
- 가장 많은 모바일 트래픽을 유도하는 마케팅 채널을 확인하십시오. 사람들을 손상된 모바일 funnel으로 보내기 위해 유료 미디어 비용을 지출하고 있습니까?
- 페이지 또는 사이트 섹션 신호가 있는지 확인합니다. 모바일 사용자가 중단하기 전에 마지막으로 히트한 체크아웃 페이지를 확인할 수 있습니까?
다음 탐색할 각도
3. 계속 조사
사용자:
흥미롭군 장치 유형별로 분류해 보겠습니다.
동료 채팅 응답:
찾음: 모바일 체크 아웃이 끊어졌습니다
funnel은 체크아웃할 때까지 디바이스 간에 동일하며 모바일은 낭떠러지에서 떨어집니다.
흡연 총
검색 및 장바구니에 추가 경험은 모바일에서 괜찮습니다(동일한 ~45% 검색 비율, ~55% 장바구니에 추가). 사람들은 똑같이 관심이 있고 참여합니다. 그러나 모바일 체크아웃 흐름에서 전환율이 감소하는 문제가 발생했습니다.
매출 기회
모바일 체크아웃이 데스크톱과 동일한 속도로 전환되면 1회 경험을 수정하여 총 구매량이 35% 증가한 1,991건의 추가 구매를 할 수 있습니다.
가능한 상황
데이터 패턴(균등한 참여, 예외적인 체크아웃 드롭은 다음에 대한 일반적인 신호입니다.
- 작은 화면에서 결제 양식 마찰(자동 채우기 문제, 양식 레이아웃)
- 체크아웃 (배송, 세금)에서 드러나는 예기치 않은 비용 스티커 쇼크를 유발함
- 게스트 체크아웃을 사용할 수 없거나 모바일의 로그인 월
- 모바일에서 결제 처리 중 페이지 로드 또는 시간 초과 문제
다음 단계 권장:
- 모바일 장바구니 포기를 제품 범주별로 분류하면 가격이 높은 항목의 경우(모바일 결제 신뢰 문제 제안) 더 나쁠까요?
- 가장 많은 모바일 트래픽을 유도하는 마케팅 채널을 확인하십시오. 사람들을 손상된 모바일 funnel으로 보내기 위해 유료 미디어 비용을 지출하고 있습니까?
- “holiday_flash_sale” 캠페인이 체크아웃 전환을 더 잘 했는지 확인 — 긴급도 기반 캠페인이 체크아웃 마찰을 극복할 수 있는지 확인
어떤 항목을 살펴보시겠습니까, 아니면 UX 및 체크아웃 팀에 가져갈 수 있는 충분한 증거입니까?
4. 결정으로 전환합니다.
사용자:
그럼 어떻게 해야 하죠?
동료 채팅 응답:
데이터에 근거해 볼 때, 여기에 집중해야 할 부분은 다음과 같습니다.
- 모바일 체크아웃을 수정합니다. 채널 문제가 아닙니다. 모든 채널은 사람들을 비슷하고 건강한 비율로 장바구니로 전환하므로 광고 지출이 전반적으로 작동합니다. 매출은 특히 수정 사항이 포함된 모바일 체크아웃 플로우에서 손실되고 있습니다.
- 지불 및 양식 마찰로 시작하십시오. 이러한 이유로 모바일 쇼핑객들이 장바구니를 포기하는 경우가 가장 많습니다. 모바일 지갑 옵션을 제공하고 양식을 단축하는 것이 일반적으로 가장 빠른 승수입니다.
- 수정 후 다시 확인합니다. 체크아웃 변경 사항이 배송되면 모바일의 장바구니에서 구매까지의 비율이 데스크탑 비율인 23.2%로 이동하는지 확인하십시오.
추적할 수 있도록 이것을 프로젝트로 저장하거나, 모바일 장바구니에서 구매가 임계값 아래로 떨어지는 경우 경고를 설정하시겠습니까?
무슨 일이 있었습니까
4가지 일반적인 언어 질문에서 Coworker는 다음을 지원했습니다.
- 여러 단계로 구성된 전환 funnel을 빌드하고 최대 누수로 장바구니에서 구매로 플래그 지정
- 마케팅 채널이 거의 동일한 속도로 누출되는 원인은 마케팅 채널 제외
- 실제 문제를 모바일 체크아웃으로 파악하고 구매 시 35% 상승도로 수정 사항을 수량화합니다.
- 우선 순위를 지정할 특정 수정 사항(모바일 결제 및 양식 마찰)을 사용하지 마십시오. 이는 데스크탑의 전환율 23.2%와 비교하여 벤치마킹되었습니다
Customer Journey Analytics에서 분석
동료가 시각화를 만든 후 Analysis Workspace에서 열어 보다 심층적인 분석과 세분화된 제어를 수행할 수 있습니다. 시각화는 Customer Journey Analytics의 새 Analysis Workspace 프로젝트에서 열립니다.
새 Analysis Workspace 프로젝트에서 시각화를 열려면 다음을 수행하십시오.
-
Coworker에서 만든 시각화 옆에 있는 CJA에서 분석을 선택합니다.
-
Customer Journey Analytics에서 시각화를 열면 Analysis Workspace 드래그 앤 드롭 브라우저 인터페이스를 사용하여 수정, 분석 추가, 대상 만들기 등을 할 수 있습니다. 선택한 모든 사람과 Workspace 프로젝트를 공유할 수도 있습니다.
Analysis Workspace에 대한 자세한 내용은 Analysis Workspace 개요를 참조하십시오.
다음 단계
추가 사용 사례에서는 Coworker Chat이 데이터를 분석하는 데 사용하는 기술과 프롬프트 작성에 대한 모범 사례를 참조하십시오. Coworker Chat으로 데이터 분석을 참조하십시오.