A/B 테스트 × AARRR 전환율 개선

CLASS STEP

01 / 06

전환이 안 될 때 가장 흔한 문제는 “무엇을 고쳐야 하는지”가 아니라 “무엇을 기준으로 판단해야 하는지”가 없다는 점입니다. CTR은 나쁘지 않은데 CVR은 떨어지고, 유입은 되는데 리텐션이 남지 않습니다. 수치는 쌓이지만, 그 수치가 무엇을 의미하는지 해석하지 못하면 결국 카피를 바꾸거나 디자인을 손보는 식의 비검증적 수정을 반복하게 됩니다. 이 강의에서는 막연한 개선이 아니라, 전환 목표에 연결된 지표를 먼저 정의하고 그 지표가 변할 수밖에 없는 가설을 세운 뒤 실험으로 검증하는 사고 흐름을 훈련합니다. 지금의 랜딩페이지와 상세페이지는 정말로 “못 만들어진 것”일까요? 아니면, 검증되지 않은 상태로 방치되고 있는 것일까요?

이 클래스는 지표를 보고 끝나는 마케터가 아니라, 지표를 기준으로 실험하고 증명할 수 있는 마케터가 되는 과정입니다. CTR·CVR·리텐션 같은 숫자를 단순히 “성과 결과”로 받아들이는 것이 아니라, 전환 목표를 정의하고, 어떤 가설을 세우고, 무엇을 어떻게 테스트해야 하는지를 구조적으로 설계합니다. 가상의 성공 사례가 아니라, 실제 마케팅 현장에서 반복되는 전환 문제를 기준으로 전환 목표 정의 → 정량 데이터 해석 → 설문·실험 설계 → A/B 테스트 → 결과 검증까지 실무에서 그대로 재현 가능한 실험 중심 프로세스를 학습합니다. 감으로 고치는 개선이 아니라, “왜 이 안이 더 나은지”를 숫자로 설명하고 “그래서 무엇을 유지하고, 무엇을 버릴지”를 결정할 수 있는 마케터가 되는 것. 이 강의의 목표는 예쁜 결과물이 아닙니다. 전환을 실험으로 증명하고, 그 과정을 포트폴리오로 설명할 수 있는 실무 역량입니다.

랜딩페이지·상세페이지의 전환 병목 지점을 데이터(CTR, CVR, 이탈률)로 진단할 수 있습니다.
숫자만으로 설명되지 않는 문제를 고객 인터뷰와 사용성 테스트로 보완할 수 있습니다.
전환이 안 되는 이유를 가설 → 근거 → 개선안 구조로 논리적으로 설명할 수 있습니다.
디자이너·개발자와 협업할 때 감이 아닌 데이터와 리서치로 의견을 전달할 수 있습니다.
페이지 개선 전·후를 성과 지표와 사용자 행동 기준으로 검증하고 반복 개선할 수 있습니다.

주요 경력

핀테크 · 결제 서비스 프로덕트 디자인
복잡한 결제 흐름·보안 조건을 고려한 UX 설계
데이터 기반 UI 개선 및 전환 최적화 경험
커머스 · 플랫폼 서비스 프로덕트 디자인
주문·결제·혜택 등 커머스 핵심 플로우 설계

저는 에이전시에서 삼성, LG, 네이버 등 다양한 기업의 프로젝트를 맡으며 UI/UX 디자이너로 커리어를 시작했고, 이후 2500만 명 이상이 사용하는 스타트업의 제품을 설계하며 실 사용자 중심의 디자인을 깊게 고민해왔습니다. 현재는 네카라쿠배 중 한 곳에서 데이터를 기반으로 더 나은 사용자 경험을 만드는 일을 하고 있어요. 10년 넘게 실무를 하면서 느낀 건, 디자이너의 역할이 계속해서 진화해왔다는 점이에요. 특히 2020년대 초반부터는 데이터를 이해하고, 근거와 성과를 바탕으로 디자인을 설명할 수 있는 디자이너가 더욱 주목받기 시작했죠. 단순히 보기 좋은 화면을 넘어, 고객의 문제를 정확하게 짚어내고 비즈니스에 실제로 기여하는 디자인이 중요해졌습니다. 저 또한 에이전시에서 일을 시작해 처음부터 데이터를 기반으로 디자인 할 수 있었던 것은 아닙니다. 수 많은 프로젝트를 경험하고, 실패도 해보며 방법을 계속 새롭게 배우는 과정을 거쳐왔습니다. 저는 이 강의에서 예쁜 디자인 만드는 법을 가르치지 않습니다. 대신 여러분이 실무에서 당장 내일부터 적용할 수 있는, 전환율을 실제로 올리는 데이터 기반 의사결정 방법을 가르칩니다. 마케터로 또는 디자이너로 성장하는 방법을 함께 나누고자 합니다.

5 주차 실습 Metrics Definition

핵심 목표와 정량 지표 정의 실습

“이 서비스의 성공은 무엇으로 판단할 수 있을까?”

관심 있는 서비스 또는 담당 프로덕트 선정
비즈니스 관점의 핵심 목표 정의
전환율·클릭률·리텐션 등 핵심 지표 후보 도출
목표 달성 여부를 판단할 수 있는 KPI 3가지 이상 선정

지표 정의 목표 설정 정량 사고

6 주차 실습 A/B Testing

A/B 테스트 기획 및 실험 설계 실습

“무엇을 바꿨을 때, 어떤 지표가 달라져야 할까?”

개선이 필요하다고 판단한 기능 또는 화면 선정
기존 문제를 해결하기 위한 가설 설정
비교군(A/B) 정의 및 테스트 구조 설계
실험 성공·실패를 판단할 기준 지표 설정

A/B 테스트 가설 검증 실험 설계

7 주차 실습 Problem Solving

데이터·리서치 기반 문제 정의 및 검증 보고서 작성

“우리는 무엇을 해결했고, 어떻게 검증했는가?”

정량 데이터·설문·UT 결과 종합 정리
핵심 사용자 문제를 하나의 문장으로 정의
실험 결과를 바탕으로 개선 효과 분석
검증 과정과 결과를 보고서 형태로 구조화

문제 정의 데이터 통합 검증 리포트

8 주차 실습 Portfolio

데이터 기반 케이스스터디 포트폴리오 완성

“이 문제 해결 경험을 어떻게 증명할 것인가”

문제 정의 → 가설 → 실험 → 결과 흐름 정리
지표와 리서치를 활용한 의사결정 과정 서술
사이드 프로젝트·제한적 데이터 활용 방법 정리
실무·취업용 포트폴리오 케이스로 재구성

포트폴리오 케이스스터디 커리어

Point 1

데이터를 ‘보고용 숫자’가 아닌 문제 탐색 도구로 사용합니다.

Metrics

“CTR·CVR·리텐션, 그래서 무엇이 문제인가?”

이 파트에서는 지표를 단순히 확인하는 데서 멈추지 않습니다. 전환율·클릭률·리텐션을 통해 사용자가 어디서 이탈하는지를 구조적으로 해석합니다.

숫자를 결과가 아닌 질문을 만들기 위한 단서로 사용하는 사고 방식을 익힙니다.

Point 2

AARRR로 사용자 여정을 단계별로 분해합니다.

Framework

“문제는 어느 단계에서 발생했을까?”

모든 지표를 한 덩어리로 보지 않고, AARRR 프레임워크를 기준으로 사용자 여정을 단계별로 나눕니다.

유입·활성·전환·유지 단계 중 실제로 개선이 필요한 지점을 명확히 구분할 수 있게 됩니다.

Point 3

설문조사로 숫자에 ‘의미’를 보완합니다.

Research

“사용자는 왜 그렇게 행동했을까?”

정량 데이터만으로 알 수 없는 인식·기대·불안을 설문조사를 통해 보완합니다.

무엇을 묻고, 어떤 응답을 봐야 하는지 실무에서 바로 쓰이는 설문 설계 기준을 다룹니다.

Point 4

A/B 테스트로 개선안을 실험합니다.

Experiment

“이 개선안은 정말 효과가 있었을까?”

‘좋아 보인다’는 이유로 바꾸는 디자인은 여기서 끝냅니다. 모든 개선은 A/B 테스트로 검증합니다.

가설 설정 → 실험 설계 → 결과 해석까지 실무에서 바로 적용 가능한 테스트 흐름을 익힙니다.

Point 5

정량·정성 데이터를 하나의 문제 정의로 통합합니다.

Synthesis

“그래서 우리가 해결해야 할 진짜 문제는?”

지표, 설문, 인터뷰, 테스트 결과를 흩어놓지 않고 하나의 사용자 문제로 정리합니다.

페르소나와 사용자 여정지도를 통해 문제를 누구나 이해할 수 있는 언어로 구조화합니다.

Point 6

문제 해결 과정을 포트폴리오로 완성합니다.

Portfolio

“이 경험을 어떻게 증명할 것인가”

결과만 나열하는 포트폴리오가 아니라, 문제 정의 → 실험 → 개선 → 검증의 과정을 이야기로 만듭니다.

실무·취업에서 설득력을 갖는 데이터 기반 케이스스터디를 직접 완성합니다.

"AI로 만들었는데… 왜 이렇게 정리가 안 돼 보이죠?"

자료는 많은데 하나의 흐름으로 묶지 못해 고민하는 직장인

"자료는 AI가 모아 주었는데 … 설득력은 왜 이렇게 약할까요?"

AI 결과물이 ‘일머리 없는 문서’처럼 보이는 실무자

"예쁜 PPT는 나오는데… 맥락에 맞지 않아 다시 하고 있어요."

AI 툴을‘회사용 결과물’이 안 나와 고생하는 기획자

"AI로 빨리 썼는데… 스토리라인을 못 만들겠어요."

‘보고서의 흐름’을 잡지 못하는 실무 담당자

"AI 인포그래픽 이미지가… 보고서에 넣으면 어딘가 어색해요."

‘업무용 인포그래픽 퀄리티’가 안 나와 난감한 직장인

개인별로 부족한 부분은 멘토링을 통해 보완해 드립니다.

CLASS STEP

01 / 06

1주차 (전체 5 주차)

정량 데이터의 기본 구조 이해

전환·유지·이탈 지표를 해석하고, 사용자 여정을 수치로 이해하는 기준을 학습합니다.

2파트

⌄

1-1

정량 데이터의 기본 개념

1-1-1

CTR · CVR · 리텐션 · 이탈률의 의미와 한계

1-1-2

지표를 해석할 때 자주 발생하는 오해

1-2

AARRR 프레임워크로 사용자 여정 보기

1-2-1

획득·활성·유지·추천·수익 단계 이해

1-2-2

디자인과 연결되는 핵심 지표 찾기

1주차 과제

관심 있는 서비스의 핵심 목표를 정의하고, 목표 달성 여부를 판단할 수 있는 핵심 지표 3가지 이상 선정

2주차 (전체 6주차)

설문조사와 A/B 테스트 설계

사용자의 선택을 수치로 검증하기 위한 조사·실험 방법을 학습합니다.

2파트

⌄

2-1

설문조사로 사용자 의사 파악하기

2-1-1

설문조사의 목적과 유형

2-1-2

질문 설계 시 주의해야 할 포인트

2-2

A/B 테스트의 이해와 설계

2-2-1

A/B 테스트의 원칙과 가설 설정

2-2-2

테스트 결과를 디자인 개선으로 연결하기

2주차 과제

특정 프로덕트 기능 개선을 위한 A/B 테스트 기획안 작성 (가설·변수·성공 기준 포함)

3주차 (전체 7주차)

데이터 기반 문제 정의와 해결

수집된 데이터를 바탕으로 사용자와 문제를 구조화합니다.

2파트

⌄

3-1

데이터 기반 사용자 정의

3-1-1

고객 페르소나 구성

3-1-2

사용자 여정 지도 작성

3-2

실무에서 데이터·리서치 활용

3-2-1

프로젝트 전체 흐름에서의 적용 사례

3-2-2

실무에서 자주 발생하는 실패와 극복 전략

3주차 과제

정량·정성 데이터 기반 UT 결과 및 검증 보고서 작성

4주차 (전체 8주차)

포트폴리오 정리와 커리어 적용

데이터 기반 프로젝트를 포트폴리오로 정리하고 실무·커리어로 연결합니다.

2파트

⌄

4-1

포트폴리오 케이스 스터디 구성

4-1-1

데이터 기반 스토리텔링 구조

4-1-2

제한된 데이터 환경에서의 설명 전략

4-2

포트폴리오 제작 및 실무 팁

4-2-1

포트폴리오 제작 시 주의사항

4-2-2

커리어 관점에서의 데이터 역량 활용

4주차 과제

전체 과정 회고 및 포트폴리오 케이스 스터디 구성

이 코드를 모바일 버전으로 사용할거니, 클래스명을 리네이밍해주고, 폰트사이즈를 2스케일 줄여서 한글자도 빠짐없이 풀코드로 전달줘(그대로 덮여쓰기할거임)

필수 Google 계정 (제미나이 사용, 문서 작성, 데이터 정리, 이미지 생성 등 기본 업무용 AI 활용)

필수 PPT 자동 생성 및 시각화 도구 계정 (무료 플랜으로 실습 가능)

권장 PC 환경의 크롬(Chrome) 브라우저 (문서·이미지·PPT 실습 진행)

제공 기획·보고·PPT·발표까지 바로 쓰는 업무용 프롬프트 템플릿 세트

제공 실무 시뮬레이션용 예제 자료 (회의록, 기획안, 실적 데이터, 규정 문서 등)

* 본 강의는 무료 도구 중심으로 진행되며, 일부 고급 기능은 각 서비스의 정책에 따라 선택적으로 유료 전환이 필요할 수 있습니다.

유의 사항

[아이디 공유 금지 정책]

블루타이거 모든 온라인 강의에서는 1개의 아이디로 여러명이 공유하는 형태를 금지하고 있습니다.
동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.

[기기제한 정책]

온라인 강의 시청을 위해서는 ID별 최대 3개의 기기를 등록할 수 있으며, 기기 등록은 온라인 강의장 접속 시 자동 등록됩니다.
최대 갯수를 초과하였을 경우 등록된 기기 해제가 필요합니다.

[저작권 정책]

STEP 1 정규 수업 시청

→

STEP 2 과제 수행 · 제출

→

STEP 3 멘토링 수업 · 피드백

→

주차별 반복

전환이 안 될 때 가장 흔한 문제는 “무엇을 고쳐야 하는지”가 아니라 “무엇을 기준으로 판단해야 하는지”가 없다는 점입니다. CTR은 나쁘지 않은데 CVR은 떨어지고, 유입은 되는데 리텐션이 남지 않습니다. 수치는 쌓이지만, 그 수치가 무엇을 의미하는지 해석하지 못하면 결국 카피를 바꾸거나 디자인을 손보는 식의 비검증적 수정을 반복하게 됩니다. 이 강의에서는 막연한 개선이 아니라, 전환 목표에 연결된 지표를 먼저 정의하고 그 지표가 변할 수밖에 없는 가설을 세운 뒤 실험으로 검증하는 사고 흐름을 훈련합니다. 지금의 랜딩페이지와 상세페이지는 정말로 “못 만들어진 것”일까요? 아니면, 검증되지 않은 상태로 방치되고 있는 것일까요?

이 클래스는 지표를 보고 끝나는 마케터가 아니라, 지표를 기준으로 실험하고 증명할 수 있는 마케터가 되는 과정입니다. CTR·CVR·리텐션 같은 숫자를 단순히 “성과 결과”로 받아들이는 것이 아니라, 전환 목표를 정의하고, 어떤 가설을 세우고, 무엇을 어떻게 테스트해야 하는지를 구조적으로 설계합니다. 가상의 성공 사례가 아니라, 실제 마케팅 현장에서 반복되는 전환 문제를 기준으로 전환 목표 정의 → 정량 데이터 해석 → 설문·실험 설계 → A/B 테스트 → 결과 검증까지 실무에서 그대로 재현 가능한 실험 중심 프로세스를 학습합니다. 감으로 고치는 개선이 아니라, “왜 이 안이 더 나은지”를 숫자로 설명하고 “그래서 무엇을 유지하고, 무엇을 버릴지”를 결정할 수 있는 마케터가 되는 것. 이 강의의 목표는 예쁜 결과물이 아닙니다. 전환을 실험으로 증명하고, 그 과정을 포트폴리오로 설명할 수 있는 실무 역량입니다.

랜딩페이지·상세페이지의 전환 병목 지점을 데이터(CTR, CVR, 이탈률)로 진단할 수 있습니다.
숫자만으로 설명되지 않는 문제를 고객 인터뷰와 사용성 테스트로 보완할 수 있습니다.
전환이 안 되는 이유를 가설 → 근거 → 개선안 구조로 논리적으로 설명할 수 있습니다.
디자이너·개발자와 협업할 때 감이 아닌 데이터와 리서치로 의견을 전달할 수 있습니다.
페이지 개선 전·후를 성과 지표와 사용자 행동 기준으로 검증하고 반복 개선할 수 있습니다.

주요 경력

핀테크 · 결제 서비스 프로덕트 디자인
복잡한 결제 흐름·보안 조건을 고려한 UX 설계
데이터 기반 UI 개선 및 전환 최적화 경험
커머스 · 플랫폼 서비스 프로덕트 디자인
주문·결제·혜택 등 커머스 핵심 플로우 설계

저는 에이전시에서 삼성, LG, 네이버 등 다양한 기업의 프로젝트를 맡으며 UI/UX 디자이너로 커리어를 시작했고, 이후 2500만 명 이상이 사용하는 스타트업의 제품을 설계하며 실 사용자 중심의 디자인을 깊게 고민해왔습니다. 현재는 네카라쿠배 중 한 곳에서 데이터를 기반으로 더 나은 사용자 경험을 만드는 일을 하고 있어요. 10년 넘게 실무를 하면서 느낀 건, 디자이너의 역할이 계속해서 진화해왔다는 점이에요. 특히 2020년대 초반부터는 데이터를 이해하고, 근거와 성과를 바탕으로 디자인을 설명할 수 있는 디자이너가 더욱 주목받기 시작했죠.

단순히 보기 좋은 화면을 넘어, 고객의 문제를 정확하게 짚어내고 비즈니스에 실제로 기여하는 디자인이 중요해졌습니다. 저 또한 에이전시에서 일을 시작해 처음부터 데이터를 기반으로 디자인 할 수 있었던 것은 아닙니다. 수 많은 프로젝트를 경험하고, 실패도 해보며 방법을 계속 새롭게 배우는 과정을 거쳐왔습니다. 저는 이 강의에서 예쁜 디자인 만드는 법을 가르치지 않습니다. 대신 여러분이 실무에서 당장 내일부터 적용할 수 있는, 전환율을 실제로 올리는 데이터 기반 의사결정 방법을 가르칩니다. 마케터로 또는 디자이너로 성장하는 방법을 함께 나누고자 합니다.

5 주차 실습 Metrics Definition