통계로 세운 가설 28 · 내용시각화
1 / 35
내용시각화 · 공급 탐색

통계로 세운 가설 28

미리캔버스 내용시각화 로그로 무엇을 잴 수 있고 무엇은 못 재는지, 그리고 그 위에서 어떤 가설을 세워 어디까지 검증할 수 있는지를 모은 문서다. 확정된 결론집이 아니다. 각 가설에는 반박과 한계를 같이 붙였고, 실제로 돌아가는 Databricks 쿼리를 전부 첨부했다.

관측 2026-08-01 - 09-09검색 33,141 계정 13,084노출 항목 695,725편집 행위 743만

← → 키로 넘기고, 위쪽 목차에서 바로 이동할 수 있다. 증거 등급으로 걸러 볼 수도 있다.

지도

무엇을 잴 수 있나

가설보다 먼저 와야 하는 것. 지금 손에 쥔 로그로 무엇을 어디까지 잴 수 있는가, 그리고 무엇이 막혀 있는가.

검색이 실제로 일어나는 순서

유저가 넣은 원문은 먼저 마크다운 형태의 summary 로 변환되고, 검색은 원문이 아니라 그 summary 에서 파악되는 문단 구조와 문장 길이로 이뤄진다. 그래서 원문의 형태는 직접 검색되는 것이 아니라 변환 결과를 통해서만 결과에 닿는다. 아래 여러 가설이 이 사슬 위에 서 있다.

쓸 수 있는 로그

로그단위규모
GA 이벤트 (직원 제외판)이벤트일 1.9억행
내용시각화 이벤트 3종
search / view / action_component
검색·노출·채택5개월 341만
검색 요청·요약 로그검색154,456 / 176,327
에디터 UI 로그클릭·노출 41종40일 895,458
공급 카탈로그컴포넌트31표 · 196,745
계정 생애 이력계정·일85컬럼
편집 행위 이력편집 명령40일 7.4억행
다운로드본 컴포넌트 잔존디자인·컴포넌트-

잴 수 있는 결과 지표

지표관측 가능 기간
채택 (검색 → 컴포넌트 선택)전 기간
생존 (다운로드본 잔존)전 기간
7일 내 디자인 다운로드다운로드 로그 최종일 −7일까지
7·30일 재방문관측창 끝 −7·−30일
CES 팝업 응답5월부터 안정
패널 닫기 · 최근 시각화8월 신설
데코레이션 라우트7월 신설
검색 오류 (무결과·타임아웃)7월 신설
편집 행위 (삭제·대치·색·레이아웃)전 기간
지도

무엇이 막혀 있나

막힌 것을 적는 쪽이 더 쓸모 있다. 아래 오른쪽은 지금 데이터로는 답할 수 없는 질문들이다.

검증된 조인

GA search_id ↔ 요청로그 search_key98.3%
GA action_itemcomponents.component_key98.9%
GA view_item_keycomponent_key97.8%
GA sub_search_id ↔ 요약로그78.7%
채택 design_idx ↔ 편집 이력95.1%

막혀 있는 것

수요 시그니처 ↔ 공급 시그니처0%
abtest_name·experiment_id·variant_id채움률 0%
component_search_feedback_log0행
채택 ↔ 편집의 항목 단위 귀속불가
컴포넌트가 무엇으로 대체됐는지미로깅

항목 단위 귀속이 막힌 이유: 채택 쪽 design_page_idx는 UUID인데 편집 쪽은 정수 페이지 번호이고, node_id는 요소 UUID 목록이 100자 조각으로 쪼개져 여러 행에 흩어져 있다. 그래서 편집 분석은 디자인 × 세션 × 시각까지가 천장이다.

요약

가장 날카로운 넷

28개 가설 중 강한 증거를 가진 것만 먼저 적는다. 나머지는 등급과 함께 각 장에서 다룬다.

랭킹·노출

이미지가 든 컴포넌트를 학생만 피한다

증거 강H1

같은 검색 · 같은 스크롤 구간 안에서 비학생 +25.6% · 학생 −9.4%

노출 항목 695,725개를 같은 검색의 같은 스크롤 로드 안에서 짝지어 비교했다. 이미지가 든 컴포넌트는 대체로 더 많이 채택되는데, 학생 계정에서만 방향이 반대다. 공급의 19.3%가 이미지 포함본이다.

지지

학생 산출물은 텍스트·수치 전달이 목적이고 이미지는 “채우는 것”으로 읽힌다. 게다가 학생은 대치할 자기 이미지 자산이 없어 기본 이미지가 그대로 남고, 그 어색함을 썸네일 단계에서 이미 예상한다.

반박과 한계

권한 문제 아닌가. 학생은 무료 비중이 높아 이미지 대치가 막혀 있을 수 있다. 확인했다: 트라이얼 학생 −22.7%, 결제 학생 −7.2%로 자산 접근이 열린 쪽에서 오히려 더 뚜렷하고 무결제 학생은 0이다. 권한 설명과 정반대다.

남은 한계: 유저 타입은 가입 시 자기 신고다. 학생 계정을 교사가 만들었을 수 있고, 라벨 자체의 타당성은 검증되지 않았다.
유저 타입별 이미지 포함 항목의 채택 우위(상대 %) · 층 48,822개 · 기저 채택률 3.2%
랭킹·노출

분할의 역설: 분할된 검색은 나쁘지만, 그 안에서는 분할본이 답이다

증거 중H2

검색 단위로는 분할이 채택을 −9 ~ −14pp 깎는데, 그 검색 안에서 분할 적용본은 +88% 더 채택된다

두 층위에서 부호가 반대다. 분할이 일어난 검색은 전체적으로 불리하지만(H21), 바로 그 검색 안에서 유저가 실제로 고르는 것은 분할된 결과물이다. 분할 로직이 나쁜 게 아니라 분할이 필요한 입력에 분할본 공급이 모자란 것으로 읽힌다.

지지

분할은 결과가 아니라 증상이다. 분할이 필요할 만큼 큰 입력이 들어온 상황 자체가 불리하고(검색 단위 음수), 그 상황에서의 정답은 분할본이다(항목 단위 양수). 8월·9월 효과 크기가 거의 일치한다.

반박과 한계

층이 383개로 작다. 분할본과 비분할본이 한 검색에 섞여 나오는 경우만 쓰기 때문인데, 그런 검색은 “분할 판정이 애매한 경계 입력”에 몰려 있을 수 있고 그러면 일반 분할 검색으로 확장되지 않는다.

is_split_applied는 같은 항목 안에서 값이 엇갈리는 경우가 952건 있다. 최초 노출값으로 고정해 계산했으나 MAX로 접으면 +130%까지 올라간다. 집계 규칙에 민감한 축이다.
같은 검색·같은 스크롤 구간 안 채택률 · 층 383개 · 노출 항목의 19.2%가 분할 적용본
랭킹·노출

색 대치 가능 여부: 이 축은 측정이 되지 않는다

판별 보류H3

최초 노출값으로 재면 −1.8%, MAX로 접으면 +35.8% · 집계 규칙에 따라 결론이 뒤집힌다

공급의 67.5%가 색 대치 가능본이다. 그런데 이 속성은 신뢰할 만하게 측정되지 않는다. color_replacement_available같은 항목 안에서 값이 엇갈리는 경우가 5,275건이고, 하필 그 항목들이 비교에 쓰이는 층 1,054개를 지배한다. 그리고 값이 엇갈리는 항목의 채택률은 9.67%로 전체(3.5%)의 3배다. 여러 번 본 항목이라는 뜻이다.

말할 수 있는 것

인과적으로 옳은 집계(유저가 반응하기 전에 제시된 값)를 쓰면 효과는 0에 가깝다. 그리고 이건 그럴듯하다. 유저는 썸네일에서 대치 가능 여부를 알 수 없고, 알 수 없는 속성은 선택을 가를 수 없다.

말할 수 없는 것

그럼에도 “무효과”라고 단정하지 않는다. 컬럼 자체가 항목 안에서 자기모순이므로 이 데이터로는 판별 불가다.

별개로, 채택 이후 색 변경을 실제로 실행했는지는 편집 로그로 잴 수 있고 그쪽은 안정적이다. 계정 내 통제에서 생존과 무관(z=1.65)했다(H13 참조). 즉 대치 실행은 생존과 무관(견고) · 대치 가능 여부는 판별 보류가 정확한 서술이다.
같은 데이터, 집계 규칙만 바꾼 결과. 이미지 속성은 불변인데 색 대치는 뒤집힌다
랭킹·노출

표·차트 항목은 같은 검색 안에서도 더 선택된다

증거 중H4

같은 검색 · 같은 스크롤 구간 안에서 +16.4% · 층 1,197개

“표/차트가 채택률이 높다”는 이미 알려진 사실이지만, 그것은 대체로 검색 라우트가 다르기 때문이라는 설명이 가능했다. 라우트가 섞여 나오는 검색 안에서만 비교해도 우위가 남는다. 라우트 효과만으로는 설명되지 않는다는 뜻이다.

지지

표·차트는 결과 형태가 입력에서 바로 예측된다. 썸네일만 보고도 “내 내용이 저기 들어가면 이렇게 되겠다”가 그려진다.

반박과 한계

표·차트 항목이 섞여 나오는 검색은 전체의 소수다(층 1,197 / 49,920). 그런 검색은 입력이 표 형태와 일반 문장 사이 경계에 있다는 뜻이라, 순수 표 검색으로 확장되지 않을 수 있다.

또 c2wide 모집단으로 한정하면 +28.7%까지 올라간다. 모집단 정의에 민감하다.
라우트·진입

표/차트 라우트의 이점은 초심자 전용이다

증거 강H5

내용시각화 첫 검색 +14.1pp · 2-5회 +5.2pp · 6회+ 0 (ns)

“표/차트 라우트의 채택률이 높다”는 알려진 사실이다. 새로 확인된 것은 그 이점이 어디에 있느냐다. 내용시각화를 처음 쓰는 계정에서는 14pp 차이가 나고, 6회 이상 쓴 계정에서는 사라진다. 8월·9월 모두 초심자에서 +13pp대로 재현된다.

지지

표/차트는 입력(숫자·행렬)이 결과 형태를 스스로 규정해 무엇이 나올지 예측 가능하다. 일반 컴포넌트는 구조 매칭 결과를 미리 그릴 수 없어, 기대할 것을 모르는 초심자가 판단을 못 한다. 숙련자는 일반 라우트에서도 결과를 예측하므로 격차가 사라진다.

반박과 한계

초심자의 일반 라우트 채택률이 낮은 게 라우트 탓이 아니라 초심자의 입력에 애초에 구조가 없기 때문일 수 있다. 실제로 H7(3줄 이상 입력)의 효과도 초심자에게 두 배 크다. 그렇다면 표/차트 라우트는 “입력을 구조화하도록 강제하는 UI”로서만 기능한 것이고, 처방은 라우트 노출이 아니라 입력 스캐폴딩이어야 한다.
CV 검색 경험량별 표/차트 라우트의 채택 우위 · 길이·줄수·기기·월 층화
라우트·진입

표/차트 라우트는 돌아온 유저에게 가장 크게 듣는다

증거 중H6

복귀 +8.3pp · 유지 +5.1pp · 신규 +1.2pp (ns) · 생존 기준

같은 라우트 효과를 로그인 리텐션 유형으로 갈랐다. 한동안 안 오다 돌아온 계정에서 가장 크고, 신규 계정에서는 유의하지 않다. H5(경험량)와는 다른 축인데 방향이 비슷하다.

지지

복귀 유저는 목적이 뚜렷하지만 제품 기억은 흐려져 있다. 결과가 예측 가능한 라우트가 그 간극을 메운다.

반박과 한계

리텐션 유형은 스냅샷 기준 파생 라벨이라 검색 시점의 상태와 어긋날 수 있다. 이탈(churn) 구간은 n=159로 작아 +15.9pp라는 값을 그대로 믿기 어렵다.

더 근본적으로 H5와 H6은 같은 것을 두 각도에서 본 것일 가능성이 높다. 두 세그먼트가 서로 상관돼 있어 독립적 발견 두 개로 세면 안 된다.
리텐션 유형별 표/차트 라우트의 생존 우위 · 이탈(churn)은 n=159로 작다
입력 유도

줄을 나눠 쓰게 하면 초심자에게 두 배 남는다

증거 강H7

3줄 이상 입력 · 첫 검색 +9.9pp · 2-5회 +9.9pp · 6회+ +4.7pp

줄바꿈은 구조 기반 검색에서 항목 경계 신호다. 3줄 이상 쓴 검색은 채택이 뚜렷하게 높고, 그 이득은 초심자에게 두 배다. 같은 계정 안에서 비교해도 효과가 오히려 커진다(+13.5pp) · 같은 사람이 줄을 나눠 쓴 날이 안 나눈 날보다 낫다.

지지

검색은 원문이 아니라 원문을 변환한 summary 의 구조로 이뤄진다. 줄이 나뉘어 있으면 변환기가 원문의 경계를 그대로 옮기면 되지만, 한 줄이면 구조를 지어내야 한다(H22). 숙련자는 줄을 나누지 않아도 변환이 잘 되는 문장을 쓰지만 초심자는 못 쓴다. 줄 나눔이 그 격차를 메운다. 계정 고정효과에서 효과가 커진 것이 이 해석을 뒷받침한다.

반박과 한계

3줄 이상 쓰는 초심자는 애초에 정리된 내용을 가진 유저일 수 있다. 줄 수가 준비도의 대리라면 줄을 강제해도 효과가 없다.

계정 내 통제로 이 반박은 상당히 약해졌지만 완전히 사라지진 않았다. 같은 사람도 “정리가 된 날”에 줄을 나눠 쓸 수 있다.
CV 검색 경험량별 3줄 이상 입력의 채택 우위 · 길이·라우트·기기·월 층화
입력 유도

입력 길이는 양 끝에서 무너진다

증거 중H8

50자 미만 31.0% · 중간 구간 46-50% · 1500자 이상 29.2%

유저가 실제로 입력한 원문 길이별 결과다. 짧으면 구조를 만들 재료가 없고, 아주 길면 무엇을 찾는지가 흐려진다. 중간 구간(50-1499자)은 46-50%로 평평하다. 1500자 이상에서는 다운로드 도달까지 50.7%로 무너진다(중간 구간 72-75%).

지지

50자 미만은 변환기가 거의 무에서 구조를 지어내야 한다. 지어낸 구조로 검색하니 유저가 원한 것과 어긋난다(H22). 반대로 1500자를 넘으면 변환 결과의 항목이 너무 많아져 맞출 컴포넌트가 공급에 없다(H23). 양 끝의 실패 원인이 서로 다르다.

반박과 한계

길이 구간은 줄 수·구조와 강하게 상관돼 있어, 여기 보이는 것의 상당 부분은 H7(줄 나눔)과 H23(구조 복잡도)의 그림자일 수 있다. 이 표는 층화하지 않은 원시 분포다.

또 1500자 이상은 612건뿐이라 구간이 얇다.
유저가 입력한 원문(raw input) 길이별 · 검색 33,136건
입력 유도

한 덩어리로 붙여넣으면 없는 구조가 지어진다

증거 중H22

줄바꿈 없는 원문은 87자에서 384자로 23.6배 부풀려 변환된다. 채택 32.0% ↔ 줄바꿈 있으면 49.1%

검색은 원문이 아니라 원문을 변환한 summary 의 구조로 이뤄진다. 그래서 원문의 형태는 변환기가 무엇을 만들어내는가를 통해 결과에 닿는다.

줄바꿈 없는 한 덩어리 원문은 평균 87자인데 변환 결과는 384자다. 없던 구조를 지어낸 것이고, 그렇게 지어진 항목 5.9개와 2단 구조(50.8%)로 검색이 돌아간다. 줄바꿈이 있으면 확장은 3.4배로 떨어진다.

지지

원문에 경계가 없으면 변환기가 구조를 추측해서 만들어야 한다. 추측이 빗나가면 유저가 원한 적 없는 구조로 검색이 돌아간다. 확장 배수 23.6배가 그 추측의 양이다.

경계가 있으면 변환기는 지어낼 필요가 없다. 글머리 기호가 있는 원문의 확장은 2.6배로 가장 낮다.

반박과 한계

글머리 기호가 줄바꿈보다 낮은 것(45.7% vs 49.1%)은 착시였다. 글머리를 쓰는 원문은 더 길고(398자) 변환 결과의 항목도 8.4개로 가장 많아 H23 의 복잡도 페널티에 걸린다. summary 항목 수를 고정하고 비교하면 오히려 글머리 쪽이 낫다(4-7항목에서 57.0% vs 53.6%).

남은 한계 - 원문 형태와 원문 길이가 강하게 얽혀 있다(87자 / 262자 / 398자). 형태만의 효과를 분리하려면 같은 길이 안에서 다시 봐야 하고, 아직 하지 않았다.
원문 형태별 변환 결과. 한 덩어리는 23.6배로 부풀려진다
변환 결과의 복잡도를 고정하면 한 덩어리만 일관되게 낮다
입력 유도

구조가 복잡해질수록 맞는 컴포넌트가 없다

증거 강H23

항목 8개를 넘으면 채택이 무너지고(35.2% → 27.8%), 생존은 4배 차이가 난다

유저가 넣은 원문은 서비스 내부에서 구조화된 형태로 변환된 뒤 검색에 쓰인다. 그 변환 결과의 복잡도로 나눠 본 것이다. 항목 수가 8개를 넘으면 채택이 급락하고, 생존은 항목 0개일 때 17.0%에서 16개 이상일 때 4.5%로 떨어진다.

더 뚜렷한 것은 제목의 단계다. 대제목 아래 소제목이 또 있는 2단 구조는 채택 36.3% · 생존 7.8%인데, 1단이면 49.4% · 14.8%다.

지지

공급되는 컴포넌트는 대부분 단층 구조다. 항목이 많거나 중첩된 요구에는 맞출 대상 자체가 없다. 이건 랭킹의 문제가 아니라 공급 목록에 없는 것을 찾고 있는 상황이다.

항목 수와 제목 단계가 각각 독립적으로 같은 방향을 가리키는 것도 이 해석을 뒷받침한다.

반박과 한계

복잡한 구조를 요구하는 입력은 원문 자체도 길다. H8의 길이 효과와 뒤엉켜 있고, 여기서는 분리하지 않았다.

또 항목 0개 구간(채택 51.5%)이 가장 높은 것은 표·차트처럼 항목 목록이 아닌 형태가 섞여 있기 때문일 수 있다. 단조 관계가 아니라 8개를 넘으면 무너진다로 읽어야 한다.
변환된 구조의 항목 수별 · 검색 33,136건
변환된 구조의 제목 단계별
입력 유도

검색 전 편집은 PPT를 만들어본 적 없는 유저에게만 의미가 있다

증거 중H9

제작 이력 0 +4.3pp · 1-9건 · 10-49건 · 50건+ 전부 유의하지 않음

전체 평균으로 보면 이 축은 효과가 없다. 검색 전 편집이 많은 검색과 적은 검색의 생존 차이는 대부분 입력 길이로 설명된다. 그런데 유저를 제작 이력으로 나누면 한 층에서만 살아 있다.

지지

제작 이력이 없는 유저에게 사전 편집은 “무엇을 말할지 정하는 과정”이고, 그 결과 검색 입력이 실제 내용이 된다. 이미 만들어본 유저는 그 과정을 머릿속에서 끝내고 온다. 그래서 편집 횟수가 무의미하다.

반박과 한계

이력 0 계정은 신규 가입자에 몰려 있다. 사전 편집이 아니라 온보딩 시점의 높은 동기가 두 변수를 동시에 올렸을 수 있다. 9월 표본만으로는 z=1.56까지 약해지는 것도 이 방향을 시사한다.

가입 경과일을 층에 넣은 재검증이 필요하고, 아직 하지 않았다.
누적 PPT 제작 이력별 · 검색 전 텍스트 편집 5회 이상의 생존 우위
오류·폴백

무결과 오류는 숙련자를 두 배 크게 잃는다

증거 강 · 8월 단독H10

CV 2-5회 −8.3pp · 6회+ −15.2pp · 오류 검색의 생존은 정확히 0

무결과·타임아웃이 난 검색은 생존이 0이다(당연하다. 고를 게 없다). 흥미로운 건 잃는 절대량이 숙련자에게 두 배라는 것이다. 숙련자는 그 검색에서 원래 15.4%를 건졌을 텐데 전부 잃는다.

지지

숙련자는 이 기능이 무엇을 할 수 있는지 알고 온다. 기대가 구체적일수록 무결과가 깎는 신뢰의 양이 크고, 그 검색에서 원래 얻었을 가치도 크다.

반박과 한계

숙련자가 오류를 더 겪는 이유가 더 어려운 입력을 넣기 때문일 수 있다. 오류율은 300-599자에서 5.8%, 0-49자에서 1.8%로 입력 길이와 함께 오른다. 그렇다면 “어려운 입력”이 오류와 낮은 생존을 동시에 만든 것이고 오류는 원인이 아니다.

길이·줄 수를 층화한 뒤에도 남았으나 층 안의 잔여 난이도까지는 배제하지 못했다. 그리고 9월에는 오류 표본이 거의 없어 8월 단독 결론이다.
CV 검색 경험량별 · 무결과 오류가 발생한 검색의 생존 손실
채택 이후

채택은 끝이 아니다. 손대지 않은 컴포넌트는 사라진다

증거 강H11

채택 직후 방치하면 생존 −11.3pp · 작업 중단 +12.7pp (계정 + 창 길이 통제)

채택 직후 귀속 창 안에서 편집이 5회 미만인 경우를 “방치”로 정의했다. 전체의 10.0%다. 통제를 걸수록 효과가 커진다. 원시 −3.1pp에서 창 길이 통제 −4.3pp, 계정까지 넣으면 −11.3pp다.

지지

채택은 “후보를 캔버스에 놓는 것”이지 “내 것으로 만드는 것”이 아니다. 자기 내용이 들어가지 않은 컴포넌트는 껍데기로 남고, 작업이 진행되면서 밀려나거나 작업 자체가 멎는다.

같은 계정 안에서 갈린다는 점이 중요하다. 유저 성향으로는 설명되지 않는다.

반박과 한계

“그 세션이 진지하지 않았다”의 대리 아닌가. 부분적으로 방어된다. 세션 편집 300회 이상(과편집)은 계정 내에서 효과가 사라진다(ns). 몰입도 단일 축이라면 그쪽도 양수여야 한다. 또 방치율이 낮은 층(로그인 고빈도)이 오히려 생존률 자체는 낮다.

남은 한계: 항목 단위 귀속이 막혀 있어 이건 “그 컴포넌트를 만졌는가”가 아니라 “그 시간대에 무언가를 만졌는가”다.
통제 수준별 방치의 생존 손실. 통제가 강해질수록 효과가 커진다
채택 이후

임계는 60초다

증거 강H12

채택 후 첫 편집이 60초를 넘기면 생존 −3.8pp · 중단 +3.2pp

방치는 이항 판정이라 처방으로 옮기기 어렵다. 첫 편집까지의 지연을 연속형으로 재니 60초에 꺾인다. 30초 안에 손댄 경우 생존 25.7%, 1-3분이면 19.9%, 3-10분이면 15.9%다.

지지

삽입 직후가 “이걸 쓸지” 판단이 열려 있는 유일한 구간이다. 그 안에 자기 내용이 들어가면 그때부터는 자기 것이고, 넘기면 캔버스 위의 남의 물건으로 남는다.

반박과 한계

지연이 긴 케이스는 유저가 자리를 비운 세션일 수 있다. 그러면 60초는 개입 임계가 아니라 자리비움 탐지선이다.

다만 3-10분 구간에서 15.9%까지 떨어졌다가 10분 이상에서 24.6%로 되돌아오는 비단조성이 있어 자리비움만으로는 설명되지 않는다. 마지막 두 구간이 n=182·57로 작아 확정하지 못한다.
채택 후 첫 편집까지 걸린 시간별 생존률과 작업 중단률
채택 이후

고칠 게 너무 많으면 디자인은 남고 컴포넌트만 빠진다

증거 강H24

채택 후 편집량과 생존은 역U자다. 5-19회에서 31.0%로 최고, 60회 이상이면 18.8%로 반토막

채택한 다음 그 작업을 얼마나 고쳤는지로 나눈 결과다. 양 끝이 모두 나쁜데 나빠지는 방식이 다르다.

거의 안 고치면(5회 미만) 작업 자체가 중단된다(36.1%). 반대로 많이 고치면(60회 이상) 디자인은 다운로드까지 가지만(83.7%) 우리 컴포넌트는 남지 않는다(생존 18.8%). 고칠 게 너무 많다는 것은 애초에 맞는 것을 주지 못했다는 뜻이다.

지지

두 실패가 서로 다른 원인을 가리킨다는 것이 이 그림의 핵심이다. 왼쪽 끝은 착수 실패(H11·H12와 같은 이야기), 오른쪽 끝은 적합 실패다. 오른쪽 끝에서 다운로드율이 가장 높다는 것이 결정적이다. 유저는 포기하지 않았고, 우리 것만 버렸다.

반박과 한계

편집 횟수는 그 작업의 크기에 비례한다. 페이지가 많고 복잡한 디자인은 자연히 편집이 많고, 그런 디자인에서 특정 컴포넌트 하나가 남을 확률은 원래 낮다.

또 편집 귀속이 항목 단위로 되지 않으므로 여기 세는 편집은 그 컴포넌트에 대한 편집이 아니라 그 시간대의 편집이다. 작업 규모를 층으로 넣은 재검증이 필요하고, 아직 하지 않았다.
채택 직후 귀속 창 안의 편집 횟수별 · 검색 10,404건
채택 이후

손대기는 컴포넌트를 지키기보다 작업을 완주시킨다

증거 약H13

레이아웃 조정 · 생존 +5.6pp · 작업 중단 −6.2pp. 중단 쪽 효과가 더 크다

채택 직후 손대는 행위를 종류별로 갈라 두 실패를 따로 봤다. 레이아웃 조정과 텍스트 대치 모두 생존을 올리는데, 작업 중단을 막는 효과가 더 크다. 내용시각화가 컴포넌트 공급 기능이 아니라 작업 착수를 돕는 기능으로 작동하고 있다는 해석이 가능하다.

지지

첫 편집이 일어나면 그 페이지가 “내 작업물”이 되고, 그때부터 완주 확률이 오른다. 색 변경이 무효과인 것도 이 해석과 맞는다. 색은 자기 내용을 넣는 행위가 아니다.

반박과 한계

이 문서에서 가장 약한 가설이다. “손댔다”와 “작업을 계속했다”는 거의 같은 말일 수 있다. 작업을 중단한 세션은 정의상 편집도 적다.

계정 내 통제로 유저 성향은 걷었지만 같은 유저의 “그날 그 작업을 끝낼 생각이 있었는가”는 못 걷었다. 이걸 가리려면 세션 시작 시점의 의도 대리 변수가 필요한데 아직 찾지 못했다.
계정 고정효과 · 채택 직후 5분 내 행위별 효과. 색 변경은 어느 쪽도 아니다
채택 이후

「최근 시각화」 재사용은 이력 없는 유저에게만 듣는다

증거 중H14

다운로드 이력 0건 +6.5pp · 3-19건 +8.3pp · 20건+ −2.2pp

8월 신설 기능이고 현재 도달 계정은 980개뿐이다. 다운로드 이력이 없는 계정에서는 생존을 6.5pp 올리는데, 헤비 유저에서는 부호가 반대다.

지지

이력이 없는 유저는 “무엇을 고를지”의 기준이 없다. 자기가 이미 고른 것을 다시 보여주는 것이 그 기준을 만들어준다. 헤비유저는 이미 기준이 있고 과거 선택이 오히려 새 디자인에 안 맞는다.

반박과 한계

최근 시각화를 누르는 행위 자체가 세션 몰입도의 대리다. 계정 내 통제를 걸면 3-19건 층이 +8.3pp에서 −2.0pp로 뒤집힌다.

따라서 효과의 유효 범위는 「다운로드 이력 0건」 층으로 좁혀야 한다. 그 층만 계정 내에서 살아남았다(+6.4pp).
누적 PPT 다운로드 이력별 · 최근 시각화 재사용의 생존 효과
넛지·발견

넛지는 드롭다운에 넣는 순간 19배 죽는다

증거 중H15

표면 노출 4.3-7.3% · 드롭다운 내부 0.38-0.39%

드롭다운 안에 들어간 넛지 2종의 노출 합이 18,116회다. 적은 노출이 아니라 죽은 노출이다. 표 넛지 수준(5.6%)으로만 전환해도 클릭 70건이 1,014건이 된다.

지지

드롭다운은 유저가 이미 다른 목적으로 연 상태다. 표면 노출은 유휴 주의를 가져가지만, 드롭다운 내부 노출은 진행 중인 과업과 경쟁하므로 무시된다.

반박과 한계

대상 기능이 애초에 수요가 없는 것 아닌가. 위치가 아니라 대상 문제일 수 있다. 이건 판별 가능하다: 같은 대상(요소)의 표면 넛지 CTR은 4.3%로 드롭다운판의 11배다. 위치 설명이 우세하다.

남은 한계: 넛지마다 노출 맥락(어느 화면, 어느 시점)이 다르므로 CTR을 그대로 비교하는 것은 거칠다. 같은 대상 비교만 강하다.
넛지별 노출당 클릭률 · 40일 · 노출 100회 이상만
넛지·발견

두 종류의 숙련이 반대로 작동한다

증거 중H16

미리캔버스를 자주 쓸수록 넛지가 죽고, 내용시각화를 자주 쓸수록 산다

넛지 반응을 두 가지 숙련도로 갈랐다. 로그인 빈도가 높을수록 모든 넛지의 CTR이 내려가고, 내용시각화 경험이 많을수록 올라간다. “숙련”을 한 덩어리로 다루면 두 힘이 상쇄돼 아무것도 안 보인다.

지지

배너 블라인드니스는 제품 전반의 노출 누적에서 생긴다. 매일 들어오는 유저는 모든 넛지를 배경으로 처리한다. 반면 내용시각화를 반복해서 쓴 유저는 그 기능군의 관련성 판단이 높아 같은 넛지를 기회로 읽는다.

반박과 한계

분모의 기계적 효과 아닌가. 노출 기회가 많을수록 하루당 클릭 확률은 자연히 떨어진다. 확인했다: 고빈도 계정은 노출을 1.7배 더 받고도 노출당 CTR이 2.6배 낮고 계정 생애 1회 클릭률까지 낮다(30.8% vs 46.2%). 분모 효과라면 생애 클릭률은 오히려 높아야 한다.

남은 한계: 로그인 빈도와 CV 경험량은 서로 상관돼 있어 두 효과를 완전히 분리하지 못했다.
에디터 표속성 넛지 · 두 종류 숙련도별 노출당 CTR
지표·측정

실패의 3/4은 이탈이 아니라 대체다

증거 강H17

생존 23.8% · 컴포넌트만 버려짐 56.6% · 작업 중단 19.6%

채택 결과를 셋으로 갈랐다. 지금까지 “실패”는 한 덩어리였는데, 실패의 74%는 디자인이 다운로드까지 갔는데 그 컴포넌트만 빠진 경우다. 유저를 잃은 게 아니라 경쟁에서 진 것이고, 이탈 대응과 대체 대응은 완전히 다른 예산이다.

지지

채택률만 보면 56.6%의 실패가 통째로 보이지 않는다. 이 분해는 지표를 채택률에서 생존률로 옮겨야 하는 직접적 근거다.

반박과 한계

「버려짐」 판정이 다운로드본 컴포넌트 잔존 판정의 정밀도에 의존한다. 유저가 컴포넌트를 심하게 편집하면 잔존 판정이 못 알아볼 수 있고, 그러면 살아 있는데 버려진 것으로 셈된다.

H11에서 편집이 많을수록 생존이 높게 나온 것은 이 반박과 반대 방향이라 다소 완화되지만 완전히 배제되지는 않았다. 그리고 무엇으로 대체되었는지는 로깅되지 않는다.
지표·측정

유저 타입마다 실패하는 방식이 다르다

증거 중H18

학생은 끝까지 가지만 버리고(중단 15.0%·버려짐 60.0%), 교육 계정은 중단한다(26.1%·50.1%)

전체 실패율은 비슷한데 구성이 갈린다. 학생은 완주 압력이 가장 강하고 요구가 가장 까다롭다. H1에서 이미지 포함본을 유일하게 회피한 그 집단이다. 교육 계정은 반대로 탐색적으로 열어보고 만다.

지지

예산을 갈라 쓸 근거가 된다. 학생에게는 공급 적합도(이미지 없는 판본·구조 다양성), 교육 계정에게는 완주 지원(저장·이어하기). 지금은 두 집단에 같은 것을 준다.

반박과 한계

유저 타입은 가입 시 자기 신고다. 학생 계정을 교사가 만들었을 수 있고, 회사 계정으로 개인 작업을 할 수도 있다. 라벨의 타당성 자체는 검증되지 않았다.

표본은 타입별 553-2,709로 충분하지만, 타입과 다른 세그먼트(결제·팀·이력)가 얽혀 있어 순수한 타입 효과는 아니다.
유저 타입별 채택 결과 구성 · 검색 10,404건
지표·측정

많이 뒤져서 찾아낸 것은 채택되지만 다운로드로 가지 않는다

증거 중H25

스크롤 1회 채택 38.1% → 5회 이상 57.1%. 그런데 다운로드 도달은 73.5% → 71.3%오히려 내려간다

결과를 더 내려볼수록 채택은 단조롭게 올라간다. 그런데 다운로드 도달은 따라 오르지 않는다. 뒤져서 겨우 찾아낸 채택은 끝까지 가는 힘이 약하다는 뜻으로 읽힌다. 채택률만 보면 "많이 보여줄수록 좋다"로 읽히지만, 한 칸 더 가면 그림이 달라진다.

지지

상위에서 바로 찾은 것은 요구에 잘 맞는 것이고, 다섯 번 내려서 고른 것은 차선을 고른 것이다. 차선은 작업을 진행하면서 다시 밀려난다. H24(고칠 게 많으면 컴포넌트만 빠진다)와 같은 방향이다.

반박과 한계

스크롤은 처치가 아니다. 유저가 내린 만큼 노출이 늘어나는 구조(H20)이므로, 이 표는 "많이 보여줬더니"가 아니라 "많이 뒤진 사람은"이다. 인과 방향은 이 데이터로 정할 수 없다.

다운로드 하락폭도 2.2pp로 작다. 채택 상승폭(19pp)과 나란히 놓으면 인상적이지만, 절대값으로는 크지 않다.
스크롤 로드 횟수별 · 5회는 서버 상한(결과 50개)에 닿은 구간
지표·측정

팀 계정에서만 「템플릿에서 출발한 작업」이 다운로드까지 간다

증거 중H19

팀·무결제 +16.1pp · 무팀·결제 +5.2pp · 결제가 아니라 팀이 설명한다

템플릿에서 출발한 디자인은 7일 내 다운로드 확률이 높은데, 그 이점이 팀 계정에 몰려 있다. “유무료 격차”로 보이던 것의 실체이기도 하다.

지지

팀 계정은 산출물이 외부로 나가는 업무 맥락이다. 템플릿에서 출발했다는 것은 완성 의무가 있는 작업이라는 신호이고 그래서 끝까지 간다.

결제 반박은 기각됐다. 팀·무결제(+16.1pp)가 무팀·결제(+5.2pp)의 3배다. 워터마크·해상도 제약으로는 설명되지 않는다.

반박과 한계

팀 보유는 조직 규모·업무 성격의 대리일 수 있다. 팀을 만든다는 것 자체가 이미 진지한 사용을 뜻하므로, 처방(“팀 계정에 진입점을 강화하라”)이 원인을 건드리는지 확실하지 않다.

또 dl7은 디자인 단위 결과라 그 디자인에 우리 컴포넌트가 남았는지와는 별개다.
팀 보유 × 결제 단계별 · 템플릿 출발의 7일 내 다운로드 우위
지표·측정

노출 수는 공급량이 아니라 스크롤 깊이다

증거 강H20

스크롤 1→5회에 평균 노출 6.8 → 17.1 → 28.0 → 38.6 → 53.1개 · 정확히 10개씩

가장 밟기 쉬운 함정이다. “많이 보여줬더니 채택이 늘었다”는 관계는 거의 전부 이것으로 설명된다. 결과 목록은 10개 단위 무한 스크롤이고 서버 상한이 50이라, 노출 수는 유저가 얼마나 내렸는지의 함수다. 공급 레버가 아니다.

지지

“노출이 많을수록 채택이 높다”는 관계는 이것 하나로 대부분 설명된다. 스크롤을 내린 것은 관심의 결과이지 원인이 아니다.

이 사실이 뜻하는 것

공급 수량을 레버로 쓰려면 유저 행동과 무관하게 상한이 바뀌는 상황이 필요하다. 서버 상한 변경 같은 외생 변동이다. 현재 데이터에는 없다.

그래서 “결과가 많으면 재방문이 는다”(40개 이상에서 +5.5pp)는 관측도 주장으로 세우지 못했다. 「많이 본 유저가 재방문한다」와 구분되지 않는다.
스크롤 로드 횟수별 평균 노출 항목 수 · 10개 단위가 그대로 보인다
지표·측정

분할은 숙련자에게 더 치명적이다

증거 강H21

첫 검색 −9.0pp · 2-5회 −11.6pp · 6회+ −14.1pp

입력이 길어 시스템이 분할한 검색은 채택률이 낮고, 그 손실이 숙련자에게 가장 크다. 기간과 통제 방식을 바꿔도 반복해서 나오는 가장 안정적인 관계 중 하나다. H2(항목 단위 분할본 우위)와 함께 읽어야 한다.

지지

숙련자는 무엇이 나올지 예측하고 검색한다. 분할은 그 예측을 깬다. 하나로 나올 줄 알았던 것이 조각나서 나온다. 초심자는 애초에 기대가 없어 깨질 것도 적다.

반박과 한계

분할은 긴 입력에서 일어난다. 층화로 길이를 통제했지만 층 안의 잔여 길이 효과는 남는다.

더 중요한 건 처방이 뒤집힌다는 것이다. H2는 분할된 검색 안에서 유저가 실제로 고르는 것이 분할본임을 보여준다. “분할을 줄이자”는 자연스러운 결론은 틀렸을 가능성이 높다. 줄일 것은 분할이 아니라 분할본 미공급일 수 있다.
CV 검색 경험량별 · 분할 발생 검색의 채택 손실
진입 맥락

오래 작업하다 들어온 사람일수록 결과가 좋다

증거 중H26

첫 편집 후 1분 안에 검색 채택 40.6% · 다운로드 47.5% ↔ 2시간 넘게 작업 후 검색 47.5% · 79.9%

그 디자인을 처음 건드린 시각부터 검색까지 걸린 시간으로 나눴다. 채택률 차이는 7pp로 완만하지만, 다운로드 도달은 32pp 벌어진다. 열자마자 검색한 사람의 절반은 그 디자인을 끝내지 못한다.

지지

오래 작업했다는 것은 그 디자인을 끝낼 의사가 있다는 신호다. 내용시각화는 그 흐름 중간에 쓰이는 도구이지 작업을 시작시키는 도구가 아니다. 채택률 차이가 작고 다운로드 차이가 큰 것이 이 해석과 맞는다.

반박과 한계

거의 순환이다. "오래 작업한 디자인이 다운로드된다"는 것은 발견이라기보다 정의에 가깝다. 이 축을 처방으로 쓰려면 "일찍 검색한 사람을 어떻게 붙잡을 것인가"로 질문을 바꿔야 하고, 그건 이 표로는 답할 수 없다.

다만 채택률은 거의 차이가 없다는 사실은 쓸모가 있다 - 일찍 들어온 사람도 고르기는 잘 고른다. 문제는 그 다음이다.
디자인 첫 편집부터 검색까지 경과 시간별 · 검색 33,141건
진입 맥락

검색 직전에 표나 차트를 만지던 사람이 가장 잘 쓴다

증거 중H27

표·차트 편집 직후 검색: 채택 47.4% · 생존 14.3% ↔ 아무것도 안 하고 검색: 다운로드 41.0%

검색 직전에 그 세션에서 무엇을 하고 있었는지로 나눴다. 표나 차트를 만지다 들어온 검색이 모든 지표에서 가장 좋고, 아무 편집 없이 바로 검색한 경우가 가장 나쁘다. 특히 다운로드 도달이 41.0%로 절반 아래다.

지지

표·차트를 만지고 있었다는 것은 내용을 구조로 정리하는 중이었다는 뜻이다. 그 상태에서 하는 검색은 요구가 이미 구조화돼 있어 매칭이 잘 된다. 반대로 아무것도 안 한 상태의 검색은 요구가 아직 형태를 갖추지 못했다.

반박과 한계

직전 활동은 서로 크게 겹친다 - 템플릿 탐색 24,005건, AI 사용 30,634건으로 대부분의 세션이 여러 활동을 동시에 한다. 그래서 "표·차트 편집의 효과"를 다른 활동과 분리하지 못했다.

"아무것도 안 함"은 398건뿐이라 얇다. 그리고 이 셋은 활동 자체보다 세션이 얼마나 진행됐는지의 대리일 수 있다(H26과 같은 축).
검색 직전 세션 활동별 · 활동은 겹칠 수 있어 합이 100%가 아니다
진입 맥락

작업 중인 템플릿의 업종에 따라 생존이 세 배 갈린다

증거 중H28

병원·의원 18.6% · 중앙정부/지자체 16.4% ↔ 일반학습학원 6.6% · IT/웹/데이터 8.3%

유저가 출발점으로 삼은 템플릿의 업종 라벨로 나눴다. 채택률은 37-52%로 비교적 고른데, 생존은 2.8배까지 벌어진다. 가장 많이 쓰이는 것은 업종 범용 기획안/보고서/제안서(12,842건)다.

지지

업종마다 다루는 내용의 형태가 다르다. 의료·공공은 절차·수치·목록처럼 구조가 이미 정해진 내용을 다루고, 학원·IT는 자유 서술이 많다. 구조 기반 검색은 앞쪽에서 잘 작동한다.

채택은 비슷한데 생존만 갈린다는 점이 중요하다 - 고르는 단계가 아니라 쓰는 단계에서 갈린다는 뜻이다.

반박과 한계

업종 라벨은 템플릿에 붙은 것이지 유저의 업종이 아니다. 병원 템플릿을 쓰는 사람이 병원 종사자라는 보장이 없다.

또 업종은 유저 타입·팀 보유와 얽혀 있다(H18·H19). 병원·공공이 높은 것이 업종 때문인지 그 계정들의 성격 때문인지 분리하지 않았다. 구간별 표본도 300-1,800건으로 얇다.
출발 템플릿의 업종 라벨별 · 250건 이상 구간만
기각

세웠다가 무너진 것들

“이미 확인했고 아니었다”는 남의 시간을 아끼는 자산이다. 세웠다가 무너진 것들 · 무너진 이유가 다음 분석에 더 쓸모 있다.

세웠던 가설첫 관측무너진 이유
노출이 많을수록 채택이 는다-역인과 · 노출 수는 스크롤 깊이의 함수다(H20). 스크롤을 내린 것은 관심의 결과이지 원인이 아니다
2단계(depth2) 컴포넌트가 5.3배 채택된다+29.4pp역인과 · depth2 항목의 98.8%가 1단계 항목보다 나중에 등장하고 순번 컬럼이 없다. 유저가 파고든 결과다
같은 템플릿 출처 컴포넌트를 부스트하면 된다+74%부분집합 착시 · 두 조건이 한 검색에 섞여 나온 1%의 검색에서만 나온 값이었다. 직접 비교하면 −1.2pp(무의미)이고, 공급의 67%가 이미 동일 출처라 올릴 여지도 없다
세션 내 재검색이 생존을 올린다+8.4pp유저 구성 · 계정 고정효과에서 +1.9pp(저활동)·−0.4pp(고활동)로 붕괴
삭제가 많으면 컴포넌트가 버려진 것이다−4.7pp정의 오류 · 채택 후 삭제의 중앙값이 39초다. 폐기가 아니라 대치 과정에서 원본을 지우는 행위다. 계정 내에서도 무의미
과편집이 생존을 깎는다−5.3pp유저 구성 · 계정 고정효과에서 −1.6pp(무의미)
첫 검색 채택 성공이 재방문을 만든다+7.5pp선택편의 · 유저가 고르지 않은 처치(무결과 오류)는 채택을 −37.1pp 깎지만 30일 재방문은 −3.6pp(무의미). 95% 구간이 +7.5pp를 배제한다
첫 편집 후 30분 지나 검색하면 결과가 좋다+4.3pp시기 불안정 · 8월 +6.0(z=6.4) → 9월 +0.8(z=0.6)
150-299자가 최적이고 600자+는 붕괴한다-재현 실패 · 다시 재니 50자 미만 페널티 하나뿐이었다(H8)
계정 생애 이력 8종이 채택을 가른다-스크리닝 단계에서 전량 탈락. PPT/AI PPT 누적·30일 로그인·결제·트라이얼 전부
세션 UI 지표(패널 닫기·호버·CES 노출)를 결과로 쓴다-전부 「세션이 길었다」의 대리. 검색 단위 결과 지표로 부적합
유무료 격차가 채택을 가른다17.5pp통제 후 3.2pp. 실체는 팀 보유였다(H19)
방법

증거 등급과 거친 관문

전부 같은 무게로 읽으면 사고가 난다. 등급은 통과한 관문으로 정의했다.

증거 등급이 뜻하는 것

전부 같은 무게로 읽으면 사고가 난다. 통과한 관문으로 정의했다.

증거 강계정 내 또는 검색 내 고정효과 통과 + 8월·9월 재현
증거 중층화 통제 통과, 고정효과 미적용 또는 검사 불가
증거 약통제는 걸었으나 반박이 살아 있다
판별 보류측정 자체가 불안정해 결론을 낼 수 없다

거친 관문

  1. 세그먼트 39종 × 결과 10종 주효과 스크린
  2. 처치 20종 × 세그먼트 16종 × 결과 4종 효과 이질성
  3. 길이·줄수·라우트·기기·월 층화 Mantel-Haenszel
  4. Greenland-Robins 정식 분산 + 8월/9월 분리 재현
  5. 계정 고정효과 · 같은 계정 안에 처치·대조가 모두 있는 경우만

5관문에서 살아남은 것만 「강」이다. 4번에서 z가 10배 부풀었던 적이 있어 분산식을 다시 세웠고, 5번에서 후보의 절반이 무너졌다.

한계

이 문서가 말할 수 없는 것

28개 가설은 가설이지 결론이 아니다. 무엇을 못 하는지 아래에 적는다.

이 문서가 말할 수 없는 것

  • 인과가 아니다. A/B 테스트 컬럼의 채움률이 0%라 무작위 배정 근거가 없다. 전부 관측 데이터 위의 통제된 비교다
  • 컴포넌트 품질은 재지 않았다. 잰 것은 이미지 유무·분할 여부·표차트 여부 같은 구성이지 좋고 나쁨이 아니다
  • 무엇에 졌는지 모른다. 실패의 56.6%가 대체인데(H17), 무엇으로 대체됐는지는 로깅되지 않는다
  • 편집은 항목 단위로 귀속되지 않는다. 레버 E의 결론은 “그 컴포넌트를 만졌다”가 아니라 “그 시간대에 무언가를 만졌다”이다
  • 관측 창이 40일이다. 계절성·기능 릴리스 주기를 넘어서는 안정성은 확인하지 못했다

8/11 릴리스 이후 채택률이 5.7pp 떨어졌다. 경보이지 결론이 아니다

길이·줄수·라우트 통제 후 8/12-8/23 채택 41.1% vs 8/1-8/11 45.7%(z=−7.3). 그런데 같은 날 세 가지가 동시에 바뀌었다. 입력가이드 팝오버 자동 노출 중단, 외부데이터 붙여넣기 넛지 도입, 최근 시각화 출시. 일 검색량도 367 → 946으로 뛰었다(로깅 확대 가능성). 단일 처치로 분해되지 않아 인과 결론으로 쓰지 않는다.