웹3.0, 미래 인터넷 및 사물인터넷 등으로 인터넷 이용이 급증함에 따라 사용자와 웹서버들 사이의 상호 정보 교환을 통한 빅데이터들이 증가하고 있다. 이런 데이터들의 분석 결과들은 상업용 웹사이트의 경우 마케팅과 캠페인에 활용하고, 비상업용 사이트의 경우에도 사용자의 서비스 만족도 향상을 위한 기초자료로 이용된다. 본 논문에서는 웹사이트 분석을 위한 정량적 지표들을 제시하고 지표들 사이의 상관관계와 유의성 검정 분석을 통하여 최적화된 웹사이트 설계 방안을 제시한다. 138개의 웹사이트에 대한 분석 결과, 방문수와 순방문자 수, 페이지뷰 수와 평균 방문시간의 사이에는 각각 강한 양(+)의 상관관계가 존재하며, 방문당 페이지뷰 수 및 신규 방문 비율과 이탈률 사이에는 음(-)의 상관관계가 존재함을 알 수 있다. 특히, 웹사이트 방문자의 이탈률을 줄이기 위해서는 방문수와 순방문자 수를 높이기보다, 방문당 페이지뷰의 수와 신규 방문비율을 높이기 위한 전략이 요구된다.
웹3.0, 미래 인터넷 및 사물인터넷 등으로 인터넷 이용이 급증함에 따라 사용자와 웹서버들 사이의 상호 정보 교환을 통한 빅데이터들이 증가하고 있다. 이런 데이터들의 분석 결과들은 상업용 웹사이트의 경우 마케팅과 캠페인에 활용하고, 비상업용 사이트의 경우에도 사용자의 서비스 만족도 향상을 위한 기초자료로 이용된다. 본 논문에서는 웹사이트 분석을 위한 정량적 지표들을 제시하고 지표들 사이의 상관관계와 유의성 검정 분석을 통하여 최적화된 웹사이트 설계 방안을 제시한다. 138개의 웹사이트에 대한 분석 결과, 방문수와 순방문자 수, 페이지뷰 수와 평균 방문시간의 사이에는 각각 강한 양(+)의 상관관계가 존재하며, 방문당 페이지뷰 수 및 신규 방문 비율과 이탈률 사이에는 음(-)의 상관관계가 존재함을 알 수 있다. 특히, 웹사이트 방문자의 이탈률을 줄이기 위해서는 방문수와 순방문자 수를 높이기보다, 방문당 페이지뷰의 수와 신규 방문비율을 높이기 위한 전략이 요구된다.
As the Internet usage such as Web3.0, future internet, and internet of things increases, the big data through information exchange between the users and web servers increases. Analyzing those web data, the commercial web sites use the analytic results for marketing and campaign, and non-commercial w...
As the Internet usage such as Web3.0, future internet, and internet of things increases, the big data through information exchange between the users and web servers increases. Analyzing those web data, the commercial web sites use the analytic results for marketing and campaign, and non-commercial web sites also use the results to improve the user's services satisfaction. In this paper, the quantitative index is presented to analyze the web sites, and optimized web site design method is also presented through the correlation analysis of index and significance test. From the results for 138 web sites, it is observed that strong plus(+) correlation for visits-unique visitors and page views-average visit duration exists. We also observe the minus(-) correlation between bounce rate and page views per user(or ratio of new visits). In specific, to reduce the bounce rate for users, the strategy to increase the page views and ratio of new visits rather than visits and unique visitors is needed.
As the Internet usage such as Web3.0, future internet, and internet of things increases, the big data through information exchange between the users and web servers increases. Analyzing those web data, the commercial web sites use the analytic results for marketing and campaign, and non-commercial web sites also use the results to improve the user's services satisfaction. In this paper, the quantitative index is presented to analyze the web sites, and optimized web site design method is also presented through the correlation analysis of index and significance test. From the results for 138 web sites, it is observed that strong plus(+) correlation for visits-unique visitors and page views-average visit duration exists. We also observe the minus(-) correlation between bounce rate and page views per user(or ratio of new visits). In specific, to reduce the bounce rate for users, the strategy to increase the page views and ratio of new visits rather than visits and unique visitors is needed.
본 논문에서는 최적화된 웹사이트 설계를 위해 필요한 정량적 지표들을 설정하고 138개의 웹사이트에 대하여 지표들 사이의 상관관계를 분석하며, 유의성을 검정한다. 정량적 지표는 크게 접근성, 표준성 및 구글 애널리틱스의 7가지 지표(방문수, 순방문자수, 페이지뷰 수, 방문당 페이지뷰 수, 평균 방문시간, 이탈률, 신규 방문비율)를 사용한다.
제안 방법
정량적 지표는 크게 접근성, 표준성 및 구글 애널리틱스의 7가지 지표(방문수, 순방문자수, 페이지뷰 수, 방문당 페이지뷰 수, 평균 방문시간, 이탈률, 신규 방문비율)를 사용한다. 특히, 상업용 사이트의 경우 웹사이트로 유입하여 들어온 사용자의 이탈률(Bounce Rate)을 줄이기 위한 주요 요인 변수를 도출함으로써 효율적인 마케팅 및 캠페인 전략 수립 방안을 제시한다.
대상 데이터
<표 1>의 지표 값을 분석하기 위하여 경기도에서 운영하고 있는 138개의 홈페이지에 대한 2달 동안의 측정 자료를 이용한다[7,8]. 대표적으로 웹접근성 및 W3C 표준성 준수 여부(Errors의 수), 방문 수 및 순 방문자 수에 대한 분석 값을 나타내면 각각 [그림 1]과 [그림 2]와 같다.
데이터처리
본 논문에서는 최적화된 웹사이트 설계를 위한 정량적 평가 방법을 분석하였다. 평가 지표로써 접근성, 표준성 및 구글 애널리틱스의 지표값을 사용하였으며, 지표 결과값들에 대한 상관관계와 유의성 검정을 통하여 웹사이트 설계 방안을 제시하였다. 138개의 웹사이트들에 대한 분석 결과, 방문 수와 순방문자 수 그리고 페이지뷰 수와 평균 방문시간 사이에는 강한 상관관계가 존재하고, 방문 수·순방문자 수와 페이지 뷰사이와 페이지뷰 수·신규방문비율과 이탈률 사이에도 상관관계가 존재함을 알 수 있었다.
성능/효과
평가 지표로써 접근성, 표준성 및 구글 애널리틱스의 지표값을 사용하였으며, 지표 결과값들에 대한 상관관계와 유의성 검정을 통하여 웹사이트 설계 방안을 제시하였다. 138개의 웹사이트들에 대한 분석 결과, 방문 수와 순방문자 수 그리고 페이지뷰 수와 평균 방문시간 사이에는 강한 상관관계가 존재하고, 방문 수·순방문자 수와 페이지 뷰사이와 페이지뷰 수·신규방문비율과 이탈률 사이에도 상관관계가 존재함을 알 수 있었다. 특히, 페이지뷰 수·신규방문비율과 이탈률 사이에는 음(-)의 상관관계가 존재하며, 사용자의 웹사이트 방문시 이탈률을 줄이기 위해서는 방문 수나 순방문자 수를 늘이는 것보다 방문 당 페이지뷰 수를 높이기 위한 차별화된 웹콘텐츠 서비스 제공과 신규 방문 비율을 높이기 위한 웹마케팅 전략이 요구된다.
98로써 [그림 2]의 결과와 동일하게 강한 상관관계가 있는 것으로 보인다. 그리고 Page views-Avg. time(visit duration)의 상관계수가 0.878로써 페이지 뷰의 수가 클수록, 즉 사용자가 많은 페이지를 조회할수록 방문 시간이 큼을 의미한다. 상관관계가 존재하는 지표들 사이의 산포도는 [그림 3], [그림 4]와 같다.
138개의 웹사이트들에 대한 분석 결과, 방문 수와 순방문자 수 그리고 페이지뷰 수와 평균 방문시간 사이에는 강한 상관관계가 존재하고, 방문 수·순방문자 수와 페이지 뷰사이와 페이지뷰 수·신규방문비율과 이탈률 사이에도 상관관계가 존재함을 알 수 있었다. 특히, 페이지뷰 수·신규방문비율과 이탈률 사이에는 음(-)의 상관관계가 존재하며, 사용자의 웹사이트 방문시 이탈률을 줄이기 위해서는 방문 수나 순방문자 수를 늘이는 것보다 방문 당 페이지뷰 수를 높이기 위한 차별화된 웹콘텐츠 서비스 제공과 신규 방문 비율을 높이기 위한 웹마케팅 전략이 요구된다. 향후 정량적 평가 외에 정성적 평가 방법과 결합된 웹사이트 설계 방안에 대한 연구가 필요하다.
후속연구
특히, 페이지뷰 수·신규방문비율과 이탈률 사이에는 음(-)의 상관관계가 존재하며, 사용자의 웹사이트 방문시 이탈률을 줄이기 위해서는 방문 수나 순방문자 수를 늘이는 것보다 방문 당 페이지뷰 수를 높이기 위한 차별화된 웹콘텐츠 서비스 제공과 신규 방문 비율을 높이기 위한 웹마케팅 전략이 요구된다. 향후 정량적 평가 외에 정성적 평가 방법과 결합된 웹사이트 설계 방안에 대한 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
138개의 웹사이트에 대한 분석 결과, 어떤 특징이 나타났는가?
본 논문에서는 웹사이트 분석을 위한 정량적 지표들을 제시하고 지표들 사이의 상관관계와 유의성 검정 분석을 통하여 최적화된 웹사이트 설계 방안을 제시한다. 138개의 웹사이트에 대한 분석 결과, 방문수와 순방문자 수, 페이지뷰 수와 평균 방문시간의 사이에는 각각 강한 양(+)의 상관관계가 존재하며, 방문당 페이지뷰 수 및 신규 방문 비율과 이탈률 사이에는 음(-)의 상관관계가 존재함을 알 수 있다. 특히, 웹사이트 방문자의 이탈률을 줄이기 위해서는 방문수와 순방문자 수를 높이기보다, 방문당 페이지뷰의 수와 신규 방문비율을 높이기 위한 전략이 요구된다.
인터넷 이용이 급증한 이유는 무엇인가?
웹3.0, 미래 인터넷 및 사물인터넷 등으로 인터넷 이용이 급증함에 따라 사용자와 웹서버들 사이의 상호 정보 교환을 통한 빅데이터들이 증가하고 있다. 이런 데이터들의 분석 결과들은 상업용 웹사이트의 경우 마케팅과 캠페인에 활용하고, 비상업용 사이트의 경우에도 사용자의 서비스 만족도 향상을 위한 기초자료로 이용된다.
138개의 웹사이트에 대하여 지표들 사이의 상관관계를 분석하기 위해 사용한 지표들은 무엇인가?
본 논문에서는 최적화된 웹사이트 설계를 위해 필요한 정량적 지표들을 설정하고 138개의 웹사이트에 대하여 지표들 사이의 상관관계를 분석하며, 유의성을 검정한다. 정량적 지표는 크게 접근성, 표준성 및 구글 애널리틱스의 7가지 지표(방문수, 순방문자수, 페이지뷰 수, 방문당 페이지뷰 수, 평균 방문시간, 이탈률, 신규 방문비율)를 사용한다. 특히, 상업용 사이트의 경우 웹사이트로 유입하여 들어온 사용자의 이탈률(Bounce Rate)을 줄이기 위한 주요 요인 변수를 도출함으로써 효율적인 마케팅 및 캠페인 전략 수립 방안을 제시한다.
A.V. Hausman and J.S. Siekpe, "The Effect of Web Interface Features on Consumer Online Purchase Intention," Journal of Business Research, 2009.
Avinash Kaushik, Web Analytics 2.0, SYBEX, 2009.
Digital Analytics Association, http://www.digitalanalyticsassociation.org.
Eric Peterson, Web Site Measurement Hacks, O'REILLY.
Google Analytics, http://www.google.com/analytics.
R.L. Oliver, Satisfaction: A Behavioral Perspective on The Consumer, McGraw-Hill, 1996.
V. Mummalaneni, "An Empirical Investigation of Web-Site Characteristics Consumer Emotional States and On-line Shopping Behaviors," Journal of Business Research, 2005.
World wide web consortium(W3C) validator, http://validator.w3.org.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.