Activation을 전사 공통 레이어로 만들며 해결한 3가지: 신뢰성, 비용, 생산성

User Activation 분석의 필요성 및 기존 방식의 한계

• Active User 지표는 '무슨 일이 일어났는지'만 보여주며, '왜'에 대한 답을 제공하지 못하는 한계가 있었어요.
• User Activation은 사용자의 활동을 **활성 상태(Stock)**와 **상태 전이(Flow)**로 나누어 해석하는 관점으로, 변화의 원인과 경로를 파악할 수 있게 해요.
• 기존에는 팀별로 Activation을 직접 쿼리 계산하여 데이터 신뢰성과 운영 안정성 확보가 어려웠고, 이에 전사 공통 데이터 레이어인 Activation 레이어 구축을 결정했어요.

Activation 레이어 설계 및 구현

• Activation 레이어는 DBT 프로젝트 계층 위에 Base → Fact → Activation 순서로 쌓아 올린 구조로 설계되었어요.
• 신뢰성 확보를 위해 기준 행동을 Fact 모델로 명확히 정의하고, 모델명에 포함하여 해석의 모호성을 제거했어요.
• 비용 절감을 위해 유저별 최초/마지막 행동 시점을 날짜별 스냅샷으로 저장하는 FirstLast 모델을 도입, 전체 기간 스캔 없이 효율적인 계산을 가능하게 했어요.
• 생산성 향상을 위해 복잡한 계산 로직을 DBT 매크로로 캡슐화하여, Fact 모델 이름만으로 Activation 모델을 쉽게 생성할 수 있도록 했어요.

Activation 레이어의 활용 및 성과

• FirstLast, Activation, 3개 모델이 연동되어 , , , 등 종합적인 분석 정보를 제공해요.