Mixpanel로 코오롱몰의 전환율을 3배 높인 코오롱 인더스트리 | 데이터 기반 실험 문화 구축 사례

‘보고서’로 끝나는 데이터 분석은 그저 종이(paper)에 불과하다. - 코오롱(Kolon) FnC의 박소윤 데이터팀 그로스파트장, 마켓핏랩의 GrowthCon ’25에서

데이터 분석의 진정한 가치는 보고서를 작성하는 데 있는 것이 아니라, 그 보고서에 담긴 인사이트를 바탕으로 실제 실행(action)으로 옮겨서 성장을 만들어내는 것이 중요해요. 그래야만 제품과 비즈니스가 더 좋은 방향으로 나아갈 수 있기 때문이에요.

이번 글에서는 코오롱 인더스트리(Kolon Industries)의 FnC 사업부가 Mixpanel(믹스패널)을 선택한 이유부터, 도입 이후에 자체 플랫폼 코오롱몰에서 창출한 성과, 그리고 데이터를 바라보게 된 관점의 변화까지 자세히 살펴 볼게요. 

1. 코오롱 FnC의 코오롱몰(Kolon Mall) 소개: 다양한 브랜드를 한곳에서 제공하는 패션 플랫폼

코오롱몰은 코오롱 인더스트리의 여러 사업 중 자체 패션 브랜드인 코오롱 FnC의 공식 온라인 쇼핑 플랫폼으로, Kolon Sport, Lucky Chouette, Couronne 등 다양한 패션 및 라이프스타일 브랜드를 보유하고 있어요. 코오롱 FnC는 폭넓은 브랜드 포트폴리오를 하나의 통합된 커머스로 경험할 수 있게하며, 고객이 다양한 카테고리의 프리미엄 상품을 손쉽게 탐색하고 구매할 수 있는 공간을 제공해요. 

2. 왜 고객 행동 데이터가 중요했는가

코오롱 FnC에서 Mixpanel을 도입하기 전에는 고객 행동의 패턴이나 맥락을 이해하지 못한 상태에서 트래픽, 매출과 같은 상위 지표 중심 데이터에 집중했어요. 무엇이 일어났는지는 알 수 있었지만, 그것이 왜 일어났는지는 파악하기가 어려웠던 상황이었고, 이런 고객 행동 패턴이 전환율, 재방문, 매출 등에 어떤 영향을 미치는지도 전혀 알 수가 없었어요. 

Mixpanel을 도입하면서 코오롱 FnC은 사용자 여정을 관측할 수 있게 되었고, 이를 통해 실험 중심의 데이터 기반 조직 문화가 자리 잡기 시작했어요. 이제는 데이터가 회사 전체의 공통 언어가 되었을뿐만 아니라, Mixpanel이 분석과 실험을 하나로 연결하는 그 공통 언어의 핵심 기반으로 정착했어요. 

3. 코오롱 FnC가 겪던 핵심 Pain Point

저희는 비즈니스팀이 데이터와 가까워질 수 있는 환경과 발견한 인사이트로 바로 가설을 검증할 수 있는 능력이 필요했습니다.
- 박소윤 데이터팀 그로스파트장‍

Mixpanel 도입 이전에 코오롱 FnC는 고객 행동 파악과 가설 검증을 위한 데이터 분석이 수동 작업으로 이뤄져서 느릴 수 밖에 없고 도출되는 인사이트 또한 매우 한정적이었어요.

다음은 코오롱 FnC가 겪고 있었던 주요 문제예요. 

• 마케터, MD, PM이 행동 데이터를 직접 탐색하거나 가설을 검증할 수 없었어요. 
• 데이터 분석가가 모든 요청 데이터를 수작업으로 추출해야 했기 때문에 병목이 발생하고, 요청에 대한 대응 속도가 느렸어요. 
• 유저 행동 데이터가 아닌 총 거래액(Gross Merchandise Value, GMV)과 직감에 의존했어요.

그 결과, 조직 전반에 민첩성과 자신감이 부족했어요. 제품 의사결정은 가정에 기반해 이루어졌고, 새로운 아이디어를 실험하는 것도 위험하게 느껴졌어요. 코오롱 FnC는 실시간 인사이트를 제공하는 것뿐만 아니라, 이벤트 기반 및 사용자 중심으로 데이터를 분석하면서 바로 실험까지 해볼 수 있는 도구가 필요했어요. 즉, “지금 무슨 일이 일어나는지(what’s happening)”과 “그래서 다음에 무엇을 해야 하는지(what to do next)”를 자연스럽게 연결해줄 수 있는 분석 환경의 구축이 시급했어요.

4. 코오롱 FnC가 Mixpanel을 선택한 이유

Mixpanel을 도입하게 된 결정적 요인은, 우리가 원하는 데이터를 원하는 방식으로 실시간 분석할 수 있다는 점이었어요. 다른 데이터 툴과 확실한 차별점이 있죠. - 박소윤 데이터팀 그로스파트장‍

이벤트 기반 분석, 실시간 인사이트, 그리고 실험과 분석의 매끄러운 통합 기능이 코오롱 FnC가 Mixpanel을 선택한 이유였어요. 통상적인 데이터 툴이 페이지뷰 분석에 집중한다면, Mixpanel은 상품 상세 페이지 조회, 장바구니 담기, 쿠폰 사용과 같은 세부적인 고객 행동을 추적해요. 이를 통해 고객의 실제 쇼핑 행동을 반영한 정교한 퍼널(funnel)과 코호트(cohort)를 구축할 수 있게 돼요. 또한 이미 구축한 지표와 코호트로 준비 중인 업데이트를 미리 테스트할 수 있어요. 

5. Mixpanel의 도입 과정과 구축 전략

(1) 데이터 사일로(Silo)를 허무는 Mixpanel 데이터

Mixpanel은 이제 우리 팀의 ‘눈’이에요. 회사 전체가 동일한 기준의 표준화된 지표를 보고 대화할 수 있게 됐어요.
- 박소윤 데이터팀 그로스파트장‍

“사일로”는 원래 곡물 저장 창고를 일컫는 말이에요. ‘고립돼 있고’, ‘정보가 서로 이동하지 않는’ 조직의 모습이 이와 유사해서 사일로로 비유하곤 해요. 이전에는 코오롱 FnC도 데이터 사일로의 상태였어요. 그러나 Mixpanel을 도입한 후에는 모든 팀이 함께 의사결정을 할 수 있는 데이터 기준점이 생겼어요. 회원가입, 상품 탐색, 구매 완료로 이어지는 전사 공통 퍼널 지표를 정의하고 시각화할 수 있었고, 덕분에 마케팅팀부터 UX팀까지의 모든 구성원이 동일한 데이터 언어로 성과를 이야기할 수 있게 됐어요. 

Mixpanel 도입 이전에는 팀마다 각자 다른 방식으로 지표를 구축했기 때문에, 보고서가 일관되지 않았어요. 이제는 Mixpanel을 통해 모든 팀이 표준화된 동일한 관점에서 성과를 확인할 수 있게 되어, 논의와 의사결정이 수월해졌어요. 

(2) 세그멘테이션(Segmentation)을 활용한 타깃(target) 액션 실행

이제는 가장 먼저 하는 말이 ‘데이터부터 볼까요?’예요. 이 변화 하나만으로도 시간을 아끼고 협업이 훨씬 원활해졌어요. - 박소윤 데이터팀 그로스파트장‍

Mixpanel의 세그멘테이션과 코호트 분석을 활용해 코오롱 FnC는 드디어 사용자 행동 인사이트를 실행(action)으로 연결할 수 있게 됐어요. 

• 첫 구매자, VIP 고객, 장바구니 이탈자 등의 코호트를 만들어, 타깃 마케팅 캠페인을 실행했어요.
• 이러한 캠페인을 실험 그룹(variant)과 직접 연결해 성과 차이를 정교하게 측정할 수 있었어요.
• 회의 시간이 약 20% 줄었고 커뮤니케이션 효율도 크게 개선됐어요. 

(3) 분석과 실험의 완전한 통합

이제는 특정 변화가 특정 결과를 만들어냈다고 확신 있게 말할 수 있게 됐어요. Mixpanel은 ‘무슨 일이 일어났는지(what happened)’, ‘왜 일어났는지(why)’, 그리고 ‘그럼 무엇을 바꾸면 좋을지(what if)’를 하나의 흐름으로 자연스럽게 연결해줘요. - 박소윤 데이터팀 그로스파트장‍

Mixpanel의 실험 + 기능 플래그(Experimentation + Feature Flagging) 통합 기능은 분석과 실행 사이의 어려움을 완전히 해소하고 모든 과정을 하나의 흐름으로 연결해 줬어요.

이제 코오롱 FnC는 다음과 같은 방식으로 Mixpanel을 사용할 수 있어요. 

• 기존 Mixpanel 이벤트(예. 구매 완료)를 그대로 실험 성공 지표로 재사용할 수 있어요. 
• 통계적 유의미성(statistical significance)을 자동으로 확인할 수 있어, 결과에 대한 신뢰도를 높일 수 있어요.
• 퍼널이나 리텐션 보고서를 실험 그룹 기준으로 세부 분석할 수 있어, 더 깊은 인사이트를 얻을 수 있어요. 

이 엔드투엔드 워크플로우는 발견 → 실험 → 학습이 끊김 없이 이어지는 사이클을 만들었고, 발견한 모든 인사이트를 측정 가능한 액션으로 바로 전환할 수 있게 해줬어요.

6. Mixpanel로 만든 실험 중심 조직 문화

(1) GMV 중심에서 행동 기반 분석으로 전환

저희는 Mixpanel 데이터를 함께 리뷰하는 ‘데이터 스터디’를 정기적으로 진행했어요. 우리 가설을 직접 실험할 때가 됐다는 걸 알게 된 거죠. - 박소윤 데이터팀 그로스파트장‍

Mixpanel 도입 이전에 코오롱 FnC의 의사결정은 유저 행동이 아닌 GMV 중심으로 이루어졌어요. 그러나 Mixpanel을 도입한 이후, 정기적으로 “데이터 스터디”를 열어 Mixpanel 데이터를 함께 살펴보며 회사 전체의 데이터 리터러시(data literacy)와 호기심을 크게 높였어요. 모두가 행동 기반 지표에 점점 익숙해지면서 자연스럽게 “왜 이런 행동이 발생했을까?”라는 질문을 하기 시작했고, 이것이 실험 문화를 발전시키는 중요한 계기가 되었어요. 

(2) 믹스패널에서 통합된 실험 환경

코오롱 FnC는 Mixpanel의 실험 + 기능 플래그 기능을 활용해 분석 → 가설 → 실험을 끊김 없이, 하나의 흐름으로 연결할 수 있게 되었어요. 예전에는 여러 도구와 복잡한 워크플로우를 거쳐야 했던 과정이 이제는 엔드투엔드로 Mixpanel 내에서 한 번에 이루어져요. 

구체적인 흐름은 다음과 같아요:

1. 사용자 행동이나 이탈 패턴을 발견해요.
2. 그것을 개선하기 위한 가설을 세워요.
3. 정의된 코호트와 지표로 실험을 해요.
4. 결과를 같은 대시보드에서 바로 분석해요. 

이렇게 통합된 루프(loop) 덕에 코오롱 FnC는 지속적으로 배우고 개선하는 실험 문화를 구축하고, 심지어는 ‘실패한 실험’조차 성장의 밑거름이 되는 구조가 만들어졌어요.

7. Mixpanel을 활용한 구체적 실험 사례

(1) 프로모션 페이지 길이에 따른 전환율 실험

• 가설: 더 짧고 간단한 이벤트 페이지가 핵심 정보에 집중하게 해 전환율을 높일 것으로 예상.
• 설정(Setup): 
  
  • 대조군: 상세 정보가 풍부한 긴 형태의 페이지
  • 실험군: 최소한의 텍스트와 이미지로 구성된 간결한 페이지

• 결과: 긴 형태의 페이지의 전환율이 307%이 더 높았음 (p < 0.001).
• 인사이트: 고객은 상품 상세 페이지에 부족한 정보를 프로모션 페이지에서 보완하고 있다는 걸 발견. 이 인사이트를 기반으로 팀은 상품 상세 페이지의 콘텐츠 구조와 정보 계층을 개선하여 이에 대응.

(2) 알고리즘 자동화 vs 수동 배너 정렬 실험

이런 실험 결과로 자동화가 수동 큐레이션을 능가한다는 걸 명확히 알게 되었어요. 이런 인사이트를 기반으로 운영팀과 그로스팀이 함께 일하는 방식 자체를 재정의하고 있어요. - 박소윤 데이터팀 그로스파트장

• 가설: CTR 기반으로 배너 순서를 동적으로 최적화하는 멀티 암드 밴딧(Multi-Armed Bandit, MAB) 알고리즘이 수동 큐레이션보다 더 높은 성과를 낼 것으로 예상.
• 설정:
  
  • 대조군: 운영팀이 직접 수동으로 배너를 정렬
  • 실험군: 알고리즘이 자동으로 배너 순서를 최적화

• 결과: 알고리즘 기반 자동화 그룹의 전환율이 793bps(=7.93%p)가 더 높았고 클릭률 또한 더 높았음. (bps는 베이시스 포인트(basis points)의 약자로, 데이터 지표(전환율, 클릭률 등)의 변화 폭을 더 정확하게 표현하기 위해 사용하는 단위)

• 다음 단계(Next Steps): 전략적으로 배너 위치 정렬이 필요한 일부 영역을 제외하고, 가능한 많은 배너 순서를 자동 알고리즘으로 전환. 

8. Mixpanel 도입 효과 요약

(1) 강화된 실험 문화

코오롱 FnC는 Mixpanel 덕에 직감에 의존한 의사결정을 벗어나, 구조화된 데이터 기반 테스트 문화로 전환할 수 있었어요. 초기 실험을 통해 전환율을 개선하는 것뿐만 아니라, 이후 제품 전략에 중요한 결정 요인이된 유저 행동 인사이트까지 발견하게 했어요. 

실험이 액션으로 이어졌던 사례예요:

• 상세 상품 페이지 전환율 +400bps(= +4.00%p)
• 구매 전환율 +100bps(= +1.00%p)
• 더 빠른 실험 사이클과 실시간 유의미성 확인
• 기존 Mixpanel 이벤트에 실험 지표를 연결해서 일관성 확보

(2) 기술적 통합으로 혁신 가속

예전에는 유저 행동 데이터 기반 리포트를 만들려면 여러 팀이 함께 움직여야 했어요. Mixpanel Query API 덕분에 이제는 모든 게 수월해졌어요. 프로덕션에서 바로 분석 데이터를 호출하면 되거든요. - 박소윤 데이터팀 그로스파트장‍

코오롱 FnC는 Mixpanel의 Query API로 실시간 실험 데이터를 프로덕션 환경에 직접 불러오고 있어요. 이를 이용해 배너 최적화와 같은 라이브 기능을 실시간 데이터 기반으로 실행해요. 이 통합 덕분에 데이터팀과 개발팀 사이의 의존도가 크게 줄었고, 여러 부서의 시간을 절약하는 효과도 있었어요. 

9. Mixpanel로 변화된 코오롱 FnC의 데이터 철학

(1) 보고서가 아니라 실행(Action)

많은 조직이 “분석 → 리포트” 단계에서 멈춰요.
보고서를 만드는 데 많은 시간을 들이지만, 정작 그 보고서가 실제 행동으로 이어지는 경우는 많지 않아요. 데이터 분석의 진짜 목적은 단순히 ‘무슨 일이 일어났는지 설명하는 것’이 아니에요. 데이터를 활용해 팀이 더 나은 결정을 내리도록 돕고, 그 결정을 실제 행동으로 연결해야 해요.

결국 아무리 정교하고 잘 시각화된 분석이라도, 그다음 단계인 실행이 없다면 결국 ‘잘 만든 종이(보고서)’일 뿐이에요. 코오롱 FnC는 이 문제를 분명히 인식한 후에 Mixpanel을 도입했고, 이제는 “데이터는 쓰여야 의미가 있다”는 철학을 바탕으로 액션 중심의 데이터 활용을 지향하고 있어요.

(2) 성장 루프 구축

데이터 기반 성장을 위해서는 한 번의 분석이나 한 번의 실험으로 끝내면 안돼요. 지속적인 성장을 위해서는 기회 발견 → 액션 실행 → 결과 관측 → 다시 기회 발굴로 이어지는 하나의 “성장 루프(Growth Loop)를 만들어야 해요. 이 루프가 잘 돌아갈 수록, 아이디어를 더 빨리 실험할 수 있고, 결과로 인사이트를 찾고, 그 인사이트가 또 다른 실행으로 연결될 수 있어요. 코오롱 FnC의 박소윤 데이터팀 그로스파트장은 이 선순환을 “데이터가 기회를 만들고 인사이트가 답하는 그로스 액션(Growth Action)”라고 표현했어요.

믹스패널로 변화된 코오롱 FnC의 더 자세한 이야기와 사례를 알고 싶다면 마켓핏랩의 자료실을 통해 영상을 시청하세요!

10. Mixpanel 기반 코오롱 FnC의 다음 성장 단계

코오롱 FnC는 앞으로 실험의 범위를 UI 조정 단계에서, 개인화 알고리즘, 타깃 프로모션, 자동 고객 세그멘테이션 등 더 정교하고 전략적인 영역까지 포함할 수 있도록 더 확장할 계획이에요. 또한 각 실험이 매출, 재구매율 등 전사 비즈니스 KPI에 어떻게 기여하는지를 시각화하기 위해 Mixpanel의 Metric Trees 기능을 적극적으로 활용하려고 해요. 

저희는 이제 페이지 하나를 최적화하는 단계를 넘어, 전체 사용자 여정을 최적화하는 방향으로 나아가고 있어요. 그 변화의 중심에는 앞으로도 Mixpanel이 함께 할거예요.- 박소윤 데이터팀 그로스파트장‍

마무리

코오롱 FnC의 실험 문화는 Mixpanel을 통해 완전히 새로운 단계로 도약했어요. Mixpanel은 발견 → 실험 → 실행을 매끄럽게 연결해주는 가장 강력한 그로스 엔진이에요.

코오롱 FnC처럼 이제 감이 아니라 데이터로, 추측이 아니라 실험으로 성장하고 싶다면 Mixpanel의 도입을 고려하세요. 툴 도입이나 GA4에서의 마이그레이션이 고민이시라면, 언제든 solutions@mfitlab.com으로 문의해 주세요. 전문 컨설턴트가 1:1 맞춤 상담을 통해 최적의 방향을 제안해 드려요.

마켓핏랩은 앞으로도 이런 실제 사례들을 기반으로, 더 좋은 콘텐츠와 인사이트를 계속해서 선보일게요.

함께 보면 좋은 콘텐츠

1️⃣ 그로스 루프 (Growth Loop)란? 유저가 유저를 데려오는 성장 루프 만들기‍

2️⃣ [GrowthCon ’25 컨퍼런스 스케치] 데이터 분석이 성과로 이어지는 법: 인사이트·실행·성장으로 이어지는 루프 만들기

3️⃣ 트래픽이 적은 프로덕트는 AB Test결과를 어떻게 해석할까?