본문 바로가기
서비스 기획해요/강의 들어요

[인프런] PM을 위한 데이터 리터러시_#5. 성과 측정을 위한 지표(Metric) 정의

by ellieyu 2024. 9. 13.
반응형
📌 이 글은 [인프런] 카일스쿨의 'PM을 위한 데이터 리터러시' 강의 내용을 요약 정리한 것입니다.

 

4-1. Intro와 카일스토리

  • 지표를 접근 할 때 '배포 후에 확인하자', '나중에 생각하자'라고 하기도 함.
  • 같은 데이터를 구했는데, 사람마다 다르게 나오는 경우가 발생하기도 함. 
나도 이때까지는 지표를 바라볼 때
배포 후에 확인하자는 관점에서
봤던 것 같아서 반성했다!


4-2. 지표의 개념

지표란 도대체 무엇일까 ? 데이터? 숫자?

  • 지표 = 측정하고 싶은 것을 숫자로 표현한 것 
  • MECE하게 논리를 구성하면서 봤던 숫자
  • 방향이나 목적, 기준 따위를 나타내는 표지 
  • 추상적인 개념과 관련되는 지수, 척도 

 

지표를 왜 생각해야 할까? 

  • 우리가 원하는 것: 비즈니스의 성장(= 변화)
  • 변화가 잘 진행되고 있는가?를 숫자로 확인!
  • 비즈니스 영역뿐 아니라, 삶에서도 지표를 활용해 변화 진행여부 확인 가능 
지표는 변화가 잘 진행되고 있는가
숫자로 확인하기 위해 봐야 한다!!

 

좋은 지표의 조건

  • Objective: 업무의 목적과 관련된 지표
  • Measurable: 측정 가능한 지표
  • Actionable한 지표: 지표를 토대로 행동을 할 수 있는 지표
  • Understand: 누구나 이해할 수 있는 지표
  • Specific: 정의를 명확하게 한 지표(다양한 관점으로 해석되지 않는 지표)

=> 불확실성을 줄여줄 수 있는 지표 
 

지표는 언제 생각해야 할까?

  • 최초에 MECE하게 문제를 정의하는 과정에서 지표를 생각해야 함
  • 문제 정의를 하면서 => 이런 부분을 지표로 확인하려면 무엇을 확인해야 할지 생각 

 

지표를 어떻게 개선해야 하는가?

  • 내가 개선하고 싶은 업무가 있다면,
  • 그 반복 업무를 어떻게 해야 더 효율적으로 할 수 있을지 고민 
  • "효율적"인 것의 정의가 무엇인지 생각
  • 이게 더 좋아지려면 무엇을 해야할지(Action Item) 생각

 

지표가 너무 두렵다면

  • 지표 = 숫자 = 두려움이란 인식이 있어서 두려울 수 있음
  • => 숫자가 아니라 성공적인 결과를 말로 표현하고 시작하면 수월
  • "만약 우리 제품이 엄청 발전하면, 어떤 모습일 것 같아요?"

 

KPI(Key Performance Indicators)

  • 핵심 성과 지표 
  • 회사에서 조직의 목표 설정 시 활용 
  • 경영에서 중요하다고 생각하는 지표를 스프레드시트, 대시보드 형태로 관리
  • 조직별로 KPI가 충돌할 수 있음(마케팅팀, 영업팀, 재무팀, 제품팀) 

 

North Star Metric(NSM) & One Metric That Matters(OMTM)

  • 북극성 지표, OMTM 지표라고 부르기도 함 
  • 조직별로 KPI가 충돌하는 문제 해결을 위해, '조직에서 가장 중요한 하나의 지표와 연결된 Input Metric을 보도록 하는 관점'을 사용하기도 함  
  • 우리 회사에서 단 하나의 지표를 본다면?

 

KPI는 들어봤는데
OMTM은 처음 들어봤다!

 
 

Input Metric & Output Metric

Input Metric

  • 무언가의 Input이 되는 지표
  • Input Metric의 개선으로 Output Metric도 개선
  • 이 지표를 기준으로 Action
  • Uber Ride 매출, Uber Eats 매출 등..

 
Output Metric 

  • 무언가의 결과가 되는 지표 
  • 광범위하며 비즈니스의 장기 목표를 설정할 때 유용
  • Uber 매출, DAU 등

=> Input Metric이 개선되면 Output Metric도 개선되는 관계!
 
 

메인 지표(Focus Metric), 성공 지표(Success Metric)

  • 프로젝트의 성공을 증명할 수 있는 지표
  • 1~2개가 적당

 

보조 지표(Sub Metric)

  • 메인 지표를 보조할 수 있는 지표
  • 성공 지표만큼 중요도가 높지는 않지만 보조적으로 파악해야 하는 지표 

 

가드레일 지표(Guardrail Metric)

  • 어떤 기능을 만들어도, 떨어지면 안되는 지표
  • 서비스에 악영향을 주었는지를 파악하는 지표
  • 예) 제품에 광고 기능 추가해 광고 클릭 강제 유도 -> 이탈률 늘고, 매출 늘었음 -> 여기서 이탈률이 가드레일 지표 -> 가드레일 지표가 없으면 매출에 집중하게 될 것 
예시를 통해 보니,
가드레일 지표도 성공 지표 못지 않게
중요하구나!


4-3. 지표의 구성 요소

  • 지표는 분자와 분모의 조합으로 만들 수 있음
    • 단일 COUNT의 경우 분자와 분모 없이 만들 수도 있음
    • 예) 클릭률 = 클릭(click)한 수 / 조회(view)한 수
    1. 이벤트 행동(Event, Action) : 사건, 유저가 어떤 행동을 했는가?
      ex. 구매 버튼 click, 앱 메인 화면 view, scroll 움직임, background로 이동

    2. 시간축 : 지표를 구성할 때 사용할 시간(시간축은 항상 명시)
      ex. 일자별(Daily), 주차별(Weekly), 월별(Monthly), 시간대별(Hourly)

      참고) Flow(유량) vs. Stock(저량)
      Flow는 일정 구간을 설정해 집계 ex. 일자별 배달 취소건 
      Stock은 특정 시점에서 집계 ex. 23년 1월 기준 총 회원 수

    3. 차원(Dimension) : 데이터의 속성
      ex. 매출을 차원으로 쪼개면 -> 첫 매출/기존매출, 연령대별 매출, 국가별 매출
      (SQL 쿼리에서 GROUP BY에 활용되는 값)

    4. 집계 값(Aggregation) : Raw 데이터를 모아서 계산
      ex. 사용자 수(COUNT), 특정 값의 평균(AVERAGE), 합(SUM), 제일 큰 값(MAX)
      (SQL 쿼리에서 GROUP BY와 함께 나오는 집계 함수들) 

    5. 조건(Condition) : 필요한 경우 특정 조건을 적용
      ex. 특정 웹 페이지를 하루에 3회 이상 접속한 사람 수
      (SQL 쿼리에서 WHERE 문에 나오는 조건) 지표의 구성 요소

 


4-4. 많이 활용되는 대표 지표

DAU(Daily Active User), WAU, MAU

  • (차원 기준으로) 얼마나 Active한 유저가 있는가?
  • 지표의 특징
    • 이벤트 행동: Active한 행동의 정의가 매우 중요(앱/웹에 접속, 특정 이벤트를 한 경우 등) => 방문 DAU, 거래 DAU 등
    • 시간축: 일자별, 주차별, 월별 
    • 집계값: 하루에 Active한 행동을 한 유저의 수DISTINCT하게 COUNT(2번 이상 했어도 1번으로 표히)
    • 대략적인 규모를 파악할 때, 투자 유치시 활용
    • 초반엔 유의미할 수 있으나, 추후엔 다른 지표를 활용(Retention 등)
    • Push 메세지나 퍼포먼스 마케팅으로 인해 일시적으로 늘릴 수는 있음
    • 여러번 접근하는 경우가 존재하는데, 그걸 Unique한 수로 확인

 

PV(Page View)

  • 정의: 특정 페이지를 본 수
  • 이벤트 행동: VIEW(웹 또는 앱의 특정 페이지 접근)
  • 시간축: 일자별, 주차별, 월별, 시간대별
  • 차원: 디바이스별, 성별, 연령대별 PV
  • 집계값: 특정 기간의 VIEW 수를 COUNT 
  • 참고) PV는 전환율 계산 시 분모로 활용

 

UV(Unique View)

  • 특정 페이지를 본 순 방문자 수
  • 이벤트 행동: VIEW(웹 또는 앱의 특정 페이지 접근)
  • 시간축: 일자별, 주차별, 월별, 시간대별
  • 차원: 디바이스별, 성별, 유저 정보 등 대부분 활용 가능 
  • 집계값: 특정 기간의 VIEW 수를 COUNT 
  • 특징: 여러 번 접근하는 경우도 존재하는데, 그걸 Unique한 수로 확인 

 

CVR(Conversion Rate, 전환율)

  • 특정 행동을 한 후, 전환된 비율
    • = 전환 수 / 특정 행동을 한 수
    • 예) home 페이지에서 검색 버튼을 클릭한 사람들이 얼마나 주문하는가?
  • 전환(Conversion)에 대해 정의 필요. 예 : 구매 전환율
  • 지표의 특징
    • 광고, 제품에서 많이 쓰이는 지표
      • 예) 상품 구매하는 사람 수 / 광고 클릭하는 사람 수
    • CTR(클릭률)과 같이 보며 좋은 컨텐츠인지 확인
    • 제품(앱/웹)에서도 많이 쓰이는 지표 : 특정 페이지 구매 전환율은 얼마나 되는가?
      • 예) 상품 화면으로 넘어가는 사람 수 / 메인 홈 화면 접속한 사람 수
    • 지표의 이해를 위해 XX 전환율처럼 구체적인 단어를 써주면 더욱 좋음
    • 퍼널의 앞단에서 전환되기 까진 오래 걸릴 수 있음

 

CTR(Click Throught Rate, 클릭율)

  • 어떤 것을 보고(또는 페이지 접근한 후) 특정 Component(버튼 등)을 클릭한 비율
  • = 클릭 수(Click) / 노출된 수(Impression, View)
  • 예) home 페이지에서 검색 버튼을 클릭한 비율
  • 지표의 특징
    • 사람들이 관심을 가지면 클릭할 것이다라는 가정이 내포됨
    • 퍼널 관점에서 다음 퍼널로 넘어가는지를 파악할 때 활용(이 땐 특정 버튼을 클릭하는지로 판단)
    • CVR(전환율)과 같이 보면서 컨텐츠가 좋은지를 파악
    • (특정 행동을 한 후 전환하는) 전환율보다 순간의 결과를 파악할 수 있는 지표

 

<CTR, CVR 요약>

  • CTR이 높다: 해당 영역, 콘텐츠를 사람들이 관심 있게 봤다(많이 반응)
  • CTR이 낮다: 해당 영역, 콘텐츠를 사람들이 반응하지 않는다(많이 반응하지 않음)
  • CVR이 높다: 특정행동 한 사람이 전환을 더 잘 한다 
  • CVR이 낮다: 특정행동 한 사람이 전환까진 안 간다   
전환율과 클릭율의 차이를
명확히 알 수 있었던 대목! 

 

Duration Time(체류 시간)

  • 특정 부분(페이지 등)에 얼마나 머물렀는가?
  • 머물렀는지 계속 파악해야 하기 때문에, 세션의 정의 중요 
    (하나의 세션에 마지막으로 접속한 시간 - 처음 접속한 시간)

 

Session(세션)

  • 정의된 기간 동안 유저가 앱/웹에서 활동하는 묶음
  • 하루에 여러번 사용하는 서비스는 세션 단위로 묶어서 분석하기도 함
  • Google Analytics는 기본적으로 30분 동안 아무 활동이 없으면 세션을 종료하는 것으로 간주

 

User Engagement

  • 정의: 유저가 우리 서비스에 관심 가진 순간
  • 회사마다 모두 다름 
  • Google Analytics는 앱이나 웹이 켜진 순간에 주기적으로 user_engagement라는 이벤트 발생시킴

 

Funnel(퍼널)

  • 퍼널 정의: 깔때기
  • 퍼널 분석 정의: 제품에서 설계한 의도대로 유저들이 퍼널을 지나는지 확인하는 분석
  • 퍼널은 앞에서 뒤로 개선하는 것보다 뒤에서 앞으로 개선하는 것이 좋음
    • 결제할 사람을 확실히 결제하게(결제화면까지 온 사람이 결제완료까지 갈 수 있도록) 만들고, 나중에 유입을 늘리기
    • AARRR와 관련된 개념
  • 배달 앱 예시
    • 메인 화면
    • 음식점 화면
    • 음식 세부 화면
    • 장바구니 화면
    • 결제 화면
    • 결제 완료

 

AARRR

  • Acquisition : 얼마나 제품에 접근하는가?
  • Activation : 고객이 최초의 좋은 경험을 하는가?
  • Retention : 다시 제품을 사용하는가?
  • Revenue : 얼마나 돈을 버는가?
  • Referral : 다른 사람에게 공유하는가?

 

RARRA

예산을 줄여야 하는 상황에는 마케팅 비용부터 줄어듦
퍼널의 마지막 부분(결제 전환 시점)부터 개선해서 점점 앞단으로 가는 RARRA 전략도 많이 사용됨

  • Retention : 다시 제품을 사용하는가? (리텐션이 가장 중요!)
  • Activation : 고객이 최초의 좋은 경험을 하는가?
  • Referral : 다른 사람에게 공유하는가?
  • Revenue : 얼마나 돈을 버는가?
  • Acquisition : 얼마나 제품에 접근하는가?

 

AARRR vs RARRA

  • 어떤 관점을 사용할지는 상황에 따라 다르며, 필요할 때 적절하게 취하는 것이 핵심
    • 비즈니스 모델 상황
    • 경쟁사가 많은지
  • 일단 어느정도 유저가 존재해야, 그 안에서 리텐션을 형성할 수 있음. 그러므로 절대 공식은 없음
    • 제품 초기: 처음은 알리는 과정 필요. 알려지지 않으면 재사용도 불가.
    • 어느 정도 성장 후: 사용자들이 계속 재사용하도록 집중
    • 회사에 예산 적거나 투자 안 되는 경우: 수익성에 집중 
어떤 퍼널 개선이 중요한지는
상황에 따라 다르다!

 

Retention(리텐션)

  • 서비스를 사용한 사람이 다시 사용하는 비율
    • 사용의 정의 필요
    • 단순히 앱/웹 방문? (방문한 사람이 다시 방문하는 비율)
    • 구매한 사람이 다시 구매하는 비율?
    • 용도에 따라 정의하고 이름 붙임 ex. 방문 리텐션, 구매 리텐션
    • 집계값: 특정 기간에 가입한 유저가 이후 기간에 얼마나 계속 사용하는지 집계
한창 공부할 때 이 부분에 대해 질문을 했던 적이 있다
리텐션이 재방문 비율인지, 재구매 비율인지 헷갈려서.
용도에 따라 정의하고 이름 붙인다는 걸 기억하자!
 
  • 리텐션의 핵심은! (PMF 찾았을 때 보이는) 평평한 리텐션이 언제 생기는가? 평평한 리텐션을 아예 끌어올리려면 어떻게 해야할까?
  • 제품에서 주요하게 보는 Output 지표
  • 단, 서비스의 사용 주기가 길다면 리텐션을 보기까지 시간이 오래 소요되므로 다른 지표를 파악하는 것이 필요할 수 있음 (ex. 부동산 서비스는 이사 주기가 보통 2년 -> 방문 주기를 어떻게 해야 2년보다 짧게 만들 수 있을까? -> 커뮤니티 서비스) 
부동산 서비스를 예로 들어 생각해보니 재미있다!
타 서비스들에도 접목해서
리텐션의 개념을 생각해볼 수 있겠다!

 

  • Cohort(코호트)
    • (통계적으로 동일한 특색이나 행동 양식을 공유하는) 집단
    • 보통 가입일자 기준으로 많이 파악
    • 가입한지 몇주가 될 때까지 남아있는가?

4-5. 지표 정의 Process

지표 정의하는 과정
너무 궁금해!

 

지표 만들기

  • 해결하고자 하는 문제가 무엇인가?
  • 내가 원하는 결과는 어떤 것인가?
  • "문제 정의"

 

성과 지표 설정

  • 1. 기획 확인하기 : 문제 정의 확인
  • 2. 성과를 측정할 수 있는 가설
  • 3. 성과 지표 고민

 

성과 지표 설정이 어려운 이유

상황에 따라 모두 다르기 때문

  • 처음 시작되는 경우: 프로젝트 시작 이유 떠올리기
  • 과거에도 있었던 기능이 개선된 것인지
  • 새로운 기능이 추가 되었는지
  • UX 등의 큰 변화가 있었는지 

 

데이터 비교 방법

데이터를 어떻게 비교해볼지 고민하기

  • 전후 비교: 기존에 존재하던 기능을 개선해 배포한 경우 
  • AB Test: 기존에 없던 신규 기능을 배포한 경우

 

성과 지표 개수 고민 

  • 너무 고민이 많아질 때는 심플하게 생각해보기
  • 메인으로 볼 지표 1개, 나머지는 보조 지표로 선택
  • 때로는 모든 것을 지표로 정의하지 말고, 간단하게 정의하는 것도 필요
  • 다만, 이 기능으로 인한 사용성 지표는 파악 가능할 것(ex. 클릭률)   
무엇을 지표로 설정할지 오래 고민했었는데,
너무 고민이 많아질 때는
심플하게 생각하라는 지점이 인상 깊었다!

 

대표적인 지표

  • 클릭률(노출 대비 클릭)
  • 리텐션: Daily가 아닌 Weekly인 경우 빠르게 보기 어려울 수 있음
  • 해당 기능을 통해 얻은 수익(예약 건수, 매출, 손익 등)
  • 기능의 배포 성공 여부
  • 퍼널 전환율
  • 구매 전환율 

 

지표 정의 Process 도식화

 

멘탈 시뮬레이션

  • 여러 관점으로 어떻게 될지 미리 생각해보는 프로세스
  • 정의하는 과정에서 이런 시뮬레이션을 해보는 것이 매우 도움이 됨
    • 지표가 올라간다면 왜 그럴까? => 더 빠르게 올릴 수 있을까?
    • 지표가 내려간다면 왜 그럴까? => 내려가지 않도록 하려면 무엇을 해야할까?
  • 미리 예상할 수 있는 결과를 생각한 후, 미리 대비해 불확실성을 감소할 수 있음
앞으로는 멘탈 시뮬레이션을
계속 해보자!

 

추가) Metric Store

  • 자주 사용하는 지표 정의 모아두면 유용 => 지표 패턴화 
  • 첫 시작은 노션 또는 스프레드시트로 기록 
  • 전사적으로 공유하고 동일한 지표를 보는 것이 좋음 
매번 헷갈렸던 지표 정의
싹 정리해서 모아놔야지!
회사에서는 이를 공유하는 것도 좋겠다!
반응형