안녕하세요, 기획자 팥씨입니다.
오늘은 PM/PO로서 프로덕트를 설계하고 유지하기 위해
알아야 할 '데이터 분석' 이라는 것에 대해 알아보도록 하겠습니다!
서비스의 성과를 측정하고 개선하기 위한 지표에는 어떤 것들이 있고,
측정하는 방법은 무엇인지 같이 알아봅시다요✒
목차
데이터 분석을 위한 PO의 역할 (1)
<무슨 데이터를 어떻게 쌓아야 할까?>
1. 데이터 분석 환경 설계
2. 데이터를 지표로 가공
<어떤 시점에, 어떤 방식으로 데이터를 분석해야 할까?> --> 다음 편 !
3. 목표 설정
4. 데이터 분석
1. 데이터 분석 환경 설계
도메인 / 서비스 / 유저에 대한 이해를 바탕으로 이를 분석하기 위한 환경 설계가 필요하다.
- 유저의 행동을 바탕으로 지표를 만들어내기 위한 기초작업을 의미
- 환경 설계는 처음에 할 때 적지 않은 리소스가 들지만, 처음에 이 작업을 제대로 하지 않으면,
기껏 마케팅해서 유저를 유입시켰어도 어떤 행동을 했는지 알 수가 없다..-->따라서 아주 중요한 작업!
1-1 환경 설계 방법
- 데이터 분석을 할 수 있는 '재료' (=로그) 세팅
- 유저의 유입~이탈까지 전체 flow의 로그 기록이 필요
- Funnel 간의 관계 고려하여 로그 명확하게 세팅
- Get users | 사용자를 데려오기
- Drive Usage | 서비스 내에 안착시키기 / 서비스 핵심 기능을 사용하도록 하기
- Make Money | 그 과정에서 적절한 BM 붙여서 매출 일으키기
(*BM = Business Method, 수익 포함한 비즈니스 기본흐름 아이디어)
1-2 로그 세팅 방법
그렇다면 로그 세팅은 어떻게 할까?
"목표정의 -> 로그설계 -> 로그 추가/변경 -> 테스트 -> 배포"
의 단계로 이루어진다.
필요한 데이터의 종류 & 속성을 구체적으로 정의하여 로그를 세팅해야 한다.
예를 들면 아래와 같은 종류가 있다.
- Page : Page View 기록
- Event : 버튼 클릭, 배너 클릭, 텍스트 입력 등 사용자의 액션을 기록
- Usage : 화면 스크롤, 스와이프 등 사용성 관련 기록
- User : 접속 기기, 회원 상태 등 사용자 관련 정보 기록
좋은 로그를 쌓기 위해서는
1. 필요한 시점에 필요한 정보가 존재할 때에,
2. 명확한 의미로 로그명을 붙이고, (협의와 규약필요, 모든 구성원이 쉽게 이해할 수 있도록)
3. 하나의 데이터만을 기록할 수 있도록 설계 시 충분히 작은 단위로 쪼개어야 한다.
4. 또 이러한 로그를 잘 관리하는 것은 필수 !
2. 데이터를 지표로 가공
의미있는 지표를 추출하고
정보와 인사이트를 도출하는 단계이다.
지표(Metric)란
- 서비스 제공 과정에서 생성되는 다양한 Log를 의미있고 분석 가능한 형태로 정리한 것.
2-1 지표의 종류
지표의 종류는 다음과 같다.
좋은 지표는
'동기대비, MoM, YoY' 등 시간의 의미('유량', Flow)가 포함된 살아있는 지표이다.
또한 절대값보다는 비율로 표현하는 것이 좋다.
나쁜 지표는
'누적다운로드 수, 누적 가입자 수, 페이지 뷰' 등 보여주기식 지표를 말하며 허영지표라고도 한다.
시간 개념이 들어가 있지 않은 '저량', Stock의 개념을 띈다.
2-1-1 좋은 지표 / 나쁜 지표 구분법
1. 조직이 달성하고자 하는 목표와 긴밀하게 연결되어 있을 것
2. 의사결정의 근거가 될 수 있을 정도로 구체적일 것
3. 외부적 요인에 관계없이 동일한 측정 결과 재현할 수 있을 것
4. 3번이 불가능하다면 측정 결과에 미치는 외부 요인을 식별할 수 있을 것
2-1-2 선행지표 vs 후행지표
선행지표(원인) --> 후행지표 (결과)
대부분의 지표는 후행지표이기에, 좋은 선행지표를 찾아내는 것 자체가 경쟁력이다.
ex) 어떤 지표가 관리되어야 > 결과적으로 Retention Rate이 높아지는가?
ex) 어떤 지표가 관리되어야 > 결과적으로 Churn Rate이 낮아지는가?
2-2 AARRR Metrics
마케팅 퍼널로 자주 언급되는 AARRR 모형입니다.
2-2-1 Acquisition : 사용자 획득
관련지표
- CAC (Customer Acquisition Cost) 고객획득비용
- MAU / WAU / DAU (Monthlly/Weekly/Daily Active User) 월간/주간/일간 활성 사용자수
관련개념
- UTM Parameters
파라미터를 통해 GA에서 고객이 어떤 경로를 통해 유입했는지 추적하는 용도로 사용한다.
아래와 같이 링크에 source, medium, campaign 등 파라미터를 설정할 수 있다.
예를 들어, 아이폰15를 구매하기 위해 애플 홈페이지에 접속한다고 하자.
1. 첫번째는 브라우저의 url에 직접 애플 홈페이지를 입력하는 직접유입 방식이다.
이럴 경우 아래와 같이 간결한 링크이며 파라미터가 없다 !
2. 두번째로, 웹사이트에 "아이폰15"라고 검색해서 브랜드 검색광고를 통해 접속했을 경우
아래와 같이 여러 정보를 담은 파라미터가 붙어 길어진다.
> 이를 통해 사용자가 어떤 경로로 들어왔는지 알 수 있다 !
아마 빨간색 부분이
--> 네이버에서 (na) 아이폰(iphone)이라는 키워드(kw)를 검색해서
브랜드 검색광고 (Brand-iPhone)광고를 통해 들어왔다는 뜻일 것 같다..!
2-2-2 Activation : 사용자활동
관련지표
- Stickiness : 서비스 의존율 (고착성) = DAU / MAU * 100%
--> 보통 20% 이상이면 좋은 편이며, 10% 이하이거나 하향곡선을 그리면 유저가 감소하는 상태이다.
- Bounce Rate : 이탈률 = 이탈 수 / 페이지 세션 * 100%
--> 일반적으로 이탈률이 낮으면 좋다고 생각할 수 있지만,
해당 페이지에서 사용자의 니즈를 충족시켰을 가능성도 있으므로
페이지의 가치를 결정짓는 지표로 볼 수는 없다.
- Exit Rate : 종료율 = 페이지 종료 수 / 페이지 뷰 수* 100%
- CVR : 전환율 = 전환 수 / 방문 수 (방문자 중 목표 행위를 수행한 비율)
2-2-3 Retention : 사용자 유지
관련지표
- Retention Rate : 재방문율, 잔존율
!) Retention Plateau (재방문율 안정기)
--> 평균적으로 20% 이상의 Retention Plateau가 나타나면 PMF (Product Market Fit)을 찾았다고 볼 수 있다.
2-2-4 Referral 추천
관련지표
- Viral Coefficient (바이럴계수) : 초대율 * 수락률
기존 고객 한 명이 데려온 신규 고객의 수.
바이럴 계수가 지속적으로 1 이상 유지 = 가입하는 사람 한명 이상의 유저를 계속 초대,
홍보하지 않아도 지속적으로 사용자가 늘어나는 상태
- Viral Cycle Time (바이럴주기)
바이럴을 일으키는 데 걸리는 시간 - 짧을수록 좋으며 바이럴 계수와 함께 고려해야 함.
- NPS (Net Promoter Score) : 순수 고객 추천 지수 = 추천고객비율(%) - 비추천고객비율 (%)
Detractors (비추천고객, 0~6점) / Passives (중립 고객, 7~8점) / Promoters (추천고객, 9~10점)으로 분류
2-2-5 Revenue 매출
관련지표
CLV(Customer Lifetime Value) , LTV (Life Time Value)
= 고객생애가치
= 고객 한 명을 획득 or 유치한 시점에서, 자사의 서비스나 제품의 사용을 중단/탈퇴하는 시점까지
얼마만큼의 이익을 가져다주는지에 대한 지표
- LTV 계산 방법은 서비스의 특성에 따라 다양
- 핵심은 LTV(고객생애가치) > CAC(고객획득비용) 유지하는 것.
CLV 계산 공식은 아래와 같다.
여기서, 분자 (매출 or 비용)을 개선하는 게 유리할까?
아니면 분모 (고객유지비율)을 개선하는 게 유리할까?
나는 처음에 당연히 분자를 개선하여 CLV를 높이는 것이 유리할 것이라고 생각했는데,
매출이나 비용을 개선하면 > CLV는 산술급수적으로,
고객유지비율(r)을 개선하면 > CLV는 기하급수적으로 늘어난다고 한다.
따라서 고객유지에 집착하는 것이 CLV를 높이는 가장 좋은 방법이다 !
----
다음 편에는 어떤 시점에, 어떤 방식으로 데이터를 분석해야 하는지에 대해 알아보도록 하겠습니다 !
기획자 팥씨는 모든 피드백을 환영합니다 ( _ _ ) >
'[IT 서비스기획 공부]' 카테고리의 다른 글
| 기획자의 SQL 맛보기 (3) WHERE & SQL 연산자 (1) | 2024.01.23 |
|---|---|
| 기획자의 SQL 맛보기 (2) SELECT, FROM 구문 (1) | 2024.01.14 |
| 기획자의 SQL 맛보기 (1) SQL 배워야하는 이유, 구문 살펴보기 (0) | 2024.01.13 |
| [새싹X러닝스푼즈] 데이터 분석을 위한 PO의 역할 (2) (2) | 2024.01.09 |
| [새싹X러닝스푼즈] 카카오택시 합승 UX/UI 개선 (5) | 2023.12.31 |
