그로스해킹 지표를 활용할 때 주의할 점

출처 : "데이터와 실험을 통해 성장하는 서비스를 만드는 방법(양승화님)" 강의 바로가기 -> https://inf.run/TaJi

그로스해킹 - 데이터와 실험을 통해 성장하는 서비스를 만드는 방법 - 인프런 | 강의

 

이전 포스팅 : Revenue와 Referral

 

https://kkujun.tistory.com/9?category=886099 

Revenue와 Referral (AARRR퍼널 3탄)

 

 

 지난 시간까지 AARRR 퍼널의 단계별 유의점에 대해 알아보았다. 이번 시간에는 그로스해킹 지표를 활용할 때 주의할 점 에 대해 알아보겠다.

 

 먼저 지표를 활용할 때는 stock(스냅샷)인지 flow(변화량)인지 구분을 해야 한다. stock의 대표적인 예가 '누적 회원가입 수, 앱 다운로드 수'인데 액셔너블 하지 않은 '허무 지표'인 경우가 많다. 보고용으로는 좋지만 what to do 에 대한 어떠한 힌트도 주지 않기 때문에 항상 주의해야 한다. flow의 예는 '일 매출, 일 평균 메시지 수, 지난 주말 활동 회원 수' 등인데 실제 서비스의 status를 잘 보여주는 지표인 경우가 많다.

 

 지표를 사용하기 전에 전 구성원이 합의된 기준을 갖는 것이 좋다. '결제 전환율'을 예로 들면 10명의 활성 유저 중 2명이 결제를 하였고 그 중 한명은 5번 결제를 하고 나머지 한 명은 1번 결제를 하였을 때, 결제 전환율을 정확하게 정의하지 않으면 각자 다른 계산을 하게 된다(2/10, 6/10, 6/15 등) 지표 정의에 정답은 없으며 각 서비스의 특성과 상황에 맞게 내부 합의를 이뤄야 한다.

 

 

 

 지표에는 선행 지표와 후행 지표가 있는데 매출, 가입자수 등의 후행 지표는 고객 행동의 결과일 뿐 개선할 수 있는 부분을 알려주지 않는다. 그래서 선행 지표를 찾아야 하고 잘 찾은 선행지표는 스타트업 씬에서 차별화된 경쟁력이 되기도 한다. 선행지표는 도메인 지식과 상상력을 바탕으로 끊임없는 질문과 답을 찾는 과정에서 발견될 수 있다.

 

 

 

 

 지표를 볼 때 좋은 습관 중 하나는 복잡한 계산 과정을 풀어서 살펴보는 것이다. AARRR 중 Revenue 단계에서 살펴본 것처럼 매출 지표를 다양하게 쪼개어 코호트 분석을 하면 좋은 인사이트를 얻을 수 있다.

 

 

 지표를 볼 때 주의할 점이 세 가지 있다. 첫 번째는 Local Organization 이다. 즉, 특정 지표를 개선시켰으나 전체 최적화 측면에서는 다른 해석이 가능할 수 있다. 예를 들어 남초 사이트에서 여성복 광고를 한다면 여초 사이트에 하는 것 보다 CTR이 훨씬 높게 측정되겠지만 최종적인 conversion rate는 안 좋을 것이고, 방문한 고객 역시 가치가 별로 없을 가능성이 높다. 

 

 두 번째 주의할 점은 Simson's Paradox 이다. 영향력이 큰 특정 그룹으로 전체 지표가 왜곡될 수 있다. 에를 들어 여행 사이트에서 교차구매율이 떨어지고 있는 현상을 발견했는데 각 나라별로 살펴보니 모두 오르고 있었다. 어떻게 이런 현상이 생길 수 있었을까. 전체적으로 고객 수가 많이 증가하였는데 비중이 큰 나라의 고객 수는 줄고, 교차구매율은 소폭 늘어난 반면, 비중이 작은 나라의 고객 수가 대폭 늘면서 교차구매율은 소폭 늘어났다면 이러한 현상이 발생할 수 있다. 떄문에 지표를 해석할 때 주의해야 한다. 

 

 세 번쨰로 잘못된 대표값을 사용하지 않도록 주의해야 한다. 어느 소개팅 앱의 평균 소개팅 성공횟수가 2.3회로 매우 좋은데 대부분의 유저가 떠나가고 있디먄 왜 그럴까? 90%의 고객은 성공하지 못 했는데 10%의 고객이 20번 이상 성공하여 평균 값을 올렸기 때문이다. 때문에 대표값으로 평균을 사용할 경우 반드시 분포도 같이 확인해야 하고 만약 정규 분포가 아닐 경우 중앙값 또는 최빈값을 활용해야 할 수도 있다. 

 

 다음 시간에는 OMTM 과 OKR에 대해 살펴보겠다.