데이터로 우선순위를 정하는 법

<PO의 끝없는 선택의 순간>

---

스타트업의 회의실에서 가장 자주 나오는 단어는 “우선순위”입니다. 하지만 막상 “우리가 이번 분기에 진짜 집중해야 할 게 무엇인가?”라는 질문을 던지면, 팀마다 대답이 다릅니다.

• 마케팅팀은 “신규 유입”을 외칩니다.

• 개발팀은 “품질 개선”이 시급하다고 말합니다.

• 재무팀은 “ARPU와 수익성”을 강조합니다.

➡️ 결국 PO는 이 상충하는 주장 사이에서 균형을 잡고 선택을 내려야 하는 자리입니다.

문제는, 이 선택이 감(直感)이나 정치적 영향력에 의해 좌우될 때입니다. 유입은 늘었는데 유지가 곤두박질치거나, 전환율은 높아졌지만 ARPU가 추락하는 경우가 흔합니다.

데이터 없는 우선순위는 곧 기회비용을 폭발적으로 키우는 결정이 됩니다. 그래서 PO가 가져야 할 질문은 단 하나입니다. “지금 우리가 집중해야 하는 지표는, 다른 모든 가능성을 제쳐두고도 가장 큰 임팩트를 가져오는가?” 이 질문에 답하기 위해서는 데이터 기반 우선순위 프레임워크가 필요합니다. 지표의 임팩트를 비교하고, 퍼널의 병목을 찾아내며, 단계별로 집중할 지표를 정리해야 합니다. 또한 이 과정을 반드시 기록하고, 실험과 검증으로 연결해야 팀 전체가 같은 방향을 볼 수 있습니다.

---

<데이터 우선순위를 통한 성공을 이뤄낸 스타트업>

---

1. Revolut — 카드 첫 사용 전환율

---

문제: Revolut는 수백만 신규 가입자를 모았지만, 실제 첫 결제까지 이어지지 않는 유저가 많았습니다.

병목: 가입 → 카드 첫 사용 단계 전환율이 낮았음.

해결: 가입 직후 물리 카드 배송 속도 단축, “첫 사용 보너스” 혜택 제공, 인앱에서 카드 발급 진행도를 시각화.

성과: 첫 결제 전환율이 개선되면서 LTV가 안정화, 신규 CAC 회수 속도가 빨라짐.

� 우선순위: 신규 유입 확대가 아니라, 첫 결제 경험이 Retention의 핵심 지표임을 데이터로 입증.

---

2. Cameo — 첫 구매 퍼널 개선

---

문제: 셀럽 영상 메시지 플랫폼 Cameo는 화제성으로 많은 신규 가입자를 얻었지만, 실제 결제로 이어지는 비율이 낮았습니다.

병목: 온보딩 → 첫 구매 구간 전환율 저조.