데이터 기반 의사 결정을 하기 위한 방법 Part 2. (성과 데이터)
최근 PM 채용 공고에서 “데이터 기반 의사결정 경험”이 중요하게 강조되고 있습니다. 현업에서도 데이터 기반 의사결정이 주요 화두로 떠오르면서, 많은 PM들이 “데이터 기반 의사결정이란 무엇인가?“라는 질문을 던지게 됩니다. 이 과정에서 SQL이나 Python과 데이터 분석 도구에 대한 질문을 자주 받고 있습니다.
데이터 기반 의사결정이란 과연 무엇일까요? 바로 데이터를 통해 문제를 파악하고 이를 해결하는 능력을 의미합니다. PM은 제품 전략을 수립하고 문제를 해결하는 과정에서 데이터를 활용해 핵심적인 인사이트를 도출하고, 그에 따라 적절한 의사 결정을 내려야 합니다.
지난 글에서 데이터 기반 의사결정이 프로덕트 매니저(PM)에게 왜 중요한지에 대해 이야기한 바 있습니다. 단순히 데이터를 조회하는 것만으로는 충분하지 않고, 그 속에 숨겨진 이야기를 찾아내는 것이 핵심이라는 점을 강조했습니다. 그렇다면 이제 중요한 질문이 자연스럽게 떠오릅니다. “그래서, 우리는 어떤 데이터를 봐야 할까?”
오늘은 이 질문에 대해 다뤄보려 합니다. 다만, 제가 다루는 내용은 B2B SaaS를 기반으로 한다는 전제가 있습니다. 다른 산업이나 제품군에서는 다르게 접근해야 할 수도 있으니, 참고용으로 봐주시면 감사하겠습니다. 그럼에도 불구하고, PM이 데이터를 활용하여 가설을 세우고 이를 검증하는 과정을 통해 제품을 개선하는 목적은 모든 환경에서 동일할 것입니다.
제품을 담당하는 PM이 주목해야 할 핵심 데이터는 크게 두 가지로 나눌 수 있습니다. 바로 성과 데이터와 고객 데이터입니다. 이 두 데이터는 각각 다른 목적을 가지고 있으며, 이를 적절히 활용하면 제품 목표 달성에 중요한 기여를 할 수 있습니다. 오늘은 그중에서도 성과 데이터를 중심으로 말씀드리겠습니다.
성과 데이터는 팀이 설정한 목표를 얼마나 달성했는지를 평가하는 핵심 지표입니다. 제품을 출시하기전 세운 OKR에서 설정한 목표와 이를 달성하기 위한 핵심 결과를 구체적으로 측정하는 데 성과 데이터를 활용합니다. 즉, OKR이 팀의 방향성과 기대하는 성과를 제시한다면, 성과 데이터는 그 결과를 달성했는지 수치화하여 확인 할수 있습니다.
OKR을 수립할 때, 우리는 목표를 설정하고 이를 달성하기 위한 핵심 결과를 정의합니다. 그 후, 성과 데이터는 이 핵심 결과가 제대로 실현되었는지를 평가하고, 팀의 성과를 객관적으로 분석할 수 있는 중요한 역할을 합니다.
매출 데이터
매출 데이터는 팀이 얼마나 수익을 창출하고 있는지를 보여주는 중요한 지표입니다. 제가 담당하고 있는 B2B SaaS에서는 해당 지표를 MRR (Monthly Recurring Revenue) , ARR (Annual Recurring Revenue) , NRR (Net Revenue Retention) 로 확인하고 있습니다. 특히, 기존 고객의 유지율과 추가매출을 볼수 있는 NRR은 SaaS 제품을 담당하고 있는 PM으로 중요하게 확인합니다.
성과 지표 데이터
성과 지표 데이터는 팀이 설정한 구체적인 핵심 성과를 측정하는 중요한 도구입니다. 예를 들어, 신규 고객 유치율이나 고객 이탈률과 같은 지표를 통해 팀의 성과를 평가할 수 있습니다. 이러한 지표는 진행하는 프로젝트에 따라 달라지는데, 예를 들어 회원가입 개선 프로젝트라면, 신규 고객 유치율이 핵심적인 성과 지표가 될 것입니다.
제가 근무하고 있는 B2B SaaS 환경에서는 구독 기반의 비즈니스 모델이기 때문에 고객 이탈률이 매우 중요한 지표입니다. 이탈률이 높아질 경우, 고객을 유지하는 데 실패했다는 신호로 받아들여지기 때문에, 이를 줄이는 것이 성공적인 운영에 필요합니다.
성과 지표 데이터는 단순히 숫자를 확인하는 것으로 끝나는 것이 아니라, 그 속에 숨겨진 의미를 철저히 분석하고 해석해야 합니다. 첫 번째로 해야 할 일은 목표 대비 실제 성과의 차이를 분석하여, 개선이 필요한 부분을 찾아내는 것입니다. 예를 들어 NRR이 1 이하라면, 기존 고객에 대한 이탈/구독 플랜 변경 등이 발생했음을 확인할수 있습니다. 제품을 담당하는 PM으로써 해당 원인을 분석해 제품에 대한 개선 등에 대한 전략을 세워야합니다. 두번째는 패턴과 추세를 분석하여, 인과관계 및 상관 관계를 파악해야합니다. B2B 제품은 그 특성상 사용량이 주로 근무시간에 집중되는 현상이 있습니다. 예를 들어, 활성화 지표가 하락했을 때, 그 달에 공휴일이 많았는지를 확인하는 것은 B2B 환경에서 매우 중요한 분석 요소입니다. 공휴일이 많을수록 제품 사용량이 줄어들 가능성이 높기 때문입니다. 이러한 패턴을 파악함으로써, 단순한 사용량 감소가 제품의 문제인지, 혹은 환경적 요인으로 인한 자연스러운 변동인지를 구분할 수 있습니다.
데이터 기반 의사결정에서 가장 중요한 것은 데이터를 추출하는 것이 아니라, 무엇을 볼 것인가를 명확히 하는 것입니다. 데이터 속 담긴 의미는 도메인, 제품, 프로젝트에 따라 다르게 해석될 수 있습니다.
또한, 데이터를 어떻게 해석하고, 그 안에 숨겨진 이야기와 패턴을 찾아내는 것이 핵심입니다. B2B SaaS 환경에서 중요한 지표가 다른 산업에서는 큰 의미가 없을 수 있듯이, 해석의 범주는 각 상황에 맞게 달라져야 합니다.
결국, 데이터 기반 의사결정이란 데이터를 통해 문제를 파악하고 이를 해결하는 능력을 의미합니다. PM은 제품 전략을 수립하고 문제를 해결하는 과정에서, 데이터를 활용해 핵심적인 인사이트를 도출해야 합니다. 그리고 그에 따라 적절한 의사 결정을 내려 제품을 개선하고 목표를 달성하는 것이 궁극적인 목적입니다.
긴 글 읽어주셔서 감사합니다.