기획자를 위한 데이터 리터러시
서비스 기획자로 일하고 있습니다 - (1)
데이터를 어떻게 얻을 것인가
서비스를 출시하거나, 출시한 서비스를 고도화하기 위해서는 데이터를 바탕으로 분석해야한다. 그런데 데이터는 그냥 뿅 하고 주어지는 것이 아니다! 어떤 데이터를 어떻게 쌓을지 미리 설계를 해둬야 양질의 데이터를 모을 수 있다. 데이터를 그냥 많이 모으는 것이 만능은 아니다. 이렇게 무작위로 쌓인 데이터들은 대부분 그냥 버려지게 되는데 이를 '다크 데이터'라고 부른다. 의사결정이나 고객을 이해할 수 있는 데이터를 선별하여 수집하는 것이 효율적이다.
그러나 한 가지 유의해야 할 점은 데이터가 답을 주는 것은 아니라는 점이다. 좋은 질문을 하고, 필요한 데이터를 선별하고 검증하며, 데이터를 해석해서 결론을 만들어내는 것은 오롯이 본인의 몫이다. '어떤 질문에 대답하기 위해 데이터를 쓰는가'를 계속 염두에 두고 있어야 한다.
1. ERD 분석
ERD(Entity Relationship Diagram)는 DB에서 데이터를 구조화한 설계도이다. 개체(Entity)들 간의 관계(Relationship)을 일정한 양식에 맞추어 표현한 것이다. 이를 읽을 줄 알아야 어떤 데이터를 어떻게 쌓을 것인지를 파악할 수 있다.
예를 들어 라이브 커머스 기능을 출시한다고 하자. 시청 시간, 채팅 및 좋아요 등 시청자의 반응 회수, 프로모션 데이터 등을 어떻게 쌓아야 추후 라이브 커머스 기능 개선을 할 때 도움이 될까?
2. 로그 분석
온라인에서 유저의 행동은 모두 데이터로 남는다. 어떤 기획전을 클릭했고, 어떤 화면에 체류했으며, 이탈된 페이지는 어디인지 등 유저의 움직임을 파악하는 것은 물론 클릭, 스와이프, 보기(view) 등 사용자의 세부 행동 또한 파악할 수 있다.
이러한 데이터를 통해서 서비스의 핵심 기능에 도달하는 크리티컬 패스(Critical Path)를 개선할 수 있다. 핵심 기능에 도달하는 시간을 줄이고, 이탈이 되지 않도록 장애물을 제거함으로써 비즈니스 목표를 달성할 수 있다. 또한, 개선이 올바른 방향으로 가고 있는지 파악하기 위해서도 로그 데이터가 필요하다.
3. 지표
범위를 기준으로 보면 비즈니스 지표와 사용자 행동 지표로 나눌 수 있다. 비즈니스 지표가 거시적인 관점에서 나아가야 할 방향을 가리킨다면, 사용자 행동 지표는 이를 달성하기 위한 미시적인 지표를 말한다. 일정 매출 목표(비즈니스 지표)를 달성하기위해 문제 있는 화면과 기능을 개선하여 MAU를 높이는 것(사용자 행동 지표)이 하나의 예시이다.
- 비즈니스 지표: 매출, 이익, 가입자(구독자) 수, 이탈률, 고객생애가지(LTV), 고객획득비용(CAC), 수익 등
- 사용자 행동 지표: 사용자 수, 화면 단계별 이탈율, 사용자 당 체류시간, 페이지 조회 수(PV), 클릭 수 등
계층적으로 분석해보면 핵심지표와 투입지표로 분류할 수 있다. 핵심 지표는 흔히North Star Metric 이라고 불리는데, 장기적인 관점에서 서비스 개발의 목표가 되는 지표이다. 반면 투입 지표는 핵심 지표에 영향을 주는 원인 혹은 선행 지표로 단기적으로 해야 할 업무를 정할 때 사용된다.
이 때 고려해야 할 지표가 하나 더 있는데, 바로 가드레일(중단) 지표이다. 핵심지표와 투입지표가 서비스의 이상적인 상태를 나타낸다면 가드레일 지표는 반대로 특정 기능이 서비스에 부정적인 영향을 미치지는 않았는지 파악한다. 예를 들어, E 커머스 회사에서 기획전 팝업 노출 구좌를 늘려 클릭률이 높아졌으나 사용성이 나빠져 재구매율이 낮아졌다면 이 때 재구매율이 가드레일 지표가 된다.
- 핵심지표 > 투입지표
- 매출 > 유저당 평균 결제액, 순계약금 잔존율
- 성장 효율 > LTV, CAC, ROAS, 자금 회수 기간, 신규 고객 유입률
- 고객 증가 > 고객 수, 신규 고객 유입률, 고객 유지 비율, 무료 → 유료 전환 고객, 사이트 유입량
- 결제 비중 > 사이트 유입량, 가입자당 평균매출(ARPU 혹은 유로 가입자당 ARPPU)
- 활성 유저(MAU) > 사이트 유입량
<추가로 참고 할만한 사이트들>
