<린 분석> 완전 정복 (1)
데이터 기반으로 의사 결정하는 방법
데이터 기반 의사 결정의 중요성은 이미 잘 알려진 사실입니다. 하지만 왜 중요한지, 이를 어떻게 실행해야 하는지는 여전히 모호할 경우가 많습니다. <린 분석>은 이러한 모호함을 명확함으로 바꾸기 위해 내용을 4부로 나누고, 다양한 실례를 들어 설명하고 있습니다.
‘린 분석 완전 정복’은 제가 <린 분석>을 읽고 중요하다고 생각한 부분을 정리한 것이며, 책과 같이 4부로 나누어 업로드할 예정입니다. 목차는 다음과 같습니다.
1부 린 스타트업과 기본적인 분석 개념에 대한 이해
2부 린 분석을 스타트업에 적용하는 방법
- 여섯 개의 대표적인 사업 모델 소개
- 각 모델에 적합한 제품과 목표 시장을 발견하는 과정 (다섯 단계)
- 각 모델에서 확인해야 할 지표
3부 사업 모델별 핵심 지표의 기준치
4부 린 분석을 조직에 적용하는 방법
1. 린 스타트업
창업가이자 교수인 스티브 블랭크는 스타트업을 다음과 같이 정의합니다. ‘스타트업이란 확장할 수 있고 반복할 수 있는 사업 모델을 찾기 위해 만들어진 조직이다.’
에릭 리스는 애자일 소프트웨어 개발 방법론 외 몇 가지 방식을 결합해 린 스타트업 이론을 정립했는데요. 이는 구축 → 측정 → 학습을 반복하면서 제품을 개선하고, 최종적으로 사업을 성공시키는 것이라 할 수 있습니다.
린 스타트업의 구축 → 측정 → 학습 주기컨시어지 MVP
최소 존속 제품(MVP)는 시장에 약속한 가치를 제공하는 최소한의 제품입니다. 그리고 컨시어지(편의 제공) MVP는 이 최소한의 제품조차 구축할 필요 없는 접근법을 가지고 있죠.
실례를 살펴볼까요. 사업 초창기, 에어비앤비는 이러한 가설을 가지고 있었습니다.
전문적인 사진을 제공하는 숙소는 더 많은 예약을 받을 것이다. 또한 숙소 주인들은 전문가의 숙소 사진 촬영 서비스를 신청할 것이다.
에어비앤비의 창업자들은 전문 사진이 사업에 도움이 되리라는 직감을 가지고 있었지만, 당장 기능을 구현하는 대신 컨시어지 MVP를 만들기로 했습니다. 숙소를 선정해 전문 사진을 제공하고, 평균보다 두세 배나 많은 이용자들이 해당 숙소를 예약한다는 실험 결과를 얻어낸 것이죠. 물론 숙소 주인들은 전문 사진을 찍어주겠다는 에어비앤비의 제안을 열렬히 환영했고요.
이로써 모든 가설을 입증한 에어비앤비는 20명의 사진가에게 의뢰해 숙소 사진을 찍게 했습니다(2011). 아래 이미지를 보면 거의 같은 기간 동안 예약 일수가 급증했음을 알 수 있습니다.
에어비앤비의 전문 사진 촬영 서비스 제공 결과2. 지표
사업의 본질은 사업에 중요한 지표를 추적하는 것입니다. 그러나 스타트업은 어떤 사업을 추진할지 확실하지 않으므로 추적해야 할 지표 또한 명확하지 않습니다. 결국 스타트업에서 분석의 목적은 자금이 바닥나기 전에 올바른 제품과 시장을 결정하는 방법을 찾는 것이 됩니다.
사업 모델에 따른 핵심 지표는 2부에서 설명할 예정이니, 1부에서는 지표에 관련된 기초적인 내용만 알아보도록 하겠습니다.
좋은 지표
시대별, 사용자 그룹별, 경쟁자별 등 특정 기준으로 비교할 수 있는 지표
이해하기 쉬운 지표
상대적으로 비교할 수 있으며, 비율로 표현할 수 있는 지표 (단편 정보는 좋은 지표가 아님)
지표의 종류
아래 지표는 비슷한 것끼리 묶었습니다.
정성적 지표 : 실험이 아닌, 경험과 관찰에 바탕을 둔 지표
정량적 지표 : 구체적인 수치를 제공하는 지표. 정성적 지표에 비해 정황 정보가 부족할 수 있음
탐색 지표 : 추론에 기반을 두는 지표. 아직 알려지지 않은 내용을 찾는 것이 목표
보고 지표 : 일상적, 정상적 경영 상황을 알리는 지표
허상 지표 : 실행에 옮길 수 없는 지표 (단순히 알아보는 것으로 그치는 지표)
실질 지표 : 실행에 도움이 되는 지표
관련 용어
1. 고객 세분화
방문자들을 기술적, 인구통계학적 정보에 따라 세분화하는 것입니다. 한 고객군을 다른 고객군과 비교하여 어떤 차이가 있는지 확인합니다.
2. 코호트 분석
시간을 두고 비슷한 그룹을 비교하는 것입니다.
코호트란 각 사용자 그룹을 의미합니다. (사용자 생애주기의 여러 단계에 위치한 실험 참가자들)
3. 다변량 분석
여러 조건을 동시에 바꾸며 어떤 것이 결과와 상관관계가 있는지 파악하는 데 사용합니다.
조건이 여러 개인 경우 차례로 실험하면 학습 주기가 느려질 수 있으므로, 이때는 다변량 테스트 방식이 적합합니다.
데이터 과학자처럼 생각하기
데이터 분석의 10가지 함정
수집한 데이터에 결점이 없다고 가정하는 것
표준화하지 않는 것
열외의 사용자들을 배제하는 것
열외의 사용자들을 포함하는 것 (상황에 따라 열외의 사용자를 배제 또는 포함할 것인지 미리 생각해야 합니다.)
계절적 변동을 무시하는 것
성장을 평가할 때 전체 규모를 무시하는 것
지나치게 많아 의미를 잃은 지표 거짓 경보를 울리는 지표
직접 수집한 데이터만 인정하는 것
잡음에 초점을 두는 것 (허상지표에 집중하는 등)
지표를 확인할 때는 항상 이 정보로 뭘 할 수 있을지 생각해보아야 합니다.
데이터를 다룰 때 생각해야 할 질문
해결할 가치가 있는 문제인가?
이 솔루션이 적절한가?
이 문제를 정말 해결하고 싶은가?
다양한 분석 체계
1. AARRR(해적 지표)
AARRR은 벤처 투자자 데이브 맥클루어가 만든 약어로, 스타트업에 중요한 지표를 사용자 유치, 사용자 활성화, 사용자 유지, 매출, 추천으로 꼽은 것입니다.
2. 스타트업 성장 피라미드
창업가이자 마케터인 숀 앨리스는 제품/시장 적합성 달성 후에 할 일에 초점을 맞추어 아래와 같은 성장 피라미드를 고안했습니다.
더불어 스타트업이 성장을 가속화할 준비가 되었는지 결정하기 위해 간단한 설문조사도 고안했는데요. 예컨대 ‘이 제품이나 서비스를 더 이상 이용하게 되지 못하면 어떻게 느낄지’ 질문했을 때 ‘매우 실망’이 40% 이상인 경우 제품/시장 적합성을 달성했다고 판단할 수 있습니다.
3. OMTM(One Metric That Matters, 가장 중요한 한 가지 지표)
추적하는 데이터가 너무 많으면 오히려 비생산적이 될 수 있으므로, 파악할 것은 파악하되 가장 중요한 것에 초점을 맞춰야 합니다.
일례로 SaaS 업체인 모즈는 매주 모든 팀에 무료 체험 건수, 전체 수입, 사용자 수 순증가 등 많은 지표를 공개하고 있었는데요. 모즈의 주요 투자자였던 브래드 펠드는 모즈에 추적하는 지표 수를 줄일 것을 제안했다고 합니다. 이유는 어차피 회사가 수십 개의 KPI를 동시에 개선할 수 없기 때문이었죠.
즉 실제 행동으로 반영되지 않을 숫자를 보고하느라 낭비되는 시간을 줄이고, OMTM을 정하면 회사 전체를 한 방향으로 움직일 수 있다고 본 것입니다.
OMTM을 사용해야 하는 이유
- 어떤 질문이 중요한지 알면 무슨 지표를 추적할지 알 수 있습니다.
- 어떤 지표에 대해 어느 정도 값을 성공이라 볼지 판단 기준이 필요합니다.
곧 업로드될 2부에서는 여섯 가지 사업 모델에 대해 살펴보고, 각 사업 모델에 해당되는 사례와 핵심 지표를 제시하도록 하겠습니다.
+) 아티클은 브런치와 제 개인 블로그에 동시 작성됩니다! 블로그로 놀러오세요 :)
