가장 중요한 한 가지 지표, OMTM
지표, 그리고 이를 바탕으로 한 분석의 중요성이 강조되면서, 서비스의 '주요' 지표를 관리하고 트래킹하는 일은 서비스 기획/운영에서 필수적으로 해야 하는 일이 되었다. 이제 Google Analytics나 Flurry 등의 데이터 분석 툴을 연동하지 않은 서비스를 찾기가 힘들고 -_-; 이를 바탕으로 한 코호트 분석이나 퍼널 분석은 서비스 기획자라면 누구나 해야 하는 기본 중의 기본이 된 느낌이다. 특히 서비스에서 중요한(!) 지표들 -가령 매출, DAU, ARPU, 가입전환율, 결제비율, 이탈율, CAC, LTV, ROAS 등등... - 은 당연히 매일매일 체크하면서 이상유무를 점검하고 대응해야 한다. 그렇다면, 주요 지표에 대한 모니터링/관리 체계가 잘 구축되어 있다면 우리 서비스는 '지표'를 (혹은 '데이터'를) 잘 활용하고 있다고 볼 수 있을까?
린 분석
앨리스테어 크롤과 벤저민 요스코비츠는 '린 분석'에서, 단순히 이런 식으로 중요한 데이터를 나열식으로 관리하는 것에 대한 한계를 이야기한다. 지표(Metric)를 측정하는 가장 중요한 이유는 이를 바탕으로 의사결정/실행 을 하기 위해서인데 (actionable 하지 않은 metric은 절대로 좋은 지표라고 할 수 없다!) 단순히 나열식으로 지표를 관리하는 체계에서는 서비스 방향을 Directing 하거나 일관성있는 의사결정을 할 수 없기 때문이다. 가령, CEO가 운영팀에게는 '지금은 결제자 비율을 높이는 데 주력합시다' 라고 지시하고, 기획팀에게는 'ARPPU를 높일 수 있게, 아이템 가격 인상을 검토하세요' 라고 지시한다면... 멤버들은 어떤 action을 할 수 있을까? 이 경우 단순히 두 지표를 모두 높게 유지해야 한다... 라고만 하면 어떤 action도 하기가 애매하다. 애초에 결제자 비율과 ARPPU는 대부분의 경우 서로 다른 방향으로 움직이는 지표이기 때문이다. (일반적으로 아이템 가격을 인상하면 ARPPU가 높아지지만 결제자 비율은 떨어지고, 아이템 가격을 인하하면 ARPPU는 떨어지지만 결제자 비율은 올라간다.)
그렇다면 결제자 비율과 ARPPU 중 무엇이 더 우선시되어야 하는가? 정답은 그때그때 달라요... 다 -_-;; 우리 서비스가 Activation 단계에 초점을 맞추고 있다면 -사용자들이 서비스의 핵심기능을 최대한 많이 이용해보고, 서비스에 대한 충성도를 가지고, 장기적으로 머무르도록 하는 게 중요한 시기라면- 객단가를 일부 희생하더라도 최대한 많은 사람들이 결제를 하도록 하는 게 더 중요하겠지만, 서비스가 어느정도 성숙기에 접어들어서 Revenue를 극대화하는 게 중요한 시점이라면 ARPPU에 초점을 맞추는 게 더 현명한 선택일 수 있다. 즉, '지금 중요한 지표'는 서비스의 성숙도나 외부 환경 등 다양한 요인에 따라서 달라질 수 있다는 말이다.
OMTM (One Metric That Matters)
'린 분석'에서는 이를 설명하기 위한 개념으로 OMTM이라는 용어를 소개한다. 우리말로 하면, '지금 가장 중요한 한 가지 지표'라고 할 수 있을텐데, OMTM은 "특정 시점에 운영과 데이터분석을 위해 꼭 집중해야 하는 지표"를 의미한다. 린 분석에서는 아래와 같은 4가지 이유를 들어 OMTM의 중요성을 강조하고 있다.
1) 지금 가지고 있는 '가장 중요한 질문'에 대한 답을 해준다.
- 위에서 언급한 예시와 같다. 현재 우리 서비스가 가장 집중해야 하는 부분이 어디인가? 에 대한 명확한 답을 준다 (사용자를 늘리는 것인지, 매출을 늘리는 것인지, 사용자가 A라는 action을 하게 하는 것인지...?)
2) 단기/중기/장기 목표와 밀접하게 연관되어 있으며, '지금 잘 하고 있는지'에 대한 상황 판단을 할 수 있게 한다.
- OMTM이 명확하지 않은 상태에서는 지금 우리가 잘 하고 있는지를 알 수 없다. 회원수와 매출이 늘어나면 잘 하고 있는 걸까? 혹은 반대로 회원수와 매출이 정체되어 있다면 잘못하고 있는 걸까? 때로는 회원수를 늘리는 것보다, 우리 서비스 내에서의 '어떤 가설'을 검증하는 게 훨씬 더 중요한 시기가 있게 마련이다.
3) 넓은 시야에서 서비스를 바라보고, 서비스 자체에 초점을 맞출 수 있게 해 준다.
- 눈에 보이는 단기적인 성과(주로 매출;;; 혹은 사용자수;;;)에 집착하지 않도록 도와준다.
4) 모든 구성원들이 동일한 방향을 바라보도록 하며 그 과정에서 실험, 측정, 판단의 문화를 가질 수 있게 한다.
- 우리 서비스에서 지금 검증해야 할 가설이 명확해진다. 목표와 기준을 구체적으로 정할 수 있으므로 의사결정에도 도움이 된다.
OMTM은 가능한 선행 지표 중에서 선별하는 게 좋고, 중의적 의미를 가지지 않는 명확한 지표일수록 좋다. 가령, 우리 서비스 사용자들을 분석한 결과, "가입 후 7일 이내에 Level 3까지 도달한 사용자는 그렇지 않은 사용자에 비해 이탈율이 현저히 떨어진다"는 패턴을 알고 있다면, '이탈율'이라는 (후행)지표를 OMTM으로 잡는 것 보다는, '가입 후 7일 이내에 Level 3까지 도달하는 사용자 비율' 이라는 (선행)지표를 OMTM으로 정하는 것이 바람직하다는 뜻이다. 이런 측면에서 'DAU', 'ARPPU', '가입자수' 와 같이 후행 지표 + 영향을 미치는 요인들이 너무 많은 지표 + 모호한 의미로 해석될 수 있는 지표들은 OMTM으로 사용하기에 일반적으로 적합하지 않다.
출처 datapine.comOMTM과 KPI
'목표로 하는 지표' 라는 측면에서, OMTM과 유사하게(?) 사용되는 'KPI'라는 용어가 있다. 과연 OMTM과 KPI는 뭐가 다른걸까? 과연 다르긴 한 걸까?... 그렇다. 많이 다르다(;;;)
1. OMTM은 모두가 공유하는 하나의 목표를 의미한다. 동일한 서비스를 만들고 있는 멤버라면, 개발팀과 디자인팀, 기획팀의 OMTM이 모두 달라서는 안된다. 또한 모두가 같은 방향을 바라보고 있기 때문에 OMTM을 목표한 수준까지 올리기 위해서는 당연히 경쟁이 아닌 협력이 필요하다.
반면, KPI는 조직별로 다르게 셋팅되는 게 일반적이며 (개발팀의 KPI와 마케팅팀의 KPI는 다르다;;;) 대부분 서로 독립적으로 규정되어 있어서 KPI 달성을 위한 팀 간 협력이 발생하기 어렵다 (일반적으로 개발팀이 KPI를 달성하는 거랑, 마케팅팀이 KPI를 달성하는 건 서로 상관이 없다... 안 좋은 케이스에는 이 둘이 서로 충돌하기도 한다 -_-;;; 한 쪽이 달성하려고 노력하면 할 수록 다른 쪽에는 본의아니게 피해를 주는 ㄷㄷㄷ)
2. OMTM은 '진짜 잘 하고 있는지'를 알려준다. 이 시점에서 우리 회사와 서비스의 목표가 OMTM에 정확히 Align 되어있기 때문이다.
반면, KPI는 '진짜 잘 하고 있는지'와 크게 상관이 없다. (주로 '놀지 않았는지' 혹은 '어쨌든 노력했는지'와 상관이 있다) 많은 사람들이 KPI를 '달성했느냐, 못했느냐'에는 지대한 관심이 있지만, 그 KPI가 우리 서비스의 '진짜 목표' 혹은 '진짜 성공'과 어떤 관계가 있는지에 대해서는 잘 답변하지 못한다. (그래서, 연말에 개발팀과 마케팅팀과 기획팀, 디자인팀이 모두 KPI를 만족시켰지만... 서비스는 잘 안 되고 있는 사례가 발생할 수 있다... 응?)
3. OMTM은 시간이 지나면서 자연스럽게 바뀐다. 1월의 OMTM은 'level 3을 만드는 사용자 비율' 이었지만, 5월의 OMTM은 '친구 초대 수'가 될 수 있다. OMTM은 '지금 이 시점'에 가장 중요한 지표를 이야기하는데, 서비스의 성장 속도나 주변 환경에 따라서 중요한 지표는 당연히(!) 달라질 수 있기 때문이다.
반면, KPI는 한번 설정하고 나면 중간에 바꾸기 쉽지 않다. KPI는 '달성' 자체가 목표이기 때문에, 중간에 기준점을 바꿔버리는 것 자체가 달성을 위한 꼼수로 보일 수 있기 때문이다. -_-;;; 1월에 설정한 KPI를 5월에 바꾸겠다고 하면? 예상되는 반응은 '너 달성 못할 것 같으니깐 그러는 거지?' (쿨럭)...
OMTM의 성격을 부각시키다 보니 KPI를 좀 과하게 깐(;;;) 감은 있지만, 이렇게 나란히 놓고 비교해보면 OMTM의 특성이 좀 더 잘 드러나는 듯.
측정하고 관리하는 지표 중 진짜 중요한 게 무엇인지 나는 잘 알고 있는걸까?
Capture everything, but focus what's important!
더 공부하고 싶다면?
그로스해킹 : 데이터와 실험을 통해 성장하는 서비스를 만드는 방법
