Q.039 지표 분석이나 모델링을 잘하는 방법은?
[Chapter 2. 일하는 방식] 어떻게 생각하고 행동하나요?
PM 커리어 150문 150답 내용 발췌PM이 데이터를 볼 때 가장 중요한 건 "무엇을 측정할 것인가"를 먼저 정하는 것이다. 막연히 "데이터를 분석해야지"가 아니라, 명확한 목표와 연결된 지표를 정의해야 한다. 처음 PM을 시작했을 때, 데이터는 많은데 뭘 봐야 할지 몰라서 헤맸던 기억이 있다. 하지만 OKR과 KPI를 제대로 세우고, 그걸 작은 단위로 쪼개는 연습을 하니까 데이터를 보는 눈이 생겼던 것 같다.
1. 분석의 목적은 '현상을 이해하고 방향을 정하기 위해서'
분석의 목적은 '현상을 이해하고 방향을 정하기 위해서'다. 단순히 숫자만 보는 게 아니라, 그 숫자가 의미하는 행동을 읽어내야 한다. 그래서 지표는 항상 '그걸 보고 어떤 결정을 내릴 건지'와 연결되어야 한다.
예를 들어 "가입자 수가 줄었다"는 데이터를 봤을 때, 그냥 "가입자 수가 줄었네"로 끝나면 안 된다. "왜 줄었을까?", "어느 단계에서 이탈이 많아졌을까?", "경쟁사에 이슈가 있었나?" 같은 질문을 던지고, 그 답을 찾기 위해 데이터를 더 깊이 파고들어야 한다.
분석 전에 가설을 세우고, 지표는 그 가설을 검증하는 도구로 활용하는 게 좋다. "신규 유입이 줄어서 가입자가 감소했을 것이다"라는 가설을 세웠다면, 신규 유입 채널별 데이터를 확인해서 검증하는 것이다.
2. OKR과 KPI를 잘 쪼개는 연습하기
지표를 잘 다루려면 OKR(Objectives and Key Results)과 KPI(Key Performance Indicator)를 제대로 이해하고 쪼개는 연습이 필요하다. 큰 목표를 작은 지표로 나누고, 각 지표가 어떻게 연결되는지를 파악하는 거다.
예를 들어 "월간 활성 사용자(MAU)를 20% 증가시킨다"는 목표가 있다면, 이걸 다시 쪼개야 한다.
- 신규 가입자 수: 얼마나 늘어야 하나?
- 리텐션(재방문율): 기존 사용자가 얼마나 돌아와야 하나?
- 이탈률: 얼마나 줄어야 하나?
이렇게 쪼개고 나면, "MAU를 올리려면 신규 가입자를 늘려야 하는가, 리텐션을 개선해야 하는가"를 데이터로 판단할 수 있다. 이런 연습을 하다 보면 큰 목표를 실행 가능한 작은 지표로 분해하는 능력이 생긴다.
나 또한 한 케이스로, 처음엔 'MAU를 올려야 한다'는 목표만 있었는데, 뭘 해야 할지 막막했다. 하지만 KPI를 신규 가입, 리텐션, 이탈률로 쪼개고, 각 지표를 개선하는 구체적인 액션 아이템을 만들었더니 방향이 명확해졌다.
3. 모델링은 데이터 분석가(DA)와 함께 협업하기
모델링이나 고급 분석은 PM이 혼자 다 하려고 하지 않아도 된다. 이러한 이해를 바탕으로, OKR과 KPI를 같은 방향으로 가져가는 것이 좋다. 그 과정에서 조직 내에 데이터 분석가가 함께 있다면, 모델링을 하거나 분석의 방법을 잡아나가는 데 있어서는 함께 협업을 해도 좋다.
PM의 역할은 "무엇을 측정해야 하는가"를 정의하고, DA는 "어떻게 측정하고 모델링할 것인가"를 담당한다. 예를 들어 "사용자 이탈을 예측하는 모델을 만들고 싶다"는 요구사항을 PM이 제시하면, DA가 실제 모델을 만들고 결과를 해석해 준다.
처음엔 SQL로 데이터를 직접 뽑아서 분석하려고 했는데, 복잡한 분석은 DA에게 맡기고, 나는 그 결과를 어떻게 제품에 반영할지에 집중하는 게 훨씬 효율적이었다.
PM은 모든 분석을 직접 할 필요는 없다. 하지만 어떤 지표를 봐야 하는지, 그 지표가 무엇을 의미하는지를 이해하는 능력은 반드시 필요하다.
지표 분석을 잘하려면 먼저 무엇을 측정할 것인지 명확히 정의해야 한다. OKR과 KPI를 작은 단위로 쪼개는 연습을 하면, 큰 목표를 실행 가능한 지표로 바꿀 수 있다. 복잡한 모델링은 데이터 분석가와 협업하되, PM은 "무엇을 측정하고 왜 그게 중요한가"를 명확히 전달하는 게 핵심이다. 데이터는 숫자가 아니라 사용자의 행동 기록이다. 그걸 제대로 읽어내려면 지표를 체계적으로 쪼개고, 목적에 맞게 분석하는 연습이 필요하다.
* 전체 내용을 정리한 전자책은 아래에서 확인할 수 있습니다.