Coupang eats 순위 알고리즘 MVP정의하기
프로덕트 케이스 스터디
제품의 MVP를 정의하는 것은 프로젝트 진행 시 필수적인 단계입니다. 제품의 비즈니스 목표와 현재 우리가 갖고 있는 자원을 어떻게 투입할지 결정하는 게 비로소 MVP를 정의하는 것이기 때문입니다. 쿠팡 이츠에서 신규 랭킹 알고리즘을 적용할 때 MVP를 정의하는 방식을 고민해 보았습니다.
케이스
Coupang Eats의 새로운 랭킹 알고리즘을 론칭한다고 가정해 봅시다. MVP에 어떤 데이터 기능이 들어갈지 정의할 때 고려해야 할 다양한 제품 디자인 및 소프트웨어 엔지니어링 트레이드오프에 대해 설명해 주십시오.
케이스 구체화
Coupang Eats의 비즈니스 목표는 총 거래 가치 (GMV : Gross Merchandise Value)를 증가시키는 것이며, 모든 기능과 프로젝트는 이 목표와 일치해야 합니다.
사용자 분류
고객: Coupang Eats 플랫폼을 통해 음식을 주문하는 사용자들.
레스토랑 오너: Coupang Eats에 나열된 레스토랑의 소유자 및 운영자.
배달 인원: 음식 주문을 고객에게 전달하는 배달 기사.
고객의 제품 사용 시나리오 정의
Acqusition
사용자가 Coupang Eats 앱을 설치합니다.
사용자가 이용 가능한 음식점 목록을 탐색합니다.
Engagement
사용자가 음식점 페이지에 들어갑니다.
사용자가 메뉴 항목을 선택합니다.
사용자는 메뉴 항목을 삭제할 수 있습니다.
사용자는 주문의 수량을 조절할 수 있습니다.
Conversion
사용자가 결제 프로세스를 완료합니다.
사용자가 주문 배송 확인을 받습니다.
Retention
사용자는 재주문을 할 수 있습니다.
지표 및 노스스타 지표(북극성)
주문율: 특정 음식점의 주문수를 음식점 페이지에 들어간 사용자 수로 나눕니다. 이 지표는 비즈니스 목표 와 연관이 있습니다.
주문 수, 결제 수 및 배송 수, 주문 시간: 주문의 양과 완료 수를 제공하는 보조적인 지표로 추가 인사이트를 제공합니다.
높은 주문율: 높은 주문 성공 비율을 나타내는 노스스타 지표로, 비즈니스 목표와 밀접한 관련이 있습니다.
주문율에 따라 레스토랑 분류: 레스토랑은 주문율에 따라 높음, 중간 또는 낮음으로 분류되며, 레스토랑 성능을 평가하는 데 도움이 됩니다.
이전 알고리즘의 문제점
만족도 (별점): 이전 알고리즘은 고객 만족도를 완전히 충족시키지 못합니다.
배달 시간 (거리): 오래 걸리는 배달은 고객 불만을 유발할 수 있습니다.
가격: 평균 메뉴 가격은 고객에게 중요한 고려 사항입니다.
만족도(별점) 향상 알고리즘 설계
1. 새로운 알고리즘은 높은 주문율을 가진 레스토랑을 우선시해야 합니다.
데이터 인텔리전스(DI)와 협력하여 높은 주문율과 관련된 지표를 만듭니다.
2. 관련 데이터 수집합니다.
레스토랑 당 주문 수.
각 레스토랑 페이지 방문 수
평균 배달 시간 또는 거리.
평균 고객 당 주문 메뉴 항목 수.
3. 트레이드오프 고려
알고리즘이 구현될 경우 고객에게 도달 범위(Reach), 영향, 신뢰도 및 개발 리소스 소요(Effort) (RICE framework)를 평가해야 합니다.
기존 제품에 신규 알고리즘을 통합하는 방식을 결정합니다. (테스트 군 설정 등)
사용자의 신규 알고리즘을 선택하도록 유도하고 사용자를 끌어들이기 위한 디자인을 합니다.
Case
“Imagine you’re launching the new ranking algorithm for Coupang Eats. Walk me through the various product design and software engineering tradeoffs you had to consider when defining which data features would make it to MVP?”
Case Analyze
The primary business objective for Coupang Eats is to increase Gross Merchandise Value (GMV), ensuring that all the features and functionalities align with this goal.
User Categories
Customers: Users who order food from restaurants through the Coupang Eats platform. Restaurant Owners: Owners and operators of the restaurants listed on Coupang Eats. Delivery Personnel: Delivery drivers responsible for transporting the food orders to customers.
User Journey for Customers
Acquisition
a. User installs the Coupang Eats app.
b. User browses the list of available restaurants.
Engagement
a. User enters a specific restaurant's page.
b. User selects a menu item.
c. User has the option to delete a menu item.
d. User can adjust the quantity of items in the order.
Conversion
a. User completes the payment process.
b. User receives confirmation of order delivery.
Retention
a. User has the option to place a re-order.
Metrics and North Star
Order Rate: Calculated as the number of orders divided by the number of users who enter a specific restaurant's page. This metric supports the business goal.
Number of Orders, Payments, and Deliveries: Supporting metrics that provide additional insights into the volume and completion of orders.
High Order Rate: Identified as the north star metric, indicating a high percentage of successful orders. This metric is closely related to the business goal.
Categorized Restaurants by Order Rate: Restaurants are categorized as high, medium, or low based on their order rates. This metric supports the evaluation of restaurant performance.
Pain Points for the Previous Algorithm
Satisfaction (Star Ratings): The previous algorithm had an unreliable method of determining customer satisfaction.
Delivery Time (Distance): Late deliveries could lead to customer dissatisfaction.
Price: The average menu price was a consideration for customers. Designing a Satisfaction
(Star) Enhancing Algorithm:
The new algorithm should prioritize restaurants with a high-order rate.
a. Collaborate various factors with data intelligence (DI) to create metrics related to high-order rates.
Gather relevant data:
a. Number of orders per restaurant.
b. Number of visits to each restaurant's page.
c. Average delivery time or distance.
d. Average menu items ordered per customer.
Consider trade-offs:
a. Assess reach, impact, confidence, and effort (RICE) when implementing the algorithm.
b. Determine the feasibility of incorporating a model within the existing development resources.
c. Explore design features to attract users and encourage their selection of preferred options.
#경력지원 #면접 #이직
#프로덕트케이스스터디 #케이스스터디 #사례분석 #제품분석 #프로덕트분석 #프로덕트케이스
#제품매니저 #프로덕트매니저 #프로덕트오너 #PM #productmanager #po #productowner
각종 기고 및 제안을 받고 있습니다.
