전환율을 계산할 때 흔히 저지르는 실수
Source
SaaS(서비스형 소프트웨어) 제품팀이 '전환율'(conversion rate)을 계산할 때 겪는 흔한 실수가 있다.
예를 들어보자.
1. 한 달 내의 새로운 회원가입자수와 잠재고객(lead) 수를 합한 숫자를 A라고 하자.
2. 한 달내의 새로운 사용자수를 B라고 하자.
3. (B/A) * 100을 전환율로 구한다.
무엇이 문제인지 보이는가?
그렇다. A와 B는 완전히 다른 사용자들이다.
만약에 당장 구하는 숫자가 해당하는 기간이 하루 이틀과 같이 짧으면 큰 문제가 되지 않는다. 하지만 전환율을 계산할 때는 보통 훨씬 더 긴 기간을 목표로 잡는다. PLG*(제품주도성장) 서비스나 프로슈머(prosumer)* 중심의 서비스라도, 실제 전환되는 기간이 적게는 7일 길게는 45일 정도 소요된다. 그렇다면, 지금 당신이 보고 있는 B 지표를 자세히 들여다 보자. B 지표는 지금 계산하고 있는 '1달'보다 훨씬 이전에 들어온 고객들이 전환된 것이기 때문에, A와 전혀 연관이 없는 사용자들도 섞여있다.
*PLG(Product Led Growth): 유료 광고나 영업 리드에 투자하지 않아도 제품 자체로서 비즈니스가 성장하는 것
*프로슈머(Prosumer): 생산자이자 소비자 역할을 둘다 수행하는 고객
"그게 왜 문제가 되죠?"
아주 크게 문제가 된다. 저 계산법에서는, 정한 '한 달'보다 더 넓은 기간에서 유입된 사용자 수로 인해 무작위의 변동성이 포함되면서 수치가 뒤틀린다. 이런 변동성이 적용된 전환율 계산은 실제로 의미있는 유저 지표를 계산하는 데에 아무 도움이 되지 않는다.
더 골치아픈 점은, 그렇게 잘못 계산한 지표를 가지고 당신이 하는 행동들이다. 잘못된 전환율을 보고 호들갑 떠는 것에서 그치는 것에서 멈추면 다행이겠지만, 최악의 경우에는 그 지표로 인해 실제로 의미있는 제품의 요소들을 없애버리는 등의 악영향을 끼치는 경우도 있다.
만약 전환 지표를 올바르게 측정하고 싶다면, 다음 사항들을 명심해야한다.
1. 반드시 같은 사용자 범위에 있는 그룹을 활용해 분모, 분자를 구성한다.
2. 계산할 '기간'은, 전환한 시기 그 자체가 아닌 유저가 제품 사용 퍼널에 들어간 직후의 기간으로 산정해야한다.
이러한 계산을 하기 위해서는 전환 추적 기간(conversion window, lookback window)를 설정해야한다.
전환 추적 기간은 제품의 전환에 기여했다고 인정하는 기준을 의미한다.
