핀터레스트는 어떻게 성장했는가?

핀터레스트가 성장을 분석하는 방법

핀터레스트가 지표 분석 케이스를 소개한 글이 있어서 정리해본다.  IT 제품, 서비스를 운영하는 담당자라면 관심있게 볼만한 내용 같다.  

1.  방문 패턴 분석하기

핀터레스트는 고객의 사용 패턴 분석을 통해  MAU(Monthly Active User) 증감 추이를 분석한다. 핀터레스트는 우선 고객을 1) 신규 가입자(New Signup), 2) 휴면 사용자(Dormant), 3) 월간액티브유저 (MAU) 이렇게 세 그룹으로 분류한다. 그리고 아래와 같은 패턴을 주차별로 추적한다. 핀터레스트가 정의하는 고객 방문패턴은 아래와 같다.

주차별 사용자의 상태 전환을 시각화했다

1. 신규 가입: 핀터레스트에 신규로 가입한 경우

2. 신규 가입 -> 휴면 상태: 신규 가입자가 가입후 28일 동안 핀터레스트를 사용하지 않은 경우

3. MAU ->  휴면 상태: 월간 액티브 유저가 핀터레스트를 28일 동안 사용하지 않은 경우

4. 휴면 상태 -> MAU 28일 이상 휴면 상태였던 사용자가 핀터레스트를 사용한 경우

위에서 설명된 전환 패턴을 주차별로 추적하여 액티브 유저의 증감 현황을 파악하는 것이다. 예를 들면 신규 가입 -> 휴면 상태 전환 패턴이 점점 증가한다면 이는 핀터레스트 신규가입자에게 서비스에 대한 가치를 제대로 전달시키지 못하고 있다는 진단이 가능하다. 따라서 이와 같은 증상이 나타난다면 서비스 가치를 전달하기 위한 커뮤니케이션 관련 활동을 액션으로 취해야할 것이다.

2. 활동 빈도 분석하기

핀터레스트는 사용자 활동 빈도를 분석하기 위해 Xd28s라는 지표를 활용한다. 이는 기준일 대비 28일동안 핀터레스트를 X일만큼 사용한 가입자 수를 나타내는 지표이다. 예를 들면 4d28s+는 지난 28일 동안 핀터레스트를 4일 이상 사용한 유저 숫자를 나타낸다. 핀터레스트를 이를 통해 활동 빈도가 높을수록 해당 유저가 핀터레스트라는 서비스로부터 높은 가치를 느낀다고 해석하고 있다.

이미 게임업계에서 방문 frequency 분석은 일반적이다

핀터레스트는 14d28+s, 4d28s+, <4d28s 이렇게 총 세개의 그룹으로 나누어 해당 지표의 추이를 추적한다. 14d28s+는 핀터레스트 서비스에서 많은 가치를 느끼는 유저이며, 4d28s+는 이보다 다소 활동성이 낮은 캐쥬얼 유저이다. <4d28s 유저는 캐쥬얼 유저 보다 활동성이 낮은 이탈 가능성이 높은 유저이다. 즉 이들에게는 핀터레스트 서비스 가치가 제대로 전달되지 않을 가능성이 높다. 핀터레스트는 전체 액티브 유저에서 앞서 설명한 세 그룹의 비율을 추적함으로써 전반적인 유저 활동성과 유저의 이탈 추이를 체크하고 있다.

위에서 설명한 사용 패턴, 활동 빈도 분석과 달리 아래 소개되는 코호트, 퍼널 분석은 이미 많이 알려진 분석 방법이다. 아마도 에릭리스의 린스타트업 때문에 많은 스타트업, IT 기업이 활용할 것으로 예상된다. 개인적으로 신규가입자 대상으로 코호트 분석을 진행해보았는데 비록 가입자별로 기간별 데이터를 축적해야해서 부담스러운 면이 있지만 가입자 패턴 분석에 있어 이슈 및 트렌드 파악에 있어 매우 유용하다는 것을 느꼈다.

3. 신규 가입자 retention w/ 코호트 분석

코호트 분석은 기반 설계 및 손이 많이 가는 작업이다. 구축하면 LTV측정에 매우 유용하다

X축은 가입일이고 Y축은 해당 가입이후 날짜를 나타내는 것이다. 그리고 각각 색깔이 있는 사각형이 Y축을 따라 표시되어 있는데 이는 해당 가입자의 활성화 정도를 나타낸 것이다. 여기서 보면 2013년 4월 1일 정도에 붉은색 히트맵이 이전 대비 감소한 것을 알 수 있다. 즉 해당 일자이후 가입자의 활성화 정도가 이전 보다 떨어진다는 것을 의미한다.

위 사례는 아마도 R로 비쥬얼라이제이션 데이터결과 같다.  

4. 유저 플로우 분석 w/ 퍼널 분석

500 startups의 Dave McClure를 통해 매우 유명해진 Funnel 분석

퍼널 분석인데 이미지가 너무 작아 어떤 플로우를 나타내는지 구체적으로 모르겠다. 어쨌든 A/B 테스트 개념으로 한 결과 같다. 아마도 페이스북 초대 기능을 통해 유입한 유저가 a페이지, b페이지를 거쳐 실제 가입까지 전환되는 비율을 비교분석한 것 같다. 이 분석도 요즘 워낙 많이 하기 때문에 자세한 설명은 생략한다. 어쨌든 랜딩 페이지, 공유 기능, 초대 기능, 가입 기능의 플로우를 체크하는 부분에 있어 유용한 분석 방법이라고 핀터레스트는 밝히고 있다.

Dave McClure가 funnel 분석의 중요성을 강조하기 만들었던 자료.

이상으로 핀터레스트 블로그에 소개된 4가지 분석 방법을 확인해봤다. 아직도 UV, PV와 같은 데이터만 체크하는 곳이 많을 것이다. 경영진과 커뮤니케이션하기 위해서 UV, PV를 KPI로 설정하는 것은 백분 이해할 수 있다. 하지만 내부적으로 제품의 건전성을 높이기 위해서 아직도 이러한 소위 vanity matrics라는 지표만 챙기고 있다면 현재 제품개발-분석 사이클을 재고할 필요가 있지 않을까 싶다. 워낙 근래에 많이 논의되었단 이야기라 크게 강조할 필요가 있는 내용은 이제 아닌 것 같다.