마켓핏랩 솔루션즈
안녕하세요.
솔루션 도입부터 비즈니스 성장까지 함께하는 마켓핏랩 솔루션즈입니다.
이번에 실험 문화 정착에서 부터 실험, 분석 다루는 무료 웨비나를 하게 되어 소개드립니다.
마켓핏랩 솔루션즈님의 아티클
마켓핏랩 솔루션즈
3가지 계산법으로 마스터하는 리텐션(Retention)
📌 “기존 고객의 재구매를 유도하는 것이신규 고객에게 구매를 유도하는 것보다최대 25배 가량 더 비용이 적게 듭니다”
- 하버드 비즈니스 리뷰 中 -
👀 우리 고객은 과연, ‘자신의 시간과 돈’이라는 비용을 다시 투자 하면서 까지 우리 제품을 찾아줄까요?
✅ 만약 고객이 다시 돌아온다면, 주로 어떤 사람들이 무슨 이유 때문에 돌아오는 걸까요?
❓ 정말 고객이 돌아오는 이유가 ‘그것’ 때문이라고 생각하시나요?
거의 모든 비즈니스는 ‘적은 비용으로 단골 손님 찾기’라는 미션을 갖고 있습니다. 그래서 우리 제품을 한 번 경험한 사람들은 언제 다시 찾아오는지,
돌아온다면 어떤 사람들이 무슨 이유에서 돌아오는 것인지 파악하는 것이 굉장히 중요한데요, 이 부분에 대한 의문을 해소하기 위해 ‘리텐션’을 분석합니다.
어떤 유형의 비즈니스를 운영 하느냐에 따라 적합한 리텐션 계산 및 분석에 차이가 있는데요, 이 글에서는 리텐션 계산 방법 3가지를 함께 알아보겠습니다.
1. 리텐션 계산 방법 대표적인 3가지 유형
고객의 무슨 행동을 리텐션 지표로 삼을지는 비즈니스별로 다릅니다.
구매 완료 이후, 다시 로그인 하는 것을 리텐션으로 볼 것이냐, 구매 완료 이후 다시 구매 완료하는 것을 리텐션으로 볼 것이냐 등을 정하기 나름입니다.
중요한 것은 ‘그 행동이 정말 비즈니스에서 중요하게 생각하는 고객의 핵심 행동인가?’에 초점을 맞춰, 분석하는 것입니다.
이 글에서는 편의상 고객이 A 행동을 하고 나서, 다시 A 행동을 한 것을 리텐션으로 간주하겠습니다.
1) “딱 N일차 시점에 재방문 했는가?” - 클래식(On) / N-Day 리텐션
N-Day 리텐션이라고도 불리는 클래식 리텐션은 고객이 처음 A 행동을 한 날짜를 기준으로, 몇 일차에 다시 A를 수행 했느냐를 계산하는 방식입니다.
📌 클래식(N-Day) 리텐션율 계산= Day N에 다시 A 행동을 수행한 사람 / 기준 날짜 Day 0에 A 행동을 수행한 사람
클래식 리텐션 계산 예시
Day 1에 대한 N-Day 리텐션율 = 잭 / (잭 + 조엘 + 지니) = 1 / 3 = 0.33
Day 2에 대한 N-Day 리텐션율 = 조엘 / (잭 + 조엘 + 지니) = 1 / 3 = 0.33
Day 3에 대한 N-Day 리텐션율 = x / (잭 + 조엘 + 지니) = 0 / 3 = 0
Day 4에 대한 N-Day 리텐션율 = (잭 + 지니) / (잭 + 조엘 + 지니) = 2 / 3 = 66.66
클래식 리텐션은 ‘기준일로부터 며칠 뒤 돌아왔는지 여부만 판별’ 하면 되기에, 쉽고 간단하게 계산이 가능합니다.
하지만 Day 3 리텐션율은 0%가 나오는 것 처럼, 특정일에 고객이 행동을 수행하지 않으면, 이탈로 계산 되기에 노이즈에 굉장히 민감한 계산 방식이라는 특징이 있습니다.
👀 이런 서비스일 때, N-Day 리텐션 분석을 해보세요.페이스북, 인스타그램, 유튜브, 틱톡, 습관 앱 등 매일매일 접속하는 서비스
👍 하루 단위로 집계하는 방식이다보니, 설명과 계산이 쉽습니다.
🤔 하지만, 100번 중 99번 들어왔는데도 1번 안 들어온 날을 기준으로 집계하면 재방문하지 않은 사용자로 집계되기 때문에 특정일 노이즈에 민감하다는 단점이 있어요.
이를 보완하기 위한 방법으로, 기준일을 여러개 두고, 기준일 리텐션들의 평균값을 활용해보시는 방법이 있어요.
N-Day 리텐션 계산 예시
믹스패널에서 N-Day 리텐션을 보는 경우, 여러 날짜들의 N-Day 리텐션 데이터들에서 유입 날짜별 유저 수에 따라 가중치를 반영한 평균값을 그래프와 표 데이터들로 표현해주고 있습니다.
(자세한 계산 방식이 궁금하시다면, 믹스패널 공식 문서의 리텐션 평균 계산 방식을 살펴보시기 바랍니다)
믹스패널 N-day 리텐션 리포트
2) “기간 내에 재방문 했는가?” - 범위(Bracket) 리텐션
특정일 노이즈에 민감한 N-Day 리텐션를 어느 정도 보완하기 위해, 기간으로 기준을 설정하여 보는 방식인 Bracket 리텐션입니다.
📌 범위(Bracket) 리텐션율 계산= Range N 기간 내에 A 행동을 수행한 사람 / Range 0 기간 내에 A 행동을 수행한 사람
%20%E1%84%85%E1%85%B5%E1%84%90%E1%85%A6%E1%86%AB%E1%84%89%E1%85%A7%E1%86%AB%20%E1%84%80%E1%85%A8%E1%84%89%E1%85%A1%E1%86%AB%20%E1%84%8B%E1%85%A8%E1%84%89%E1%85%B5.png)
범위(Bracket) 리텐션 계산 예시
위 예시는 ‘첫 방문 후 일주일 간격으로 돌아왔는가?’를 나타냅니다.
Range 1 리텐션율 = (잭, 조엘, 지니, 카야) / (잭, 조엘, 지니, 카야, 안도) = 4/5 = 0.8
기간 중 N회 이상 여러 번 접속 해도, 1회로 간주해요.
서비스를 이용하는 고객의 주기를 고려하여 범위를 설정하시는 것이 좋아요.
믹스패널 Bracket 리텐션 리포트
믹스패널에서는 N-Day 리텐션에서 기준을 Week로 변경만 해주면 기간 범위(Bracket) 리텐션 분석이 가능합니다.
👀 이런 서비스일 때, Bracket 리텐션 분석을 해보세요.가계부, 세차, 이사, 식료품 배달 등 일정 간격의 주기가 의미있는 서비스
👍 사용자의 예상 사용 패턴(사용 간격)을 주기로, 얼마나 많은 사용자가 돌아오는지 확인하실 때 유용해요.
🤔 Range가 길어질수록 과다 계산(over-estimate)이 될 수 있어요. 또한, 기간 단위로 지표를 확인하다 보니, 의미있는 결과를 보기 위해서는 꽤 오랜 시간이 필요해요.
3) “이탈한 사람 제외하면?” - 롤링(On or After) / Unbounded 리텐션
자주 쓰이지 않는 서비스의 경우, “이탈한 유저를 제외하고 언제든지 돌아온 사람”을 중심으로 리텐션을 분석해요. 이때 보는 것이 Unbounded 리텐션입니다.
📌 Unbounded 리텐션율 계산= (Day 0 첫 A 행동을 수행한 사람 - Day N 이후 이탈한 사용자) / Day 0 첫 A 행동을 수행한 사람
Unbounded 리텐션 계산 예시01
Day 3의 Unbounded 리텐션율 = (잭, 조엘, 지니, 카야, 안도) / (잭, 조엘, 지니, 카야, 안도) = 1
Unbounded 리텐션 계산 예시02
Day 6의 Unbounded 리텐션율 = (잭, 조엘, 지니, 카야) / (잭, 조엘, 지니, 카야, 안도) = 0.8
믹스패널 Unbounded 리텐션 리포트
👀 이런 서비스일 때, Unbounded 리텐션 분석을 해보세요. 여행, 차량 구매, 사무실 임대 등 정기적으로 제품, 서비스에 돌아올 것으로 예상되지 않는 유형의 서비스
👍 first_date, last_date 만 있으면 되기에 Unbounded 리텐션은 계산이 쉽습니다.
🤔 하지만, 언제든 돌아오기만 하면 리텐션 유저로 간주하기에, 전반적으로 과다 계산(over-estimate)되는 경향이 있어요.
2. 우리 서비스에 적합한 리텐션 계산 방식은?
여기까지 N-day, Bracket, Unbounded 리텐션 계산 방법 3가지를 알아보았습니다. 고객의 의견을 듣고, 행동을 관찰하며 어떤 핵심지표를 얼만큼 올려야 할 지 등의 전략적인 부분에 있어서는 서비스마다 정의하기 나름이기에, 어떤 분석 방법이 옳은 방법인지에 대한 정답은 없습니다.
익숙하지 않은 상태에서 리텐션을 분석하려 하시면 무엇부터 어떻게 분석을 하고 전략을 만들어가야 할 지 막막함을 많이 느끼시는데요,
이러한 경우에는 다른 기업은 어떻게 리텐션을 파악하고 활용하는지 사례를 많이 알아보시면 좋습니다.
하지만, 회사 차원에서 고객 행동 데이터 활용 전략을 공개할 의무는 없기에, 기업들의 데이터 활용 사례집은 얻어내기 정말 어렵습니다.
감사하게도, 마켓핏랩 솔루션즈 고객사 분들이 다양한 사례집을 공유해주셨는데요,
리텐션 분석을 어떻게 활용하고 있는지 아래 글들을 함께 살펴보시면 분명 도움 받으실 포인트가 있을 것 같습니다.
🚀 [LG CNS 하루조각]에서는 믹스패널을 어떻게 활용하고 있을까?
👀 [티맵 대리]에서는 믹스패널을 어떻게 활용하고 있을까?
3. 끝마치며
마켓핏랩 솔루션즈는 티맵 모빌리티, LG 전자, LG CNS, 홈플러스, 드림어스 컴퍼니 등 유수의 대기업들과 믹스패널 계약 및 도입 경험으로,
다양한 도입 사례에 대한 대응이 가능합니다. PA툴 도입에 대해 궁금한 점이 있으시거나, 안정적인 도입을 원하신다면 mixpanel@mfitlab.com 으로 문의 부탁드립니다.
마켓핏랩 솔루션즈
인사이트, 실험 검증, 조직변화 등 그로스 해킹과 관련된 스토리들을 공유해주실 분을 찾습니다.
이번에 션 엘리스가 한국에 방문하면서 컨퍼런스 및 워크숍을 마켓핏랩에서 주최하고 있습니다. (https://seanellis.mfitlab.com/)
여기서 포스터 세션을 진행해보려 하는데, 그로스 관련 인사이트를 대자보 형식으로 게시하고 네트워킹하려 합니다.
📌 50만원 상당 션엘리스 그로스해킹 컨퍼런스(4월 6일 토요일) 티켓 무료 제공 (선착순입니다) 및 포스터 발표자들간 네트워킹
📌 간단한 질문 6개에 답하면 접수가 완료됩니다. 추후 포스터 작성은 2시간 내로 끝낼 수 있게 설계했습니다
📌 이번주 일요일까지만 신청을 받습니다
신청하러 가기 >> https://forms.gle/66uL4ZXTeRKQqb7W7
마켓핏랩 솔루션즈
이런 분들께 도움 될 거에요
✅프로덕트 분석을 시작하고 싶지만 비용 부담으로 망설여지는 스타트업 PM/PO
✅사내 데이터 분석 문화를 초기부터 도입하려는 스타트업 C레벨
1. 믹스패널의 쉬운 접근성과 이점
초기 스타트업에게 데이터 분석은 필수지만 자원은 한정적입니다. 이런 상황에서도 믹스패널은 도입 이전에 설치 과정이나 초기 비용 부담 없이 데이터 분석의 중요성을 직접 경험할 수 있는 기회를 제공하여, 프로덕트 분석을 어떻게 시작할 수 있을지 가늠해볼 수 있습니다.
비용 없는 프리플랜(Free plan)
비용 없는 스타트업 플랜(Startup plan)
합리적인 그로스플랜(Growth plan)
샘플 프로젝트
믹스패널 설치는 개발자의 도움이 다소 필요하지만 SQL 쿼리 작성이나 개발자의 도움 없이도 분석이 가능합니다. 구글 계정을 통한 간편한 가입을 통해 샘플 프로젝트로 데이터를 어떻게 분석할 수 있는지 리포트를 바로 만들 수 있습니다.
2. 프리플랜의 가치와 한계점
믹스패널의 프리플랜은 스타트업이 데이터 분석을 시작하기에 이상적인 환경을 갖추고 있습니다. 프리플랜은 유료로 사용 전에 설치 테스트 목적으로 많이 사용되며 많은 기능을 무료로 제공합니다. 특히 예산이 제한된 초기 단계의 스타트업에게 큰 도움이 되며, 기본 리포트들로 많은 지표를 볼 수 있습니다. 기본 리포트에는 4가지 인사이트, 퍼널, 플로우, 리텐션 리포트가 있으며 이를 통해 특정 전환 목표의 유저 저니와 Day-1 리텐션 등의 중요한 지표들을 분석할 수 있습니다.
플로우 리포트의 특정 전환 목표의 유저 저니
리텐션 차트의 Day-1 리텐션 지표
이런 프리플랜에도 제한은 있습니다. 월간 이벤트 볼륨이 2,000만 개로 제한되어 있으며 코호트 기능을 사용할 수 없습니다. 초기 스타트업에게는 충분한 범위이지만 비즈니스가 성장함에 따라 제약이 될 수 있습니다.
보통 스타트업의 초기 이벤트 설치 수는 평균적으로 약 100개 정도 입니다. 여기에 MAU(월간 활성화 사용자 수)을 10,000명, Stickiness(유저 유지율)을 10%라고 가정하면 월간 이벤트 볼륨은 30만으로 낮은 수준에서 시작됩니다. 이러한 관점에서 볼 때 믹스패널의 프리플랜이 제공하는 2,000만 개의 이벤트 볼륨은 초기 도입 단계에서 사용량에 충분히 여유가 있습니다. 다만, 강력한 코호트 기능이 포함되지 않아 깊이 있는 데이터 분석을 원하는 스타트업에게는 아쉬울 수 있습니다.
프리 플랜과 유료 플랜 간의 차이점에 대해 더 자세히 알고 싶으시다면 믹스패널 가격 정책 페이지를 참고해주세요.
3. 그로스 플랜부터 사용할 수 있는 코호트
그로스 플랜은 코호트 기능과 일부 고급 리포트를 사용할 수 있는 플랜입니다. 여기서 믹스패널의 코호트 기능은 사용자 그룹을 특정 속성이나 이벤트를 기반으로 분류할 수 있게 해줍니다. 사용자들은 리포트 혹은 코호트 빌더를 통해 코호트를 손쉽게 생성할 수 있으며, 이를 통해 복잡한 조건의 세분화된 사용자 그룹을 정의할 수 있습니다. 예를 들어, 특정 기간 동안 5개 이상의 상세페이지를 조회한 사용자 또는 최근 30일 동안 구매 이벤트를 2회 이상한 유저 등을 대상으로 코호트를 생성할 수 있습니다. 이러한 코호트는 사용자 그룹의 규모 트렌드를 시각화하거나, 특정 코호트를 기준으로 보고서를 필터링하고 다른 코호트와의 비교 등에 활용할 수 있어 목표에 따라 유효한 잠재고객을 찾는 데에 매우 유용합니다.
리포트 내의 막대 영역을 클릭하여 View Users 클릭
클릭한 막대에 해당되는 사용자들을 바로 코호트로 만들 수 있습니다
믹스패널의 코호트 생성 기능은 사용자 친화적인 인터페이스를 제공하여 코호트를 쉽고 빠르게 만들 수 있게 해줍니다. 사용자는 조건을 설정하여 몇 번의 클릭만으로 코호트를 생성할 수 있으며, 이 과정은 직관적이며 소요시간도 적습니다. 특히, 기본 리포트에서 차트 내의 영역을 클릭하게 되면 해당되는 사용자들을 빠르게 코호트로 만들 수 있습니다. 이렇게 생성된 코호트는 믹스패널 분석의 다양한 부분에 적용되어, 깊이 있는 데이터 분석을 가능하게 합니다.
자세한 정보는 믹스패널 코호트 문서에서 확인할 수 있습니다.
4. 스타트업을 위한 스칼라쉽 제도, 스타트업 플랜 지원하기
믹스패널은 스타트업의 성장을 지원하기 위한 많은 프로그램을 제공합니다. 이 중 '스칼라쉽' 제도는 특정 3가지 조건에 해당되는 스타트업에게 특정 기간 동안 사용가능한 크레딧을 지급합니다. 해당 크레딧으로 유료 플랜을 구매할 수 있으며 엔터 프라이즈 플랜까지 구매 가능합니다.
믹스패널 유료 고객이 아닌 회사
설립일 5년 미만인 회사
누적 투자금액 100억 미만인 회사
믹스패널은 높은 퀄리티의 스타트업 프로그램을 보유하고 가능한 많은 창업자를 지원하기 위해 최선을 다하고 있습니다. 해당 프로그램은 첫 해 특정 비용의 크레딧을 무료를 제공하지만 대부분 스타트업의 사용량은 해당 크레딧을 모두 소진하지 않고도 충분히 남습니다. 믹스패널은 첫 해에 급속한 성장을 경험하고 더 큰 비용을 사용해야 하는 스타트업에 충분한 가치를 제공하기 위해 이러한 프로그램을 만들었으니 조건에 부합하는 스타트업이라면 부담 없이 신청을 권장드립니다.
스타트업 플랜에 대해 더 자세히 알고 싶으시다면 스타트업 플랜 안내 페이지를 참고해주세요.
5. 샘플 프로젝트의 실용성
샘플 프로젝트는 믹스패널 도입 이전에 어떻게 분석하여 인사이트를 뽑아낼 수 있는지 구체적으로 볼 수 있습니다. 믹스패널에 기본으로 장착되어 있는 샘플 프로젝트는 B2B / SaaS, E-Commerce, Finance, Media, Social, Other 으로 총 6가지 산업군의 데모가 있어 자신에게 적합한 산업군의 데이터를 믹스패널을 설치하지 않아도 분석해볼 수 있습니다.
믹스패널의 샘플 프로젝트 선택 화면
믹스패널의 샘플 프로젝트는 각 산업군에 맞는 이벤트가 설치되어 있어 대략 어떤 이벤트를 트래킹할지, 어떻게 데이터가 시각화될지 상세하게 볼 수 있습니다.
%20%E1%84%86%E1%85%A6%E1%84%82%E1%85%B2.png)
믹스패널의 렉시콘(이벤트를 다루는) 메뉴
특히 샘플 프로젝트의 'Users' 메뉴를 통해 사용자 행동을 깊이 있게 분석할 수 있으며 이를 통해 사용자 이해도 증진과 스타트업이 사용자 경험을 개선하고 제품이나 서비스를 더 잘 조정할 수 있게 해줍니다. 그러나 샘플 데이터는 실제 데이터와 차이가 있을 수 있으므로 이 점을 인지하고 분석하는 것이 중요합니다. 실제 데이터에 적용하기 이전에, 샘플 프로젝트를 통해 얻은 인사이트를 토대로 전략을 세우고 필요한 이벤트의 트래킹을 결정하는 것을 추천합니다.
믹스패널의 유저 메뉴
결론적으로 샘플 프로젝트는 스타트업이 믹스패널을 설치하기 전에 어떻게 사용할 수 있는지 효율적으로 활용하고 실제 도입되었을 때의 데이터 분석을 가늠할 수 있게 해줍니다. 이를 통해 설치 비용을 절감하면서 사용자 행동에 대한 깊은 이해를 바탕으로 제품이나 서비스를 개선할 수 있는 기회를 미리 엿볼 수 있습니다.
6. 끝마치며
스타트업에서 최소한의 비용으로 믹스패널을 활용하는 방법을 탐색하며 몇 가지 중요한 꿀팁을 확인했습니다. 믹스패널의 프리플랜은 데이터 분석의 세계로의 첫걸음을 내딛는 스타트업에게 큰 도움을 줍니다. 프리플랜은 기본적인 기능과 사용성을 체험하는 데 적합하며 데이터 분석 문화를 내부적으로 구축하는 데 있어 필수적으로 경험해보는 걸 추천합니다.
스타트업이 성장하고 더 복잡한 데이터 분석 요구사항이 생기면 믹스패널의 그로스플랜으로 전환하는 것을 고려해볼 수 있습니다. 그로스플랜은 코호트 분석과 같은 고급 기능을 제공하며 이는 사용자 행동에 대한 더욱 세밀한 분석과 인사이트를 제공합니다. 이러한 고급 기능은 스타트업이 사용자 경험을 개선하고 제품 개발을 더욱 효과적으로 수행할 수 있게 도와줍니다.
쉽고 강력한 프로덕트 분석 툴, 믹스패널에 관심 있으시다면 mixpanel@mfitlab.com 으로 연락주세요. 도입부터 활용까지 숙련된 컨설턴트가 1:1 맞춤 상담을 지원해 드립니다.
마켓핏랩 솔루션즈
최고의 그로쓰 해커들이 모두 모이는 그로쓰 축제에 초대합니다.
📅 행사 일시 : 2024년 4월 5일(금) ~ 4월 9일(화)
1) 컨퍼런스 : 2024년 4월 6일(토) 오전 9시 - 오후 6시
2) 워크샵 : 2024년 4월 5일(금), 4월 7일(일) ~ 4월 9일(화) 중 1회 Class
🏠 행사 장소 : 코엑스 & 로얄앤코 논현 사옥
➡️ 신청 링크:
안녕하세요. 마켓핏랩 솔루션즈입니다.
이번 행사는 그로쓰 해킹 창시자 션 엘리스뿐만 아니라 국내 최고의 그로쓰 해커들과도 함께하는 유일무이한 그로쓰 페스티벌 입니다.
'그로쓰를 들어봤는데 다양한 사례를 접하고 싶다' 혹은 '불경기에도 성장하는 기업은 무엇이 다른지 궁금하다!' 하는 분들은 이번 행사에서 2024 그로쓰 트렌드/전략 뿐만 아니라 그로쓰를 고민하는 동료들과의 네트워킹 시간도 함께 즐기실 수 있습니다.
단 7일간, 50% 할인된 1차 얼리버드로 만나실 수 있습니다.
➡️ 신청 링크:
01. 그로쓰 축제를 소개합니다.
02. 행사는 어떻게 구성되어 있나요?
그로쓰에 관심 있고, 풍부한 사례를 만나보고 싶다면? ➡️ 컨퍼런스
개인으로 그로쓰의 전략에 대해 더 깊게 논의하고 싶다면? ➡️ 마스터클래스
그로쓰 팀 문화 구축/팀 성장을 원한다면? (팀 2명 이상- 5명 이내) ➡️ 그로쓰 팀 워크샵
마켓핏랩 솔루션즈
초보 PM/PO를 위한 KPI 작성 예시 (feat. 골트리Goal Tree)
1. KPI(핵심성과지표)의 의의
KPI(핵심성과지표)는 여러가지 정의가 있지만 궁극적으로는 리소스를 집중 투입할 수 있도록 영점 조준을 하는 일이라고 보여집니다. KPI가 없으면 일의 우선순위를 정하기 어렵고, 일은 열심히 하는데 임팩트는 없는 현상이 벌어집니다. 이것을 바꿔 말하면, KPI는 한정된 리소스가 가장 우선순위가 높은 업무, 즉 임팩트 있는 성장을 만들어낼 곳에 효과적으로 투입되도록 유도할 수 있어야 합니다.
그럼 어떻게 해야 그런 KPI를 설정할 수 있을까요?
2. 골트리 프레임워크(Goal Tree Framework)
핵심지표를 설정하는 데에는 여러가지 프레임워크가 있지만 그 중에서도 골트리(Goal Tree)는 비교적 따라하기 쉽고, 직관적이면서도 효과적인 프레임워크입니다.
먼저, 결과적으로 올려야하는 최종 목표 지표(또는 후행지표, Output metric)을 설정합니다. 이는 Revenue가 될 수도 있고, 혹은 거래액, 활성 사용자 수 등이 될 수도 있는데 조직과 비즈니스마다 달라집니다.
그 다음에 이것을 숫자(Number), 전환율(Conversion rate), 비율(Ratio) 등의 기준으로 계속 쪼개나갑니다.
아래 예시를 보시면 이해가 쉽게 되실 겁니다.
Goal Tree Framework 예시 이미지 (출처 : 옵티마이즐리)
하위 지표를 올리면 자연스럽게 상위지표가 올라가는 지표 위계가 만들어집니다.
예를 들어 방문자 한명당 Revenue를 올리거나 방문자수를 올리면 전체 Revenue가 올라갑니다. 방문자 한명당 Revenue는 다시 평균 주문 금액(AOV)을 올리거나 주문 전환율(CVR)을 올리면 올라갑니다.
이렇게 덩어리가 큰 지표를 계속해서 작은 하위 지표(또는 선행지표, Input metric)로 쪼개나갑니다. 보통 4단계 정도까지 쪼개보면 상당히 가시적이고 Actionable한 선행지표까지 다다를 수 있습니다.
3. 지표를 쪼개고 구조화 하는 이유
지표를 계속 쪼개고 구조화하는 골트리(Goal Tree)는 많은 강점을 갖습니다.
일단 지표 간의 계층 구조를 시각적으로 표현함으로써 목표를 명확하게 시각화합니다. 이를 통해 조직 구성원들은 전체 목표와 하위 목표들 사이의 관계를 더 잘 이해할 수 있습니다.
또한 각 지표를 모니터링 하며 우리가 가장 취약한 부분이 어디인지, 개선했을 때 가장 임팩트가 큰 부분이 어디인지 쉽게 알 수 있고, 전술을 짜기가 쉬워집니다.
거시적인 목표를 점차 세부적인 하위 지표로 쪼개 나가기 때문에 액셔너블 하며 구체적이고 실효성 높은 아이디어가 나오기 쉬워집니다. 더불어 실무자들이 나의 업무가 어떤 임팩트를 만들기 위한 일인지 알기 쉽고 자연스럽게 목표 동기화가 수월해집니다.
지표의 위계가 명시적이기 때문에 업무 우선순위를 정하기 쉬워지고, 내부에서 설득과 소통에 들어가는 리소스가 절약됩니다. 골트리의 지표 중심으로 사고를 하게 되며 각론에 매몰되 목적의식을 잃는 일도 줄일 수 있습니다.
4. 잘 설계한 골트리(Goal Tree)의 특징
1) MECE한 지표간 관계
비즈니스가 복잡해지면 골트리를 작성할 때에 유사한 요소가 나오는 경우가 있습니다만, 기본적으로 골트리(Goal Tree)의 지표들은 중복이 없으며 모였을 때 최대한 전체를 아우를 수 있어야(MECE) 잘 설계됐다고 볼 수 있습니다.
2) SMART 기준
골트리(Goal Tree)를 구성하는 지표들이 다음 조건을 충족한다면 좋은 지표라 할 수 있습니다.
특정(Specific): 지표가 명확하고 구체적이어야 합니다.
측정 가능(Measurable): 정량적으로 측정할 수 있어야 합니다.
달성 가능(Achievable): 현재의 리소스와 제약 사항 내에서 달성할 수 있는 목표여야 합니다(도구, 기술, 재정, 시간 등이 현재 상황에서 이용 가능한지 여부를 고려).
현실적(Realistic): 전반적인 조직의 상황과 일반적인 환경 조건 내에서 현실적으로 달성 가능한 목표여야 합니다(너무 낙관적이거나 비현실적이지 않아야 함).
시간에 따라 추적 가능(Timely): 목표에 대한 마감 기한을 설정하고, 목표 달성 과정을 추적하고 측정할 수 있어야 합니다.
3) 투명하고 이해하기 쉬운 언어 사용
골트리(Goal Tree)를 정의하는데 사용하는 언어는 조직 내 모든 구성원이 이해할 수 있는 언어로 표현되어야 합니다. 복잡한 용어나 추상적인 표현을 피하고, 누가 보더라도 한가지의 의미로만 해석할 수 있는 명확한 의사소통에 주의를 기울여야 합니다.
예를 들어 ‘구매 전환율’이라는 표현보다는 ‘구매/상세페이지 전환율’이라고 표현해야 수치에 대한 오해가 없어집니다. 또한 흔히 사용하는 MAU라는 표현을 쓸 때도 Active의 기준이 무엇인지를 명확하게 표현해주는 것이 좋습니다.(e.g. 단순 방문자인지, 방문 후 특정 체류시간이 지난 사용자인지, 내부에서 정의한 특정 행동을 한 사용자인지)
4) 전체 팀 참여 유도
골트리(Goal Tree)의 설계는 단순히 리더십만의 역할이 아니고, 가능한 전체 팀이 참여할 수록 좋습니다. 이는 목표에 대한 공감과 동의, 책임감을 높이고 업무에 대한 오너십을 제고할 수 있습니다.
5. 골트리(Goal Tree)와 함께 고려하면 좋은 점
1) 단순화된 지표간 관계성에 맥락 더하기
골트리(Goal Tree)는 각 지표간 계층 구조를 단순하게 표현하려는 경향이 있습니다. 이는 현실의 복잡한 과업이나 프로젝트를 과도하게 단순화할 우려가 있습니다. 그러므로 상황에 따라 목표와 배경에 대한 충분한 이해를 도울 수 있도록 조직원들에게 추가적인 맥락을 제공할 필요가 있습니다.
예를 들어 방문자 당 수익을 늘리기 위해선 AOV(Average Order Value)와 Conversion Rate을 늘리는 것으로 골트리를 정리했습니다. 그러나 우리의 비즈니스가 시즈널 이펙트가 매우 강한 도메인이라면, 세부 전략을 세울 때 이를 간과해서는 안되고, 전략에 대한 성과를 평가할 때 역시 시즈널 이펙트 때문은 아니었는지 엄밀하게 따져봐야 합니다.
2) 주기적인 리뷰와 갱신
골트리(Goal Tree)는 특정 시점의 목표와 구조를 기반으로 하는 정적인 모델입니다. 그러나 비즈니스 환경이나 조직의 상황은 언제든 변할 수 있으므로, 골트리(Goal Tree)는 주기적으로 리뷰하고 갱신해야 합니다. 상황이 변하면 목표의 중요도나 우선순위를 조정하고 새로운 목표를 추가하거나 삭제하는 등의 업데이트를 진행합니다.
예를 들어 우리가 공급자와 소비자를 연결해주는 Two-sided 서비스를 제공한다고 가정했을 때, 초반에 공급자는 확보 했는데 소비자가 없을 수 있습니다. 이 때는 Acquisition 관련 지표가 중요하지만 유입이 계속 늘어 공급자가 부족한 상황까지 왔다면 그에 맞는 또다른 전략을 반영할 수 있도록 이 골트리는 수정되어야 합니다.
3) 우선순위를 정할 때 비용 대비 이익을 고려하기
마지막으로, 우선순위를 정할 때는 그 지표를 올렸을 때의 임팩트도 평가하지만, 그렇게 하기 위해 들어가는 비용(리소스) 또한 반드시 고려해야합니다. 그러나 골트리(Goal Tree)만 봤을 땐 이 부분을 알 수 없으므로, 우선순위를 정할 땐 꼭 리소스에 대한 평가도 잊지 말고 병행해야 합니다. 이는 지표에 대한 평가가 될 수도 있고, 그에 따른 세부 전략의 평가에 해당하는 이야기일 수도 있습니다. 우리는 언제나 한정된 리소스라는 제약에서 벗어날 수 없으므로 투입 비용 대비 효과, 즉 ROI를 항상 염두에 두어야 합니다.
6. KPI 보다 중요한 것은 방향성과 전략
이렇게 골트리(Goal Tree)라는 프레임워크를 통해 KPI를 작성하는 법을 알아보았습니다. 사실 KPI는 우리가 수립한 비전과 방향성, 목표를 명시적으로 표현해 내는 하나의 도구에 불과합니다. 마치 비즈니스가 사냥이라면 KPI는 더 잘 조준하기 위한 조준점일 뿐이고, 그 전에 무엇을 사냥할 것이고, 그것을 사냥하기 위해 어느 방향으로 무슨 총을 가지고 쏠 것인지 등 더 거시적인 비전과 전략 수립이 선행되어야 함을 잊지 말아야 합니다. 그러한 고민이 탄탄하게 이뤄졌다면 KPI는 그것에 따라 자연스럽게 따라오게 됩니다. 그리고 골트리는 그것을 아주 하위의 액션플랜 단위까지 체계적으로 이어질 수 있도록 도와주는 도구입니다.
모쪼록 탄탄한 전략에 기반한 KPI를 잘 찾으시기를 바라며, 그 과정에서 우리 제품과 사용자에 대한 분석이 필요하시다면 믹스패널 및 도입 컨설팅을 고려해 보세요. 비즈니스 상황을 고려한 KPI와 그에 기반한 트래킹플랜을 함께 고민하며, 성공적으로 조직이 데이터를 기반으로 사고하고 액션할 수 있게 도와드립니다.
마켓핏랩 솔루션즈
딱 1시간 만에 제품 분석(PA)툴 개념 부수기! 웨비나를 진행합니다
1. 딱 1시간 만에 제품 분석(PA)툴 개념 부수기!
안녕하세요. 국내 유일의 믹스패널 공식 파트너 마켓핏랩 솔루션즈입니다. 믹스패널과 다양한 그로스 툴을 국내에 소개하며, 데이터 분석과 근거 기반 성장에 진심인 분들을 전에 없이 많이 만나뵙고 있는 요즘입니다. 다양한 대화 주제 가운데, 최근 가장 뜨거운 주제는 단연코 '사용자 행동 분석' 이 아닐까 싶습니다.
사용자 행동 분석이 서비스 성장의 핵심 요소로 자리잡으며, 이를 위해 '제품 분석(Product Analytics)툴'의 활용도 필수로 자리잡고 있습니다. 그 관심 만큼, 많은 분들께서 솔루션즈 팀에게 다양한 제품 분석 툴에 대한 비교를 요청주시곤 합니다. 이에 보다 깊은 이해를 돕고자 오는 3월 14일 목요일, 단 1시간으로 제품 분석의 개념과, 제품 분석 툴 간의 장 단점에 대해 소개드리는 '딱 1시간 만에 제품 분석(PA)툴 개념 부수기' 웨비나를 진행합니다.
이번 웨비나에서는 '제품 분석'의 탄생 배경과, 발전 과정으로 제품 분석의 기본 개념을 이해하고, 나아가 다양한 제품 분석 툴 별 특성을 살펴보며 우리 조직에게 적합한 제품 분석 툴은 무엇인지 살펴보는 시간을 가질 예정입니다.
그로스 솔루션 전문가, 마켓핏랩 솔루션즈의 컨설턴트와 함께 우리 비즈니스 성공의 실마리를 찾아보세요.
2. 웨비나 진행 개요
일시 : 2024년 3월 14일 목요일
장소 : Zoom 링크 별도 안내
시간 : 15:00 - 16:00
(15:00 - 15:10) 인트로 및 세션 안내
(15:10 - 15:30) 구글은 왜 GA4를 런칭했을까? GA로 알아보는Product Analytics 툴의 변화 : 브라이언, Sales Director · Growth Consultant
(15:30 - 15:50) 헷갈리는 PA툴간 비교쉽게 찍먹해보기 - PA분석 툴 3대장 비교 : 카야, PA Consultant · CSM
(15:50 - 16:00) QA 및 마무리
*상기 일정은 사전 고지 없이 변동될수 있습니다.
*참가 신청 주신 분에 한해 당일 접속 가능하신 Zoom 링크를 전달드릴 예정입니다.
이번 웨비나에서 뵙기를 고대하겠습니다!
>> 웨비나 신청하기
>> 웨비나 신청하기
마켓핏랩 솔루션즈
[프로덕트 데이터 분석] 초보자편 04. 데이터 정합성 검증
*이 글은 믹스패널(Mixpanel) 및 제품 분석 도구(Product Data Analysis)에서 이벤트가 정확히 발생하는지 검증하는 절차를 설명합니다.
이런 분들께 도움이 될 거예요
✅ 프로덕트 데이터 분석 주요 개념이 생소한 PM/PO/마케터
✅ 프로덕트 분석 툴을 설치 했지만 정확성을 검증하고 싶은 PM/PO/마케터
안녕하세요. 프로덕트 데이터 분석 초보자 시리즈 다섯번째 글입니다. 앞서 프로덕트 데이터 분석에서 프로덕트 데이터 분석에 대한 기본 개념을 소개했습니다. 그리고 데이터 분석을 위한 사전작업으로 어떤 이벤트를 추적할지 계획하는 트래킹 플랜 작성 및 이벤트 심기(구현)를 다뤘습니다. 마지막으로 수집된 이벤트 데이터를 어떻게 분석할지 설명한 프로덕트 데이터 분석 개념과 사례 편이 있었습니다. 오늘은 데이터가 정확한지 검증하는 절차에 대해서 소개합니다.
1. "이벤트 데이터가 정확히 수집되었다"는 무엇을 의미할까?
우리 서비스에서 일어난 사용자 행동 횟수와 실제 수집된 이벤트의 횟수가 일치하는 것을 말합니다. 사용자가 장바구니 담기 버튼을 한번 눌렀는데 수집된 이벤트가 2번이라면 잘못된 거죠. 그리고 신발 상품 페이지를 방문했는데 모자 상품 페이지를 방문했다고 기록했다면 잘못된 것입니다. 그 외에 실제 행동이 일어난 시간과 순서와 일치하는지도 봐야 합니다.
2. 이벤트 데이터 정합성 검증법
방법은 생각보다 단순합니다. 실제로 이벤트를 일으키고 그것이 정확하게 수집되었는지 확인하면 됩니다. 믹스패널 프로젝트를 기준으로 자세히 설명드리겠습니다.
일단 테스트 환경을 설정해야 합니다.
외부 간섭이 없는 테스트용 믹스패널 프로젝트
믹스패널 이벤트 추적 코드가 심어진 개발 버전 클라이언트 서비스
테스트 환경이 준비되면 이제부터 검증을 시작합니다.
테스터는 앞서 작성한 트래킹플랜의 이벤트를 하나씩 일으킵니다. 해당 이벤트를 발생시키고 바로 믹스패널 테스트 프로젝트에서 해당 이벤트가 기록되었는지 확인합니다. 횟수가 맞는지 주요 속성값이 일치하는지 하나씩 확인합니다. 추적하는 이벤트가 많거나, 이벤트가 발생하는 조건이 까다로우면 검증작업이 오래 걸릴 수 있습니다. 앞선 초보자 시리즈에서 추천했듯이 초기에는 주요 이벤트 중심으로 적은 수의 이벤트를 수집하는 것을 추천드립니다. 실수 방지를 위해 검증 작업은 최소 2명 이상이 하는 것을 추천드립니다.
믹스패널은 실시간으로 이벤트를 추적하므로 이벤트를 보내고 바로 확인할 수 있습니다.
3. 사용자가 여러 환경에서 접속했을 때 같은 사용자인지 검증하기 (사용자 식별)
대부분의 서비스는 다양한 환경에서 접속이 가능합니다. 핸드폰 브라우저에 접속했다가 데스크탑 브라우저에서 접속할 수도 있고, 웹으로 접속했다가 앱으로 접속할 수도 있습니다. 또는 비 로그인 상태로 서비스에 접속하여 누구인지 모른 상태로 이벤트를 일으키다가 로그인할 때도 있습니다. 이렇게 다양한 조건에 일어난 이벤트들을 하나의 사용자로 매핑하는 작업이 필요합니다. 믹스패널에서는 이를 사용자 식별 Identify 라고 부릅니다. 이 작업은 믹스패널을 설치할 때 설정하게 됩니다. 이 부분도 의도대로 작동하는지 검증해야 하는데, 이 검증도 단순합니다. 테스트 환경에서 다음 3가지 상황을 검증하시면 됩니다.
믹스패널으로 유저 Identify 가 가능합니다.
비 로그인 상태에서 서비스를 사용하다가 로그인했을 때, 비 로그인 상태에서 이벤트 발생한 이벤트와 로그인 후 발생한 이벤트가 하나의 프로필에 합쳐졌는가
브라우저 A에서 로그인 후 브라우저 B에서 로그인했을 때 A에서 일으킨 이벤트와 B에서 일으킨 이벤트가 하나의 프로필에 합쳐졌는가
(웹, 앱 둘 다 있는 경우) 웹 서비스에서 로그인 후 일으킨 이벤트와 앱에서 로그인 후 일으킨 이벤트가 하나의 프로필에 합쳐졌는가
4. 데이터가 맞지 않을 때 대응법
아시는 바와 같이 믹스패널과 같은 PA 도구는 보내준 이벤트 데이터를 있는 그대로 표현하는 도구입니다. 이 말은 데이터가 잘못 표시되고 있다면 일단 잘못된 데이터를 보낸 것으로 봐야 합니다. 결국 데이터 불일치가 일어났을 때 개발팀에 문제 상황을 공유하고 추적 코드가 작동하는 조건을 디버깅해야 합니다. 예를 들어 제품 구매는 한번 일어났는데 구매 이벤트가 여러 번 찍힌다면, 구매 이벤트를 트리거하는 조건을 살펴봐야 합니다. 화면이 리프레시될 때마다 이벤트를 수집하게 코딩되어 있을 수 있는 거죠. 또는 디버깅 방법은 믹스패널 디버깅 가이드를 참조하세요.
5. 분석의도 검증하기
이벤트 데이터를 수집하는 목적은 기대하는 분석을 효과적으로 하기 위해서 입니다. 예를 들어 구매전환율은 커머스 서비스에서 중요한 분석 항목입니다. 그러므로 테스트 이벤트를 발생시키고 전환율 분석을 의도대로 할 수 있는지도 확인해 보셔야 합니다. 이는 데이터 검증과는 별개의 주제이지만 같이 하는 것을 추천합니다. 테스트 이벤트를 발생시키고 만들려고 했던 리포트를 작성하여 기대하는 분석이 가능한지 확인해야 합니다.
믹스패널의 Funnel리포트를 활용해 재품 카테고리별로 전환율 분석이 가능한지 검증할 수 있습니다.
6. 끝마치며
데이터 검증작업은 지루하면서도 집중력이 요구되는 힘든일 입니다. 제대로 검증하지 못해서 데이터가 정확하지 않다면 이후 분석은 의미가 없습니다. 한 번에 모든 이벤트를 완벽히 검증하는 일은 매우 지난한 일이 될 수 있습니다.
여러 번 강조드린 것처럼 중요한 이벤트 중심으로 점차 많은 이벤트를 수집하는 방식으로 접근하시는 걸 추천드립니다. 그리고 데이터 검증은 한 번 하고 끝나는 것이 아니라 지속적으로 해야 합니다. 서비스는 계속 변화하기 때문에 주기적으로 검증해야 합니다. 이는 라이브 프로젝트 리뷰 글에서 다루도록 하겠습니다.
데이터가 불일치하는 다양한 상황이 있을 수 있습니다. 마켓핏랩 솔루션즈는 다양한 프로젝트 데이터를 검증한 경험이 있습니다. 궁금한 점은 mixpanel@mfitlab.com 언제든지 문의주세요!
마켓핏랩 솔루션즈
안녕하세요. 비즈니스의 성장을 돕는 마켓핏랩 솔루션즈 입니다.
Google Optimize 종료로 많은 기업들이 AB테스트의 도입과 실험 문화에 어려움을 겪고 있습니다. 이러한 상황에서 AB테스트로 제품을 효과적으로 검증하고 개선하는 데 필요한 지식을 마켓핏랩 대표인 폴(정성영)의 풍부한 경험과 함께 전달드릴 예정입니다.
또한, 구글에서 공식적으로 인정하는 3대 AB테스트 툴의 데모를 순차적으로 진행할 예정입니다. 해당 오픈데모는 AB테스트 툴로 실험을 세팅하는 방법과 기초적인 기능들을 가볍게 다룰 예정으로 실제 사용 경험을 체험하실 수 있습니다.
참여를 원하시는 분들은 아래 링크를 통해 신청해 주시기 바랍니다.
마켓핏랩 솔루션즈
스타트업이 PA툴을 도입할 때 고민해야 할 것: PA vs BI 차이점
* 이 글은 현재 PA툴 도입을 고려하는, (특히) 이전에 PA툴 사용 경험이 없는 조직에서 흔히 혼동하는 PA와 BI의 개념을 비교하고, 툴 도입 의사결정을 하는데 도움을 드리기 위한 내용입니다.
이런 분들께 도움이 될 거에요
✅ 프로덕트 분석 툴을 도입을 고민 중인 대표/PM/PO/마케터
✅ PA툴 도입 경험이 없는 조직의 대표/PM/PO/마케터
✅ PA와 BI가 어떻게 다른지 궁금한 대표/PM/PO/마케터
1. 적지 않은 돈을 들여 PA툴을 도입하고 만족하지 못하는 이유
PA(Product Analysis)와 BI(Business Intelligence)는 개념이 쉽게 헷갈립니다. 엄밀히 말하자면 BI 안에 PA가 포함될 수 있기 때문이죠. 하지만 현업에서 통상적으로 쓰이는 의미로 들어가면 두 개념이 뜻하는 행위에는 꽤 차이가 있어 보입니다. 그리고 이 차이가 인지되지 못했을 때, PA툴 도입 이후에도 잘 활용하지 못하고 만족도가 낮아지는 상황이 왕왕 발생하는 것 같다는 느낌을 CSM 활동을 통해 많은 고객사를 접하며 받게 됐습니다.
이 글에서는 적지 않은 비용을 들여 PA툴 도입을 고민하는 스타트업이 ‘우리가 정말 PA툴이 필요한 상황인지’, 혹은 ‘PA, 즉 제품 분석을 제대로 할 수 있는 상황인지’를 한 번 더 생각해보는 데 도움이 되고자 하는 의도로 작성되었습니다. 툴 도입 시에는 여러 가지 관점에서 검토가 이루어지겠지만, 여기서는 우리가 하고자 하는 게 정말 PA(제품분석)인지를 점검해 볼 수 있으면 좋겠습니다.
.png)
쉽게 혼동되는 BI(Business Intelligence)와 PA(Product Analysis)의 개념
2. PA vs BI 용어적 차이
일단 용어적 차이를 먼저 보겠습니다.
1) BI(Business Intelligence)의 정의
BI(비즈니스 인텔리전스)는 다음과 같이 정의할 수 있다고 합니다.
원시 데이터를 더 효과적, 전략적/전술적이고, 운영적 통찰력을 갖춘 의사결정을 가능하게 해주는 유용한 정보로 변환하는 일련의 방법론, 과정, 구조 및 기술이다. - 출처 : Forrester
비즈니스 인텔리전스는 비즈니스 운영에서 나오는 데이터를 수집, 저장, 그리고 분석하는 프로세스입니다. 실적을 벤치마킹하고, 시장 추세를 파악하는 등 비즈니스의 거의 모든 측면을 개선하기 위한 활동을 아우르는 용어입니다.
2) PA(Product Analysis)의 정의
PA(제품 분석)은 사용자가 제품 또는 서비스에 참여하는 방식을 분석하고 개선하는 프로세스입니다. 사용자가 우리 제품에서 실제로 어떻게 활동하는지를 분석하여, 더욱더 적극적으로 참여시키고 다시 돌아올 수 있도록 ‘제품 즉, 사용자 경험을 개선하기 위한’ 활동입니다.
.png)
Business Intelligence vs Data Analytics 이미지 출처: https://www.loginworks.com/
3. PA와 BI의 지향점
BI는 단어에서 알 수 있듯 기본적으로 기업의 이윤, 즉 ‘비즈니스’와 직접적으로 연관되는 지표를 주로 다루는 것으로 보입니다. 대표적인 BI 지표로는 판매 수익, 이윤, 재고, 트래픽(e.g. MAU) 등을 들 수 있습니다. 제품 분석 관점에서 이러한 지표들은 어떠한 원인에 대한 결과로 반영되는 ‘후행지표(output metric)’로 봅니다. 즉, ‘어떠한 일이 벌어졌다’, ‘이 부분을 개선해야 한다’와 같은 회고적인 관점에 초점이 맞춰져 있는 것이 BI라고 할 수 있습니다.
반면 PA(제품분석)의 경우 ‘왜 이런 일이 일어났지?’, ‘어떻게 해야 바뀔 수 있지?’, ‘이렇게 하면 다음에 어떻게 되지?’와 같이 보다 미래지향적인 관점을 갖습니다. 그리고 BI보다는 훨씬 더 제품에 집중된 더욱 뾰족한 질문에 대한 대답을 찾기 위한 행위입니다. 제품 분석이란 제품 개선으로 이어지지 않으면 아무런 의미가 없기 때문에, ‘그래서 다음엔 제품(혹은 사용자 경험)의 이 부분을 어떻게 해야겠다’가 반드시 나와야 하고, 그것이 실제로 실행되어야 합니다. 즉 BI와 달리, 제품에 끊임없는 변화를 주기 어려운 환경이라면 제품분석은 매우 무색해질 수밖에 없습니다.
*제품 분석에 대해 더 자세히 알고 싶다면 초보자를 위한 제품분석 소개 글을 참고해 주세요.
.png)
BI는 회고적 관점, PA는 미래 지향적 관점을 갖는다.
4. PA툴과 BI툴, 그리고 데이터 정합성
믹스패널을 도입하시는 고객사들과 온보딩을 진행할 때 믹스패널을 통해 이러이러한 지표들을 트래킹하고 싶다는 말씀을 듣게 되는데(저희가 필수적으로 묻기도 합니다), 그것들이 이런 BI 개념에 가까운 후행지표일 때가 많습니다. 그러다 보니 높은 정합성을 기대하시게 되고요. 정합성은 물론 중요하나, 기업의 실적과 직접 연관된 BI 지표들은 몹시 높은 정합성이 필요하고, 그러한 데이터는 서버에 직접 저장되는 데이터로 확인하는 것이 바람직합니다. 그리고 이러한 서버 데이터를 추출하고 시각화하기 위해 Tableau, Power BI나 무료 툴인 Redash 등 여러 BI툴 도입을 고민하게 됩니다.
.png)
대표적인 BI툴 - Tableu, Power BI, Redash
반면 PA(제품분석)의 경우에는 서버에 저장하는 데이터 기준으로만 봐서는 안 됩니다. 예를 들어 BI 관점에서는 신규회원가입 수가 WoW, MoM 기준으로 어떻게 변화하는지를 보지만, PA 관점에서는 회원가입 이전에 사용자가 어떤 경험을 하고 어떤 행동을 하다가 이탈 혹은 가입으로 전환되는지 아는 것이 훨씬 더 중요합니다.
이러한 데이터는 보통 서버에서 저장하지 않으며, 여러 플랫폼이나 브라우저 등의 환경에서 너무나 다양한 케이스(대표적으로 애드블락커, 시크릿 브라우저 등)로 예상할 수 없는 누락 또는 중복이 일어날 수밖에 없습니다. 물론 엔지니어분들과 QA를 통해 최선을 다해 정합성을 맞추는 작업은 매우 중요하지만, 강조하고 싶은 건 PA는 높은 정합성을 목표로 하는 것이 아닌 사용자의 행동 양상을 분석하는데 목적이 있다라는 점입니다. 그렇기 때문에 PA툴은 어느 정도의 정합성 차이를 감수하고, ‘빠른 사용자 행동 분석과 제품 반영 사이클’을 가능하게 하는 강력한 강점을 취해야 의미 있는 활용이 가능합니다.
대표적인 PA툴 - Mixpanel, Amplitude
5. 우리는 PA툴을 도입할 준비가 됐나?
우리가 PA툴 도입으로 기대하는 바가 혹시 단순한 후행지표 트래킹뿐이지는 않은지, 제품에서 빠르게 실험하고 반영할 수 있는 환경이 만들어져 있는지, 그 이전에 조직 차원에서 ‘사용자 행동 데이터’에 대한 관심과 갈망이 어느 정도 있는지 등을 미리 점검해 보면 소중한 리소스를 낭비하는 상황을 방지할 수 있습니다.
의외로 모든 제품과 서비스가 항상 제품분석이 필요하지는 않은 것 같습니다. 제품분석은 어떤 하나의 행위가 아니라 조직의 체질과 같기 때문에, 새롭게 이식하기가 몹시 어렵습니다. 어렵다는 건 인적/물적 자원이 든다는 의미이기 때문에, 정말 우리는 이것이 필요한 조직인지, 그리고 준비가 되었는지를 점검해 보는 것은 아주 유의미한 일입니다.
또 한 가지는, 혹시 우리의 조직이 아직 PMF(Product-Market Fit)을 찾지 못한 상태라면, 유료 PA툴 도입은 없는 살림에 꽤 사치스러운 일일 수 있습니다(투자 빵빵하게 받은, 있는 집이다라고 하면 부럽습니다). 그럼에도 믹스패널은 스타트업들에게 1년간 6천만원 상당의 크레딧을 지원해주는 Start-up Plan이 있어서, 실제 PMF를 찾는 용도로 많이 쓰시기도 합니다.
PA툴은 말 그대로 툴일 뿐이기에, 툴을 쓴다고 하여 갑자기 조직이 데이터 드리븐하게 바뀌고 제품 주도 성장을 하지는 않습니다. 하지만 IT 기술 기반의 제품을 만드는 조직이라면 대부분 제품 주도 성장을 꿈꿉니다.
우리 조직이 상기한 것들을 검토해 보았을 때도 PA툴이 필요하겠다고 판단하셨다면 mixpanel@mfitlab.com 으로 편히 문의주세요. 믹스패널은 여러분의 조직에 아주 현명한 선택이 될 것입니다. 또한 툴과 함께 PA컨설턴트를 함께 고용하는 효과를 누리세요.
마켓핏랩 솔루션즈가 최선을 다해 제품 주도 성장 체질이 이식되도록 도와드리겠습니다.
마켓핏랩 솔루션즈
믹스패널(Mixpanel)로 아하모먼트(Aha Moment) 찾기
*이 글은 아하 모먼트(Aha Moment)의 개념과 프로덕트 데이터 분석 툴, 믹스패널(Mixpanel)로 아하 모먼트를 발견하는 방법에 대해 작성한 글입니다.
이런 분들께 도움이 될 거에요
✅ 아하 모먼트의 개념이 궁금했던 PO/마케터
✅ 아하 모먼트를 찾는 방법을 알고싶은 PO/마케터
✅ 믹스패널(Mixpanel)로 아하 모먼트를 찾고 싶은 PO/마케터
✅ 믹스패널(Mixpanel) 고급 기능을 활용해보고 싶은 PO/마케터 (코호트, 시그널)
1. 아하 모먼트(Aha Moment) 왜 중요한가요?
제품을 사용하면서 “어~ 이거 괜찮은데?” 하면서 푹 빠졌던 순간이 있으셨나요?
혹은 어떤 앱을 사용하다가 “마침 이런 앱이 필요했는데!” 하고 생각했던 적이 있나요?
바로 이러한 순간을 우리는 아하 모먼트라고 합니다. 아하 모먼트(Aha Moment)란 제품 및 서비스를 이해하고, 제품의 가치를 처음으로 느끼는 순간을 의미합니다. 우리는 이처럼 아하 모먼트를 느끼게 되면 제품에 호감을 가지게 되거나 더 나아가 그 브랜드의 팬이 되기도 합니다.
예를 들어, 클로이가 평소에 친구들과 즐겁게 놀고 나서 정산할 때 따로 계산해서 나누는 것에 불편함을 느끼고 있었다고 가정해 봅시다. 그러던 중 카카오톡에서 금액만 입력하면 자동으로 정산을 하는 기능을 우연히 발견하게 되죠. 그 뒤에 1/N 정산이 필요할 때는 카카오톡을 주로 사용하게 된다고 해봅시다. 여기에서 클로이에게 아하 모먼트는 카카오톡으로 쉽고 편리하게 1/N 정산을 한 순간이 될 수 있습니다.
위의 사례처럼 모든 유저들이 우리 서비스의 아하 모먼트를 경험해서 꾸준히 우리의 제품을 이용하면 좋겠지만 이는 쉽지 않습니다. 유저의 행동은 한 가지로 정의되는 것이 아니고 여러 니즈에 따라 각각 다양한 행동을 보이기 때문입니다.
따라서 유저가 처음 우리 제품이나 서비스를 접할 때, 우리 제품의 가치를 빠르게 발견하고 아하 모먼트를 경험할 수 있는 양질의 NUX(New User Experience) 제공하는 것이 중요합니다. 이는 단순히 가치를 느끼는 것을 넘어 유저가 계속 우리 제품을 이용할지 아니면 떠날지를 결정하는 중요한 동기부여가 되기도 합니다.
2. 아하 모먼트를 찾을 땐, 프로덕트 데이터 분석 부터
아하 모먼트는 유저의 행동 데이터에서 포착할 수 있습니다.
이는 숫자로 정확하게 수치화하는 정량적 데이터로도 확인할 수 있지만 유저 인터뷰 등을 통한 정성적 데이터로도 확인할 수 있습니다.
이렇게 정량적, 정성적으로 수집한 정보를 바탕으로 고객 퍼소나별로 어느 시점에서 이탈하는지, 어떤 카테고리에서 행동이 활성화되는지 등 제품을 사용하는 행동 패턴을 통해 제품 개선점을 발견하게 됩니다. 특히 아하 모먼트를 찾기 위해 우리가 목표로 하는 주요 행동을 수행한 사람과 아닌 사람들을 나누어 분석하는 것이 굉장히 중요한데, 이러한 분석 기법을 코호트 분석(Cohort Analysis)이라고 합니다.
코호트 분석이란 특정 기간 동안 공통적인 특성과 경험을 공유하는 사용자들을 코호트 그룹으로 묶어 지표를 수치화하여 분석하는 것을 의미합니다. 주요 전환 행동 혹은 선행 지표 행동들을 수행하는 과정들을 코호트별로 나누어 분석하게 되면 예상하지 못한 깊은 인사이트를 얻을 수 있습니다.
예를 들어, 유저가 제품 구매 여정에서 장바구니에 제품을 담지 않는 현상을 발견했다고 가정해 보겠습니다.
구매완료는 유저가 가치를 느낄 수 있는 중요 행동이고, 장바구니 담기는 구매의 선행 지표로 유저가 가치를 느끼고 있다는 것을 보여주는 지표일 수 있습니다. 따라서 우리는 유저들이 왜 장바구니에 제품을 담지 않는지, 장바구니에 제품을 담고 구매하는 사람들과 담지 않고 구매하는 사람들 간의 고객 여정(User Journey)이 어떻게 흘러가는지 분석할 필요가 있습니다. 두 유저간의 차이를 통해 더 많은 유저가 아하 모먼트를 경험할 수 있는 방법들을 찾고 개선해야 하기 때문입니다.
3. 아하 모먼트를 찾기 위한 프로덕트 데이터 분석 도구, 믹스패널
믹스패널(Mixpanel)은 PO/마케터들이 아하 모먼트를 찾기 위한 다양한 기능과 리포트를 지원합니다. 우선, 위의 사례에 맞게 유저가 장바구니에 제품을 담지 않는 현상을 믹스패널의 E-commerce 대시보드를 통해 분석해 보고 가설을 세워보도록 하겠습니다.
1) 퍼널(Funnel) 데이터 분석
우선, 유저가 장바구니에 제품을 잘 담지 않는다는 것을 명확히 확인하기 위해 제품 상세 페이지에서 장바구니를 담기 전환율이 어떻게 되는지에 대한 데이터를 분석해야 합니다.
아래의 예시처럼 믹스패널의 Funnel Report를 통해 제품 상세페이지를 본 다음 장바구니를 담고, 최종적으로 구매 완료하는 사람들이 어떻게 되는지 확인해 볼 수 있습니다.
아래 데이터에 따르면 최근 30일 동안 제품 상세페이지를 본 사람들 중 오직 34%만이 장바구니를 담고 구매를 완료하고 있음을 볼 수 있습니다.
.png)
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment) 찾기 - 상세 페이지 to 장바구니 담기 퍼널 리포트 예시
2) 코호트(Cohort) 분석
그럼 이제 어떤 유저 그룹이 장바구니를 잘 담지 않는지, 그리고 그 유저 그룹군들은 장바구니를 담지 않는 대신 어떠한 행동을 하는지 데이터를 쪼개어 분석해 보도록 하겠습니다.
위에 생성한 퍼널 리포트에서 Breakdown 기능을 활용해 제품을 브랜드별로 나누어 보면 아래와 같은 전환율 데이터 확인이 가능합니다.
.png)
믹스패널로 아하 모먼트 찾기 - 전환율이 떨어지는 구간 찾기 예시
데이터를 확인해보면 스케처스 브랜드를 상세페이지에서 본 그룹군은 장바구니를 담기에 소극적이며 구매 전환율도 좋지 않음을 확인할 수 있습니다.
결과적으로 우리는 스케처스 브랜드가 우리 서비스에 잘 맞는 브랜드인지, 추후 액션에 대해 고민해 볼 수 있습니다.
그럼, 자세한 정보를 확인해 보기 위해 스케처스 상세페이지를 본 유저들을 코호트 그룹으로 묶어보겠습니다.
믹스패널에서는 아래처럼 유저들을 특정 이벤트, 프로퍼티, 코호트들을 묶어서 코호트 그룹을 쉽게 만들 수 있습니다.
예를 들면 아래처럼 최근 30일 동안 제품 상세페이지에서 스케쳐스 브랜드를 1번이라도 본 유저를 그룹으로 묶어보겠습니다.
.png)
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 코호트 생성 예시
이렇게 생성한 그룹군을 다른 리포트에 넣고 다각도에서 해당 코호트 그룹군에 대한 분석이 가능합니다.
예를 들면 아래의 예시 처럼 리텐션 리포트에 해당 코호트로 Breakdown 하여 스케쳐스 상세페이지를 본 유저와 스케쳐스 상세페이지를 보지 않은 유저들 간의 재구매 리텐션율을 분석이 가능합니다.
.png)
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 코호트 활용 예시
위의 리포트는 Daily 재구매 리텐션 차트를 스케쳐스 상세페이지를 본 유저(주황색 라인)와 보지 않은 유저(보라색 라인)로 코호트를 쪼개 리텐션율 차이를 분석한 것입니다. 이를 통해 스케쳐스 상세페이지를 한 번이라도 본 유저는 오히려 다른 상세페이지를 본 유저보다 재구매율이 상당히 뒤처짐을 확인할 수 있습니다.
최종적으로 우리는 제품 상세페이지에서 스케쳐스를 본 유저는 전환율뿐만 아니라 재구매 리텐션율에도 좋지 않은 영향을 끼침을 알 수 있습니다.
이를 바탕으로 '스케쳐스는 우리 유저들이 좋아하지 않는 브랜드이며, 전환율에 좋지 않은 영향을 미친다' 라는 가설을 세우고 다양한 후속 액션을 고민해 볼 수 있겠죠.
4. 상관관계 분석으로 발견하는 아하 모먼트
페이스북은 서비스 초창기에 오로지 "한 가지 핵심 목표에 굉장히 집중했다"라고 이야기합니다.
그들은 어떤 지표를 올리는 것이 페이스북의 Growth에 가장 큰 영향을 주는 것인지 다각도에서 분석하기 시작했고, 그 결과 “10일 안에 7명의 친구”를 추가한 유저의 페이스북 리텐션이 급격히 올라가는 것을 발견했다고 합니다. 빠른 시간 안에 최소 7명 이상의 친구가 생기게 되면 페이스북 피드에 새로운 친구들의 이야기가 떠서 교류하게 되고, 본인도 글을 올리면서 어느새 떠나지 않고 페이스북을 즐겨 사용하게 된다는 것이었죠.
위 페이스북 사례처럼 단순히 상관관계가 어느 정도 있다는 것을 넘어서 구체적으로 어떤 행동을 며칠 안에 몇 번 하는 것이 특정 지표를 달성하는데 영향을 준다는 내용을 쉽게 알 수 있다면 어떨까요? 믹스패널의 시그널(Signal) 리포트는 데이터 엔지니어/사이언티스트의 도움 없이도 특정 KPI와 가장 상관관계가 높은 행동을 분석해 주는 리포트입니다.
예를 들어서, 2주 차 리텐션을 높이는 것이 주요 목표라고 가정해 봅시다.
.png)
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 시그널 리포트 활용 예시1
이처럼 믹스패널의 시그널 리포트(Signal Report)에서는 특정 유저를 대상으로, 특정 기간동안 2주 차 리텐션을 높이는데 가장 상관관계가 높은 Top Events가 무엇이었는지 즉각적인 분석이 가능합니다.
.png)
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 시그널 리포트 활용 예시2
시그널 리포트를 활용해 제품을 찾는 행동 (Products Searched)을 7일 안에 최소 2번 이상하는 행동이 2주 차 리텐션율을 높이는 것과 상관관계가 강한 연관성이 있다는 것을 확인할 수 있습니다.
결과적으로 고객들이 제품을 찾는 행동 (Products Searched)을 많이 할수록 우리 서비스에 가치를 느낄 가능성이 높을 것이라고 가설을 세울 수 있겠습니다.
코호트 분석 및 시그널 리포트 분석을 통해 우리는 유저가 언제 감소하고 증가하는지, 그리고 어떤 행동을 해야 우리의 목표에 다다를 수 있는지를 확인하고 이에 따른 개선 방안을 시기에 맞추어 실행할 수 있게 됩니다. 예를 들면 상관관계가 높은 행동을 많이 하도록 유도하는 프로모션을 기획하거나, 전환율이 낮게 나오는 코호트에게 앱푸시를 날려서 전환을 많이 하도록 유도할 수 있겠죠.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)를 찾는 과정을 살펴보았습니다.
사실 아하 모먼트는 고객이 가치를 느끼는 순간이기 때문에 고객 중심의 사고를 하지 않으면 파악하기 어렵습니다. 또한 제품이 업데이트되어 가면서 계속 바뀐다면 더욱 파악이 어렵겠죠.
하지만 그렇기에 더더욱 고객 입장에서 데이터를 끊임없이 분석하고, 고객에게 가치를 주는 제품을 만들어가기 위해 아하 모먼트를 찾고, 또 찾아야 합니다.
‘우리 제품의 가치는 무엇인지’, ‘고객들의 아하 모먼트를 어떻게 하면 극대화할 수 있을지’에 대한 고민을 하고 있다면, 그 단서를 믹스패널을 통해서 찾아보시는 것은 어떠실까요?
참고 자료 :
우리 서비스의 아하 모먼트를 발견하고, 유저가 사랑하는 서비스를 만들고 싶다면
데이터 분석 툴 믹스패널 전문 컨설턴트의 1:1 데모를 받아보세요.
도메인에 맞는 믹스패널 맞춤 활용을 함께 고민해 드릴게요!
마켓핏랩 솔루션즈
North Star Metric(북극성 지표), 왜 중요하고 어떻게 좋은 지표를 찾을 수 있을까요? [기초편]
* 이 글은 North Star Metric(북극성 지표)이란 무엇인지, 좋은 북극성 지표의 기준에 대해 소개하는 글입니다.
이런 분들께 도움이 될 거예요
✅ 우리 제품을 체계적으로 관리하고 싶은 PM/PO/마케터
✅ 더 나은 제품을 만들기 위해 고민하는 PO/마케터
✅ 그로스해킹 개념들을 알아 가고 싶은 PM/PO/마케터
1. North Star Metric(북극성 지표)란 무엇이고, 왜 필요할까요?
North Star Metric(북극성 지표) 설정 전,후
우리 제품을 둘러싼 상황은 계속 변화하고, 더욱이 우리의 경쟁자들은 더 좋은 제품을 위해 치열하게 노력하고 있습니다. 이러한 상황에서 우리는 어떠한 기준으로 현재 상태를 측정하고, 어떤 액션을 해야할까요?
올바른 측정과 대응을 위해선 올바른 목표를 가지고 있어야 합니다. 목표가 명확하지 않은 상태에서, 효과적인 액션을 취하기란 쉽지않겠죠.
여기서 North Star Metric(북극성 지표)라는 개념이 등장합니다. 북극성을 떠올려 보세요. 옛사람들은 길을 찾기 위해, 밤하늘에서도 가장 반짝이는 북극성을 기준으로 삼았습니다.
이처럼 조직에게도 ‘North Star Metric(북극성 지표)’, 즉 조직 전체가 바라볼 수 있는 목표가 필요합니다. 이에 North Star Metric(북극성 지표)라는 제품 성공의 핵심 척도이며, 고객이 우리 서비스를 통해 얻게되는 핵심가치를 정확하게 대변하는 지표가 필요합니다.
그로스 해킹 방법론의 창시자인 션 엘리스는 North Star Metric(북극성 지표)를 'Product의 핵심 가치를 가장 잘 나타내는 중요한 지표를 식별하여 Product를 관리하는 모델'이라고 정의했습니다.
2. 좋은 North Star Metric(북극성 지표)란?
North Star Metric(북극성 지표)의 예시
북극성 지표가 낯설더라도, 아마 페이스북이 ‘10일 안에 7명과 친구를 맺는 사용자의 수’를 목표로 프로덕트팀, 마케팅팀, 데이터 분석팀 등 제품에 관련된 모든 팀이 하나의 목표 아래 제품을 개선해나간 일화는 들어보셨을 거에요. 이 예시가 바로 그 유명한 페이스북의 북극성지표 입니다.
이렇게 중요한 North Star Metric(북극성 지표), 그렇다면 좋은 북극성 지표란 조건을 충족해야 할까요?
1) 제품의 가치를 표현하는 지표
제품(Product)은 왜 존재할까요? 고객의 어려움을 해결해 주거나, 혹은 고객에게 어떠한 가치(Value)를 주기 위해서일 거에요. 이에 북극성 지표는 제품의 중요한 가치를 대변할 수 있는 지표여야 합니다. ‘사람과의 연결, 사회와의 연결’을 중요시한 페이스북 답게, 그들의 북극성 지표는 ‘연결’에 초점이 맞춰져 있습니다. (People use Facebook to stay connected with friends and family, to discover what’s going on in the world, and to share and express what matters to them. - Facebook’s Vision Statement)
2) 성공의 선행 지표
북극성 지표는 과거의 결과를 반영하는 지표가 아닙니다. 이 지표를 달성하면, 우리 비즈니스의 성공에 가까워지고 있는가? 를 확인할 수 있는 지표가 좋은 북극성 지표의 조건 중 하나입니다.
트래픽이 증가하거나, 혹은 프로모션에서 전보다 2배 넘는 성과를 거뒀다면, 우리 비즈니스는 성공에 가까워 지고 있을까요? 아마 알 수 없을 거에요. 하지만 북극성 지표가 제품의 가치를 잘 담고 있고, 비즈니스의 KPI에 영향을 미칠 수 있다면 이를 기반으로 성공을 가늠해 볼 수 있을거에요.
3) 실행 가능한 지표
좋은 북극성 지표는 ‘액션’을 불러일으켜야 합니다. 사용자가 10일 안에 7명과 친구를 맺게 하려면 어떤 액션을 할 수 있을까요? 아마 프로덕트 팀은 제품 내 친구 추천의 빈도수를 높이거나, 마케팅팀은 친구 추천 프로모션을 진행하는 등 지표 달성을 위해 명확한 액션을 떠올리기 쉽겠죠.
이처럼 좋은 북극성 지표란 실행 가능한 액션을 불러올 수 있어야 합니다.
4) 측정 가능한 지표
북극성 지표는 액션을 부르는 지표이기 때문에, 그 지표를 달성 했는지가 중요하겠죠. 이에 면밀하게 측정 가능한 이벤트를 설정하고, 믹스패널과 같은 트래킹 툴 등으로 추적되고 측정되어야 합니다.
5) 모두가 이해가능한 지표
북극성 지표는 전사에 공유되고, 모두가 그 지표를 향해 움직여야 하니 전문적인 지식이 없는 사람도 쉽게 이해할 수 있어야 합니다. 북극성 지표를 한 번 우리 비즈니스에 대해 잘 알지만, 기술적인 지식은 부족한 구성원에게 설명해 보세요!
위의 조건을 만족시킬 때, 조직의 모든 구성원들이 함께 바라볼 수 있는 좋은 North Star Metric(북극성 지표)를 찾을 수 있습니다.
모든 구성원이 이와 같은 잘 설정된 북극성 지표를 공유한다면, 1) 기준을 가지고 의미 있는 액션들을 할 수 있고, 2) 그 성과를 투명하게 측정하며, 3) 그 데이터를 바탕으로 고객 중심의 제품 성장이 가능해 지겠죠.
3. North Star Metric(북극성 지표)설정의 장점
North Star Metric(북극성 지표) 설정시 장점
이와 반대로 모든 팀에 공유되는 동일한 목표가 없다면, 데이터 분석팀은 다양한 관점에서 분석 결과를, 프로덕트 팀은 드넓은 제품이라는 망망대해에서 헤매이고, 마케팅팀은 트래픽 유입에만 애를 쓰고 있겠죠. 아마 다양한 부서와 팀, 그리고 구성원들이 각기 다른 지표를 쫓아 리소스를 효과적으로 사용하지 못하고 결국 일을 하면 할 수록 효율은 떨어지게 될 거에요.
이럴때 페이스북의 예시와 같이 올바르게 설정된 ‘North Star Metric(북극성 지표)’이 있다면, 아래와 같은 방향으로 조직의 변화가 가능합니다.
1) 조직과 구성원 간의 얼라인먼트
프로덕트 팀, 마케팅 팀, 데이터 팀 등 각각의 팀에는 집중할 팀만의 목표와, 측정 기준이 있지만 북극성 지표가 있다는 것은 전사가 동일한 목표를 바라보며 액션하고, 팀의 목표 및 성과를 북극성 지표에 비추어 설정하고 측정할 수 있다는 것을 의미합니다.
2) 투명한 성과 측정
북극성 지표를 기반으로 모든 팀의 진행 상황을 측정한다면 회사의 전반적인 업무 상황을 KPI 한눈에 확인할 수 있게 됩니다. 이는 결국 각 팀의 목표나 이해관계 보다는, 중요한 지표를 달성하기 위해 액션할 수 있는 조직으로 변화할 수 있을거에요.
3) 고객 중심의 제품 개선
좋은 북극성 지표의 조건에서 설명한 드린것 처럼, 북극성 지표는 회사가 고객에게 제공하는 가치를 가장 잘 반영하는 지표이므로, 북극성 지표는 고객 경험을 개선할 수 있도록 도움을 줍니다. 이는 곧 수익 창출과 재방문 유지로 이어지게 되겠죠!
North Star Metric(북극성 지표)를 바탕으로 전사적 얼라인먼트와과 측정의 투명성, 그리고 무엇보다, 우리 고객에게 집중해 보세요. 나아가 북극성 지표는 여러 팀의 목표를 끈끈하게 연결해, 사내 모든 구성원이 일관된 목표를 가지고 제품과 회사의 성장에 집중할 수 있도록 도움을 줄 거에요.
4. North Star Metric(북극성 지표) 설정 시 주의점
좋은 북극성 지표의 조건에 비춰봤을 때, ‘일 매출 100만원 달성, 혹은 일 회원가입수 100명 달성’은 좋은 북극성 지표일까요? 정답은 ‘아니오’입니다! 모두가 이해하고 쉽게 측정 가능하지만 1) 목표 달성을 위한 명확하고 구체적인 액션이 떠오르지 않으며, 2) 우리 제품 성장에 선행하는 지표인지 알 수 없으며 2) 무엇보다 고객 가치를 반영하고 있지 않고 있기 때문입니다.
북극성 지표는 보통 마케팅/세일즈의 노력으로 올릴 수 있는 지표로 설정하는 것은 지양해야 합니다. 따라서 매출, DAU, 회원가입 수 와 같은 지표는 북극성 지표가 될 수 없습니다. 이러한 지표를 달성한다면 물론 잠깐의 기분은 좋을수 있지만(ㅎㅎ),이 지표들이 장기적으로 우리 비즈니스의 성공을 담보한다고 보기는 어렵겠죠.
우리의 북극성 지표가 좋은 북극성 지표인지 궁금하다면, 아래와 같이 질문해 보세요.
“비즈니스 성장에 필수적인것은 무엇일까?” 라고 질문하고 우선순위를 세워보세요.
"어떤 KPI와 지표가 우리 비즈니스 성장의, 핵심 지표일까?” 라고 질문해 보세요
"그렇다면 위의 모든 내용을 담을 수 있는 지표는 무엇일까?" 라고 질문해 보세요.
위 질문에 모두 자신있게 yes!라고 답하셨다면, 우리는 올바른 북극성을 바라보고 향하고 있을 거에요.
5. 늘 개선해야하는 North Star Metric(북극성 지표)
이 과정을 거쳐 북극성 지표를 설정하고 나면, 문득 이런 고민이 드실 수도 있겠죠. ‘바뀌는 시장, 바뀌는 사용자의 행동들, 또 끊임없이 흐르는 시간 속에서 북극성 지표는 항상 고정되어야 할까?’ 라고요.
답은, “North Star Metric(북극성 지표)는 끊임없이 개선되어야 한다” 입니다.
절대적인 기준은 아니지만, 제품 초기 단계라면 보통 6개월~12개월, 제품이 안정화된 회사는 12개월~36개월마다 수정하는것을 권장합니다.
이처럼 North Star Metric(북극성 지표)은 꾸준히 검증하고 개선하며 여전히 올바른 방향을 향하고 있는지 지속적으로 추적되어야 합니다. 달라지는 상황에 맞춰 우리의 북극성 지표를 수정해나가며 재설정 해 나가야 합니다.
6. North Star Metric(북극성 지표)를 측정하고 관리하기
North Star Metric(북극성 지표)를 측정하고 관리할 수 있는 프로덕트 분석 툴, 믹스패널(Mixpanel)
북극성 지표를 자세하고 긴밀하게 측정하기 위해선, 트래킹 툴이나 프로덕트 분석 툴 사용을 추천 드려요. 그 중 ‘좋은 북극성 지표’ 의 조건 - 모두가 이해하기 쉬워야 한다’에 부합하는 툴은 믹스패널(Mixpanel)이라고 자신있게 추천드립니다.
믹스패널(Mixpanel)의 모토는 ‘#AnalyticsForAll, 모든 직군을 위한 분석’인 만큼 쉬운 사용성을 자랑하는데요. 이를 통해 제품에 관련된 누구나 1) 동일한 데이터를 기반으로 2) 빠른 문제 파악과 깊은 수준의 분석을 가능하게 하며 3) 효율적인 의사 결정으로 4) 의미있는 액션이 가능해 집니다.
믹스패널(Mixpanel)을 활용한 지표 측정을 더 알아보고 싶으시다면, 비즈니스별 데모도 무료로 제공하고 있으니, 체험해 보세요. (회원가입이 필요합니다.)
샘플 대시보드 : https://mixpanel.com/public/1t7vQLYiwuToGA4Farn7ht
데모 프로젝트
Ecommerce: https://mixpanel.com/project/3018488/view/3536632/app/boards#id=5128983
Finance: https://mixpanel.com/project/2132741/app/boards#id=3679967
B2B/SaaS: https://mixpanel.com/project/2195193/app/boards#id=4209117
Media: https://mixpanel.com/project/2138137/view/290551/app/boards#id=3509437
Social: https://mixpanel.com/project/2131829/app/boards#id=3672992
Other: https://mixpanel.com/project/2144029/app/boards#id=3673164
7. 끝 마치며
이 글을 통해 North Star Metric(북극성 지표)가 어떤것인지, 왜 필요한지와 올바른 설정법에 대해서 알아보았습니다.
더 나은 프로덕트를 만들기 위해 북극성 지표 및 트래킹 툴 도입을 고민중이시라면 mixpanel@mfitlab.com 으로 언제든지 문의주세요.
전문 컨설턴트가 상황에 맞춘 도입을 도와드릴게요.
*이 글은 믹스패널 블로그 포스트를 참고하여 작성하였습니다.
마켓핏랩 솔루션즈
[프로덕트 데이터 분석] 초보자 편 03. 프로덕트 데이터 분석 개념과 사례
*이 글은 프로덕트 데이터 분석은 무엇인지, 올바른 프로덕트 분석을 위한 4단계 프로세스와 단계별 사례를 소개하는 글입니다.
이런 분들께 도움이 될 거예요.
✅ 프로덕트 데이터 분석 주요 개념이 생소한 PM/PO/마케터
✅ 프로덕트 분석 툴을 도입을 고민 중인 PM/PO/마케터
✅ 프로덕트 분석 툴 실무 활용이 막막한 PM/PO/마케터
앞서 프로덕트 데이터 분석이 무엇인지 기본 개념 설명과 어떤 이벤트를 추적할지 계획하는 트래킹 플랜 작성 및 이벤트 심기(구현)에 관해서 이야기했습니다. 이번에는 프로덕트 데이터 분석 개념과 사례를 소개하겠습니다.
1. 프로덕트 데이터 분석이란?
프로덕트 데이터 분석 Product data analysis 과 데이터 분석 data analysis 차이
프로덕트 데이터 분석이란 프로덕트와 관련된 데이터를 수집, 분석하여 비즈니스 의사결정을 돕는 활동을 말합니다. 데이터 분석은 더 광범위하게 데이터를 수집하고 분석 및 활용하는 활동입니다.
일반적으로 데이터 분석은 크게 4단계로 나눕니다. (*위키피디아 - Data Analysis 참고)
문제 이해 & 정의
문제 분석에 맞는 데이터 선별 및 수집
수집한 데이터 분석
관계자와 분석 내용 소통 및 의사 결정
데이터 분석의 목적에 따라 각 단계에서 구체적으로 할일이 달라집니다. 프로덕트 데이터 분석은 말 그대로 프로덕트에 관련된 문제를 다루므로 분석 목적과 범위가 특정되어서 1-4단계가 어느정도 정형화됩니다. 그래서 믹스패널 Mixpanel 과 같은 특정분석을 손쇱게 할 수 있는 PA도구가 나올 수 있었던것이죠.
그러면 프로덕트 데이터 분석시 각 단계에서 어떤일이 일어나는지 구체적으로 살펴보겠습니다. 이해를 돕기 위해 흔히 접할수 있는 이커머스 서비스를 예를 들어 설명하겠습니다.
프로덕트 데이터란 제품 관계되어 일어나는 주요 사건들을 말합니다. 흔히 사용자 행동 User behavior 또는 이벤트 Event 데이터라고 말합니다. 이커머스 서비스에서 일어나는 주요 사건은 상품 검색, 상품 상세 페이지 조회, 장바구니 담기, 상품 구매 등이 있습니다.
그러면 이제부터 데이터 분석의 4단계가 각각 어떻게 적용되는지 살펴보겠습니다.
2. 프로덕트 데이터 분석의 4단계
1) 문제 이해 & 정의
프로덕트를 중심으로 데이터 분석한다는 것은 프로덕트가 사용자에게 제공하는 가치(Jobs to be done)를 중심으로 분석한다는 걸 말합니다. 프로덕트에서 제공하는 중요한 가치를 경험할때 일어나는 이벤트를 핵심 이벤트(Critical Event)라고 합니다. 핵심 이벤트가 많이 발생하면 프로덕트가 제 몫을 하고 있다고 볼 수 있습니다. 그렇지 않다면 뭔가 문제가 있는거죠. 프로덕트 데이터 분석에서 문제정의는 핵심이벤트가 일어나는 맥락 분석이라고 할 수 있겠습니다.
이커머스 서비스는 일반적으로 소비자가 온라인으로 상품을 손쉽게 구매할 수 있도록 만들어졌으므로 상품 구매가 핵심 이벤트라고 할 수 있습니다.
프로덕트 데이터 분석 - 핵심 이벤트란?
2) 문제 분석에 맞는 데이터 선별 및 수집
어떤 데이터를 수집할지 그리고 그 데이터에는 어떤 정보가 어떤 형태로 수집해야하는지 결정하는 단계입니다. 당연히 핵심 이벤트와 관련 이벤트를 수집해야겠죠. 사용자 행동을 손쉽게 표현 및 분석 할수 있도록 적절한 형태로 수집하게 됩니다 . 믹스패널에서는 이벤트 event (사건 이름) 와 이벤트속성 property (사건과 관계된 주요 정보들) 이라는 형태로 데이터를 수집합니다. 앞서 논의 했던 트래킹 플랜 작성 및 이벤트 심기(구현)가 이 단계에 해당됩니다.
3) 데이터 분석
데이터 분석도 핵심 이벤트를 중심으로 진행합니다. 핵심 이벤트 중심의 프로덕트 데이터 분석은 크게 두 가지로 나눌수 있습니다.
유저에게 핵심 이벤트 경험시키기 (활성화 Activation)
지속적으로 핵심 이벤트 경험시키기 (리텐션 Retention)
1, 2 항목 모두 비슷한 방식으로 분석합니다. 핵심 이벤트를 경험한 집단과 경험하지 않은 집단의 차이 또는 핵심 이벤트를 적게 경험한 집단과 많이 경험한 집단의 차이를 조사하는 것이죠. 핵심 이벤트와 관계된 맥락 이벤트들이 잘 수집되고 있다면 두집단 비교 분석이 쉬워집니다.
이커머스 서비스를 예로 들면 사이트 방문자중에 상품을 구매한 사용자와 그렇지 않은 사용자 집단을 만들어서 비교 분석하면 원인을 추정할수 있습니다.
구매 퍼널을 상품 검색 → 상품 조회 → 상품 구입 이라고 했을때 상품 구입한 사람과 구입하지 않은사람이 어떤 상품을 많이 검색 했는지 비교할수 있습니다.
프로덕트 데이터 분석 - 믹스패널(Mixpanel) 이커머스 Funnel 리포트 사용 예시
상품 구입 사용자 그룹이 신발을 많이 검색 했고 구매했고, 미 구입 사용자는 모자를 많이 검색했지만 구매를 안했다면 모자 상품 재고 조사나 상품 수를 늘리는 접근을 할 수 있습니다.
프로덕트 데이터 분석 - 믹스패널(Mixpanel) 이커머스 행동에 따른 사용자 분석 예시
PA 도구에는 이 분석을 효과적으로 수행하도록 돕는 기능이 준비되어 있습니다. 믹스패널(Mixpanel), 구글 애널리틱스(GA4), 앰플리튜드(Amplitude) 모두 퍼널(Funnel) 리포트와 리텐션 (Retention) 리포트 빈도 리포트 그리고 특정 사용자를 그룹으로 묶는 코호트(Cohort) 혹은 세그먼트(Segment) 기능을 제공합니다.
*믹스패널(Mixpane) vs GA4 vs 앰플리튜드(Amplitude) 대표 PA 툴간의 차이가 궁금하시다면 여기를 클릭하세요.
3-1) 데이터 분석 그룹분석 심화 (부록)
PA 도구에서는 여러가지 방법으로 그룹을 만들 수 있습니다. 다양한 방법으로 그룹을 만들어서 각각 그룹이 활성화 또는 리텐션과 어떤 관계가 있는지 다각도로 분석합니다.
그룹을 만드는 다양한 방식을 살펴보세요.
속성기준
사용자 속성 : 나이, 성별, 지역, 유입 채널 등
이벤트 속성 : 상품 카테고리, 제조사, 가격대 등
행동 기준
핵심 이벤트를 얼마나 많이 일으키는가
핵심 이벤트를 얼마나 자주 일으키는가
핵심 이벤트를 경험하기까지 얼마나 걸리는가?
이커머스 예시
상품 구매를 적게한 그룹 vs 많이한 그룹
상품 구매를 자주하는 그룹 vs 가끔하는 그룹
상품 구매 시 구매 금액이 큰 그룹 vs 적은 그룹
구매까지 걸리는 시간이 짧은 그룹 vs 긴 그룹
4) 관계자와 분석 내용 소통 및 의사 결정
이제 관계자들과 분석 내용에 대해 논의하고 제품 개선이나 마케팅 등의 의사결정을 합니다. 지금까지 일관적으로 다뤘듯이 핵심 이벤트 분석에 대해서 공통된 이해가 있어야 효과적으로 논의를 진행 할 수 있습니다. 이는 문제 정의 단계에서부터 주요 이해 관계자들이 참여해야한다는 것을 말합니다.
3. 끝마치며
지금까지 프로덕트 데이터 분석의 기본 개념에 대해서 살펴봤습니다. 프로덕트 데이터 분석의 목적과 범위를 제대로 이해하지 못하면 엉뚱한 데이터를 수집하거나 PA 도구로는 하기 어려운 분석을 하게 됩니다. 비즈니스 의사결정에 영향이 없거나 적은 일에 리소스가 낭비되는거죠. 오늘 설명한 개념을 기반으로 효과적인 프로덕트 분석 하시길 바랍니다.
믹스패널과 같은 제품 분석 도구는 주요 데이터 분석 기능을 효과적으로 수행하게 돕는 다양한 기능을 제공합니다. 직관적인 UI/UX로 데이터 분석 초보자도 손쉽게 사용할 수 있습니다.
프로덕트 데이터 분석에 대해서 더 궁금하신 분은 mixpanel@mfitlab.com 언제든지 문의주세요. 다양한 서비스 분석 경험이 있는 컨설턴트가 1:1 맞춤 상담을 도와드릴게요.
*이 글에서는 프로덕트 데이터 분석에서 알아야할 최소의 정보를 담았습니다. 추후 고급 내용도 공유드리도록 하겠습니다!
마켓핏랩 솔루션즈
[프로덕트 데이터 분석] 초보자 편 02. 제품 분석 툴 설치 구현하기
*이 글은 믹스패널(Mixpanel) 및 제품 분석 도구(Product Data Analysis)가 이벤트를 수집하기 위해 진행하는 구현(Implementation) 과정을 소개하는 글입니다.
이런 분들께 도움이 될 거예요
✅ 프로덕트 데이터 분석 주요 개념이 생소한 PM/PO/마케터
✅ 프로덕트 분석 툴을 도입을 고민 중인 PM/PO/마케터
✅ 프로덕트 분석 툴을 도입 중 개발팀과 협업이 막막한 PM/PO/마케터
앞서 프로덕트 데이터 분석이 무엇인지 기본 개념 설명과 어떤 이벤트를 추적할지 계획하는 트래킹 플랜에 관해서 이야기했습니다. 이번에는 코드를 심는 행위인 구현(Implementation) 에 관해서 설명드리겠습니다.
*트래킹 플랜에서 다룬 이벤트와 이벤트 속성 개념을 이해하시면 읽는데 도움이 될 거에요.
1. 구현(Implementation) 소개
흔히 어떤 아이디어를 프로그램화시키는 행위를 구현 Implementation 한다고 합니다. 데이터 분석을 위해서는 필요한 이벤트를 수집하도록 프로그램화해야 합니다. 제품상에서 사용자가 특정 행동을 했을 때 이벤트를 발생시키도록 추적 코드를 제품 코드 사이에 끼워 넣는 것이죠.
이 작업은 다음의 순서로 진행됩니다.
1. 제품 분석 도구 워크 스페이스 만들기
2. 이벤트 수집 용 SDK 셋업
3. 적절한 곳에 이벤트 발생 코드 넣기
4. 이벤트가 정상적으로 발생했는지 테스트하기
*SDK란? Software Development Kit 의 약자로 개발을 도와주는 도구를 말합니다. 대부분의 제품 데이터 분석 도구는 이벤트 추적 코드 구현을 쉽게 할 수 있게 돕는 SDK를 제공합니다.
믹스패널(Mixpanel)을 사용하여 웹 쇼핑몰의 “장바구니 담기”라는 사용자 행동 이벤트 추적 코드를 구현해 보겠습니다.
1. 믹스패널에서 프로젝트를 하나 만듭니다. 프로젝트는 프로젝트 토큰이라고 부르는 저마다 고유의 식별자 코드를 가지고 있습니다. 이 토큰은 이벤트를 전송할 주소가 됩니다. 엉뚱한 토큰을 넣으면 다른 프로젝트로 이벤트가 전송되니 주의하세요!
2. 믹스패널에서 제공하는 웹 SDK 코드를 쇼핑몰 사이트에 넣습니다.
3. 아래와 같은 일련의 코드만 웹페이지에 넣고 mixpanel.init("믹스패널 프로젝트 토큰") 하면 사용 준비는 끝납니다. (참 쉽죠?)
4. “장바구니 담기” 버튼 클릭이 처리되는 코드에 추적 코드를 심습니다.
쇼핑몰에는 장바구니 담기를 처리하는 코드가 이미 있죠. 거기에 “장바구니 담기 이벤트가 발생했다”라는 추적 코드를 추가합니다.
5. 웹사이트를 방문하여 장바구니 담기 버튼을 클릭하고 해당 이벤트가 믹스패널 서버로 보내졌는지 확인합니다.
6. 아래 그림처럼 믹스패널 프로젝트에서 실시간으로 전송된 이벤트를 확인할 수 있습니다.
구현하기 - 장바구니 담기 버튼 이벤트 클릭 발생 예시
2. 구현 소요 시간
구현시간은 개발팀 리소스 여유, 서비스의 복잡도, 이벤트 수, 이벤트 속성 값 유형에 따라 달라집니다. 100개 이하의 이벤트를 추적하는 코드를 구현한다면 개발에서 테스트까지 2-4주 정도면 가능합니다. 이벤트 수가 적을수록 빠르게 구현할 수 있으므로 프로덕트 데이터 분석 경험이 적다면 초기에는 적은 수의 이벤트를 수집하고 점점 늘려가는 것을 추천합니다.
3. GTM을 사용해서 직접 이벤트 심기
GTM google tag manager 를 사용한다면 웹환경에서는 비교적 개발자의 손을 덜 빌리고 구현할 수 있습니다.(대신 GTM 역량은 있어야 합니다😉) GTM은 비개발자도 쉽게 웹사이트에 태그를 추가하고 관리할 수 있도록 돕는 도구입니다. 간단한 이벤트는 GTM 을 사용해서 수집할 수 있지만, 웹사이트 기능이 복잡하고 이벤트가 상세할수록 개발자의 작업이 필요해집니다. 믹스패널에서는 GTM탬플릿을 제공하니 체크해 보세요.
4. 클라이언트 사이드 트래킹 vs 서버 사이드 트래킹
지금까지는 클라이언트 사이드 트래킹 기준으로 설명드렸습니다. 클라이언트 사이드 트래킹이란 사용자가 사용하는 프로그램에 이벤트를 심는 걸 말합니다. 사용자가 방문하는 웹사이트나 직접 다운로드한 App 상에 이벤트 추적 코드를 심는 거죠. 이 방법 외에도 서버에서 이벤트를 추적하는 방식도 있습니다. 대부분의 서비스들은 서버와 통신하며 작동하므로 서버가 받은 사용자 요청을 기반으로 이벤트를 추적할 수 도 있습니다.
클라이언트 사이드 트래킹은 SDK를 사용해서 쉽게 구현할 수 있는 장점이 있지만 애드블러커 같은 기능을 사용하는 유저의 데이터는 유실될 가능성이 있습니다.
서버사이트 트래킹은 애드블러커로 인해 이벤트가 유실되지는 않지만 SDK를 사용할 수 없으므로, 지역, 기기, OS 등 SDK가 자동으로 수집했던 정보를 직접 처리해야 합니다.
클라이언트, 서버 사이트 트래킹에 대한 더 자세한 내용은 믹스패널 도움말 (영문)을 참고하세요.
구현하기 - 클라이언트 사이드 트래킹 vs 서버사이드 트래킹
4. 끝 마치며
지금까지 제품 분석 도구 구현 과정에 대해서 살펴봤습니다. 믹스패널과 같은 제품 분석도구는 다양한 환경에서 간편하게 추적 코드를 구현할 수 있는 환경을 제공합니다. 따라서 구현 난이도 자체는 낮은 편이라고 할 수 있습니다. 이벤트의 수가 적다면 더욱더 쉬워지고요. 만약 개발 리소스 때문에 프로덕트 분석 도구 도입을 망설이고 있다면 작게라도 시도해 보시는 걸 권합니다. 10-20개 정도 이벤트는 1-2일 정도면 충분할 거에요.
이벤트 추적코드 구현과정에 대해서 더 궁금하신 부분이 있다면 mixpanel@mfitlab.com 으로 언제든지 문의주세요. 다양한 서비스 및 플랫폼에서의 구현(Implementation) 경험이 있는 컨설턴트가 1:1 맞춤 상담을 도와드릴게요.
>> 믹스패널 컨설팅 자세히 보러가기
>> 믹스패널 블로그 더 보러가기
마켓핏랩 솔루션즈
[프로덕트 데이터 분석] 초보자 편 01. 트래킹 플랜이란
*이 글은 프로덕트 데이터 분석(Product Data Analysis)을 시작하시는 분들께 트래킹 플랜(Tracking Plan)의 개념과 올바른 작성법에 대해 알려드립니다.
이런 분들께 도움이 될 거예요
✅ 프로덕트 데이터 분석 주요 개념이 생소한 PM/PO/마케터
✅ 프로덕트 분석 툴을 도입을 고민 중인 PM/PO/마케터
✅ 프로덕트 분석 툴을 도입했지만 잘 사용하지 못하고 있는 PM/PO/마케터
안녕하세요. 프로덕트 데이터 분석(Product data analysis) 초보자 시리즈 두 번째 글입니다. 이번엔 트래킹 플랜 Tracking Plan (이벤트 텍소노미 Event Taxonomy라고도 부릅니다)에 대해서 알려드리겠습니다. 트래킹 플랜은 제품 데이터 분석을 위해서 수집할 이벤트를 선별하는 작업을 말합니다. 트래킹 플랜의 주요 용어와 개념, 트래킹 플랜이 왜 필요하고, 어떻게 작성해야 하는지 초보자도 알기 쉽게 알려드리겠습니다.😃
*프로덕트 데이터 분석이라는 주제가 생소하신 분은 프로덕트 데이터 분석 소개글을 읽어보세요.
1. 주요 용어와 개념 설명
프로덕트 데이터 분석이란 사용자가 제품을 어떻게 사용하는지 파악해서 제품 개선을 돕는 일을 말합니다. 데이터 분석을 하기 위해는 사용자의 행동 데이터를 수집해야 합니다. 각각의 사용자가 제품을 사용하면서 특정 행동을 했을 때 해당 정보를 서버로 전송하여 행동 정보를 기록합니다. 일반적으로 이벤트와 이벤트 속성이라는 형식으로 데이터를 저장합니다. 트래킹 플랜은 제품 내의 수많은 이벤트 중에 어떤 이벤트와 속성을 수집할지 계획하는 작업입니다. 지금 부터 이벤트 데이터를 정의하는 주요 용어를 설명하겠습니다.
믹스패널 Mixpanel 의 이벤트, 이벤트 속성, 사용자 속성
1) 이벤트 Event
이벤트란 제품 내에서 일어난 사건을 지칭하는 용어입니다. 주로 사용자 행동을 나타냅니다. 예를 들어 장바구니 담기 버튼 클릭, 결제 페이지 진입, 검색어 입력처럼 사용자가 제품을 조작했을 때 해당 이벤트가 발생했다고 합니다. 이벤트를 선별한다는 것은 어떤 사건은 추적하고 어떤 사건은 추적에서 제외할 것인지 결정하는 활동입니다.
2) 이벤트 속성 Event property
이벤트가 발생했을 때 이벤트와 관련된 상세 정보를 말합니다. 예를 들어 장바구니 담기 버튼을 클릭했을 때 장바구니에 담은 제품 이름, 가격, 종류 등이 이벤트 속성입니다. 이벤트 속성은 각각 이벤트에 종속됩니다. 이벤트 속성을 선별한다는 것은 얼마나 자세히 정보를 추적할 것인지 정하는 활동이라고 할수 있습니다.
3) 사용자 속성 User property
하나의 이벤트에 종속되지 않고 사용자가 일으킨 전체 이벤트와 관계된 속성을 사용자 속성이라고 부릅니다. 사용자 나이, 성별, 회원등급 등이 대표적입니다. 이런 속성은 사용자가 제품 내에 일으킨 모든 이벤트에 상세 정보를 제공합니다. 장바구니 담기를 분석하는데도 사용할 수 있고 검색어 입력 이벤트를 분석하는데도 사용할 수 있습니다. 예를 들어 장바구니 담기를 많이 하는 연령대는 얼마인지 분석할 수 있습니다.
이해를 돕기 위해 장바구니 담기라는 사건을 사례로 설명해 보겠습니다.
골드 등급 회원 20대 남성 A는 2023년 5월 21일 오후 2시 35분에 270 사이즈 흰색 나이키 에어 포스(DV0788-100) 신발을 장바구니에 담았다. A가 지금까지 총 구매한 상품은 3개이고 총 구매 금액은 25만 원이다.
여기서 이벤트는 장바구니 담기입니다.
장바구니 담기 이벤트의 속성은 다음과 같습니다.
이벤트 속성(Event Property) 예시
유저 A의 사용자 속성은 다음과 같습니다.
사용자 속성(User Property) 예시
이처럼 제품 내에서 일어나는 사건들을 정해진 형식에 맞춰 믹스패널과 같은 분석 도구로 전송합니다. 이렇게 쌓인 데이터를 기반으로 다양한 반식으로 제품 데이터 분석을 할 수 있게 됩니다.
2. 트래킹 플랜을 작성하는 이유
이벤트를 수집하는 이유는 프로덕트 데이터 분석을 하기 위해서 입니다. 그러므로 트래킹 플랜은 데이터 분석을 계획하는 활동이라고도 할 수 있습니다. 따라서 트래킹 플랜을 잘 못 짜면 데이터 분석이 어려워집니다. 어떤 사건이 왜 많이 일어났는지 분석하고 싶어도 그 이벤트나 상세 정보를 제대로 수집하지 못했다면 원하는 분석을 할 수 없습니다. 예를 들어 장바구니 담기 이벤트는 수집했지만 상품 종류 속성을 수집하지 않았다면 어떤 종류의 상품이 장바구니에 많이 담겼는지 확인할 수 없습니다.
또 트래킹 플랜은 데이터 분석할 때 소통 도구가 됩니다. 팀원들은 트래킹 플랜 체계를 기반으로 데이터 분석을 하고 서로 소통합니다. 이해하기 어렵게 작성되어 있으면 데이터 분석에 어려움이 생깁니다. 트래킹플랜은 모두가 이해하기 쉽도록 작성되어야 합니다.
마지막으로 트래킹 플랜은 제품에 이벤트 추적 코드를 심는 활동 즉 구현 Implementation의 로드맵이 됩니다. 개발자는 트래킹 플랜을 바탕으로 제품 내에 추적 코드를 심습니다. 트래킹 플랜이 잘 작성되어야 동일한 이벤트를 중복 수집하거나 엉뚱한 정보를 수집하는 일을 피할 수 있습니다.
3. 간편 트래킹 플랜 작성 가이드
트래킹 플랜을 잘 짜기 위해서는 여러 가지 고려해야 할 것이 많습니다. 이 글은 초보자를 대상으로 하기 때문에 가장 기본적인(하지만 중요한) 사항만 설명드리겠습니다.
트래킹 플랜은 크게
1. 무엇을 분석할지 정하기
2. 사용자 여정 User Journey을 기반으로 이벤트 정의하기
3. 핵심 이벤트를 중심으로 사용자 속성 정의하기
순으로 작성합니다.
1) 무엇을 분석할지 정하기
먼저 무엇을 분석할 것인지 정합니다. 이는 어떤 이벤트를 수집할지 결정하는 기준이 됩니다. 분석하는데 필요한 정보는 수집하고 필요 없는 정보는 제외하는 거죠. 이 단계가 부실하면 필요 없는 데이터를 과도하게 수집하는 일이 일어납니다. 트래킹 플랜 초보자들이 흔히 하는 실수로, 어떤 이벤트를 수집할지 결정하지 못해서 제품 내의 모든 이벤트를 수집하려고 합니다. 이러면 제품팀의 인적/물적 자원이 의미 없는 데이터를 추적하는데 낭비됩니다. 또한 의미 없는 데이터가 중요한 데이터를 보는 것을 방해해서 데이터 분석을 어렵게 만들기도 합니다. 이 단계에서 분석 리스트를 만들고 중요한 분석 항목을 선별해야 합니다. 우선순위는 제품의 목적이나 시기에 따라 달라집니다.
트래킹 플랜 작성 가이드 - 분석 목적 예시
2) 사용자 여정을 기반으로 이벤트 정하기
그다음으로 각 분석 주제별로 사용자 여정을 파악하고 여정에 속하는 이벤트들을 정의합니다. 예를 들어 회원가입 여정에서는 최종 이벤트는 회원가입 완료입니다. 여정의 시작 이벤트는 회원가입 버튼 클릭입니다. 다음으로 사용자 인증, 상세 정보 입력 등이 올 수 있습니다.
정리하면 회원가입 여정의 이벤트는
"회원가입 버튼 클릭(여정 시작) → 사용자 인증 → 사용자 정보 입력 → 회원가입 완료(여정 끝)가 됩니다."
이처럼 사용자 여정을 면밀히 파악해서 빠짐없이 각각의 이벤트를 정의합니다.
3) 핵심 이벤트를 중심으로 이벤트 속성 정하기
마지막으로 이벤트 속성을 정의합니다. 사용자 여정은 사용자를 최종 이벤트에 도달하는 걸 목표로 설계됩니다. 회원가입 여정은 회원가입을 시도하는 사용자를 최종 이벤트인 회원 가입 완료까지 효과적으로 도달시켜야 합니다. 우리는 이 여정이 그 목적을 효과적으로 수행하고 있는지 분석해야 하고요. 그러므로 이벤트 속성은 그 마지막 이벤트가 왜 일어났는지 혹은 왜 일어나지 않았는지 분석하는데 도움되는 정보를 제공해야 합니다.
트래킹 플랜 작성 가이드 - 회원가입 여정 이벤트 속성 정의 예시
위 예시처럼 회원가입 완료와 관계된 속성값은 인증 방식의 차이 일수도 있고 세부정보 입력에 어려움(이름 중복 문제)을 겪고 있을 수 있습니다. 이벤트 속성은 이런 세부 맥락을 제공하도록 정의해야 합니다. 제품팀은 수집한 세부 정보를 바탕으로 사용자 여정을 개선하게 됩니다.
4. 끝 마치며
지금까지 트래킹 플랜의 주요 용어와 작성하는 이유 그리고 간단한 작성법까지 살펴봤습니다.
제품 개발과 마찬가지로 트래킹 플랜은 한 번에 완성되는 것이 아닙니다. 제품과 같이 지속적으로 관리/개발된다고 볼 수 있습니다. 꾸준히 관심을 갖고 관리하지 않으면 처음에 잘했던 데이터 분석도 어려워질 수 있습니다. 제품 개발을 계획할 때 트래킹 플랜도 같이 관리해야 합니다.
프로덕트 데이터 분석 경험이 적은 경우에는 트래킹 플랜 짤 때 많은 분석을 하려고 하기보다는 가장 중요한 것 위주로 소수의 이벤트만 수집하고 점진으로 확장하는 것을 추천드립니다.
마켓핏랩 솔루션즈는 믹스패널 도입 컨설팅을 하면서 다양한 도메인의 트래킹 플랜을 작성 및 검토한 경험이 있습니다. 트래킹 플랜 작성 또는 프로덕트 데이터 분석에 궁굼한 점이 있다면 마켓핏랩 솔루션즈에(mixpanel@mfitlab.com) 문의 해보세요.