헤매어도 한 걸음씩
LEAN ANALYTICS Chapter 2. 다양한 지표 본문
LEAN ANALYTICS 린 분석
Chapter 2. 다양한 지표 를 읽고 정리한 내용입니다.
원제 : Lean Analytics: Use Data to Build a Better Startup Faster
앨리스테어 크롤, 벤저민 요스코비츠 공저/한빛미디어
좋은 지표란 어떤 것인가
분석의 본질 : 중요한 지표를 추적하는 것.
지표가 중요한 이유 : 사업 모델과 관련이 있기 때문.
좋은 지표는 상대적이다.
어떤 지표를 놓고 시대별, 사용자 그룹별, 경쟁자 별로 비교할 수 있으면 상황을 이해하는데 도움이 됨
좋은 지표는 이해하기 쉽다
지표를 기억하고, 지표에 대해 대화를 나눌 수 없다면 데이터를 기반으로 현실을 변화시키기 쉽지 않다
좋은 지표는 비율로 표현된다.
비율은 행동에 반영하기 쉬움 : 목적지에 도착하기 위해 속도를 더 내야할지 느리게 가야할지 알 수 있음
비율은 비교의 속성이 있음 : 긴 기간에 걸쳐 특정 기간의 지표를 비교해보면, 어떤 현상이 일시적인지 아니면 장기적인지 알 수 있음
비율은 다소 대조적인 요소들이나 내재된 갈등이 있는 요소들을 비교하기 쉬움
좋은 지표는 행동 방식을 바꾼다.
"회계' 지표들은 정확한 예측에 도움이 되어야 함. 현재의 사업 모델이 이상적인 사업 모델과 얼마나 근접한지, 실제 결과가 사업 계획에 수렴하고 있는지 알려줌
'실험' 관련 지표들은 제폼, 가격, 시장 최적화에 도움이 됨
지표와 원하는 행동의 변화가 서로 관련이 있어야한다.
만약 지표가 목표와 상관이 없고, 결과적으로 행동변화와 무관하다면 지표측정은 시간낭비에 지나지 않는다.
올바른 지표를 선택하기 위해 염두해둬야 하는 다섯가지
1. 정성적 지표와 정량적 지표
- 정성적 지표
- '왜'에 대한 답 제공
- 관찰이나 경험에 바탕을 두어 실상을 볼 수 있으나 비구조적 & 종합하기 어려움.
- 언어나 문자로 표현된 데이터.
- ex. 리뷰, 인터뷰, 언론보도 등
- 정량적 지표
- '무엇'과 '얼마나 많이'
- 숫자와 통계의 형태 but 정황 정보가 부족
- ex. 별점, 등급 등 측정할 수 있는 데이터
2. 허상 지표와 실질 지표
- 허상 지표
- 행동을 바꿀 수는 없음
- ex. 전체 가입자 수, 방문자 수, 팔로워 수, 수집된 이메일 주소, 다운로드 횟수 등
- 실질 지표
- 행동 방침을 선택할때 도움을 줌
- 활동사용자 비율, 특정 기간에 확보한 사용자 수
data-driven(데이터 주도적)으로 일하고 있는가? 데이터 보다 '주도적'에 포커스를 줘야 한다.
3. 실행에 옮길 수 없는 데이터는 허상 지표
어떤 지표를 볼때마다 스스로에게 "이 정보로 내가 무엇을 할 수 있을까?"를 물어봐야 한다.
조직의 행동을 변화시킬 디표를 골라낼 수 없다면 데이터 주도적으로 일한다고 할 수 없다.
4. 탐색 지표와 보고 지표
- 탐색 지표 : 추론에 기반, 아직 알려지지 않은 내용를 찾는데 목적
- 모른다는 것을 모르는 것
- 보고 지표 : 정상적이고 일상적인 경영 상황을 알리는데 목적
- 모르는 것을 아는 것
- 스타트업 초기 단계에선 ‘모른다는 것을 모르는 것’ 이 가장 중요하다.
- 분석을 통해 사실과 가정을 확인하고 사업 계획이 정확한지 확인할 수 있음
- 분석을 통해 직관을 테읏트하고 가설을 증거로 바꿀 수 있다
- 분석을 통해 필요한 데이터를 구할 수 있다
- 분석을 통해 사업 기회를 찾을 수 있다
5. 선행 지표와 후행 지표
- 선행 지표
- 미래를 예측하는데 도움
- 조치를 취할 수 있기 때문에 후행 지표보다 더 유용
- 선행 지표가 유용하려면 일정 기간 코호트 분석을 하고 여러 고객군을 비교할 수 있어야 함.
- 후행 지표 :
- 과거를 설명
- 문제가 있다는 것을 알려줌. Ex) 이탈률
스타트업 초기에는 현재의 지표값이 미래와 어떤 연관이 있는지 알 수 있을 정도로 데이터가 충분하지 않음 → 후행지표를 먼저 측정한다.
회사 내에서 어떤 부서의 후행지표가 어떤 부서의 선행지표가 될 수 있다.
지표는 앞으로 일어날일을 보여주므로 개선 주기를 단축시키고 시간과 비용을 감소시킨다.
6. 상관 지표와 인과 지표
- 두 지표 값이 함께 움직이면, 두 지표 사이에는 상관관계가 있다.
- 한 지표가 다른 지표를 변하게 하면, 두 지표 사이에는 인과관계가 있다
- 보통 인과 관계는 여러요소가 복합적으로 적용해서 발생함
- 충분히 큰 사용자 샘플이 있으면, 모든 변수를 통제 하지 않고도 신뢰할 만한 테스트 실시할 수 있음
고객 세분화, 코호트, A/B 테스트, 다변량 분석
- 고객 세분화
- 공통의 특징을 공유하는 집단.
- 다양한 기술적 정보와 인구통계학적 정보에 따라 세부화한 다음 한 고객군을 다른 고객군과 비교.
- 코호트 분석
- 시간을 두고 비슷한 그룹을 비교하는 것
- Ex) 제품을 만들고 테스트하는 과정을 계속 반복
- A/B 테스트
- 한가지 문제점 :→ 해결법 : 다변량 분석!
- 구글같은 거대 웹사이트는 트래픽이 충분히 많기 때문에 링크 색깔, 페이지 속도 같은 한가지 요소에 대해 테스트를 하고 결과를 빨리 얻을 수 있지만, 트래픽이 적으면, 트래픽 보다 테스트 할 것이 많을 수있음.
- 다변량 테스트
- 많은 요소 중 어떤 것이 핵심 지표의 개선과 강한 상관관계가 있는지 알아보기 위해 결과에 대해 통계적 분석을 실시한다.
