감으로 지표 설정 No! 일잘러가 지표 보는 법

데이터, 이걸 모른다면 제대로 볼 수 없습니다

💡 10분 안에 이런 걸 알려드려요!

● 지표의 구조를 모르고 데이터를 바라볼 때 흔히 하는 실수 2가지(feat. 나의 데이터 파악 유형 진단하기)

● 문제 해결을 위한 올바른 판단이 가능해지는 지표 접근법 3단계

● 지표 구조를 한눈에 파악하는 지표 트리 작성법과 비즈니스 모델별 예시

저자 : 스타트업 7년 차 PO 다람쥐

다들 '데이터 드리븐'이 중요하다던데, 우리는 잘 하고 있는 걸까?

한 번쯤은 이런 생각을 해보신 적이 있을 거예요. 막상 데이터 기반으로 일하려고 해도 고민되는 점이 한두 가지가 아니기도 하고요. 데이터를 활용하려고 전월 대비 클릭률 NN% 상승률을 체크하거나 복잡한 엑셀 함수를 써서 그래프도 만들어 보지만, 결국 이런 고민을 하게 됩니다.

● 현실에서 그 데이터로 문제를 해결하거나 상대를 설득하는 건 참 어렵다.

● 목표 KPI나 OKR 달성을 위해 열심히 했는데, 지표의 유의미한 변화가 없다.

데이터는 분명 모으고 있고, '전환율' 같은 지표의 의미도 아는데 말이죠. 하지만 데이터를 통해 제대로 된 판단을 하기 위해서는

● 데이터를 볼 때 자주 하는 실수를 주의하고,

● 지표의 구조를 이해하며,

● 지표 간의 관계를 볼 줄 아는 관점이 필요합니다.

실수를 인지하고, 구조와 접근 방식을 익히면 문제의 원인을 찾기 위해 더 정확한 질문을 할 수 있기 때문입니다. 좋은 질문을 통해 관련 있는 데이터를 확인하면 PM·PO로서 더 빠르게 성장할 수 있을 거예요.

이번 아티클은 크게 3가지 부분을 핵심적으로 다루는데요. 글을 읽으면서 나는 잘 하고 있는지, 내 업무에 무엇을 적용해야 할지 상상하면서 읽어보세요.

● 첫째, 데이터를 볼 때 흔히 하는 실수 2가지 점검하기

● 둘째, 지표의 구조와 관계성 해석하기

● 셋째, 주요 비즈니스별 지표 트리 한눈에 보기

데이터를 볼 때 흔히 하는 실수 2가지 점검하기

흔히들 '데이터를 본다'고 생각하는데, 사실은 제대로 활용하지 못하는 경우가 많아요. 이번 챕터에서는 가장 흔하게 발생하는 실수 두 가지를 점검해 봅시다.

🙅🏻‍♂️실수 1. 해결하려는 문제가 없거나, 명확하지 않다

제 초년생 시절의 경험 하나를 공유해 드릴게요. 팀원들과 고생해서 출시한 서비스가 있었는데, 사람들이 잘 쓸지 반응이 궁금해서 바쁜 와중에도 데이터를 보고 싶다는 욕심이 생겼어요.

그래서 '데이터 추출 요청 → csv파일 다운로드 → 엑셀 업로드 및 정리 → 그래프로 시각화 → 한두 문장으로 결과 요약 → 팀원들과 공유' 이런 과정을 수십 번 거쳤죠.

'성과'가 무엇인지 정의하지 않았고, 그래서 무엇을 할 것인지에 대한 '해결책'도 없었던 거죠. 데이터를 본다는 건, 크게 두 가지 목적을 가집니다.

● 첫째, 유의미한 성과를 내기 위해 필요한 일을 알아내는 것

● 둘째, 관계자들이 현재 상태와 주제를 이해하고, 구체적인 행동으로 옮길 수 있는 결론을 도출하는 것

부끄럽지만 당시엔 '아무도 안 시켰지만 나는 주도적으로 데이터로 성과를 확인했어!'라고 생각했어요. 데이터를 정말 '보기만'하면서 시간만 들인 거죠. 이 글을 읽는 누군가도 '데이터의 중요성'을 익히 들었고, '일 잘하고 싶은 마음'에 저와 같은 시간을 보내고 있지 않을까 짐작해 봅니다.

우선, 스스로가 데이터를 어떤 식으로 보고 있는지 진단부터 해보시길 바랍니다. 가장 바람직한 방법은 각 과정을 순서대로 거치는 거예요.

● 문제 정의부터 시작하기

● 정의했다면 관련 데이터 확인하기

● 데이터끼리 비교·평가·분석하면서 원인 파악하기

● 해결 방안을 도출하고 실행하기

사실 현업에서 이런 과정을 제대로 따르는 경우는 보기 드문데요. 각 단계를 제대로 하는지, 안 하는지에 따라 크게 4가지 유형으로 나눠볼 수 있습니다.

이 글을 보시는 여러분은 자기만족으로 그치시나요? 열심히 데이터 정리만 하고 계시나요? 혹은 데이터는 보지 않고, 스스로 내린 결론으로 행동하는 유형인가요? 나의 행동을 돌아보는 것이 나아지는 것의 시작입니다. 이번 시간에 솔직하게 스스로를 돌아보고, 나아질 지점을 생각해 보세요.

🙅🏻‍♂️실수 2. 정의한 문제와 확인한 데이터가 관련이 없다

[문제 정의→데이터 확인→원인 파악→해결책 도출]까지 다 했다고 생각하지만, 모든 과정이 엉성할 때 일어나는 실수입니다.

예를 들어, 점심을 먹다가 옆 팀 팀장님이 이런 얘기를 꺼냅니다.

지난 달 데이터를 확인했는데, 주문 건수가 감소했더라고. 제품별로 확인해보니까 '주방 용품'이 제일 많이 감소해서, 관련 프로모션을 할까 고민 중이야.

이 말을 언뜻 들으면 팀장님의 상황을 이렇게 파악할 수 있습니다.

● 팀장님의 고민 = 매출 감소

● 그래서 확인한 것 = 가장 많이 감소한 품목

하지만 신선 식품 주문 건수가 줄어든 게 진짜 원인일까요? 그 외에 이런 이유들이 내재되어 있을 수도 있지 않을까요?

● 이사 시즌, 새 학기 등이 지나서 원래 주방 용품이 떨어지는 시기인 건 아닐까?

● 구매 관련 개발 이슈 때문에 [결제 시도] → [결제 완료] 확인을 보내는 과정에서 Latency(지연)이 생겨서 유저들이 구매를 하다 만 건 아닐까?

● 타사에서 관련 용품의 금액을 더 낮춰서 공격적으로 마케팅한 건 아닐까?

● 떨어졌다는 의미가 작년 동월 대비해서 혹은 월평균보다 감소했다는 뜻이 아닐까?

● 지난달에 바꾼 결제 관련 UX에서 버튼을 찾기 어려워서 이탈한 건 아닐까?

이렇듯 수많은 요소들이 원인이 될 수 있어요. 그래서 '어떻게 생각을 정리할지' 접근 방식을 아래 2가지 질문을 통해 다시 뾰족하게 정의해야 해요.

Q1. 나는 무엇을 해결하고 싶은가?

Q2. 나는 무엇이 알고 싶은가?

위 사례의 문제는 '매출 감소'이고, 이 두 가지 질문을 해보면 이런 결과에 이를 수 있어요.

이렇게 보면 '전월 대비 가장 많이 감소한 품목'만 보고 결론을 내려서, 해결 방안을 결정할 게 아니라

● 1) 영향을 끼치는 원인을 나열해 보고,

● 2) 그걸 확인할 수 있는 지표를 선택할 수 있습니다.

지표를 확인해 보고, 만약 '구매 고객 수'가 문제라면 최근 MAU(월간 활성 사용자 수), DAU(일간 활성 사용자 수), 구매 전환율 등을 더 자세히 확인해서 현재 상태를 파악해야 합니다.

그런데 정의한 문제의 원인을 제대로 분석하려면 지표들끼리 영향을 주고받는 '관계'를 알아야 합니다. 상호작용하고 있는 전체 지표 구조를 머릿속에서 쉽게 그릴 수 있어야 정의한 문제와 관련돼 있고, 의사결정에 도움이 되는 데이터를 볼 수 있어요. 이 부분은 뒤에서 좀 더 자세히 설명할게요.

💡 핵심 정리!

● '데이터'를 잘 보기 위해 '문제 정의'부터 '해결책 실행'까지 잘 하고 있는지 점검해 봅시다.

● 문제를 명확하게 정의한 다음, 반드시 관련된 데이터를 보고 원인을 파악해야 합니다.

지표의 구조와 관계성을 해석하는 3단계 접근법

1단계: 지표를 파고들어 진짜 원인 찾기

앞서 말했듯 '문제'를 정의하고, 어떤 지표를 볼지 선택하는 과정을 통해 '진짜 원인 찾기'에 한 발짝 더 다가갈 수 있습니다. 하지만 '원인'을 한 번의 질문으로 찾기는 어렵습니다. 그래서 5 Why 방법론, 쉽게 말해 문제를 해결하려면 다섯 번의 'why'를 물어봐야 한다는 개념도 있는 거고요.

예를 들어, 매출 감소라는 문제를 해결하기 위해 여기에 영향을 끼친 다양한 원인을 살펴봤다고 가정해 보죠. 그리고 그 원인이 '거래 성사율'이라는 걸 알게 됐어요. 그럼 여기서 끝일까요?

원인이라고 생각했던 '거래 성사율'도 알고 보면 '판매자 수 급감'이라는 원인 때문에 생긴 결과 혹은 문제일 수도 있어요.

이걸 모르고 '거래 성사율'에 그쳤다면, 아마도 최근 12개월 치 데이터를 추출해서 월별 거래 성사율과 월별 활성 판매자 수의 그래프를 그리고 있었을 거예요. 그리고 누군가 '그걸 왜 하고 있어?'라고 물어보면 '거래 성사율 추이 분석을 통해 매출에 어떤 영향을 끼쳤는지 보여드리기 위한 설득 자료로 데이터 시각화하는 중이에요'라고 하겠죠.

하지만 진짜 원인을 분석하기 위해서는 그들의 관계를 이해하고, '진짜 원인'을 찾기 위해 더 쪼개봐야 합니다. 여기서 지표 감각이 있는 PM·PO라면, 한 발짝 더 나아가 판매자 수가 감소한 원인까지 파고 들어서 '진짜 원인'을 찾아볼 거예요.

💡 핵심 정리!

● '지표'는 상황에 따라 '결과' 혹은 '원인'이 될 수 있어요.

● '진짜 원인'을 파악하려면 멈추지 말고 계속 파고들어야 해요.

2단계: 선행 지표에 집중하기

앞서 우리는 모든 상황이 결과이기도 하고 원인이 되기도 하니, 원인 파악을 위해서는 더 잘게 쪼개 봐야 한다는 걸 이해했습니다.

그 개념을 '지표'에 도입해보면 크게 2가지로 나눠볼 수 있어요.

● 선행 지표: 먼저 발생해서 영향을 끼친, 원인이 된 지표

● 후행 지표: 영향을 받은 이후에 만들어진 결과

예를 들어, 누구나 중요하게 생각하는 매출이나 DAU는 여러 요인들이 영향을 끼친 후행 지표죠.

후행 지표들은 '결과'이기 때문에 우리가 직접 통제하거나 변경하기 어려워요. 그렇기 때문에 이 결과를 바꾸려면 여기에 영향을 끼친 부분들을 바꿔야겠죠. 예를 들어, 매출(후행 지표)을 바꾸기 위해 주문서 전환율(선행 지표)을 개선하거나, 문제가 발생하는 지점을 찾기 위해 전환까지의 퍼널*(선행 지표)을 살펴볼 수도 있을 거예요.

*퍼널을 분석할 때는 <PM·PO·기획자의 판단력을 높여주는 퍼널 분석법> 아티클을 참고하셔도 좋습니다.

이처럼 어떤 변화를 만들어서 목표를 이루기 위해서는 영향을 끼친 '진짜 원인'을 나열하고, 그중에서 실행 가능하고 통제 가능한 일들을 해야 합니다.

💡 핵심 정리!

● 결과 중심의 '후행 지표'에 영향을 끼친 '선행 지표'를 확인합니다.

● '선행 지표' 중에서 통제 가능하고, 임팩트가 크며, 당장 실행 가능한 것에 집중합니다.

3단계: 지표 트리로 도식화하기

이렇게 영향을 끼친 요소들을 나열하고, 봐야 할 지표를 선택해서 관련성을 확인하는 일련의 과정이 복잡하게 느껴질 수 있어요. 이럴 때, '지표 트리'로 도식화하면 한눈에 파악하기 쉽습니다. 지표 트리는 업종과 상관없이 원리와 접근 방식만 알면 모든 서비스들에 적용할 수 있는 장점을 갖고 있어요.

우선, 도식화하지 않고 글로 정리해 볼까요?

[목표: 분기 결제 금액 NN원 달성]

● 1차 선행 지표: 결제 금액 = 주문 건수×주문 금액

● 2차 선행 지표: 주문 건수 = 구매 고객 수×고객당 주문 빈도

● 3차 선행 지표: 구매 고객 수 = 활성 사용자 수×구매 전환율

이렇게 선행 지표와 선행 지표의 선행 지표, 선행 지표의 선행 지표의 선행 지표를 계속 나열하면 가독성이 당연히 떨어질 수밖에 없습니다.

이번에는 트리 형태로 도식화를 해보죠. 이렇게 도식화하고 나면 '숲을 본다'라는 게 어떤 느낌인지 감이 올 거예요.

아까 줄글로 나열한 것과 다르게 지표 구조가 한눈에 들어오죠? 우리 서비스의 필수 지표 Top 10의 데이터를 그저 단편적으로 조회할 게 아니라, 이렇게 전체 그림을 그려봐야 진짜 원인도 확인하고 제대로 된 질문도 할 수 있답니다. 지표 트리가 원인을 파악하고, 의미 있는 질문을 만드는 데 효과적인지에 대해서는 다음 챕터에서 더 자세히 설명드릴게요.

우선, 지표 트리를 작성하는 방법은 간단합니다.

● 우리가 자주 보는 주요 목표(후행 지표) 1개를 선택합니다.

● 후행 지표에 영향을 끼치는 1차 원인 후보(선행 지표)를 나열합니다.

● 1차 선행 지표들에 영향을 끼친 2차, 3차 선행 지표도 나열합니다.

● 지표들끼리의 관계를 비교·분석해서 보완할 행동과 집중할 행동을 선택합니다.

구체적인 '행동'이 나와야 데이터를 보는 의미가 생기기 때문에 4번까지 완수하는 게 목표라는 점을 꼭 기억해 주세요.

개인적으로 저는 이직을 하고, 도메인이 바뀌면서 '개선 구간'을 찾을 때 헤맸었는데요. 이때 지표 트리를 쓰기 시작하면서 크게 3가지 장점을 느꼈습니다.

● 첫째, 도식화를 하면 함께 일하는 분들도 같은 숲을 바라볼 수 있어요. 특히 전환(계약)까지의 사이클이 길고, 내가 모르는 생소한 분야가 많은 B2B SaaS에서 사일로 현상(부서 이기주의) 때문에 발생하는 고충을 듣곤 하는데요. 직접 그림을 그려보면 우리가 모여서 각자 어떤 역할을 맡고, 서로 어떤 영향을 끼치는지 전체를 바라보는 관점이 생길 거예요.

● 둘째, 원인을 분석할 지표를 선택하기 쉬워져요. 같은 레벨끼리의 선행 지표 데이터를 비교하거나, 선행 지표와 후행 지표 간의 관련성을 파악하는 등 큰 고민 없이 분석할 지표를 떠올릴 수 있어요.

● 셋째, 기댓값을 계산할 때 유용해요. 만약 특정 지표가 두 배가 된다면 매출에 어느 정도 영향을 끼칠지 시뮬레이션 해봐야 기대 효과도 구체화됩니다.

예를 들어, 지표 트리를 토대로 "매출 = 1,000명의 고객 X 5%(결제 전환율) X 10만 원(결제 평균 금액 )"이라는 공식을 만들어 두면,

→ 결제율을 6%까지 올릴 만한 아이템의 매출이나 인당 결제금액을 12만 원까지 내야 하는 아이템을 진행했을 때의 "예상 기대 매출"을 계산해 볼 수 있어요. 그래서 구조를 미리 알면 어떤 일을 하려고 할 때 이 일의 임팩트를(기대 매출) 예측할 수 있고, 스스로 확신을 가지거나 타인을 설득할 근거가 훨씬 탄탄해져요.

💡 핵심 정리!

● 후행 지표에 영향을 끼친 선행 지표(원인 후보)들을 각 계층별로 나열해서 지표 트리를 만들어 보세요.

● 여러 지표들간의 관련성을 확인하면서 해결하려는 문제의 원인을 분석해 보세요.

주요 비즈니스별 지표 트리 한눈에 보기

앞서 말한 지표 트리는 '비즈니스 모델'과 필연적으로 밀접하게 연결돼 있습니다. 모든 조직은 성과를 내야 하고, 성과란 '매출'과 깊은 연관이 있으니까요. 그래서 이번 챕터에서는 매출을 발생시키는 구조, 즉 비즈니스 모델별로 어떤 선행 지표와 후행 지표들을 가졌는지 살펴보려고 해요.

참고로, 지표의 구성과 비즈니스 모델별 지표 트리는 PM들이 집중해야 할 7가지를 정리한 책*에서 일부 발췌해 왔는데요. 이걸 토대로 실무에서는 어떻게 적용하면 좋을지 쉽게 알려드릴게요. 더 궁금하시면 책을 직접 보시는 것도 추천합니다.

*관련 도서: Product Management's Sacred Seven: The Skills Required to Crush Product Manager Interviews and be a World-Class PM

세상에 정말 많은 비즈니스 모델이 존재하지만, 이번 아티클에서는 이 글을 읽는 많은 분들이 공감하실 법한 4개의 비즈니스 모델 위주로 살펴볼게요.

예시1: 이커머스 모델

우선, 가장 많은 비즈니스 모델인 이커머스는 제품이나 서비스를 판매해서 수익을 발생시키는 구조입니다.

🔍 이런 개념이에요

'매출'을 후행 지표로 둔다면, 다음의 공식이 생길 거예요.

● 매출 = 주문 건수×주문 금액

● 주문 건수 = 구매하는 고객의 수×고객의 주문 빈도

● 주문 금액 = 주문 품목 수×주문 품목당 단가

👉 이렇게 접근해 봐요

만약 '주문 건 수 감소'가 문제라면, 문제의 원인을 분석하기 위해 영향을 끼칠 수 있는 '구매 고객 수' 데이터를 함께 볼 수 있어요. 만약 관련이 없다면, '고객당 주문 빈도'를 다시 살펴봐야겠죠. 즉, 선행 지표와 후행 지표 간을 분석하거나, 선행 지표와 선행 지표를 분석하는 등 관계성을 파악해서 근거가 될 만한 것들을 찾는 거죠.

🧑‍💻 이런 액션을 취할 수 있어요

'주문 건수 = 구매하는 고객의 수(A)×고객의 주문 빈도(B)' 구조에서

● 구매 고객의 수(A)를 늘리는 활동을 하거나,

● 고객당 주문 빈도(B)를 늘리는 활동을 하거나,

● 혹은 둘 다 해볼 수도 있어요.

해결 방안까지 도출하려면, 원인 분석을 계속해야 합니다. 만약 원인 분석이 잘 되었다면, 매출 감소를 개선하자는 문제점이 다음과 같이 구체화될 수 있을 거예요.

● 유저 1명당 월평균 결제 횟수를 1.5번에서 2번으로 개선하기 위해 제품 라인업을 보완하기

● 결제 전환율(0.1%)을 2배 개선하기 위한 해결 방안 마련하기

이러한 접근법을 통해 어떤 행동을 해야 하는지는 각자의 상황에 따라 다를 거예요. 이 과정에서 떠오른 생각들을 실제로 진행해 보세요. 여러분 각자가 매일 고민하는 일이기 때문에 지표 트리를 보다 보면 어떤 행동을 해야 할지 그 누구보다 가장 잘 떠올리실 수 있을 거예요.

예시2: 마켓 플레이스 모델

양방향 거래인 마켓 플레이스 모델은 제품 및 서비스가 거래되기 위해 공급자와 수요자가 한곳에 모여 거래가 성사되는 플랫폼 비즈니스죠. 택시 서비스, 중고 거래 플랫폼, 음식 배달 서비스 등이 여기에 속합니다.

🔍 이런 개념이에요

마켓 플레이스는 수요자와 공급자 사이에 거래가 일어나야 하고, 거래가 성공했을 때 수수료가 발생하므로, '거래 성사 수×수수료'와 같은 공식을 써볼 수 있어요. 거래가 성사되려면 당연히 판매자와 구매자가 있어야 하고, 그들을 만나게 해주는 매칭 로직이 있어야 합니다.

👉 이렇게 접근해 봐요

판매자는 많은데 구매자가 없는 게 아닌지, 판매자와 구매자 모두 적당한데 서로의 니즈가 맞지 않아서 거래가 성사되지 않는 건 아닌지, 거래 규모는 큰데 수수료 비율이 너무 낮은 건지 등 지표들 간의 관계성을 확인해 보세요.

🧑‍💻 이런 액션을 취할 수 있어요

구매자 수가 점점 줄어든다면 제품 개발과 데이터 직군은 신규 구매자가 줄어들었는지, 이탈 구매자가 더 늘었는지 확인해 봐야겠죠. 효율적인 매칭에 문제가 있다면, R&D 팀이 알고리즘을 확인해서 개선하고, 거래 성사 수에 비해 매출 증가 기울기가 아쉽다면 비즈니스 팀이나 유관 부서에서 지금 수준의 수수료가 적당한 것인지 고민해야겠죠.

예시 3: 광고 수익 모델

UGC*라고도 불리는 광고 수익 모델은 서비스를 사용하는 사용자 수(트래픽)를 모아서, 서비스를 이용하는 중에 광고를 보게 하고, 광고 구좌를 판매해서 수익을 발생시키는 구조입니다. 유튜브가 가장 대표적이죠.

*User Generated Content, 사용자가 직접 콘텐츠를 생산하는 서비스

🔍 이런 개념이에요

실제 제품 대신 광고를 판매한다고 생각하면 쉬워요.

● 매출 = 광고를 노출시킬 수 있는 슬롯 수×광고당 매출

● 광고 슬롯 = 조회하는 콘텐츠 수×콘텐츠당 광고 수

예를 들어, 100만 번 영상이 조회되고, 1번의 영상당 2개의 광고가 노출된다면, 2만 개 광고(제품)를 내보낼 수 있는 것이죠.

👉 이렇게 접근해 봐요

각 지표의 데이터를 채워 넣어 보고, 조회되는 콘텐츠 수를 늘릴 수 있겠죠. 콘텐츠 개수를 늘리기 어렵다면 콘텐츠당 광고 수를 늘려보는 방법도 고민할 수 있어요. 현실적으로 내일 당장 콘텐츠를 5배, 10배로 공급할 수 없기 때문에 무엇에 집중해야 할지 선택하고, 중단기 플랜을 짜는 것도 좋겠죠.

🧑‍💻 이런 액션을 취할 수 있어요

공급되는 콘텐츠를 늘릴 수 없다면, 체류 시간을 늘릴 방법을 생각해 봐야 할 거예요. 현재 우리 사용자들의 체류 시간은 어떤지 확인하고, 하루에 약 30분을 쓴다면 40분을 머물게 하기 위해 인기 많은 콘텐츠를 다시 보여주기로 했다고 가정해 볼게요. 그럼 어떤 콘텐츠가 인기가 많았는지 데이터를 봐야겠죠.

우리가 쓰는 틱톡이나 인스타그램도 우리가 오랫동안 체류하게 만들기 위해 그런 고민을 했을 거예요. 이렇게 꼬리에 꼬리를 물면 '무엇'을 할 수 있을지, '어떤' 데이터를 봐야 할지 올바른 질문을 통해 근거가 될만한 데이터를 찾아볼 수 있습니다.

예시 4. 구독형 모델

제품이나 서비스를 일회성으로 판매하는 게 아니라, 정기적으로 구독함으로써 매출을 발생시키는 비즈니스예요.

🔍 이런 개념이에요

정기 구독은 일회성의 물건 구매가 아니기 때문에 '유료 전환율'이 독특한 지점이에요. 그래서 매출은 '유료 사용자 수×고객 평생 가치(LTV)'라는 공식으로 도출됩니다. 유료 사용자가 증가하고, 서비스에서 지불하는 기간과 금액이 높을수록 매출이 증가할 테니까요.

👉 이렇게 접근해 봐요

다른 것과 마찬가지로, 전환율이 높은지, 구독 해지율은 어떤지 살펴보고, 고객 생애 가치에서 매출액과 매출 원가의 비율과 추이도 확인해 보세요.

🧑‍💻 이런 액션을 취할 수 있어요

만약 문제가 '유료 사용자 수 감소'라면,

● 전체 무료 사용자 수가 충분한지,

● 무료 사용자 수는 꽤 많은데 '유료 전환율'이 낮은 건 아닌지,

● 무료 사용자 수가 적다면 신규 고객이 적은 건지, 혹은 기존 고객 중 이탈 사용자가 많아진 건지 등을 데이터로 확인해야겠죠. 추가적으로, 이탈은 주로 어느 정도 기간에 하는지, 1차 이탈인지, 2~3회 구독하고 재이탈하는 것인지도 살펴보면 좋겠죠.

'데이터를 보는 것'만으로 해결되는 문제는 없다

지금까지 올바르게 지표를 보고 있는지 스스로 점검하는 것부터 지표의 관계성을 이해하고, 주요 비즈니스 모델별 지표 트리를 보면서 접근 방법과 액션 플랜까지 살펴봤습니다.

이번 아티클을 통해 관성적으로 지표를 보고 있었던 것은 아닌지, 지표를 보고 적극적으로 '행동'하고 있는지 점검해 보는 기회가 되셨길 바랍니다. 이런 글을 읽을 정도로 일에 진심인 분들이라면 더 나은 방향으로 나아갈 수 있을 거예요.

사실 공적인 일이든, 사적인 일이든 모든 목표는 무겁고 막연하죠. 하지만 그 무게에 압도되는 대신, 구조를 파악하고, 영향들을 계속해서 잘게 쪼개보고, 해야 하는 일 중에 할 수 있는 일을 해보세요. 또, 의사결정의 근거가 되는 데이터를 찾아보면서 숲을 보고, 나무를 보는 연습을 지금부터 찬찬히 익혀보세요. 그러면 막연하던 지표도 어느 순간 잘 보이기 시작하고, PM·PO로서의 역량도 한 단계 업그레이드될 거예요.

다시 한번 강조하자면, 데이터를 보기만 하면 그 무엇도 바뀌지 않습니다. 반드시 구체적인 행동으로 이어져야 문제가 해결될 수 있어요.

시점에 따라 전사의 목표가 변할 수도 있고, 이직을 한다면 맡게 될 서비스도 바뀔 수 있어요. 하지만 지표를 구성하는 원리와 목표 지표를 마주하는 마인드를 갖춘다면 어디서 언제 어떤 일을 해도 크고 작은 목표를 침착하게 이뤄낼 수 있습니다.

👀 바쁘다면 이거라도

문제 해결을 위한 올바른 판단이 가능해지는 지표 접근법 3단계

● 1단계: 지표를 파고들어 진짜 원인 찾기

- '지표'는 상황에 따라 '결과' 혹은 '원인'이 될 수 있음

- '진짜 원인'을 파악하려면 멈추지 말고 계속 파고들기

● 2단계: 선행 지표에 집중하기

- 결과 중심의 '후행 지표'에 영향을 끼친 '선행 지표'를 확인하기

- '선행 지표' 중에서 통제 가능하고, 임팩트가 크며, 당장 실행 가능한 것에 집중하기

● 3단계: 지표 트리로 도식화하기

- 후행 지표에 영향을 끼친 선행 지표(원인 후보)들을 각 계층별로 나열해서 지표 트리 만들기

- 여러 지표들간의 관련성을 확인하면서 해결하려는 문제의 원인 분석하기

©모든 저작권은 해당 콘텐츠 제공자 또는 해당 콘텐츠 제공자와 퍼블리가 공동으로 보유하고 있으며, 콘텐츠의 편집 및 전송권은 퍼블리가 가지고 있습니다.