그로스 해킹 _ 지표

그로스해킹에서 지표는 중요한 역할을 한다. 

항해에서 목표지점을 향해 나아갈 때 나침반이 중요한 역할을 하듯이

서비스를 잘 성장시키기 위해서는 제대로된 지표를 발굴해내고, 잘 활용할 수 있어야한다.

 

지표를 선정하는 과정에서 지표의 속성을 잘 구분해야한다. 

지표의 속성에는 두가지가 있다. 스톡(stock)형태와 플로(flow)형태가 그것이다. 

스톡 형태는 시작과 끝이 존재하지 않고, 단지 그 특정 찰나에 관찰할 수 있는 누적된 값을 말한다. 

예를들면 누적 가입자수, 누적거래액 등이 있다. 

플로 형태는 시작과 끝에 대한 시간범위가 존재하며 일정한 시간동안의 변화량 데이터이다. 

예를들면 1월1일 가입자수, 2월1일 하루매출 등이 있다.

사용맥락에 따라 다를 수 있지만, 일반적으로 플로형태의 지표에 더 많은 정보가 있다.

일정한 시간동안의 변화량을 의미하기에 지표의 변화 방향이나 변화 추이, 속도 등을 알 수 있기 때문이다.

 

지표를 명확하게 정의하기 위해서는 사용하는 지표가 측정이 가능해야한다. 또한 지표를 어떻게 측정할 것인지 측정방법에 대한 조작적 정의가 필요하다.

또한 열심히 측정하여 지표 데이터를 얻어내었지만 해당데이터로 행동을 이끌어낼 수 없다면 성과를 낼 수 없다. 행동으로 이어지지 않는 데이터를 허무지표라고 한다. 이러한 허무지표의 예에는 누적다운로드수, 누적 앱 설치, 페이지 뷰 등이 있다. 이러한 것들은 시간이 지나면서 자연스럽게 높아지거나 중요한 수치와 직접적인 관계가 없을 수 있다는 특징을 가진다. 

 

지표를 개선하기 위한 행동이 지표 개선에는 효과를 보였지만, 최종 목표에는 아무런 영향을 주지 못할수도 있다. 팀간 업무 영역이 명확하게 구분이 되어있고, 팀 전체를 조율하는 역할자가 없다면 이런 상황이 자주 발생한다. 따라서 부분적인 관점에서 문제를 해결하기보다는 전체적인 관점에서 지표를 바라보고 최적화해야한다. 전체관점에서 서비스를 최적화하기 위해서는 해당 마케팅 진행에 따른 몇몇 지표의 움직임에 관심을 두기보다는 마케팅이 최종적으로 서비스의 이용자와 총 매출에 어떻게 기여를 하였는지 여러가지 시나리오와 지표를 바탕으로 종합적으로 판단하고 의사결정해야한다. 

 

지표 데이터에서 유의미한 인사이트를 찾아내기 위해서는 데이터를 '쪼개서' 살펴봐야한다. 전체 데이터를 놓고 보았을 때 드러나지 않던 특성들이 쪼개졌을 때 드러나기 때문이다. 하지만 반대로 '쪼개진'데이터에서 성립하는 관계가 전체 데이터에서는 성립하지 않기도 한다. 이러한 현상을 '심슨 패러독스'라고 한다. 

 

데이터 분포가 정규분포를 띈다면 평균값을 대푯값으로 사용할 수 있지만, 데이터에 이상치가 존재한다면 중앙값을 대푯값으로 사용해야한다. 산점도나 상자-수영그림을 간단히 그려봄으로써 데이터의 분포를 파악할 수 있다. 

 

마지막으로 생존자 편향을 피하기 위해서 분석 목표에 맞는 데이터를 신중하게 수집하고 가공해야한다.