PART 1. 눈 가리고 아웅하지 말기
CHAPTER 1 : 우리는 모두 거짓말쟁이
우리는 업무나 사업을 진행하면서 정도의 차이는 있지만, 현실왜곡을 위해 모두 거짓말을 한다. 제대로 된 결정적 증거도 없이 어떤 것이 진실이라고 사람들을 설득해야 한다. 하지만, 어느 정도는 자신을 속일 필요도 있지만, 사업을 위험에 빠뜨릴 정도라면 곤란하다.
바로 이런 이유로 데이터가 필요하다. 직감을 이용하는 것이 나쁘다는 게 아니다. 단, 직감을 테스트 해야 한다. 직감이 실험이라면, 데이터는 증거다.
| 린 스타트업 운동
린스타트업 운동이 최근 들어 각광을 받는 것은 기업을 구축하는 방식이 근본적으로 바뀌고 있기 때문이다. 제품의 첫 버전을 만드는 비용이 이전보다 매우 저렴해지고 있다. 우리는 디지털 세계에 살고 있고 데이터 비트는 무료다. 그 결과. 일단 제품이나 기능을 구현한 후에 효과를 측정하고 거기에서 교훈을 얻은 다음 더 좋은 제품을 구축할 수 있게 되었다. 즉, 현재 아이디어를 계속 밀고 나갈지 아니면 다른 아이디어로 바꿀지의 여부를 일찍 결정하고 이런 과정을 빨리 반복할 수 있다. 바로 여기서 '분석'이 중요한 역할을 한다. 경영학의 대가 피터 트러커(Peter Ferdinand Drucker)는 "측정할 수 없는 것은 관리할 수 없다."고 말했다. 이 말이 가장 잘 들어맞는 것이 린 모델이다. 린 모델을 통해 창업가는 제품을 계발하고 시장 진출 전략을 세우며 고객의 니즈를 파악하는 시스템을 구축하는 이 모든 일을 동시에 수행할 수 있다.
| 현실왜곡장에 구멍 내기
대부분의 창업가는 힘든 고비를 여러 번 넘기게 마련이다. 사업에 어려움이 전혀 없다는 것도 이상하다. 창업가는 사업의 고비를 오래전부터 이렇게 될지 알고 있었을 것이다. 삐걱거리는 잡음은 감지했으나 당시에는 현실왜곡장에 갇혀 주위를 둘러보지 못하고 자신만 믿은 채 계속 나갔을 것이다. 그 결과, 어느 순간 실패하고 만다. 따라서, 현실왜곡장에 덜 의지하고 린 분석에 좀 더 의지하길 바란다. '린'은 사업을 구축하는 훌륭한 방법이다. 그리고 '분석 체계'는 항상 데이터를 분석하고 분석하는 걸 가능하게 해 준다. '린'과 '분석 체계'는 둘 다 단순한 프로세스가 아니라 사고방식이다. 린하면서 분석적인 사고란 올바른 질문을 품고 자신이 목표하는 변화를 가져다줄 한 가지 핵심 지표에 집중하는 것이다.
CHAPTER 2 : 다양한 지표
분석의 본질은 사업에 매우 중요한 지표를 추적하는 것이다. 일반적으로 이런 지표가 중요한 이유는 사업 모델과 관련이 있기 때문인데 사업 모델이란 매출원, 비용, 고객 수, 고객 확보 전략의 효율성 등을 말한다.
| 좋은 지표란 어떤 것인가
• 좋은 지표는 상대적이다.
어떤 지표를 놓고 시대별, 사용자 그룹별, 경쟁자별로 비교할 수 있으면 상황을 이해하는 데 도움이 된다. 예를 들면, '지난주보다 전환율이 증가했다'가 '전환율이 2%다'보다 더 좋은 정보다.
• 좋은 지표는 이해하기 쉽다.
이해관계자들이 지표를 기억하고 그 지표에 대해 대화를 나눌 수 없다면 데이터의 변화를 현실의 변화로 옮기기 어렵다.
• 좋은 지표는 비율로 표현된다.
- 비율은 행동에 반영하기 쉽다. ▶︎ 변화의 속도를 알면 속도에 따라 다르게 행동할 수 있다.
- 비율은 비교의 속성이 있다. ▶︎ 특정 지표를 비교해보면 어떤 현상이 일시적인지 아니면 장기적인 추세인지 알 수 있다.
- 비율은 다소 대조적인 요소들이나 내재된 갈들이 있을 요소들을 비교하기 좋다. ▶︎ 상관관계나 인과관계에 대한 비교에 용이하다.
• 좋은 지표는 행동 방식을 바꾼다.
좋은 지표는 사용자를 유지하고 입소문을 내고 고객을 효율적으로 확보하고, 매출을 발생시키고 싶어 하는 우리의 목표와 부합하며 바로 이런 이유 때문에 좋은 지표는 우리의 행동을 바꾼다. 단, 행동이 바뀌려면 지표와 원하는 행동의 변화가 서로 관련이 있어야 한다.
사업의 근간이 되는 숫자들을 들여다보기 시작하면 짝을 이루는 지표들을 발견할 수 있고, 이런 지표를 통해 매출 / 현금 흐름 / 사용자 채택 같은 핵심 지표를 가늠할 수 있다. 올바른 지표를 선택하려면 다음의 다섯 가지를 염두해야 한다.
정성적 지표와 정량적 지표
정략적 데이터는 감정을 싫어하고, '무엇'과 '얼마나 많이'에 대한 답을 제공한다면
정성적 데이터는 감정을 반영하고, '왜'에 대한 답을 제공한다.
허상 지표와 실질 지표
겉으로 보기에는 번지르하지만, 실제 행동에 옮길 수 없는 데이터는 허상지표다. 데이터는 정보를 제공해주고 방향을 제시해주며 사업 모델을 개선시키고 행동 방침을 결정하는 데 도움이 되어야 한다. 어떤 지표를 볼 때마다 스스로 "이 정보로 무엇을 할 수 있을까?" 물어야 한다. 예를 들면, 전체 가입자 수는 허상 지표다. 시간이 지날수록 숫자는 증가하며, 우상향 그래프를 그릴 테니. 하지만 우리가 어떤 행동을 해야 하는지는 전혀 알려주지 않는다. 이와 달리, '활동 사용자 비율'은 실질 지표다. 제품을 수정하면 이 수치가 변할 것이고, 이 지표를 기준으로 실험과 학습을 반복해 제품을 개선시킬 수 있다.
탐색 지표와 보고 지표
위 그림에서 스타트업과 가장 밀접한 것은 '모른다는 것을 모르는 것'이다. 즉, 시장을 뒤흔들 새로운 뭔가를 발견하기 위해 탐색하는 것이다. 탐색은 스티브 블랭크가 스타트업이 해야 할 일이라고 말한 것, 즉 확장할 수 있고 반복할 수 있는 사업 모델을 찾는 일과 부합한다.
선행 지표와 후행 지표
선행 지표와 후행 지표는 사용 목적이 다르다. 선행 지표(선행 지수)는 미래를 예측하는 데 사용된다. 예를 들면 영업 퍼널의 현재 잠재 고객 수를 보면 앞으로 신규 고객을 얼마나 확보할지 예상할 수 있다. 만약 현재 잠재 고객 수가 너무 적으면 신규 고객을 크게 늘기 힘들 것이다. 반면에 특정 기간 동안 이탈한 고객의 수를 나타내는 '이탈률' 같은 후행 지표는 문제가 있다는 것을 알려준다. 그러나 데이터를 수집하고 문제를 파악할 즈음이면 대응하기 너무 늦으며 이탈한 고객은 쉽게 돌아오지 않는다. 후행 지표에 대해 조치를 취할 수 없는 건 아니지만, 소 잃고 외양간 고치는 격이다.
궁극적으로는 추적 중인 지표가 좀 더 유리한 의사결정을 신속하게 내리는 데 도움이 되는지 판단해야 한다. 선행 지표는 앞으로 일어날 일을 보여주므로 개선 주기를 단축시키고 시간과 비용을 줄여준다.(보다 집중해야 하는 이유!)
상관 지표와 인과 지표
상관 관계는 앞으로 일어날 일을 예측하는 데 도움을 준다. 그런데 어떤 일의 원인을 발견하는 것은 그 일을 바꿀 수 있다는 의미다. 보통 인과관계는 단순한 일대일 관계가 아니다. 많은 요소가 복합적으로 작용해서 어떤 일을 발생한다. 따라서, 100% 완벽한 인과관계를 알아내기는 힘들다. 사업에서 인과관계를 입증하려면 상관관계를 찾고 그다음 변수를 통제하면서 차이를 측정하는 실험을 해야 한다. 항상 인과관계를 찾으려 항상 노력해야 한다.
목표 수정
처음에 결정한 목표치는 확고 불변한 목표가 아니라 가변적인 목표다. 왜냐하면 무엇을 성공적이라고 해야 할지 아직 모르기 때문이다. 우리는 소비자가 우리 제품을 어떻게 사용할지조차 알 수 없다. 우리의 가정과 사용자의 실제 행동은 크게 다를 수 있다. 따라서, 타당성을 입증할 수 있다면 상황에 맞게 목표를 수정하는 것이 합리적이다.
고객 세분화, 코호트, A/B 테스트, 다변량 분석
테스트는 린 분석의 핵심이다. 테스트란 시장 세분화, 코호트 분석, A/B 테스트를 통해 두 가지를 서로 비교하는 것이다.
• 고객 세분화
고객군이란 공통의 특징을 공유하는 집단이다. 다양항 기술적 정보와 인구통계학적 정보에 따라 세분화한 다음 한 고객군을 다른 고객군과 비교한다. 특정 고객군의 활동이 더 활발하다면 그 이유를 조사해서 알아낸 후, 다음 다른 고객군에게도 그 성공을 복제하려고 노력해야 한다.
• 코호트 분석
코호트 분석은 시간을 두고 비슷한 그룹을 비교하는 것이다. 각 사용자 그룹을 코호트라고 부르는데, 다시 말해 사용자 생애 주기의 여러 단계에 위치해 있는 실험 참가자들이다. 시간이 흐르면서 핵심 지표 값이 전반적으로 좋아지는지 알아보려면 코호트를 서로 비교하면 된다. 예를 들어, 고객이 가입한 달에 따른 매출 비교를 한다던지 / 매출 데이터의 코호트 분석을 진행할 수 있다. 고객이 거치는 자연스러운 주기를 이해하지 못한 채 모든 고객을 무작정 나누는 대신 고객 생애 주기에 걸쳐 나타나는 패턴을 명확하게 알 수 있다.
• A/B 테스트와 다변량 테스트
테스트 대상인 그룹들에게 동시에 서로 다른 경험을 하게 하는 조사를 횡단적 연구라 부르는데, 방문자의 절반에게는 파란색 링크를 나머지 절반에게는 녹색 링크를 보여주고 어떤 링크가 더 잘 클릭하는지 알아보는 것이 횡단적 연구다. 대상자의 경험에서 한 가지 특징 외 모두가 같다고 가정하면 그것은 A/B 테스트다. 하지만, A/B 테스트는 한 가지 문제가 있는데, 트래픽이 적으면 테스트를 할 수 있는 양이 작아진다. 이런 경우 일련의 개별적인 테스트를 차례로 실시하면 학습 주기가 느려질 테니 다변량 분석이라는 기법을 사용하여 이들 모두를 분석할 수 있다. 다변량 분석에서는 많은 요소 중 어떤 것이 핵심 지표의 개선과 강한 상관관계가 있는지 알아보기 위해 결과에 대해 통계적 분석을 실시한다.
그림은 사용자들을 하위 그룹으로 나눠, 하위 그룹을 분석하거나 테스트하는 네 가지 방법을 보여주고 있다.
✍️ 더 나은 기획자가 되기 위한 독서 한 줄.
자유롭게 생각하고 글 남깁니다.
'📚독서 한줄_' 카테고리의 다른 글
| [성공을 예측하는 LEAN 분석 ] CHAPTER 3,4 (0) | 2021.07.14 |
|---|
