데이터 분석을 위한 지표 설계 기초

 

데이터 분석가로 취업 준비를 하면 많이 들었을 공동적인 단어들이 있다.

 

 

지표가 어쩌고 분석 방법이 어쩌고 ...

 

 

 

당장 "데이터 분석가"라는 직무를 채용 공고에 쳤을 때 나오는 (25.03.17 기준) 업무 내용을 발췌해봤다.

- 신규 분석 지표 개발 및 데이터를 통한 비즈니스 의사 결정 지원
- 프로덕트 전반에 관한 지표 정의 및 설계
- 서비스 핵심 지표 정의 및 대시보드 구성/관리
- 서비스 지표 수립, 가설 도출과 검증, 마케팅 전략 등 분석 프레임워크를 설계하고 서비스 오너들과 협의하여 인사이트를 도출
- 서비스의 다양한 데이터 결을 이해하고 구조화하여 의사결정에 적합한 핵심 지표 제공

 

모두 다른 기업의 채용 공고에서 요구하는 주요 업무 내용이다.

여기에서도 빠지지 않고 지표, 프레임워크, 데이터 이해에 대한 내용이 보인다.

 

 

지표란 무엇인가?

 

우리는 어떤 지표를 어떻게 세워서 고객(경영진)에게 우리의 결과를 입증할 것인가?

 

 

 

분석가는 숫자로 의사결정을 지원한다.

그리고 어떤 수치를 보여줄 건지 정하는 것도 분석가의 몫이다.

 

 

예를 들어보자.

 

 

이번 주의 인스타그램 게시물 광고 구매 전환율은 5%입니다.
이번 달 신규 가입자 수는 지난 달 대비 200명 증가했습니다.
한 달에 2번 이상 구매하는 유저의 비율이 15% 상승했습니다.

 

 

 

빨간색 텍스트는 어떤 숫자를 말할 건지의 기준이 된다.

파란색 텍스트는 그 기준에 따른 숫자가 된다.

 

 

결국

지표란 비즈니스와 캠페인 현황과 결과를 보여주는 숫자이다.

분석이란 지표를 통해 추출할 수 있는 정보로, 이 정보를 활용해 인사이트를 얻는 활동을 일컫는다.

 

 

 

이 두 정보의 교집합 속에서 우리는 분석 시작 전 초기 설정한 비즈니스 목표에 도달해야 한다.

 

 즉, 다음과 같은 관계도가 그려진다.

패스트캠퍼스 강의안 中

 

그렇다면 지표 설계가 어려운 이유는 뭘까?

 

 

지표는 그 자체로 비즈니스를 설명하지 않는다. 간접적으로 설명을 할 단서로서 작용하기 때문이다.

여기서 우리는 성공에 숨겨진 지표를, 즉 원인을 찾아 정성적 요인을 정량적 지표로 설명해내야 하기 때문이다.

 

 

지표 설계 시 다음 사항을 고민해볼 수 있다.

어떤 비즈니스 모델을 가진 서비스인가 ?

서비스 라이프 사이클을 고려할 때 우리는 어떤 단계 ?

지금 가장 신경 쓰이는 단 하나의 문제는 무엇인가 ?

우리가 원하는 행동을 하는 사용자와 그렇지 않은 사용자는 ?

 

 

 

예시로 서비스 라이프 사이클에 따른 지표를 들어볼 수 있다.

• 서비스가 초기 사용자를 모으고 서비스의 주요 기능 경험을 유도해야 한다면 : 결제율
• 비즈니스 모델이 검증됐고 명확한 타겟 사용자로부터 매출 증대를 바란다면 : ARPPU

 

그렇다면,

좋은 지표를 정의하기 위해 체크해 볼 4가지 사항을 정리해보자.

 

 

<Valuable> - 허영 지표가 아니어야 한다.

 

메인 지표가 고객 가치와 이어지지 못하면 비즈니스를 잘못된 경로로 이끌 위험이 존재한다.

 

 

<Actionable> - 실행 가능해야 한다.

 

지표는 실제로 영향을 줄 수 있거나 / 줄 수 있다고 믿는 것이어야 한다.

 

→ 액션이 가능하면서, 통제 가능한 범위여야 한다.

→ 비즈니스가 포함된 시장의 추세를 다루거나 경쟁사 등의 통제 불가능한 지표가 되지 않도록 주의!

 

<Understandable> - 직관적으로 받아들일 수 있어야 한다.

 

지표는 비즈니스 모든 구성원이 확인하고 판단하며 업무을 분배할 수 있도록 조력해야 한다.

지표를 정확히 정의하여 구성원 누구나 한눈에 이해할 수 있도록 구성되어야 한다.

 

e.g. 결제 전환율

→ 결제 건 수 / 결제하기 버튼 클릭 수

→ 결제한 회원수 / 누적 가입자수

→ 오늘 결제한 회원수 / 오늘 접속한 회원수

 

이와 같이 '결제 전환율'이라는 지표 내에서도 기업 구성원들이 이해 가능한 척도로 구체적인 설명이 필요하다.

 

<Measurable> - 수집, 측정, 분석이 가능해야 한다.

 

지표를 데이터화하고 수집할 수 없다면 고객에게 가치를 주는 지표라도 좋은 지표가 될 수 없다.

간접적이고 가정과 계산이 들어간 지표(Proxy metric)이라도 유효한 지표가 될 수 있다.

 

<프록시 지표(Proxy metric) >

• 가정이 많이 들어간 간접적인 지표
• 직접적으로 측정할 수 없는 중요 지표를 간접적으로 나타낼 때 사용
  • 활성 사용자는 의미 있지만 직접 측정이 불가능한 지표
    • 프록시 지표로 전환 → 가입 후 X기간동안 Y기능을 Z회 이용한 사용자
  • e.g. 인스타그램 : 가입 후 7일 동안 검색 기능을 5회 이용한 사용자

 

 

Metrics를 정의하는 3가지 구성 요소

 

 

지표 구성 시 주의할 점

• 지표는 비즈니스의 상황에 따라 계속 변화한다.
• 현재의 상황에서 비즈니스에 가장 효과적이고 설명 가능해야하지만, 수식적 , 통계적 , 비즈니스적으로 완벽한 지표를 만든다는 생각은 버릴 것 !

 

 

 

다음 포스팅에서 지표 설정 프레임워크에 대해 더 정리해보겠다.

 

 

 

 

 

 

 

본 포스팅은 패스트캠퍼스 강의를 기반으로 개인이 학습하며 정리 및 재구성했습니다.