[오늘의생각] 221006_서비스에 필요한 지표
01. '좋은' 지표 선정하기
읽은 글 1 : https://brunch.co.kr/@journeypark/35
서비스 성공 이끄는 Mixed UX리서치: ①스포티파이
사용자의, 사용자에 의한, 사용자를 위한 지표 | 오늘도 수많은 기획자들이 사용자 서비스 경험을 분석하기 위해 많은 도구와 지표를 살펴보고 있습니다. 기업들 역시 적극적으로 데이터를 수집
brunch.co.kr
읽은 글 2 : https://brunch.co.kr/@ywkim36/25
09화 좋은PM은 '허세 지표/메트릭'을 사용하지 않습니다.
프로젝트를 올바로 이끌기 위해서는 '허세 지표'를 사용하지 말아야 합니다 | 이 글에서 언급되는 PM은 소프트웨어 서비스기업의 프로덕트매니저(오너)/프로그램매니저/프로젝트매니저를 모두
brunch.co.kr
'지금 꼭 필요한 지표가 무엇일까?', '이 지표를 보는 게 맞나?'라는 고민을 작년부터 굉장히 자주 했던 것 같다. 특히 작년에는 데이터 분석 인턴을 하면서 대시보드를 직접 제작했는데, 대시보드가 필요한 배경을 최대한 잘 이해하면서 그에 맞춰 필요한 지표를 추출하려고 노력했던 기억이 난다. (보안상 참여하지 못하는 회의도 회의 종료 후 회의록이나 메모가 공개되면 다 읽어보면서 논의의 흐름을 나름 열심히 따라가려고 했다)
그 후 사이드 프로젝트를 하면서 데이터 분석에서만 그치는 것이 아니라 실제로 무언가를 만들어서 시장에 내야 하는 입장이 되다보니, 지표에 대한 고민이 더 깊어졌다. 솔직하게 반성하자면, 무언가 이상 상황을 감지했을 때나 후다닥 데이터를 들여다보았지, 습관적으로 지표를 관리하면서 선제 대응하는 능력은 너무 부족했다. 반성하면서 지표 관련 글/사례/경험담 등을 듣다 보니 느낀 점은, '좋은' 지표를 보기 위해서는 상황 판단과 우선순위 파악이 정말x100 중요하다는 것이다. '이럴 때는 A라는 지표를 쓰세요'와 같은 친절한 교과서적 답변은 더더욱 없는 분야라는 것을 날이 갈수록 더 깨닫는다.
각설하고, 위 2가지 글도 그런 맥락에서 읽게 된 글인데 배운 점이 많아 기록해둔다.
- 글 1 : 지표는 사용자의 동선에 맞춰 역동적으로 기획되고 해석되어야 한다
- 글1에서는 음원 스트리밍 서비스 스포티파이의 유저 리서치 사례를 소개한다. 스포티파이에서 중요하게 살펴보고 있던 지표 중 하나는 '검색 결과의 상위 검색어 클릭률'이었다고 한다. '검색'은 사용자가 직접 질의를 입력해 콘텐츠를 탐색하는 행위이다. 즉 상당한 노력과 기대를 수반한다. 출력된 검색 결과가 사용자를 제대로 만족시키는지 확인하는 것이 중요하다. 스포티파이가 검색 결과의 상위 검색어 클릭률을 살펴본 이유도 유사한 맥락일 것이다. 그런데 그 때 스포티파이에서 자문한 것이 "상위 검색 결과를 클릭하는 것이 모두에게 성공적인 경험인가?"였다고 한다. 이를테면 탐색적 경험을 선호하는 사용자에게는 별로 중요하지 않은 행위일 수 있다는 것이다. 서비스가 맞닦뜨린 과제나 상황 뿐 아니라 사용자가 누구인가 / 어떤 행동을 하는가의 관점으로 지표의 중요성을 평가해야 한다는 인사이트를 얻을 수 있는 대목이었다.
- 글 2 : 행동 과제를 도출할 수 있는 지표가 좋은 지표이다
- (전반적으로 글2 자체를 너무 재미있게 읽었는데 시리즈로 연재하신 글이라 그 시리즈를 다 읽어보려고 한다!) 지표를 추출하는 것만으로도 느껴지는 묘한 안정감과 만족감에 쉽게 취할 수 있다는 것을 새삼 다시 생각하게 한 글이었다. 지표는 추출에 의미가 있는 것이 아니라 추출하고 분석해서 '앞으로 어떤 행동을 할 것인가'를 결정할 때 의미가 있다는 것을 기억하자. 지표는 감상(ex. 잘 하고 있어 / 못 하고 있어)의 대상이 아니라 질문의 시작점이 되어야 한다는 것!
02. 지표를 잘 관리하는 방법
*예전에 그로스해킹 관련 강연을 들으며 정리해두었던 지표 관련 메모가 있는데 여기 기록해서 통합해두어야겠다
1) 지표를 명확하게 정의하기
- 예. MAU를 추출하려면, Active 상태부터 정의해야 한다
2) 선행 지표를 찾기
- 우리가 중요하게 생각하는 '후행 지표'에 영향을 주는 선행 지표를 생각해야 반발짝 앞설 수 있다
3) 전역 최적화
- 지표 하나의 값만 보는 것이 아니라 전체 관점에서 유용성을 검토해야 한다
4) 심슨의 역설 주의하기
- 심슨의 역설 : 데이터의 세부 그룹별로 일정한 추세나 경향성이 나타나지만, 전체적으로 보면 그 추세가 사라지거나 반대 방향의 경향성을 나타내는 현상
- 지표 값을 하나 딱! 추출하고 끝낼 것이 아니라, 여러 기준으로 쪼개고 합치면서 다각도로 살펴봐야 한다
5) 지표는 좋은 질문을 찾는 데에 기여해야 한다
- 오늘 읽은 두번째 글과 일맥상통하는 요점이다