데이터 넥스트 레벨 챌린지 4기 1주차
데이터 넥스트 레벨 챌린지에 참여하다
종종 웹 서치를 하다가 데이터 리안이보이면
홀린듯이 클릭을 하던 습관 덕분에 이 데이터 넥스트 레벨 챌린지 라는 블로그 챌린지를 알게 되었다.
이번 챌린지 도서가 양승화 저자님이 쓰신' 그로스 해킹 -데이터 실험을 통해 성장하는 서비스를 만드는 방법'
이라 바로 챌린지에 신청했는데 벌써 1주차라니...!
대학교 3-4학년 때 진로 고민을 많이 하면서
인턴, 대외 활동, 알바 등으로 내가 좋아하는 분야들에 대한 경험을 다양하게 해보려 했고,
감사하게도 그 과정에서 '데이터를 기반으로 근거를 내는 업무를 하자' 라는 결론에 닿을 수 있었던 것 같다.
하지만 당시에 '데이터' 라고 하면 뭔가 수학 잘 하는 사람이 해야할 것만 같고 어려운 것으로만 느껴졌었어서
당장 내가 시도해 볼 수 있을 공부들, SQL 공부와 데이터에 대한 기초 배경을 쌓는 인강을 찾아 들었다.
신기하게도 대학 4학년 때 눈에 들어왔던 것이 지금 이 챌린지를 진행해주시는 데이터리안의 SQL 강의고,
인프런으로 들었던 양승화 님의 '그로스 해킹 ', 이번 챌린지 도서의 인강 버전!
학생 때는 데이터를 기업에서 어떤 목적으로, 어떤 맥락에서 수집하는지 비지니스 전체적인 흐름에 대한
이해도 자체가 낮았어서 그런지 SQL 이 쉽지 않게 느껴졌고,
피벗 문제 풀다가 '내가 내 진로를 잘못 잡은건가' 하고 속상해서 울었던 기억은 지금도 종종 생각이 난다.
(지금 생각해보면 찌질찌질 ㅜ 졸업 시즌이라 괜히 더 뒤숭숭했던 것 같다)
'그로스 해킹' 강의에서 처음 접한 AARRR 도 인강을 읽던 당시엔 이해가 되었다 생각했지만
다시 생각해보면 비지니스를 접한 적이 없으니 실제로 기업에서 데이터를 어떻게 활용하고 있는지는 감이 잘 안왔을 것...
지금은 졸업 후 데이터 전반적인 컨설팅을 진행하는 플러스제로와 인연이 닿아
GA 웹 / 앱 구축, 빅쿼리 대시보드 구축, GA4 인사이트 리포팅, A/B 테스트 설계, SEO 등의 업무를
2년정도 한 주니어로 커리어를 쌓아 가고 있다.
물론 업무를 하다보면 어려운 점도 많고 공부할 것들도 많지만,
고객사와 소통하면서 데이터 관련 이슈를 해결하고, 쌓여있는 데이터를 활용하려고 고민하는 시간들이
감사하게도 너무 재밌는 일로 느껴진다 :)
업무 경력이 조금 생긴 시점에서 '그로스 해킹' 를 정독하면서
내가 고객사들의 데이터를 대할 때, 또 우리 회사 내부적으로 어떤 부분을 접목할 수 있을지
고민을 해보면서 블로그에 기록을 해보려 한다 :)
1장 : 그로스 해킹이란?
첫 장애 들어가면서, 내가 알고 있던 그로스 해킹은 무엇일까에 대해 생각해봤다.
내가 생각한 그로스 해킹은 ' 데이터를 근거로 서비스에서 부족한 점을 발굴하여 개선해가는것' 이었다.
그런데 '부족한 부분' 은 구체적으로 어떤 것을 부족하다고 정의해야할까?
'개선' 은 누가 , 어떤 상황에서, 개선이라 부를 수 있을까?
이렇게 써보니 나는 굉장히 모호하게 알고 있었던 듯 하다.
책에서 언급 된 다른 이들이 생각하는 그로스 해킹은 다양하다.
- 돈을 쓰지 않고 (적게 써서) 사용자를 데려오는것
- 친추 추천 등 바이럴 채널을 잘 활용하는 마케팅
- 데이터 분석을 통한 서비스 개선
....
저자가 1장에서 정의한 그로스 해킹의 정의는
-다양한 직군의 멤버들이 모여서
-핵심 지표를 중심으로
-실험을 통해 배움을 얻고 이를 빠르게 반복하면서
-제품이나 서비스를 성장시키는 것.
여기서 '빠르게 반복' 이 강조된 배경은 '린 스타트 업' 개념을 기반으로 보았을 때,
서비스 라는 것은 출시가 끝이 아닌 시작이고, 출시 이후의 사용자 분석, 패턴 분석, 기능 추가 등등
지속적으로 개선하면서 서비스가 성장해나가는 전체적인 과정이기 때문으로 볼 수 있었다.
이렇게 개선해가는 과정에서 유의할 점은, 꼭 타사의 사례가 모든 서비스에서의 성공 사례가 될 수 없단 점이다.
각각의 서비스는 그 안의 특징과 시장 상황에 처해있기 때문에, 단순히 공식화하지 않도록 주의해야 할 것 같다.
이 떄 개선시켜나가는 지표들은 그 유명한 AARRR
Acquisition / Activation / Retention / Revenue / Referral 로 모니터링 + 관리해가야 한다 볼 수 있다.
2장. 전제조건 Product-Market Fit
2장에서는 Product-Market Fit 에 대한 이야기가 나왔다.
책에서 언급된 많은 프로덕트 관리자가 하는 실수는 크게 두 가지는 다음과 같다.
- 제품을 만들고 그 후 고객을 찾는다.
- 기능을 추가하고 추가한다
이 부분을 읽고, 내가 업무하면서 마주쳤던 기업 A 가 떠올랐다.
GA 를 구축했던 기업 A 의 경우, 기존 사이트를 리뉴얼 하면서 브랜드 이름도 대대적으로 바꾸어 홍보하고
라이브 쇼, 자체 커뮤니티 등 새로운 서비스를 런칭했었지만 , 1년정도 지난 현재 결국 서비스를 종료하고 GNB 에서도 없앴다.
에이전시 측에서 내부 의사 결정에 대해선 알지 못하지만, 아마 생각한 반응보다 시장의 반응이 없었을 것이다.
왜 이런 일들이 발생했고, 어떤 개선이 필요했던 것 일까?
기업 A는 경쟁사에서 자체 커뮤니티를 운영하는 것을 보고 비슷한 서비스를 운영하려 했던 것이지만,
내가 알고있는 시장 현황 상 두 업체는 연령대가 달랐다.
경쟁사는 10-20대 , 고객사는 30-40대가 주요 연령층이었다.
SNS 커뮤니티의 활용도와 니즈를 생각하면 일반화를 고려하더라도 경쟁사의 10-20대가 훨씬 활발했을 것이다.
1장에서 언급되었던 것 중 '타사의 성공 사례가 모두의 성공 사례가 될 수 없고, 시장 현황이 모두 다르다'
라는 부분을 직통하는 느낌이었다.
또, '서비스 개선' 이라는 개념이 결코 '기능 추가' 와 동일하지 않다는 것을 염두하였다면
브랜드 리뉴얼 + 새로운 서비스 추가 + 새로운 서비스 추가 + ....
페이지 리뉴얼 등이 동시에 진행되지 않고 구축이 끝난 이후에도 진행되면서
로그 수집에 허점이 발생할 수도 있었고,
새로 런칭한 여러 서비스들에 대한 유지보수 리소스가 상당했을 수 있을 것 같다.
2장에서 또 새롭게 알게된 점은,
제품-시장 적합성을 판단할 때 사용자 인터뷰도 체계적으로 진행할 수 있는 부분이었다.
사실 어떻게보면 나 역시 업무를 할 때 사무실에서 만들어둔 대시보드를 보고,
좀 더 세부적인 데이터가 필요할 땐 빅쿼리로 GA RAW 를 보면서 전환율, 이탈률 등을 대체로 확인해오고 있다.
하지만 진정으로 특정 서비스가 제품-시장 적합성을 만족하지 못할 때는 사용자를 직접 만나는 것 역시 중요한 과정이라 할 수 있다.
정량적인것과 정성적인 것을 구분 짓기 보다는 서비스는 결국 사용자로 시작해서 사용자로 끝나야 한다는 교훈을 주는 장이었다.
3장. AARRR
저자가 정의한 그로스 해킹은 핵심 지표를 찾아, 그 지표를 성장시키는 방법을 찾는 방법이다.
그런데 기업에서는 '과업 기반' 으로 각 부서별로 다른 KPI 들이 있다.
우리 회사만 봐도 사실 나는 개발팀에서 올해 어떤 것을 KPI 로 보고 있는지 이해하고 있는 바가 없다.
물론 개발팀도 올해 우리 컨설팅 팀이 어떤 것을 KPI 로 하고 있는지 잘 모를 가능성이 크다.
중요도로 봤을 때, 개발팀에서 고객사 문의 응대나 이슈를 해결하는 것,
컨설팅 팀에서 고객사 문의 응대나 이슈를 해결하는 것,
업무의 맥락은 같아도 우리 회사 전체에서 봤을 때 무엇이 중요한 것일까? 를 보면 난 판단이 되지 않는다.
책의 내용 처럼 이 팀별 KPI 는 사실 언제든 추가되거나 변경될 수 있고,
수시로 달라질 수 있는 문제도 크리티컬하다.
그렇기 때문에 '과업 기반의 KPI' 보다, 더 효율적인 관리를 위해서는
조직도에 따라 지표를 나누는 것이 아닌, 사용자의 서비스 이용 흐름에 따라 단계별 주요 지표를
서비스 관점에서 정의 해야 한다.
각 단계에서의 핵심이 되는 지표를 찾아내서 역으로 과업을 정의하는것ㅡ
즉 과업 > 지표 가 아닌 지표 > 과업 순서가 되어야 하는 점을 명심하자.
Acquisition
3.2 파트 q부터는 AARRR 의 각 단계에 대해 세부적인 내용들이 나왔고,
그 시작은 Acquisition 고객 획득으로 시작했다.
꽤나 긴 파트였는데 그 중 가장 기억에 남는 점은 'Organic 트래픽' 을 과연 좋게만 볼 수 있는가? 이다.
내가 다뤄본 툴은 GA 가 다 이지만, 결국 기업에서 이런 로그 분석 툴이나 어트리뷰션 툴을 사용하는 목적은 사실 모두
소스 / 매체 정보에 있다.
인사이트 레포트를 쓰다보면, Organic 트래픽은 좋다 , Paid 는 광고비 대비 전환 성과가 안좋다
하고 단순화 된 로직이 기저에 있을 때가 있는데
책에 언급된 대로, Organic 트래픽에 불순물 없이 정말 우리가 원하는 Organic 경로만 있는지, 더블 체크 할 필요도 있다.
(실제로 한 고객사는 구글 Paid 에서 UTM 설정을 구글 권장 utm 이 아닌, 네이버 스마트 스토어 nt_utm 으로 달았다가
google/cpc 가 google/organic 으로 수집되고 있었다)
또, 보통 GA 채널별로 세션수와 구매 전환수를 보면, Paid search 와 Organic search 의 구매 전환율이 좀 높고
Paid social, display 는 세션수 대비 전환수에 대한 성과는 최악 수준인데
이처럼 Paid 트래픽의 성과를 구매에만 두고, last click 에 대한 기여 분석을 하면 꽝이겠지만,
다양한 기여 분석 모델로 보면?
사실 유저들이 sns 광고나 display를 접한 후 다른 경로로 구매했다면,
'display 광고가 구매 전환 성과가 안 좋으니 끄세요!' 라는 잘못된 판단도 해서는 안된다.
다시금 데이터를 볼 때 어떤 것들을 염두하며 판단 해야하는 지 되새길 수 있는 좋은 부분이었다.
이 후 업무에서 기억하자
- 그로스 해킹은 '꾸준히 서비스를 성장시키는 과정'
- 과업 기준이 아닌 사용자가 서비스를 이용하는 각 퍼널에서의 지표를 선정하여 개선하자
- AARRR 개선 순서는 A > A > R> R> R 순서일 필요가 없다
- 유입 단계에서 소스/매체에 대한 기여도를 평가할 때, 기여도 모델을 고려하고, 채널의 특성을 깊이 파악하자