공부블로그

이번주에는 그로스 해킹 5장 ~ 6장을 읽고 저만의 생각을 정리하는 시간을 가져보도록 하겠습니다.

​

5장

그로스 해킹의 시작

1 단계: 데이터를 활용할 수 있는 업무 환경 만들기

2단계: 데이터 파이프라인 구축하기

3단계: 데이터 활용을 위한 역량과 문화 갖추기

4단계: 성장 실험

​

• '데이터의 중요성을 공감한다' '데이터를 기반으로 업문를 진행하는 프로세스와 역량을 갖추고 있다' 는 전혀 다른 차원의 이야기이다.
• 그로스 팀의 업무 범위
  • 핵심 지표 선정 및 관리
  • 데이터 파이프라인 설계 및 구축
  • 주제별 데이터 분석
  • 데이터 추출 및 분석 요청 대응
  • 데이터 기반으로 일하는 문화 만들기
• 데이터 분석과 관련된 IaaS, PaaS, SaaS를 잘활용한 덕분이다
• 클라우드 분석 환경
  • 데이터를 수집하고 분석할 수 있는 기본적인 환경을 구축할 때 클라우드 분석 환경이 눈부시게 발전하면서 인프라 구축을 위한 엔지니어링이 크게 감소하였다.
  • 아마존 EMR, 구글 GCP, 마이크로소프트 AZURE
• ETL(Exract, Transforms, Load) 서비스
  • 여기저기에 산재되어 있는 데이터를 수집하고 분석하기 편한 형태로 변환하고 원하는 데이터베이스에 최종적으로 적재하는 일련의 과정을 의미한다
  • Fivetran, stitch 등의 자동화 서비스가 있다.
• Bi 서비스
  • '원하는 데이터를 추출하는 것' '데이터에서 인사이트를 찾아내고 이를 바탕으로 의사결정하는 것'은 여전히 큰 간극이 존재한다.
  • 다양한 직군의 실무자들이 데이터에 손쉽게 접근하고 이를 통해 인사이트를 얻을 수 있는 환경을 만들기 위해 적절한 시각화를 통해 지표를 한눈에 볼 수 있도록 대시보드 만들고 로 데이터를 쉽게 확인할 수 있는 시스템을 구축해야 한다.
  • 태블로, 구글 데이터 스튜디오, 슈퍼셋, 리대시 등이 있다.
• 데이터 파이프라인 만들기
  • 어떤 데이터를 쌓을 것인가?
  • 어떤 형태로 쌓을 것인가?
  • 어디에 쌓을 것인가?
  • 어떻게 꺼내서 볼것인가?
• 행동 로그 분석을 위한 데이터 파이프라인
  • 행동 로그 설계의 핵심은 이벤트의 속성(property)을 어떤 수준으로 함께 남길 것인가를 정의하는 부분이다.
  • 발생하는 모든 이벤트를 기록해야 한다는 생각을 버리고 분석에 필요한 이벤트를 정확하게 적재하는 것이 핵심이다.
• A/B 테스트
  • 가설: 독립변수, 종속변수가 무엇인지 정의하고 종속변수의 목표수준 명확히 정하는 형태
  • 시험집단/ 통제집단: 사용자들을 어떤 기준으로 구분하고 어떤 비율로 할당할 것인지 정의
  • 독립변수 : 설명변수 또는 예측변수
  • 종속변수 : 독립변수에 의해 영향을 받을 것으로 기대되는 변수
  • 통제변수 : 실험결과에 영향을 미칠 수 있기 대문에 실험집단/ 통제집단 모두에서 동등한 조건을 가져야 하는 변수
  • 샘플크기 : 가설 검증에 필요한 실험 참가자의 숫자 의미
  • 실험기간 : 샘플 크기를 고려했을 때 가설 검증을 위한 데이터를 수집하는데 필요 기간 정의
  • 유의 사항
    • 통제 변수를 깊이 고민하지 않은 상태에서 단순히 홀/짝 구분을 한다고 해서 랜덤 샘플링이 잘 됐다고 볼 수는 없다.
    • 실험하기 전에 샘플 크기를 미리 정해야 한다.
    • 실험 설계에 따라 적합한 계산기를 사용해야한다.
    • 무가설, 통제 변수 관리 실패, 단순 평균 비교, 연보기 + 조기 중지, 시간의 흐름에 따른 차이를 살펴보지 않는것은 주의해야한다.
    • 과거의 A/B 테스트 경험을 지나치게 신뢰하는 것, 국지적 최적화의 함정을 유의 해야한다.
  • 테스트 결과 분석하는 방법
    • P-value에 대한 이해 : p값은 귀무가설 하에서 고나찰된 검정통계량 만큼의 극단적인 값이 관찰될 확률을 의미한다.

6장

​

• 그로스 조직의 목표
  • 가장 중요한 목표는 핵심 지표 개선
  • 성장 DNA를 전파하는 조직이 되어야 한다.
  • 구성원
    • 그로스 PM
    • 그로스 엔지니어
    • 그로스 마케터
    • 그로스 디자이너
    • 그로스 데이터 분석가
  • 제일 중요한 구성원은 성장실험을 할 수 있는 멤버를 보유하는 것이다.
  • UX 디자이너로 불리길 원한다면 단순한 마인드셋 정도가 아니라 실제로 사용자를 중심에 놓고 일하는 프로세스와 사용자 데이터를 획득하고 분석해서 업무에 활용할 수 있는 역량을 갖춰야한다.
  • 직군에 '그로스'를 붙이려면 그에 맞게 일하는 프로세스와 역량을 갖춰야 한다.
• 그로스 조직의 구조
  • • 리포팅라인: 그로스 조직의 상위 의사결정권자가 누구인가?
    • 전담 인력 구성: 그로스 업무만 전담해서 진행하는 인력을 얼마나 배치할 것인가?
    • 협업 구조: 사내 다른 조직과 어떤 구조로 커뮤니케이션하는가?
  • 그로스펑셔널 팀 구조 : 기능 조직에 소속된 각 직군별 담당자들이 모여서 목적 조직을 구성
  • 독립 팀 구조: 기존의 기능 조직과는 별개로 독립된 그로스 조직을 새롭게 만드는 형태
  • 복합 구조: 그로스 펑셔널 팀과 독립팀의 장점과 단점을 절충한 형태이다.
• 그로스 조직이 일하는 방식
  • 데이터 기반으로 가설을 세우고
  • 실험을 바탕으로 이를 검증하고
  • 배움을 축적하는 과정을 반복한다.
  • 그로스 조직이 일하는 방식에서 가장 핵심이 되는 부분은 프로세스 전반에 걸쳐 목표와 실행이 서로 영향을 주고받아야 한다는 점이다.
    • 목표 지표 정의하기
    • 아이디에이션과 데이터분석
      • 다양한 아이디어를 생각하고 구체화하면서 아이디어 공급로를 채우는 것이 아이디에이션이다.
      • 아이디에이션은 특정 시기에만 하는게 아니라 스프린트의 전체 기간동안 지속적으로 진행해야한다
      • 좋은 아이디어는 여러 데이터와 시행착오를 거쳐서 조금씩 다듬어가는 과정을 통해 만들어진다.
    • 플래닝
      • 아이디어 공급로에 있는 아이디어의 우선순위를 정의하고 실험 대상이 되는 아이디어를 선별하는 프로세스를 의미
      • 임팩트(impact) : 이 실험이 성공하면 얼마나 큰 효과가 있는가?
      • 자신감(Confidence): 이 실험이 성공할 거라고 얼마나 확신하는가?
      • 난이도(Ease): 이 실험을 하기 위한 리소스가 얼마나 드는가?
    • 실험 준비, 진행, 분석
      • 개요: 실험을 하게 된 배경, 실험의 책임자가 누구인지, 각 파트별 담당자가 누구인지
      • 가설: 실험을 통해 검증하고자 하는 가설
      • 설계: 대상자, 실험 범위, 독립변수, 종속 변수, 통제변수, 측정방법
      • 목표: 종속 변수의 목표 수준
      • 일정: 실험을 위한 개발 및 배포 일정 , 실험 기간
    • 회고
      • 이번 스프린트를 통해 배운 것
      • 지금처럼 유지하거나 더 많이 할 것
      • 더 적게 하거나 다른 방법으로 할 것
• 그로스는 톱 다운
  • 경영진을 설득하지 않아도 되는 그로스 조직은 출발선에서 이미 한참 앞서 있는 셈이다.
  • 경영진의 의지는 말이 아니라 투자하는 리소스로 증명된다.
  • 제품 개발과 그로스해킹 및 성장실험은 서로 대체제가 아니라 보완재로 활용돼야 한다.
  • 데이터가 흐르는 그로스 조직으로 만들어야한다.
  • 협업 문화를 만들어야한다.

3주동안 그로스 해킹 책을 읽어보았습니다. 정말 좋은 내용이 많았고 2번째 읽는거였지만 여전히 새로운 책입니다.

이번에 책을 읽으면서 얻은 인사이트를 바탕으로 더욱 성장할 수 있었으면 좋겠습니다.

좋은 기회에 이 책을 다시 읽어서 너무 좋았습니다.

감사합니다.

이번주에는 그로스 해킹 3~4장을 읽고 관련된 내용을 공유드리는 시간을 가지고자 합니다.

3장

• AARRR
  • 그로스 해킹의 근간이 되는 프레임워크 사업가이자 투자자인 데이브 맥클루어가 스타트업을 성장을 위해 제안한 지표 관리와 분석 방법론이다.
  • AARRR은 고객유치(Acquisition), 활성화(Activation),리텐션(Retention),수익화(Revenue), 추천(Referral)이라는 카테고리로 정의 각 카테고리에서 핵심 지표를 발굴하고 이를 측정/ 개선하는 방법론이다.
• A(Acquistion / 고객유치)​
  • 사용자를 우리 서비스로 데려오는 것과 관련된 활동
  • 고객 유치 과정의 핵심은 고객 유치에 기여(Attribution)한 채널의 성과를 판단하는 모델을 만드는 것이다.
  • 고객 유치 데이터를 분석할대 중요한 포인트는 오가닉 트래픽의 비중을 높이는 것이 아니라 가능한 많은 트래픽을 식별해서 미식별 트래픽의 비중을 최대한 줄이는 방향이어야 한다
  • 고객 유치의 성과를 정확히 이해하려면 어트리뷰션(Attribution)을 정확히 이해하고 있어야한다.
• A(Activation / 활성화)
  • 우리 서비스의 핵심 가치를 경험하게 만드는 것
  • 활성화 단계의 핵심은 퍼널(Funnel)에 대한 분석이다.
  • 퍼널 분석의 기본 준비는 서비스에 진입하는 순간부터 핵심가치를 경험하기 까지의 경로인 크리티컬 패스를 잘 정리해야한다.
  • 퍼널을 정의하고 퍼널을 개선 할때 전환율을 높이는 것보다 퍼널에 속한 각 단계의 수를 줄이는 것이 더 효과적인 경우가 많다.
• R(Retention / 리텐션)
  • 대표적으로 잘 하고 있을 때 일수록 더 세심하게 축정하고 관리해야 하는 지표에 속한다.
  • 리텐션의 기준이 되는 행동을 꼭 접속으로 한정할 필요는 없으며 일반적으로 접속이나 로그인을 기준으로 리텐션을 측정하는 이유는 사용자가 서비스에 진입하는 것이 유의미한 행동이며 이러한 행동이 반복되는지 살펴보는것이 중요하다.
  • 리텐션을 측정하는 세가지방법은 클래식 리텐션(Classic Retention / Day N),범위 리텐션(Range Retention) 롤링 리텐션(Rolling Retention)이다.
• R(Revenue / 수익화)
  • 수익화 관리를 위해서는 어떤 비즈니스 모델을 가지고 있는지를 명확하게 이해하고 그 비즈니스 모델이 잘 작동되는지 비용대비 수익이 안정적인지 데이터로 확인할 수 있어야 한다.
  • 수익화 관련 주요 지표는 ARPU(인당 평균 매출),ARPPU(결제자 인당 평균 매출), 고객생애가치(LTV), 고객생애매출(LTR), 월별 반복 매출(MRR)이다.
  • 건강하게 성장하고 있는 서비스라면 LTR이 CAC를 빠르게 따라잡고 장기적으로 CAC의 몇 배수까지 높아져야한다.(CAC + a < LTR)
  • 요약된 수익화 지표 하나만 보고 의사결정을 내리기 보다는 사용자를 다양한 방식으로 그루핑하고 각 그룹에 맞는 운영 및 수익화 전략을 세우는 것이 중요하다.
  • 서비스를 출시하는 시점에는 수익 모델이 포함되지 않을 수 있지만 그런 경우라고 해도 어느 시기에 어떤 방식으로 수익화 할것인가에 대한 로드맵은 명확하게 존재해야한다.
• R(Referral /추천)
  • 오가닉(Organic)유입의 하나 사용자 추천이나 입소문을 통해 새로운 사용자를 데려오는 것을 의미한다.
  • 대표적인 기능은 친구 초대이다.
  • 추천에서 가장 핵심되는 지표는 바이럴 계수(Viral Coefficient)이다. 바이럴 계수의 구성 요소는 사용자수/ 초대 비율/ 인당 초대한 친구수/ 전환율이다.

​

4장

• 지표
  • 그로스 해킹은 결국 목표 지표를 설정하고 그 지표 개선을 위해 진행하는 일련의 활동이다.
  • 지표의 속성에 따라 분류하면 스톡(stack)의 형태와 플로(Flow)형 지표로 구분할 수 있다.
  • 지표를 기반으로 성장 실험을 할 때에는 해당 지표를 어떻게 정의하고 측정할 것인가를 반드시 짚고 넘어가야 한다. 모호한 지표는 모호한 핵션을 이끌 수 밖에 없기 때문이다.
  • 지표를 잘 활용하기 위해 우선적으로 고려해야 하는 것은 지금 가장 중요한 지표가 무엇인가?에 대한 질문에 답하는 것이다.
• 스톡(stack)
  • 저량 지표라고도 하는데 간단히 말하면 특정 시점의 스냅숏(snapshot)에 해당하는 지표를 의미한다.
• 플로(Flow)
  • 시작과 끝에 대한 시간 범위가 중요하며 일정한 시간 동안의 변화량을 타나내는 지표이다.
  • 일반적으로 플로 형태의 지표가 스택 형태의 지표보다 더 만은 정보를 가지고 있다.
• 심슨 패러독스
  • 쪼개진 데이터에서 성립하는 관계가 합쳐진 데이터에서는 반대로 나타나는 현상이다.
  • 분석 대상 데이터 세트에 아웃라이어가 있거나 분포를 알 수 없는 경우라면 중앙값(median)을 대푯값으로 사용한느 것을 적극적으로 고려해 볼 필요가 있다.
  • 데이터 시각화는 분석을 막 시작하는 시점에 해당 데이터 셋이 어떻게 구성되어 있는지 확인하는 탐색적 분석 과정에서 훨씬 더 유용하게 활용된다.
• OMTM(one Metric That Matters)
  • 그로스 해킹에서 지금 가장 중요한 지표를 지칭하는 용어
  • OMTM의 가치는 구성원들이 바라보는 방향성을 일치시키고 자원을 집중하는 데서 나온다.
  • OMTM을 설정할때 매출을 지정하지 말아야한다. 매출은 완벽한 후행지표이기 때문이다.
  • OMTM은 성장을 목표로 하는 지표이다. 또한 OMTM은 변화에 따른 유연한 지표이다.
  • OMTM은 그 자체로 서비스가 진짜 잘 되고 있는지를 알려주는 중요한 지표라고 할 수 있다.

​

지금까지 3 ~4장에서 읽은 내용중 중요하다고 생각한 내용을 추려서 정리해보았습니다. 이번 3~4장을 읽으면서 제일 교훈이 되고 항상 생각해 봐야하는 말은 이 구문이라고 생각해서 남겨놓습니다.

- 분석 목표에 맞는 데이터를 신중하게 수집하고 가공하는 단계가 잘 진행되지 않으면 그다음에 어떤 고도화된 알고리즘이나 분석 방법도 의미가 없다!.

다음 리뷰는 5~6장을 읽고 돌아오겠습니다.

이글을 읽어주신 모든분들 감사합니다.

그로스 해킹의 내용 (1장 ~ 3장)

1) 그로스해킹

• • • 문자 그대로 해석하면 성장하는 방법을 '해킹' 하는것으로 정의한다.
    • 션 앨리스라는 사라밍 처음으로 용어를 사용
    • 그로스 해킹의 질문의 답을 찾는건 어떻게 하면 성장하는 서비스를 만들수 있을까?에서 출발해야한다.
    • 그로스 해킹은 각 서비스의 사용 맥락이나 시장 상황을 반영하여서 진행할때 의미가 있다.
    • 그로스 해킹을 공부하려는 이유는 데이터에서 찾아낸 인사이트를 바탕으로 제품이나 서비스를 지속적으로 개선하기 위한 방법을 공부하려는 것이지 퍼포먼스 마케터나 데이터사이언티스트가 되는것이 궁극적인 목표가 아니다.
    • 그리하여 그로스 해킹이란 크로스펑셔널한 직군의 멤버가 모여서 핵심지표를 중심으로 실험을 통해 배움을 ㄷ얻고 이를 빠르게 반복하면서 제품이나 서비스를 성장시키는 것이다.
    • 주요 키워드: AARRR, 크로스펑셔널팀, 린스타트업, 최소 기능제품

​

​

2) 전제조건: PRODUCT-Market Fit(시장적합성)

• • • 제품이나 서비스를 만든느 사람은 커다란 목표와 기대를 가지고 열심히 제품을 만들지만 제품이 출시되었을때 주요 지표가 가파른 성장곡선을 그리는것은 희박한일이다.
    • 시간과 자원이 부족해서 원래 하려던 기능의 30% 정도만 만들어서 내놓았으니까 얼른 업데이트를 하여 새로운 기능을 넣자고 주로 개발자나 기획자들이 생각하는데 이 시점에 할 수 있는 가장 나쁜 결정이다.
    • 제일 먼저 고민해야하는 것은 우리가 만든 제품이나 서비스가 그로스 해킹을 할 만한 가치가 있는가(시장에서 대가를 지불한 만큼에 수요가 있는가?)부터 생각해봐야한다.
    • 제품- 시장 적합성을 확인하려면 3가지를 고려해야한다.
      • 리텐션: 사용자들이 서비스에 얼마나 꾸준히 남아서 활동하는지를 보여주는 지표
        • 만족하는 서비스는 초기 일정기간이 지나면 기울기가 완만해지면서 안정적으로 유지
        • 만족하지 못한 서비스는 그래프가 우하향을 함
        • 리텐션을 확인할때는 단순 비교 대신 해당 서비스가 속한 카테고리를 감안해서 건전성을 판단하는것이 필요함
      • 전환율: 한단계에서 다음 단계로 넘어가는 사용자의 비율을 의미 서비스의 핵심 사용 경로에 대한 전환율 지표를 확인하는 것은 제품-시장 적합성을 점검하기 좋음
        • 카테고리 별로 전환율도 상이하게 나타남
        • 똑같은 상품에 대한 전환이라도 친구 초대를 통해 들어온 사람과 디스플레이 광고를 통해 들어온 사람은 전환율에 차이가 남을 확인
      • 순수 추천지수(NPS): 리커트 척도를 통해 효과적으로 서비스의 성공 여부를 예측할 수 있는 지표
        • 답변 점수에 따라 비추천 그룹(0 ~ 6점) / 소극적 추천 그룹(7 ~ 8점)/ 적극적 추천 그룹(9 ~ 10점)으로 나눌수 있다.
    • 서비스를 적당히 좋아하는 1000명의 사용자보다는 열렬히 사랑하는 100명의 충성 사용자를 확보했을때 서비스가 성공할 확률이 높아진다는걸 알수 있다.
      • 그러기 위해 해야할 일: 사용자를 만나서 이야기를 듣기 / 사용자 행동 데이터 분석
      • 하지 말아야할일 : 브레인스토밍 / 새로운 기능 추가 / 잔존율이나 전환율을 개선하기 위한 실험

​

마무리: 원래는 3장 일부까지 정리를 하려고 했으나 3장을 한번에 정리하는게 좋을거같아 3장 전체와 4장은 다음주에 정리를 해보려고 한다. 1 ~2장을 읽어본 느낌은 통상적으로 생각하기에는 제품이 안될때는 기능을 추가 시켜 사람들의 관심을 환기하여 사용자의 유입을 할 수 있을까 했는데 출시전 제품의 수요를 확인하기 위해 실험을 하거나 제품을 출시하고 충성 사용자를 확보하기 위해 사용자 행동을 분석하는게 중요하다는걸 느낄 수 있었다.