![[인프런 워밍업 클럽 스터디 3기] 3주차 발자국](https://cdn.inflearn.com/public/files/blogs/0b5ce96b-17ec-45a6-b2a1-4f71175ddbc2/336236-png-1200×781--03-09-2025_12_33_AM.png)
[인프런 워밍업 클럽 스터디 3기] 3주차 발자국
📖 3주차 학습 내용 요약
지표란 무엇인가
우리 제품의 현황과 변화 추이를 알 수 있음
지표를 토대로 의사결정을 하고 실행할 수 있음
Proxy 지표
가정이 많이 들어간, 간접적인 지표
완벽하고 정확한 Proxy에만 가치가 있는 것이 아님
Acquisition(고객 획득)
우리는 충분히 많은 신규 고객을 획득하고 있는가?
신규 고객을 비용 효율적으로 획득하고 있는가?
관련 지표
CAC (고객 획득 비용)은 채널별로 확인 필요
CLV (고객 생애 가치)는 현실적으로 계산하기 어렵기 때문에
대신 Payback Period (비용 회수 기간)이 쓰임
Activation(활성화)
단순 가입, 로그인 등을 기준으로 삼는 경우가 많지만, 그보다 유저들이 프로덕트의 핵심 가치를 얻는 것을 기준으로 삼자
우리 제품의 핵심 가치는 무엇인지, 그 핵심 가치를 더 많은 유저들이 더 빨리 경험하기 위해선?
Setup Moment
핵심 가치를 경험하기 위한 준비를 마친 순간
Aha Moment
처음으로 핵심 가치를 경험한 순간
Habit Moment
핵심 가치를 경험하는 습관을 형성한 순간
Engagement(참여도)
얼마나 많은 유저들이 사용하는지
DAU,
WAU,
MAU
얼마나 깊이 있게 사용하는지
사용한 기능의 수
프로덕트 이용 시간
얼마나 자주 사용하는지
DAU/MAU, DAU/
WAU
유저들이 프로덕트를 통해 성공적으로 과업을 완수하는지
제품마다 유저들이 수행하는 과업이 다르므로 지표도 달라짐
Retention(유지율)
Retention is King
특정 기간 동안 고객들이 유지되는 비율
기간, 분모와 분자 정의해야 함
측정 방법
Cohort Retention
특정 시기에 가입한 유저들이 시간이 경과함에 따라 유지되는 비율
Retention Curve
코호트 리텐션을 시각적으로 표현한 것
Day N Retention
N일째에 유지된 사용자 비율
Bracket(Bounded) Retention
특정 기간 내에 유지된 사용자 비율
Unbounded(On and After) Retention
Event-Based Analytics
이벤트를 기반으로 하는 데이터 분석
Event
유저와 제품 사이 일어나는 상호작용
Event Property
이벤트에 수반되는 상세 정보
Client-side/Server-side Tracking
어디에서 데이터를 수집할 것인지에 대한 기준
Event Taxonomy 설계
Top-Down 접근
데이터 활용의 목적에서 시작하여 필요한 데이터를 정의
Bottom-Up 접근
제품의 주요 이벤트에서 시작하여 필요한 데이터를 정의
Naming Convention
일관성, 명확성, 이벤트 쪼개는 기준 정하기
💬 회고
공부할수록 실전에 적용해보고 싶다는 생각이 든다
전에 맡았던 제품을 생각해보면,
업력이 오래되었고 우리 서비스를 도입한 시기도 오래된 거래처 / 주 사용자 연령층이 중년 이상인 분들이 대다수였음
특성 상 오랜 기간 사용하여 익숙해진 제품을 굳이 이탈하지 않고 사용하는 경우가 많을 것 같음
그래서 이탈율이 적어 리텐션이 높은 것이
매출에 영향을 주지 않았을까 라는 추측이 든다
실제 데이터를 통해 기준이 되는 기간과 분모, 분자를 정의해서 지표를 확인해보면 어떤 결과가 나올지 궁금하다..
2주차 회고에 궁금했던 내용이 더 자세히 다뤄졌다
로그 설계 시 어떤 데이터를 축적할 것인지 정의하고, 그 데이터의 형태와 이름도 정의한다는 내용
🔖 출처
강의명 : 시작하는 PM/PO들에게 알려주고 싶은, 프로덕트의 모든 것
지식공유자 : 김민우
댓글을 작성해보세요.