1. 좋은 지표란?
1. 지표는 왜 필요할까?
- KPI 설정을 통해 목표를 설정할 수 있고, 이 목표를 달성하기 위해 집중을 할 수 있음
- 성과 측정이 가능함
- 의사 결정에 도움이 됨
- 리소스 할당 시 우선순위를 정할 수 있음
- 진행 상황을 추적할 수 있음
2. KPI란?
- 조직 내에서 달성하고자 하는 중요한 목표
- 정량적임
- 명확한 정의가 중요함 -> 사람들간의 오해가 없어야함
- 너무 많은 KPI 설정은 되려 독이 됨 (the less is more)
- 잘 정의된, 정량화된 KPI는 시간에 따른 진행 상황을 추적할 수 있으며, 더 나은 계획을 세울 수 있게 해줌
3. 지표란? (Metrics)
- 데이터 문해력의 시작점
- 지표가 KPI보다 더 큰 개념임
- KPI는 대게 후행지표(Lagging indicator)이다.
4. 좋은 지표의 특성
1) 3A
- Accessible : 지표를 보는 것이 쉬어야함 -> 시각화 툴 유용
- Actionable : 지표 등락의 의미가 분명해야함, 실행가능한 통찰력을 제공해야함
- Auditable : 데이터 기반이어야하며, 지표 계산이 제대로 되었는지 검증이 가능해야함
- 일반적으로, 좋은 지표는 비율(ratio), 변화율(rate)임
- 지표는 절대 수치보다는 비율, 변화율 등을 보는 것이 더 많은 인사이트를 제공함
2) SMART
- Specific
- Measurable
- Achievable
- Relevant
- Time-bound
5. Next Dashboard Fallacy
- 기존 지표 기반 결정을 못하고, 대시보다만 계속해서 만드는 현상
- 짧은 시간이라도 밀도있게 같이 고민하고 명확하게 내리는 결정을 내려야함. 회고하며 부족했던 부분을 고민
- 지표의 수는 적을수록, 대시보드의 수는 적을수록 좋음
- 참고) next feature fallacy 현상과 비슷함
2. KPI, 후행 지표, 선행 지표
링크 참조
1. 상관관계, 인과관계
선행지표, 후행지표는 대표적인 인과관계를 갖는다.
1) 인과관계
- 한 사건이 다른 사건을 발생시키는 관계
- 원인과 결과가 있음
- 흡연과 폐암 사이의 관계
2) 상관관계
- 두 사건 간에 통계적 관계
- 한 사건의 다른 사건의 원인이 되는 것은 아님
- 아이스크림 판매량, 수영장 이용자 수 사이의 관계
2. 중요한 KPI
1) 매출
- 일반적으로 모든 도메인에서 가장 중요한 지표
- 주의할 점은 새 고객으로부터 발생하는 매출과 기존 고객으로부터 발생하는 매출을 따로 봐야한다는 것
2) 사용자 사용 고객수 (DAU, WAU, MAU)
- 일반적으로 네트워크 현상이 중요한 도메인에서 사용하는 지표
- "서비스 사용"이라는 정의가 중요함
- 유료 고객
- 콘텐츠 공급자
- 콘텐츠 소비자
- 포스팅한 사용자
3. 이커머스 지표 정리
이커머스 서비스에서 많이 사용되는 지표에 대해 정리
1. 업종의 형태
이커머스 서비스도 다양한 업종의 형태를 갖는다.
- B2B: 회사가 고객 / 세일즈 팀이 중요
- B2C: 개인이 고객 / 마케팅 팀이 중요
- B2G: 정부가 고객
2. Active user(서비스 사용 고객 수)
- "서비스 사용"이라는 정의가 중요함 (지표 사전의 필요성)
- DAU : 하루 기준으로 활성 상태에 있는 사용자의 수
- WAU : 일주일 기준으로 활성 상태에 있는 사용자의 수
- MAU : 한 달 기준으로 활성 상태에 있는 사용자의 수
3. retention, churn rate
- churn rate(이탈율)
- 일반적으로 월 기준으로 이탈 여부 확인
- churn rate = 1 - retention rate
- 이탈 고객에게 이메일 마케팅 등을 통해 재방문 시도 가능
- retention rate(잔존율)
- 사용자 수명 (lifespan)
- 사용자 이탈율/잔존율 -> 사용자의 평균 서비스 사용 개월 수 계산 가능
4. cohort
-
cohort : 특정 속성을 바탕으로 나뉘어진 사용자 그룹
-
일반적으로 사용자의 처음 사용달 혹은 회원 등록달로 지정함
-
cohort 분석
- 코호트를 기반으로 사용자의 이탈율/잔존율, 총 소비금액 등을 시간을 두고 계산
- 분석 목적은 잔존율을 높일 방법을 찾는 것임
-
분석 결과 퍼센트로 나타내기
-
분석 결과 선 그래프로 나타내기
-
코호트 분석의 주 목적은 서비스의 재방문률을 시각화하여 보는 것임
5. LTV(life time value)
- CLV(customer lifetime value)라고 부르기도 함
- 사용자가 우리 서비스를 사용하는 동안 얼마의 매출을 낼 것인지 예측
- 대게 rule-based -> ML 모델링
6. NPS(net promoter score)
- 사용자 만족 지표
- 0 ~ 10점
- NPS = 추천 고객 비율 - 비추천 고객 비율
- 일반적으로 60 이상이면 훌륭함
7. funnel analysis
- 퍼널 분석의 주목적 : 가장 drop이 많은 step 파악 (conversion 파악)
4. 마케팅 지표 정리
1. 채널(접점)
- 제품/서비스를 고객에게 노출시키는 다양한 방법
- 디지털 마케팅에서 채널을 정하는 것은 중요함
2. 전환
-
최종 전환
- 고객이 물건 구매와 같이 의미가 큰 행동을 하는 경우
- 마케팅 목표에 따라 최종 전환이 다름
- 예) 회원가입, 앱 설치, 상품 판매
-
보조 전환
- 보조전환들이 모여서 최종전환이 되는 것이 일반적인 패턴 (최종전환의 징조)
- user event 를 통해 보조 전환을 분석할 수 있음
- 예) 물건 상세 정보 클릭, 장바구니에 넣기 등
3. user journey
4. 기여도 분석 모델
5. 디지털 마케팅
- 한 디지털 플랫폼 안에 타켓 사용자 층에 따라 캠페인을 집행하는 것이 일반적이다.
- 캠페인에 따라 타겟 사용자 층, 상품 등이 달라진다
- 플랫폼(채널) 별 마케팅 기여도도 중요하지만 캠페인별 기여도도 알아야 한다.
6. UTM 파라미터
-
사용자들이 어떻게 우리 서비스를 찾아 오는지 파악 가능
-
기여도 분석을 가능케 해줌
-
페이스북 캠페인 예시
-
구글 키워드 캠페인 예시
-
구글 검색 결과 예시 (sponsored가 아님) : 리퍼럴 참조해야됨 UTM 없음
7. 마케팅 효과 분석
(1) CPC(cost per click)
- 고객이 광고를 클릭하는데 드는 평균 비용
- 캠페인별로 계산되고 채널(플랫폼)별 레벨로 모아서 합산됨
- 그러나 최종 전환율은 모름(실제 구매까지 이어졌는지 모름)
- CPC는 작을수록 좋음
(2) CPA(cost per acquisition)
- 고객이 광고를 통해 실제로 물건을 구매하는데 드는 평균 비용
- 캠페인별로 계산되고 채널(플랫폼)별 레벨로 모아서 합산됨
- 캠페인에 들어간 비용 / 총 판매 수
- CPA는 작을수록 좋음
- 분모에 영향
(3) ROAS(return on advertising spend)
- 캠페인에서 나온 모든 매출액 / 캠페인에 들어간 모든 비용
- ROAS는 클수록 좋음 (1보다 작으면 손해)
- 분자에 영향
5. SaaS 지표 정리
1. SaaS
- 클라우드 기반 서비스
- 구독 모델의 형태
2. 어카운트 전환율
- salesforce 에서 표준화한 지표
- Account conversion funnel(고객 단계에 따른 고객 관리)
- lead(잠재고객)
- opportunity(관심고객)
- account(고객)
- account conversion : lead에서 account로 최종 고객 전환 비율
3. 지표
-
MRR: 월간 반복 매출
-
ARR: 연간 반복 매출
-
Renewal rate: 기존 고객사가 계약을 갱신하는 비율
-
Retention
-
CLV
-
CAC
-
LTV
-
이탈율
- 월 단위로 계산
- 구독을 취소한 고객/전체 고객
- CCR(customer churn rate)
- DCR(Dollar churn rate) : 이탈 고객 매출/전체 매출
-
평균 수명
- 1/이탈율
- 예)이탈율이 5% -> 평균 수명이 20개월
