[그로스 해킹]을 읽고 - 지표

---

지표

지표 활용하기

1) 지표의 속성 분류

스톡 형태 지표 / 저량 지표	플로 형태 지표/유량 지표
시작과 끝 개념이 없다	시작과 끝에 대한 시간 범위 존재
특정한 찰나에 관찰 할 수 있는 누적된 값	일정한 시간 동안의 변화량
ex) 누적 가입자 수 , 누적 거래액	ex)1월 1일의 가입자수,2월 1일 매출
단순 누적량을 보여준다는 측면에서, 허무 지표에 가까움	지표의 변화 방향,변화 추이,속도에 대해 더 세부적인 정보 제공

=> 일반적으로 플로 형태 지표가 더 많은 정보를 지님
=> 핵심 지표를 선정하거나,성과를 측정할 때는
목표 지표가 스톡인지,플로인지 정확히 구분해야 함

2) 지표를 명확하게 정의하기
지표를 어떤 방식으로 측정해서 관리할지에 대해,
모든 구성원이 동의할 수 있는 명확한 측정 기준 정의

3) 허무 지표에 빠지지 않기
허무 지표
지표를 바탕으로 행동을 이끌어내지 못하는 지표
ex)시간이 흐르면서 자연스레 높아지는 지표,
중요한 수치와 상관없는 지표
=>허무 지표는 서비스가 올바른 방향으로 가고 있는지에 대한 정보를 거의 주지 못함.

4) 전체 관점에서의 최적화
지표 개선을 위한 행동은 부분 최적화가 아닌
전체 관점에서의 최적화에 초점을 맞춰야 함
ex) ctr,cpc등의 부분 최적화 지표에 매몰되면 ,전체 관점에서의 최적화를 놓칠 수 있다.

5) 심슨 패러독스 (Simpson's Paradox)
통계학 심슨 패러독스
쪼개진 데이터에서 성립하는 관계가 합쳐진 데이터에서는 반대로 나타나는 현상
=>전체 데이터만 놓고 비교하는 경우,
유의미한 결과를 놓치거나,
데이터를 완전히 잘못 해석하는 사례가 발생할 수 있다

6) 대푯값을 사용할 때 주의해야 할 점
정규분포 O => 평균값을 대푯값
정규분포 X, 이상치 O=> 중앙값을 대푯값으로 고려
=>중앙값은 평균보다 안정적이고,
몇개의 아웃라이어가 있다고 해도 흔들리지 않는다.

7) 생존자 평향 (Survivorship bias)피하기
분석 대상 데이터들이 평향성을 가진 채 수집되면,
분석 결과를 신뢰할 수 없게 된다.

잘못된 데이터 활용의 대표적인 사례 -> 생존자 평향

---