43. 지표의 이해와 좋은 지표란?

학습 주제

• 좋은 지표란?
• KPI 예와 선행 지표
• 이커머스 지표 정리
• 마케팅 지표 정리
• SaaS 지표 정리

주요 학습 내용

• 지표(KPI)는 왜 필요한가?
  • 목표 설정과 집중
  • 성과 측정
  • 의사 결저아
  • 동기 부여 및 책임감
  • 리소스 할당(우선 순위)
  • 커뮤니케이션(공동 언어)
  • 추상적인 목표를 가시적이고 측정 가능한 목표로 전환
  • 조직이 진행 상황을 추적하여 정보에 입각한 의사 결정
• KPI(Key Performance Indicator)란?
  • 조직내에서 달성하고자 하는 중요한 목표
    - 보통 정량적인 숫자가 선호된다.
    - 예를 들면 매출액 혹은 유로 회원의 수 / 비율
    - 명확한 정의가 "중요"하다 -> 지표 사전이 필요
  • KPI의 수는 적을 수록 좋다
  • 잘 정의된 KPI -> 현재 상황을 알고 더 나은 계획이 가능하다
    - 정량적이기에 시간에 따른 성과를 추적하는 것이 가능하다
    - OKR(Objectives and Key Results)과 같은 목표 설정 프레임웍의 중요한 포인트
• 지표(Metrics)란?
  • 지표와 KPI의 차이점은 중요
    - KPI는 회사에서 중요한 지표, 즉 지표가 더 큰 개념이다
  • 팀 / 개인별로 중요한 성과 목표를 정량적으로 갖는 것이 중요하다
  • 데이터 문해력의 시작점
• 좋은 지표의 특성
  • 3A (Accessible, Actionable, Auditable)
  • 쉽게 볼 수 있어야 한다 (Accessible)
    - 시각화 툴을 사용
  • 실행 가능한 통찰력이 제공되어야 한다 (Actionable)
    - 지표 등락의 의미가 분명해야한다
  • 감사가 가능해야한다 (Auditable)
    - 지표 계산기 제대로 되었는지 가능해야한다
    - 데이터 기반이어야 가능하다
  • 좋은 지표는 보통 비율이나 변화율
  • 구체적이어야 한다
  • 측정 가능한 숫자로 되어야한다
  • 현실적인 해결책
  • 목표와 일치
  • 데드라인 안에 맞춰야한다.
• Next Dashboard Fallacy
  • 기존 지표 기반 결정을 못하고 대시보드를 계속해서 만드는 현상
    - 의사결정 장애의 일종
    - 좋은 결정이란 짧은 시간이라도 밀도있게 같이 고민하고 명확하게 내리는 결정
       buy-in & clarity
  • 지표의 수는 적을수록 좋고 따라서 대시보드의 수도 적을수록 좋음
    - 대시보드의 수가 늘어나면 Dashboard Discovery 이슈가 발생함
    - 대시보드의 수만큼 테이블의 수도 늘어날 가능성이 있고 이 역시 데이터 인프라 비용 증가로 이어진다.

---

• KPI와 선행 지표 예시
  • 매출액 (vs. Active Users)
    - 기존 고객 매출 vs 새로운 고객 매출
    
  • 매출 = 가격(P) * 판매량(Q)
    - P가 고정되었다는 전제하에서 Q를 늘릴 방법을 찾아야한다
  • Q에 영향을 주는 인풋 지표(선행 지표)를 찾는 것이 중요
    
• 상관관계(Correlation) & 인과관계(Causation)
  
  • 상관관계
    - 두 사건 간에 통계적 관계가 있을 때
    - 한 사건이 다른 사건의 원인이 되는 것은 아니다
    
  • 인과관계
    - 한 사건이 다른 사건을 발생 시키는 관계
    - 한 변수(원인)가 다른 변수(결과)에 직접적인 영향을 끼친다
• 두 가지 중요한 KPI
  • 매출 vs. 서비스 사용 고객수 (DAU, WAU, MAU)
  • 보통 매출이 훨씬 더 중요한 지표
  • 네트워크 현상이 중요한 도메인에서는 "서비스 사용 고객수"도 중요한 지표

---

• 이커머스 지표정리
  • B2B : Business to Business
    - 서비스나 상품을 다른 회사에 파는 경우, 즉 고객이 회사가 된다.
    - 세일즈팀이 존재해서 영업을 한다, 회사 고객 최종 결정권자의 승인이 필요하다
    - 사용자수 X 구독비용 (subscription fee)의 형태로 매출이 결정된다.
  • B2C : Business to Consumer
    - 서비스나 상품을 다른 회사가 아닌 개인에게 파는 경우, 즉 고객이 개인이 된다.
    - 보통 마케팅팀이 있어서 서비스나 상품의 광고 활동을 한다
    
  • B2G : Business to Government
    - 정부를 대상으로 진행
• 살펴볼 지표들
  • 서비스 사용고객
    • "활성" 정의
      - 사용자가 "활성" 상태에 관한 명확한 정의가 중요 -> 지표사전의 필요성
      - 단순 로그인을 활성으로 볼 것인가?, 어떤 행동을 의미있는 행동으로 볼 것인가?
      - DAU, WAU, MAU
  • 잔존율 / 이탈율 / 수명
    • 사용자 이탈율 (Churn Rate)
      • 보통 월 기준으로 사용자가 우리 서비스를 이탈하는지 여부를 보는 지표
      • 반대는 사용자 잔존율 (Retention Rate)
        - 고객 잔존율은 고객이 계속해서 서비스를 사용하는 비율
        - 고객 이탈율 = 1 - 고객 잔존율
        - 고객 이탈율 예측할 수 있다면 이메일 마케팅등을 통해 재소통 시도가 가능하다
      • 사용자 수명(Lifespan)
        - 사용자 이탈율을 알면 사용자의 평균 서비스 사용 개월 수 계산이 가능하다
        - 사용자 평균 수명 (개월) = 1 / 사용자 이탈율
  • 코호트
    • 특정 속성을 바탕으로 나눠진 사용자 그룹
    • 가장 많이 사용되는 속성은 사용자의 서비스 처음 사용달, 회원 등록달
      - 제품의 특정 기능을 사용하는 사람들과 아닌 사람들을 코호트로 나눠 볼 수 있다.
    • 코호트분석이란?
      - 코호트를 기반으로 사용자의 이탈율 / 잔존율, 총 소비금액 등을 시간을 두고 계산하는 것
      - 목적은 결국 잔존율을 높일 방법을 찾는 것이다.
  • LTV(LifeTime Value)  = CLV (Customer Lifetime Value)
    • 사용자가 우리 서비스를 사용하는 동안 얼마의 매출을 낼 것인지 예측하는 것
    • 예측하는 모델링이 굉장히 중요하다
      - 간단한 경험기반 룰로 시작해서 나중엔 머신러닝등을 사용하여 고도화하는 것이 일반적이다
    • B2B의 경우 더 중요하며 계산도 간편하다 (충분한 기간의 데이터가 필요)
  • NPS (Net Promoter Score) : 고객 만족도 지표
    • 고객 서베이 (0 - 10) : 10은 가장 만족스러운 경우
      - 0~6 : 비추천, 7~8 : 중립, 9~10 : 추천
    • NPS = 추천고객 비율 - 비추천고객 비율
  • 퍼널 분석 (Funnel Analysis)
    
    • 대표적인 것이 클릭스트림(Clikcstream) 분석
      - 마케팅 광고를 통한 매출 유도 분석
      - 서비스 친숙도에서도 아주 중요하다

---

• 접점(Touch Point)
  • 고객이 우리 서비스를 접하게 되는 다양한 방법 또는 경로
    - 디지털 접점이 포커스가 될 것이다.
  • 고객 접점 경로의 시간순 기록이 디지털 마케팅 데이터 분석의 시작
    - Channel 이라고 생각해도 무방
  • 오프라인 접점 / 온라인 접점이 존재
• 디지털 마케팅
  • 디지털 접점에 우리 서비스 / 제품에 대한 광고를 내는 것
  • 보통 캠페인이란 형태로 행해지고 구체적인 타켓 고객층을 가지고 시작
  • 회사에 따라서는 다수의 접점에서 동시에 동일한 목적을 갖는 마케팅을 시작
    - 어떤 채널에서 어떤 캠페인이 가장 리턴이 좋은가?
• 전환 (Conversion)
  • 최종전환 (Macro-conversion)
    - 고객이 물건 구매와 같이 의미가 큰 행동을 하는 경우 이를 최종전환이라고 부른다.
    - 최종전환 전의 접점(채널)들은 하나 이상이 있을 수 있는데 어떻게 기여도를 부여할 지 정하는 것이
      바로 마케팅 기여도 모델
    - 최종전환은 마케팅 목표에 따라 다르다 ex) : 상품 / 서비스 판매
  • 보조전환(Micro-conversion)
    - 최종 전환에 앞서 고객의 행동들을 자세하게 기록하는 것이 도움이 된다.
    - 보조전환들이 모여 최종전환이 되는 것이 일반적인 패턴이다. 즉 보조전환은 최종전환의 징조가 된다.
    ex) 특정 물건의 상세정보 클릭 혹은 특정 물건을 쇼핑카트에 넣었다던지 등의 행동들
• 사용자 여정 (User Journey)
  • 보통 5개 단계를 거쳐서 충성고객이 된다.
    - 인지 -> 고려 -> 구매 -> 사용 / 서비스 -> 충성 고객
    - 가격에 따라 구매를 하기까지 몇 분에서 몇 달이 걸릴 수 있다.
  • 데이터 관점에서 사용자 여정
    - 고객의 접점들과 최종전환 / 보조전환을 시간순으로 나열한 것
• 마케팅 지표 : 채널 / 캠페인 기여도 분석 모델 (Marketing Attribution)
  • 최종전환이 일어날 경우 어느 채널에 공을 돌릴것인가?
    - 처음 터치
    - 마지막 터치
    - 마지막 비직접 터치 : 마지막 터치가 직접방문이라면 직접방문을 제외한 마지막 채널을 승자로 선택
    - 멀티 티처 : 최종전환에 관여한 모든 채널에게 공을 조금씩 돌리는 방식
  • 한 채널에서 여러 캠페인이 진행 중이라면 어느 캠페인에게 공을 돌릴 것인가?
    - UTM 파라미터를 사용해서 구분
• 리퍼럴 (Referral)
  • 웹에서 리퍼럴은 링크를 타고 한 페이지에서 다른 페이지로 넘어가는 것
    - 웹 페이지 A에 있는 링크를 클릭하여 다른 페이지 B로 넘어가는 경우를 가정
      : 페이지 B의 리퍼럴 링크는 페이지 A
  • 다른 사이트에서 링크를 타고 우리 사이트로 넘어오는 방문자를 리퍼럴 방문자라 부른다
  • 리퍼럴을 통해 사용자들의 방문 경로를 알 수 있다.
• UTM 파라미터
  • UTM(Urchin Tracking Module) 파라미터
    - Urchin 은 구글이 2005년 인수한 회사의 이름 (Google Analytics의 원조)
    - 디지털 마케팅 캠페인에서 접점을 추적하는 실제 표준으로 사용된다.
    - 사용자 방문의 원천을 파악 : 마케팅 채널별 캠페인별 효율 분석
  • UTM 파라미터가 제공해주는 가치
    - 리퍼럴을 이용하면 어떤 사이트를 통해 사용자들이 우리 서비스를 찾아서 오는지 파악 가능
    - 하지만 리퍼럴은 세부정보가 부족하다
  • 파라미터 설명
    - source : 유입출처
    - medium : 마케팅 방식
    - campaign : 캠페인 이름
    - term : (옵션) 키워드, 보통 검색광고에만 적용
    - content : (옵션) 광고안에 링크가 여러 개 존재할 경우, 그것들을 달리하기 위한 ID
• CPC (Cost Per Click)
  • 가장 흔히 사용되는 마케팅 효과 분석 지표 중 하나
    - 고객이 광고를 클릭하는데 드는 평균 비용
    - 회사가 고객의 광고 클릭 하나에 지불하는 평균 비용
    - 보통 캠페인별로 계산되고 마케팅 플랫폼 레벨로 모아서 계싼
    - 이 방식 문제는 실제 클릭이 구매로 이뤄졌는지 따지지 않는다.
  • CPC = 캠페인에 들어간 모든 비용 / 총 클릭 수
  • CPC가 클수록 마케팅 효과는 떨어진다 볼 수있다.
    - 서비스의 종류에 따라 다르기에 캠페인 별로 상대비교를 해야한다
• CPA (Cost Per Acquisition)
  • 가장 흔히 사용되는 마케팅 효과 분석 지표 중 하나
    - 고객이 광고를 통해 실제로 물건을 구매하는데 드는 평균 비용
    - 회사가 광고를 통해 구매를 한번 하는데 지불하는 평균 비용
    - 보통 캠페인별로 계산되고 마케팅 플랫폼 레벨로 모아서 계산
  • 특정 캠페인의 CPA
    - CPA = 캠페인에 들어간 모든 비용 / 총 판매 수
    - CPA가 클수록 마케팅 효과는 떨어진다고 본다
    - 서비스의 종류에 따라 다르기에 캠페인 별로 상대비교를 해야한다
    
• ROAS (Return On Advertising Spend)
  • 앞서 CPC와 CPA의 문제는 클릭수와 판매수를 기반으로 계산
  • 캠페인을 통해 돈을 벌었는지 아니면 마케팅에 더 많은 돈을 알고 싶다면 ROAS를 계산
  • 특정 캠페인의 ROAS를 계산
    - ROAS = 캠페인에서 나온 모든 매출액 / 캠페인에 들어간 모든 비용
    - ROAS가 클수록 좋으며 ROAS가 1이면 이득도 손실도 없다 / 1보다 작으면 손해
    - 마케팅 기여도 방식에 따라 달라진다.

---

• SaaS  (Software as a Service)
  
  • SaaS는 별다른 준비없이 인테넷을 통해 바로 사용 가능한 클라우드 기반 서비스
  • 보통 구독 모델의 형태로 월별로 정해진 금액을 내는 형태로 과금이 된다.
    - 인당 라이센스 비용을 받고 더 긴 기간을 약속하는 경우 할인을 해준다
    - 개인도 많이 쓰지만 기업에서 도입이 일반화 되고 있다 -> B2B 적인 요소가 많다
  • 많은 서비스들이 SaaS 모델로 넘어가고 있다.
    1. 소프트웨어를 인터넷을 통해 다운로드받고 사용하고 버전 업그레이드 등의 유지보수를 받는 것
    2. 브라우저 버전으로 사용하는 것. 이 경우 다운로드를 받거나 유지보수의 개념
• B2B 지표 : 어카운트 전환율
  • 세일즈포스에서 이 분야를 표준화 했다.
  • 세일즈 사이클
    - 잠재고객 관리 (일종의 퍼널 분석 - Account Conversion Funnel)
    - 리드 (Lead)
    - 관심을 갖는 (자격을 충족하는) 리드 (Opportunity)
    - 고객 (Account)
  • 어카운트 전환율
    - 리드에서 최종 고객으로 전환되는 비용
  • 월간 반복 매출 (Monthly Recurring Revenue)
    - Net MRR = 어느달의 MRR - 그 전달의 MRR
  • 연간 반복 매출 (Annual Recurring Revenue)
    - ARR = 12 * MRR
  • 고객 재계약률 (Renewal Rate): 기존 고객사가 계약을 갱신하는 비율
    - 여기서도 고객 이탈률이 중요한 지표
  • CLV (Customer Lifetime Value)
    - ARPU (ARPC) : Average Revenu Per Customer(user)
    - ARPC = MRR / 그 달의 고객
    - CLV = ARPC * Lifetime
  • CAC (Customer Acquisition Cost)
    - CAC = 영업과 마케팅 총 비용 / 새로운 고객의 수 (한해, 한 달)
    - CLV 가 CAC 보다 크다면 그 회사는 성장 가능성이 높다
  • Unit Economics: 고객을 하나 유치하는데 이익이 나는지?
    - 고객 한명 끌어오는데 드는 비용보다 고객이 내주는 매출이 더 커야한다

공부하면서 어려웠던 내용

• 프로젝트하면서 어떤 것을 근거로 써야할지 고민을 많이 했는데 오늘 배운 지표들을 토대로 하면 길이 보일 것 같다는 생각이 든다, 다음 프로젝트에 써봐야겠다.