지표 설정과 주요 지표 이해하기
지표는 특정 목표나 성과를 측정하기 위한 구체적이고 측정 가능한 기준입니다. 목표 달성도를 평가하고 전략적 결정에 필요한 핵심 정보를 제공하는 중요한 역할을 합니다. 이 글에서는 지표 설정의 중요성과 다양한 지표의 종류에 대해 알아보고, 실제 예시를 통해 이해도를 높여보겠습니다.
01. 지표 설정
☑️ 지표란?
- 지표 정의: 특정 목표나 성과를 측정하기 위한 구체적이고 측정 가능한 기준입니다. 목표 달성도를 평가하고 전략적 결정에 필요한 핵심 정보를 제공합니다.
- 문제 정의와 지표 설정의 차이점: 문제 정의는 ‘어떤 문제를 풀고자 하는가?’를 정의하는 것이고, 지표는 ‘어떤 결과를 기대하는가?’에 대한 정량화된 기준을 설정하는 것입니다.
✍️ 지표 설정 예제
- 목표: 날씬해지기
- 정의: 국가 비만도 정의에 의한 ‘정상’ 체중 (BMI 18.5 이상 23 미만)
- 지표: BMI (체중/키^2), 체지방률 (체지방량/몸무게)
- 액션 관리 지표: 주 5회 이상 운동 (운동이행률 5일/5일), 매일 7시 이후 금식 (식단달성율 30일/30일)
- 목표: 사용자 성장
- 지표: 사이트 방문자 수, 평균객단가 증가, 재방문율 증가
- 예시 지표: 객단가 (고객 당 평균 구매금액 = 구매금액의 합/고객수)
- 문제: 유튜브 광고에 대한 반응이 적다
- 지표: 매출, 유입 수 등
- 정의: 매출이 크게 늘지 않았다, 유입 수가 크게 늘지 않았다
02. 주요 지표 이해하기
1) Active User (활성유저)
- 정의: 서비스의 활성유저는 사이트에 진입 후 특정 액션을 수행한 유저를 의미합니다. 활성유저의 정의에 따라 전략과 방향이 달라집니다.
- 설정 예시:
- 사이트 진입 유저
- 사이트 진입 후 추가 행동을 한 유저
- 서비스의 최종 액션까지 수행한 유저
2) Retention Ratio (재방문율)
- 정의: 서비스를 사용한 사람이 다시 서비스를 사용하는 비율입니다. 리텐션이 높은 서비스는 획득비용에 투자한 비용을 빠르게 회수할 수 있습니다.
- 측정 방법:
- N-Day 리텐션: 최초 사용일로부터 N일 후에 재방문한 Active User의 비율
- Unbounded 리텐션: 특정 날짜를 포함하여 그 이후에 재방문한 유저의 비율
- Bracket 리텐션: 설정한 특정 기간을 기반으로 재방문율을 측정
3) Funnel (퍼널)
- 정의: 유저들이 어디서 이탈하는가를 확인하기 위한 구조화된 과정입니다. 퍼널은 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정을 보여줍니다.
- AARRR 프레임워크:
- Acquisition: 유입
- Activation: 활성화
- Retention: 재방문
- Revenue: 수익
- Referral: 추천
4) LTV (Life Time Value, 고객 평생 가치)
- 정의: 한 명의 유저가 생애 주기 동안 얼마만큼의 이익을 주는지를 정량적으로 지표화 한 것입니다.
- 산출 방법:
- 이익 x Life Time x 할인율
- 연간 거래액 x 수익률 x 고객 지속 연수
- 평균 구매 단가 x 평균 구매 횟수
- (매출액 – 매출 원가) / 구매자 수
03. 북극성 지표
☑️ 북극성 지표란?
- 정의: 제품/서비스의 ‘성공’을 정의하고, 장기 성장을 위해 필수적으로 모니터링 해야 하는 지표입니다.
- 좋은 북극성 지표의 특징:
- 제품/서비스 전략의 핵심
- 유저/고객이 제품/서비스에서 느끼는 가치
- 회사의 사업 목표를 나타내는 지표 중 선행지표
☑️ 북극성 지표의 사례
- 대표적인 북극성 지표 사례는 다양한 유형으로 구분됩니다. 예를 들어, 사용자의 참여도를 나타내는 지표, 수익성을 측정하는 지표 등이 있습니다.
☑️ 북극성 지표가 중요한 이유
- 방향성 제공: 제품/사업 조직이 무엇에 최적화되어야 하고, 무엇을 포기해도 되는 지에 대한 방향을 제시합니다.
- 효율 증대: 전 직원을 하나의 목표에 집중시켜 서로 상반된 목표에 집중하거나, 중복으로 일하는 것을 방지합니다.
반응형
'Data Analytics (데이터 분석)' 카테고리의 다른 글
SQL, Python 체크리스트 (SQL, Python 에 대해서 얼마나 알고 있나요?) (1) | 2024.07.11 |
---|---|
[세미나] [데이터 분석가, 어떤 회사로 가야할까?] 데이터 분석가로서의 경로: 인하우스와 컨설팅의 매력과 차이점 (0) | 2024.07.10 |
[데이터 리터러시] 데이터의 유형 (0) | 2024.07.10 |
[데이터 분석] 비즈니스 관점에서 데이터 분석가가 갖춰야할 역량과 프로세스 (0) | 2024.07.09 |
데이터 분석의 시작은 Business (0) | 2024.07.09 |