# 린 분석 (엘리스테어 크롤, 벤저민 요스코비츠 지음)
# Part 1
# 린 스타트업
- 아이디어를 단기간에 제품으로 만든 후 시장 반응을 다음 제품에 반영하는 것을 반복하여 성공 확률을 높이는 경영 전략
# 린 분석적인 사고
올바른 질문
을 품고- 자신이 목표하는 변화를 가져다줄
한 가지 핵심 지표
에 집중
# 데이터 주도
- 수집, 분석에만 그치면X. 결과가 기업의 의사결정&행동에 실질적으로 반영되어야 함.
- 창업자는 특히 자신을 속이기 쉬움. 거품을 믿으면 안됨.
- 직감에 귀 기울이되 데이터를 통해 테스트하라. (직감=실험 | 데이터=증거)
- e.g. 에어비앤비: 가설 "전문적인 사진이 있으면 숙소 예약 늘어날것이다" -> 몇몇 고객에게만 MVP 테스트 -> 예약데이터 3배 상승 -> 전체적용
# 좋은 지표
상대적
: 시대별, 사용자 그룹별로 비교할 수 있어야함. (e.g. 전환율이 2%다: ☹️ / 전환율이 지난주보다 5% 증가했다: 😄)이해하기 쉬움
: 팀원들이 지표를 기억하고 실행에 옮기기 쉬워야 함비율로 표현
: e.g 1. 주행거리 나누기 교통위반스티커: 빨리 달릴수록 스티커 많이받음 - 지표 보고 제한속도 어길지 말지 판단가능. e.g. 2. 기능을 유료로만 출시하면 매출은 늘지만 신규 사용자는 늘지 않는 결과 - 두 밸런스를 함께 볼 수 있는 지표 추적 필요.행동 방식을 바꿀 수 있다
: 지표와 원하는 행동변화가 관련있어야 함. 데이터 수집 전에 데이터 변화에 따라 무엇을 바꿀지 미리 합의 필요.
# 허상 지표. 어떻게 피할 수 있을까?
# 다양한 지표
- 컨텍스트 vs 숫자
정성적 지표
: 체계적 실험보다는 관찰과 경험에 바탕. e.g. 인터뷰정량적 지표
: 구체적인 숫자와 통계, but 정황정보 부족.
- 실질적이냐?
허상 지표
: 실행에 옮길 수 없는 데이터. 뭉뜽그려져서 기분만 좋게 하는 사람을 현혹시키는 지표 e.g. 전체 가입자 수 - 전형적인 우상향 그래프. 사용자들이 무엇에 가치를 느끼는지 알려주지X. 전체 활동사용자 수 - 가입자수보단 낫지만 으레 우상향이라 도움X실질 지표
: 행동 방침을 선택하는데 도움을 줌 e.g. 활동사용자 비율, 특정기간동안 확보한 사용자 수
- 정체를 알고 있냐?
탐색 지표
: 모르고 있던걸 알기 위한. e.g. '엄마들' 사용자군이 메세지 50%많이 보냄을 발견- 보고 지표: 알고있던걸 측정하기 위한.
- 소를 잃기 전이냐?
선행 지표
: 미래를 예측하는데 사용. e.g. 현재 잠재고객 수후행 지표
: 과거를 설명해줌 e.g. 이탈률- (어떤 팀의 선행지표가 어떤 팀의 후행지표가 될 수도 있음. )
- 관계?
상관 지표
: 지표들이 함께 움직일때 e.g. 아이스크림 소비와 익사 건수는 함께 움직인다 (여름 날씨 때문)- 상관관계를 먼저 찾은 후에는 반드시 원인을 알아내야 한다. 원인을 발견한다 = 그 일을 바꿀 수 있다.
- 상관관계를 찾고 변수를 통제하며 차이를 측정하는 실험 go
인과 지표
: A가 B를 변하게 할때- 상관관계도 좋지만 인과관계를 찾으려 항상 노력해야 한다
# 목표 수정
- 가설: 일주일에 4번이상 앱 방문을 활동사용자로 간주
- but 측정해보니 비율이 기준치보다 낮음
- 기준치에 못미치는데 앱을 쓰는 유저에게 전화 돌림 -> "읭 저는 잘 쓰고 있는데요 ㅎ 만족해요" 답변.
- 일주일에 1~2번만 써도 도움이 된다고 생각 - 활동사용자 기준 바꿈.
- 필요하면 기준치를 조정할 수 있다! 고객들의 방식을 알아내라.
# 고객 세분화
- 공통의 특징을 공유하는 집단
- e.g. 파폭 사용자. 예약하고 오는 손님, 미니밴 운전 부모님.
- A고객군이 특히 활발하다면 이유를 알아내서 다른 고객군에게도 성공을 복제해야함.
# 코호트 분석
- 시간축과 함께 분석. 고객 생애주기 고려 가능.
- e.g. 1월 평균매출 5천원, 5월 평균매출 4.5천원
- 코호트분석 해보니 오히려 첫달 구매율이 증가하고있단걸 발견. 최근 마케팅이든 상품라인업이든 좋아졌나봄.
# A/B테스트
- 코호트가 종단적 연구라면 A/B테스트는 횡단적 연구 (동시간에 여러 variable을 돌림)
- 다변량 테스트: 여러 A/B 동시에 돌려서 시간 아끼기.
# 린 캔버스
(좋구만, 토이플젝, 회사플젝에서 해보자!)
- 위험이 가장 큰 영역을 찾고 지적 정직함을 유지하게 함.
# 데이터에 끌려다니지 말기
- 영감은 인간의 영역, 검증은 기계의 영역.
- 데이터 주도적 최적화는 반복적 개선작업에는 좋아도 틀을 깨는 혁신은 어려움.
- 데이터를 분석할 때 사망플래그
- 데이터에 에러 없다고 가정
- 표준화하지 않기 (e.g. 결혼식장소로 인기있는 도시 찾을때 신혼여행비행기티켓을 집계하면 그저 비행기많이타는 도시 목록이 될 수 있음 )
- 특이사용자 배제 (e.g. 하루에 천번 웹사이트 방문 - 봇인가? 하고 배제. 근데 찐팬 유저일 수 있음)
- 특이사용자 포함 (e.g. 하루에 천번 웹사이트 방문 - 찐팬유저 데이터 기반으로 추천하면 넘 하드코어해질수있음)
- 계절적 변동 무시 (e.g. 인턴비율이증가 - 사실 6월에만 그럼)
- 성장을 평가할 때 전체 규모를 무시 (e.g. 초기에는 유저 넘 적어서 데이터가 날뜀)
- 지나치게 많아 의미를 잃은 데이터
- 거짓 경보를 울리는 지표 - 반복되면 무시하게 될거임.
- 직접 수집한 데이터만 인정하는 배타적 태도
- 잡음에 초점을 두는 것 - 허상지표는 무시하고 큰그림 보자
# Part 2
# ch5. 다양한 분석 체계
A. 해적지표(AARRR)
- 사용자 유치
- 자연발생이든 인위적이든 다양한 방식을 통해 시선끌기
- 웹 트래픽, 제품 언급, CPC(클릭당광고단가), 검색결과, 사용자확보 비용, 오픈율
- 사용자 활성화
- 일회성 방문자들이 회원으로 가입하는가?
- 등록, 회원가입, 한번이상 서비스 사용
- 사용자 유지
- 재방문, 자주 사용
- 인게이지먼ㅌ, 마지막 방문 이후 걸린 시간, 활동사용자, 이탈율
- 매출
- 고객 생애가치, 전환율, 장바구니 구매액, 클릭 매출
- 추천
- 발송된 초대건수, 바이럴 계수, 바이럴 주기
B. 성장 엔진 by 에릭 리스 스타트업을 이끄는 세 가지 엔진
- 흡인력
- 제품을 다시 찾음
- 지메일, 에버노트, RPG게임은 오래 사용하면 이탈하기 어려움. 사용자 스스로 만든 가치 때문
- 바이럴
- 수입
C. 린 캔버스
- 문제
- 솔루션
- 고유의 가치 제안
- 고객군
- 채널
- 경쟁우위
- 매출원
- 비용 구조
각 칸에 '핵심 지표'를 적고 통과/실패 구분해보기.
D. 스타트업 성장 피라미드 by 숀 엘리스
- 제품/시장 적합성 > 경쟁우위 확보 > 규모 확장
# ch6. 가장 중요한 한 가지 지표
- OMTM(One Metric That Matters): 현재 단계에서 가장 중요한 한가지 지표
- 이거쫒다 저거쫒다 하지 말고 한 번에 하나씩 뽀개라.
- e.g. 핵심 사용자 위해 흡인력있는 제품 만들기 -> 이를 발판으로 바이럴 효과 위해 사용자수 늘리기 -> 이 사용자 기반으로 매출 올리기
- 모든 것을 파악하되 중요한 것에 초점맞추기 <- 어려운 말이여 ㅠㅠ
- 스타트업 평가할때도 쓴다 - OMTM을 즉시 말하고 현상황에 일치한다면 긍정적 평가 받음
- 목표 기준 정하기
- 중요기준만 정하면 모자람. 어느정도가 성공인지 정해야함. 물론 어려움.
- 업계 기준치나, 우리가 사전에 찾았던 사업모델을 기준으로 정하기. 업계기준치는 본 책에 나와있음~
DEVTI의 OMTM:
- 진입 대비 테스트 완료 비율
- 테스트 완료 대비 공유 비율 2보다 1이 더 첫단계에서는 중요하겠다 목표기준: 1 - 33% (세명한테 추천하면 그 중 한명이 테스트 끝까지 풀기) 2 - 50% (바이럴 계수가 1.5면 엄청 큰거 아닌가? 근데 바이럴계수를 이렇게 계산하는게 맞나?)
# ch7. 어떤 사업을 하고 있는가
- 모든 사용자가 이로운 건 아님
- 고객 수에 연연X. 대신 '좋은'고객들을 위해 제품을 최적화하고 이들을 위해 활동 분류 필요
- 여섯 가지 사업 모델
- 전자상거래
- SaaS
- 모바일 앱 + 앱내구매
- 컨텐츠생성 + 광고
- 플랫폼에서 사람들이 콘텐츠생성
- 판매자와 구매자가 만나는 양면 마켓플레이스
# ch.8 사업모델 1. 전자상거래
- 유형
- (재구매율 40%이하) 신규고객 확보 집중: 보통(70%) 이 유형이다. 온라인 안경 쇼핑몰 - 구매자가 여러개 안경 사게 이끌기보다는 주위사람에게 추천을 유도
- (재구매율 40~60%) 하이브리드: 신규고객, 기존고객 모두 대상.
- (재구매율 60%이상) 고객충성도: 포인트 제도 효과적. 드물다(10%). 아마존.
- 재구매율 높은 사업이라고 좋은게 아님! 내가 무슨 유형에 속하는지 잘 알아야함.
- 무슨 지표를 봐야할까?
- 전환율: 물건을 구입ㅂ하는 방분자
- 연간 구입 건수
- 평균 장바구니 크기: 한번에 얼마나 많이 사는가 -> 전환율만큼 중요한 지표
- 가망 고객 중 가장 수익성이 좋은 고객군을 알아내려면 전환율보다는 이 총매출을 비교해야함. 정말 중요한건 이익!
- 포기율: 구매 과정 시작했지만 결제로 이어지지X
- 총포기율 말고 각 단계별 포기율 분석필요
- 고객 확보 비용: 누군가로 하여금 물건을 사게 하기 위해 지출한 돈
- 고객당 매출: 각 고객의 생애 가치
- 유입된 상위 검색어: 사람들이 검색해서 이 사이트 들어오는
- 인기 검색 조건: 매출로 이어지는 검색어 -> 중요
- 카테고리를 추가하든 검색페이지를 바꾸든.
- 추천 엔진 효과: 방문자가 추천받은 제품을 장바구니에 넣을 확률
- 바이럴 효과: 방문자당 구전효과, 정보 공유
- 리뷰
# ch.9 사업모델 2. SaaS
- 유형
- 월정액
- 사용량
- 부분유료화
- 핵심지표
- 주목: 얼마나 효과적으로 관심받는지
- 가입: 방문자중 얼만큼이 무료사용자/체험 해보는지
- 흡인력: 고객이 얼마나 자주 사용하는가
- 방문 빈도 같이 조악한 지표를 보지 마!(ㅋㅋㅋ) 앱 전체에서 사용 패턴을 찾아보자.
- 로그인할때마다 몇분씩 사용하느지, 특별히 더 많이 사용하는 기능은? 절대로 사용하지 않는 기능은?
- 어떤 고객군에 바람직한 행동이 집중되어 있으면 그 고객군을 목표 시장으로 삼을 수 있다.
- 전환율: 유료사용자 되는 비율
- 고객당 매출
- 고객 확보 비용
- 바이럴 효과
- 상향 판매: 고객들로 하여금 얼마나 자주 더 고액의 상품을 사게 하는가
- 신뢰성: 고객의 불만 얼마나 많이 발생
- 이탈률 (중요)
- 매월 고객의 2.5%가 이탈한다 = 평균적으로 고객들이 40개월동안 서비스를 사용 (100/2.5) => 고객의 생애 가치 계산 (40개월 * 사용자당 월평균매출)
- 생애 가치: 회원가입에서 탈퇴까지 고객 가치ㄴ
# ch.10 사업모델 3. 무료 모바일 앱
- 핵심 지표
- 다운로드
- 앱마켓에 소개되면 평균 15위~42위 상승
- 앱스토어에 정기적으로 노출되면 트래픽 100배 증가
- 고객 확보 비용(CAC)
- 실행률: 앱을 다운로드해서 실제 실행+계정가입 사람 비율
- 활동사용자 비율: DAU, MAU
- 돈 쓰는 사용자 비율로첫 구매까지 걸린 시간을사용자당 월 평균 매출 (ARPU: Average Revenue Per User) (ARPPU: Average Revenue Per Paying User - 돈쓰는사용자당평균매출)
- 평가율: 리뷰올리는 사람 비율
- 바이럴 효과: 평균적으로 한 사용자가 초대한 다른 사용자 수
- 이탈률
- 1일, 1주일, 1달 이탈률은 각각 이유가 다를것이다.
- 고객 생애 가치
- 다운로드