# 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

  1. 올바른 질문을 품고
  2. 자신이 목표하는 변화를 가져다줄 한 가지 핵심 지표에 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

  1. 상대적: 시대별, 사용자 그룹별로 비교할 수 있어야함. (e.g. 전환율이 2%다: ☹️ / 전환율이 지난주보다 5% 증가했다: 😄)
  2. 이해하기 쉬움: 팀원들이 지표를 기억하고 실행에 옮기기 쉬워야 함
  3. 비율로 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.
  4. 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. 인터뷰
    • 정량적 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 도움X
    • 실질 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 수
    • 후행 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!) canvas

  • 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
    1. 데이터에 에러 없다고 가정
    2. 표준화하지 않기 (e.g. 결혼식장소로 인기있는 도시 찾을때 신혼여행비행기티켓을 집계하면 그저 비행기많이타는 도시 목록이 될 수 있음 )
    3. 특이사용자 배제 (e.g. 하루에 천번 웹사이트 방문 - 봇인가? 하고 배제. 근데 찐팬 유저일 수 있음)
    4. 특이사용자 포함 (e.g. 하루에 천번 웹사이트 방문 - 찐팬유저 데이터 기반으로 추천하면 넘 하드코어해질수있음)
    5. 계절적 변동 무시 (e.g. 인턴비율이증가 - 사실 6월에만 그럼)
    6. 성장을 평가할 때 전체 규모를 무시 (e.g. 초기에는 유저 넘 적어서 데이터가 날뜀)
    7. 지나치게 많아 의미를 잃은 데이터
    8. 거짓 경보를 울리는 지표 - 반복되면 무시하게 될거임.
    9. 직접 수집한 데이터만 인정하는 배타적 태도
    10. 잡음에 초점을 두는 것 - 허상지표는 무시하고 큰그림 보자

# Part 2

# ch5. 다양한 분석 체계

A. 해적지표(AARRR)

  1. 사용자 유치
    1. 자연발생이든 인위적이든 다양한 방식을 통해 시선끌기
    2. 웹 트래픽, 제품 언급, CPC(클릭당광고단가), 검색결과, 사용자확보 비용, 오픈율
  2. 사용자 활성화
    1. 일회성 방문자들이 회원으로 가입하는가?
    2. 등록, 회원가입, 한번이상 서비스 사용
  3. 사용자 유지
    1. 재방문, 자주 사용
    2. 인게이지먼ㅌ, 마지막 방문 이후 걸린 시간, 활동사용자, 이탈율
  4. 매출
    1. 고객 생애가치, 전환율, 장바구니 구매액, 클릭 매출
  5. 추천
    1. 발송된 초대건수, 바이럴 계수, 바이럴 주기

B. 성장 엔진 by 에릭 리스 스타트업을 이끄는 세 가지 엔진

  1. 흡인력
    1. 제품을 다시 찾음
    2. 지메일, 에버노트, RPG게임은 오래 사용하면 이탈하기 어려움. 사용자 스스로 만든 가치 때문
  2. 바이럴
  3. 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:

  1. 진입 대비 테스트 완료 비율
  2. 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
    1. 전자상거래
    2. SaaS
    3. 모바일 앱 + 앱내구매
    4. 컨텐츠생성 + 광고
    5. 플랫폼에서 사람들이 콘텐츠생성
    6. 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?
    1. 전환율: 물건을 구입ㅂ하는 방분자
    2. 연간 구입 건수
    3. 평균 장바구니 크기: 한번에 얼마나 많이 사는가 -> 전환율만큼 중요한 지표
      1. 가망 고객 중 가장 수익성이 좋은 고객군을 알아내려면 전환율보다는 이 총매출을 비교해야함. 정말 중요한건 이익!
    4. 포기율: 구매 과정 시작했지만 결제로 이어지지X
      1. 총포기율 말고 각 단계별 포기율 분석필요
    5. 고객 확보 비용: 누군가로 하여금 물건을 사게 하기 위해 지출한 돈
    6. 고객당 매출: 각 고객의 생애 가치
    7. 유입된 상위 검색어: 사람들이 검색해서 이 사이트 들어오는
    8. 인기 검색 조건: 매출로 이어지는 검색어 -> 중요
      1. 카테고리를 추가하든 검색페이지를 바꾸든.
    9. 추천 엔진 효과: 방문자가 추천받은 제품을 장바구니에 넣을 확률
    10. 바이럴 효과: 방문자당 구전효과, 정보 공유
    11. 리뷰

# ch.9 사업모델 2. SaaS

  • 유형
    • 월정액
    • 사용량
    • 부분유료화
  • 핵심지표
    1. 주목: 얼마나 효과적으로 관심받는지
    2. 가입: 방문자중 얼만큼이 무료사용자/체험 해보는지
    3. 흡인력: 고객이 얼마나 자주 사용하는가
      1. 방문 빈도 같이 조악한 지표를 보지 마!(ㅋㅋㅋ) 앱 전체에서 사용 패턴을 찾아보자.
      2. 로그인할때마다 몇분씩 사용하느지, 특별히 더 많이 사용하는 기능은? 절대로 사용하지 않는 기능은?
      3. 어떤 고객군에 바람직한 행동이 집중되어 있으면 그 고객군을 목표 시장으로 삼을 수 있다.
    4. 전환율: 유료사용자 되는 비율
    5. 고객당 매출
    6. 고객 확보 비용
    7. 바이럴 효과
    8. 상향 판매: 고객들로 하여금 얼마나 자주 더 고액의 상품을 사게 하는가
    9. 신뢰성: 고객의 불만 얼마나 많이 발생
    10. 이탈률 (중요)
      1. 매월 고객의 2.5%가 이탈한다 = 평균적으로 고객들이 40개월동안 서비스를 사용 (100/2.5) => 고객의 생애 가치 계산 (40개월 * 사용자당 월평균매출)
    11. 생애 가치: 회원가입에서 탈퇴까지 고객 가치ㄴ

# ch.10 사업모델 3. 무료 모바일 앱

  • 핵심 지표
    1. 다운로드
      1. 앱마켓에 소개되면 평균 15위~42위 상승
      2. 앱스토어에 정기적으로 노출되면 트래픽 100배 증가
    2. 고객 확보 비용(CAC)
    3. 실행률: 앱을 다운로드해서 실제 실행+계정가입 사람 비율
    4. 활동사용자 비율: DAU, MAU
    5. 돈 쓰는 사용자 비율로첫 구매까지 걸린 시간을사용자당 월 평균 매출 (ARPU: Average Revenue Per User) (ARPPU: Average Revenue Per Paying User - 돈쓰는사용자당평균매출)
    6. 평가율: 리뷰올리는 사람 비율
    7. 바이럴 효과: 평균적으로 한 사용자가 초대한 다른 사용자 수
    8. 이탈률
      1. 1일, 1주일, 1달 이탈률은 각각 이유가 다를것이다.
    9. 고객 생애 가치