[내일배움캠프] PM 아티클 스터디 - '데이터'로 프로덕트 문제 탐구하는 방법

썸넬용 냥냥펀치.

 

오늘도 어제와 마찬가지로 PM 아티클 하나를 읽고 핵심 내용 정리 및 요약하는 시간을 가졌다.

 

이번 아티클은 '문제 정의 및 해결'하는 내용과 '데이터 해석'에 관련된 내용을 다뤘는데,

 

문제 정의 및 해결 내용은 요즘 많이 다루긴 했지만 데이터 관련 내용도 함께 있으니 같이 톺아보자.

 

🚩 아티클 링크 ↓ ↓ ↓ ↓ ↓ ↓ ↓

 

http://yozm.wishket.com/magazine/detail/2652/

‘데이터’로 프로덕트 문제 탐구하는 방법 | 요즘IT

---

🔰 문제 정의 - 프로덕트 구성 요소 / 이상적인 시나리오로의 접근

PM이 단순히 프로덕트의 문제를 정의하려고 하다간 자신만의 관점이 개입될 문제가 있다. PM은 프로덕트를 객관적으로 분석하고자 노력해야한다.

 

그래서 프로덕트를 두 가지 방향을 '프로덕트 구성요소', '이상적인 시나리오 작성'으로 두었다.

 

💡  프로덕트 구성 요소로 접근

만약 우리 프로덕트의 재구매 비율이 감소하는 문제가 발견되었다고 가정해보자.

 

이때 나의 주관을 개입하여 문제의 원인을 파악하는 것이 아닌, '프로덕트의 구성요소'를 먼저 나열해보자.

 

상품, 고객, 화면별 사용성, 주요 플로우 등.. 의 요소를 파악했다면,  이 요소들을 세분화한다. ex) 상품 - 상품 카테고리, 가격, 판매자, 상품 클릭률 등등..

 

출처 : https://yozm.wishket.com/magazine/detail/2652/ , 프로덕트 구성요소 예시 이미지.

 

이렇게 요소들을 Divide(분할) 한 상태에서 데이터를 살펴보면 프로덕트 현황을 좀 더 객관적으로 분석할 수 있다.

 

 

💡  이상적인 시나리오로 접근

재구매율이 감소하고 있는 현 상황에서 이상적인 시나리오를 한 번 만들어보자.

 

고객이 구매한 상품에 만족해서 재구매를 위해 다시 프로덕트에 접속해 상품을 구매한다.

 

 

위와 같은 시나리오를 작성했다면, 과정별로 세분화해보자.

 

시나리오는 다음과 같이 세분화할 수 있다.

 

✅ 고객이 구매한 상품에 만족한다.

✅ 또 구매를 하기 위해 다시 프로덕트에 접속한다.

✅ 고객이 상품을 재구매 완료한다.

 

이렇게 3개로 세분화했다면 이 세 개의 관점에서 현황을 파악할 만한 프로덕트 데이터를 설정한다.

출처 : http://yozm.wishket.com/magazine/detail/2652/, 프로덕트 데이터 예시.

 

이렇게 데이터를 확인해보고 우리의 이상적인 시나리오보다 데이터 수치가 낮거나 높게 나타나는 지점을 발견한다면 여기서부터 문제 탐구를 시작할 수 있게 된다.

---

🔰 데이터 읽기(해석) 시 주의할점

문제 탐구를 위한 데이터를 해석할 시 몇 가지 주의할 점이 존재한다.

 

🙄 인과관계와 연관관계?

예를 들어 '필터를 사용한 고객의 상품 클릭률이 높다'고 가정해보자.

 

필터 사용 -> 상품 클릭률이 높아지는 인과관계가 아닌,

 

필터 활성화 고객(클릭 동기 강함) -> 자연스럽게 상품 클릭의 관계일 수 있다.

 

즉 '필터 기능'으로 인해 상품 클릭률이 높아지는 게 아닌 '클릭 동기가 강한 고객'으로 인해 상품 클릭률이 높은 것이다.

 

필터 기능의 영향력을 확인하고 싶다면 근거 데이터를 더 확인해야 한다.

 

 

⚒ 유사 상황 / 반대상황을 통한 크로스 체크

위의 내용에 이어서 '필터 이용 경험의 구매 전환 영향력'을 추정해본다고 하자.

 

그렇다면 추정하는 상황을 납득할 만한 근거를 찾아야한다.

 

필터 이용 고객의 재구매율이 높다면? -> 필터를 이용하지 않은 고객의 재구매율이 낮게 나타나는지(반대상황) 확인해봐야 한다.

 

만약 재구매율이 낮게 나타난다면 그 원인이 무엇인지를 살펴보고, 필터 이용 유무에 따른 구매 전환에 차이가 생겼는지 구체화해봐야 한다.

 

 

🛑 숫자의 함정

· '%' 조심❗ : '모수'에 따른 임팩트를 고려해야 한다. 같은 50%여도 '100000명중 50000명'과 '10명중 5명'은 다른 임팩트를 가진다. 프로덕트의 모수가 5명 뿐이라면 임팩트있는 문제라고 고려할 수 없다.                            

 

· 시간의 흐름 : 특정 기간에 급상승 / 급감했는지, 현재 영향을 준 요인은 없었는지, 과거 데이터와 비교해 수치가 비슷한 양상을 보이는지 등을 고려하며 데이터를 잘못 해석하지 않도록 주의해야 한다. 

 

· 고객 특성 고려 : 고객을 '충성고객, 신규고객, 잠재고객'으로 분류했을 때 만약 특정 기능으로 인한 재구매율이 높았을 때 '신규고객'의 비율만 높았다면? -> 지속적인 사용성은 떨어진다고 추정할 수 있다. 이에 따라 프로덕트의 전략 방향도 함께 고려해야 한다. 

 

· 외부 요인 : 다른 팀에서 특정 이벤트를 진행하거나, 혹은 급속도로 주목받은 사회적 트렌드로 인해 지표에 영향을 미친 것이 있는지 데이터를 해석할 때 주의를 기울여야 한다.

---

 

위와 같이 글을 요약 정리해봤는데,

 

문제 정의를 위해 문제에 접근할 때 객관적인 데이터를 통한 접근 방식을 활용하는 것이 중요하다고 생각되었으며,

 

이때에도 프로덕트를 세분화하거나, 이상적 시나리오를 통한 방법도 '세분화', 즉 '분할'이 필요한 것이 눈에 띄었다.

 

그리고 역시 데이터를 어떻게 해석하냐에 따라 전략의 방향이 완전히 바뀔 수도 있다는 것에 데이터의 영향을 체감하게 되었고,

 

데이터 분석과 해석시에 정말 주의를 기울이고, 잘못된 해석으로 가지 않게끔 각별한 주의를 기울여야 할 것 같다.