Color_is_red

AARRR 지표란? 로그를 특정 기준에 따라 요약한 수치 상황과, 목표 및 의사결정의 척도가 됨 지표 관리 방향/방법 효율적 지표 관리 (about AARRR) User Lifecycle을 기반으로 stage를 구분 funnel형태로 이뤄져 나가야함 지표로부터 태스크를 관리해야함. - Task-based - 팀별 담당하는 Task를 기반으로 수치를 관리 - 중요도의 판단이 어려움 - Task의 누락이 발생가능성이 있음 - 제품/서비스 관점의 최적화는 아님 - AARRR에 대한 유의점 - 단계별 모니터링이 중요한것이 아님 - Activation & Retention을 우선적으로 고려하고 나머지 지표를 관리해야함 - 단계별 문제 정의와 지표를 선별하고 측정해야함 - 개선이 필요한 목표지표를 선정하고 실험을통..

5. Referral : Organic 유입의 한 종류. 입소문을 통한 user 확대 주요 지표 Viral Coefficeint User * Invitation rate(초대에 참여한 사람의비율) * Invitation sent per user(초대 시 몇명씩 초대?) * conversion rate(사용 전환율) / User 고려사항 주기에 대한 고려 Saturate 수준 고려 초대받을 수 있는 사람이 한정적이므로 타겟층에 대한 고려가 필요 초대받은사람이 핵심가치를 경험했는지, ... Viral Coefficient의 기준점은 1 1을 초과하면 그때부터 엄청난 가속이 됨 Referral 고려사항 1) 제품의 퀄리티 Viral loop는 좋은 제품이 선행조건 2) Viral channel이 잘 작동하는가..

4. Revenue : BM의 정의와 제대로 작동하는지에 대한 지표. 매출 전사적인 관점에서 업무를 해나가야할 필요가 있음 Revenue 관련 지표 ARPU (Average Revenue Per User) : Revenue/User 전반적 상황을 보는데 유용함 하지만, User와 Revenue의 구분이 어려움 일반적으로 Monthly기준으로 정의 ex. MAU, ARPDAU,... ARPPU (Average Revenue Per Paying User) : Revenue/Paying User ASP (Average Selling Price) : Revenue/ 판매횟수 Lifetime Value(유저생애가치) : User의 진입~ 이탈까지 전체활동기간동안 누적 발생되는 기대수익 CLV = (M-c)/(1-..

3. Retention : Activation 과정에서 A HA Moment를 꾸준히 경험하도록 하는것 일반적으로 재방문을 기반으로 측정 접속을 기준으로 꼭 해야하는지에 대해서는 고민해볼필요 있음 개선효과 비용대비 효과가 큼 Retention 측정 방법 Classic Retention(= Day-N Re~) Day N에 서비스를 사용했는지에 대한 여부만 지표로함 N 일이 지나고 재방문을 했는가에 대한 Retention (+) 계산과 설명이 쉬움 짧은 주기로 반복적 사용이 중요한 서비스에 적합 (-) Noise에 취약 Noise를 줄이기 위해서, N의 값을 여러개로 두고, DayN Retention의 평균값을 활용 Range Retention 특정 기간에 재방문한 user의 비율 (+) 설명하기 쉬움. D..

2. Activation : 사용자가 서비스/제품의 핵심가치를 경험했는가 사용자 경험의 Funnel에서 각 단계별 전환율(ex.이탈율)을 측정/분석 (Download에서 Onboarding의 끝까지) Funnel 분석의 요소 1) 핵심가치에 대한 Stage의 정의 - 사용자의 입장과 회사의 입장을 일치시키는 작업 필요(UX기반) 2) Stage별 전환율을 어떤 기준으로 측정하는지 - 결제패턴 예시 - 하나의 제품만을 여러번 보고 결제가 1회 이뤄진 경우 - 여러 제품을 보고 그 중 일부 결제가 이루어진 경우 - Conversion Rate를 과연 뭘로해야할까? - User기준? - View기준? - Product기준? - **답이 없는 문제임!!** 3) Cohort별로 보는지 - Funnel마다의 전환..

AARRR 지표란? 로그를 특정 기준에 따라 요약한 수치 상황과, 목표 및 의사결정의 척도가 됨 지표 관리 방향/방법 효율적 지표 관리 (about AARRR) User Lifecycle을 기반으로 stage를 구분 funnel형태로 이뤄져 나가야함 지표로부터 태스크를 관리해야함. - Task-based - 팀별 담당하는 Task를 기반으로 수치를 관리 - 중요도의 판단이 어려움 - Task의 누락이 발생가능성이 있음 - 제품/서비스 관점의 최적화는 아님 - AARRR에 대한 유의점 - 단계별 모니터링이 중요한것이 아님 - Activation & Retention을 우선적으로 고려하고 나머지 지표를 관리해야함 - 단계별 문제 정의와 지표를 선별하고 측정해야함 - 개선이 필요한 목표지표를 선정하고 실험을통..

PMF (Product-Market Fit) 실험 전, 문제에 대해서 정확히 정의 만든 제품이 솔루션으로 정확한지 가설이 무엇이었는지 확인하는것 PMF 지표 Retention 고객 이탈 그래프의 기울기가 특정 시점(day기준?)에서 (minus to 0)안정화가 되는지 확인 카테고리별로 Retention은 다를 수 있음 Conversion User가 핵심가치까지 접근하는지 (ex.결제까지 이뤄지는지) NPS(Net Promoter Score) 주변에 얼마나 추천할 수 있는지 0~10점까지 11개의 점수 포맷 0~6 : Detractors// 7,8 : Passive // 9,10 : Promoters Promoter의 비율에서 Detractor의 비율을 빼주면 NPS 좋은 NPS는 기본적으로 양수인 경우..

Data 분석의 목적 데이터에서 찾아낸 인사이트로 제품을 지속적으로 개선해나가는것 Lean 분석 프로세스 : 비용, 시간의 최적화를 위한 분석 프로세스 Idea Build(개발) Product Measure Data Learn Idea ... Growth Hacking 정의1 그로스해킹을 간단히 정의하자면 '전체 개발 과정에 걸쳐 마케팅 아이디어를 제품에 녹여내는 전략'이라 말할 수 있다. 제품과 서비스를 성장시키기 위해 온라인 행동 데이터를 분석하며 이를 바탕으로 사용자 경험을 최적화하는 것이다. 그로스 해킹은 데이터에 기반해 소비자와 가장 밀접한 문제를 파악하고 해결해 고객의 니즈를 충족시키는 마케팅 기법 정의2 여러 직군이 하나의 팀으로 구성되어 (개발,UI/UX, 데이터분석가) 핵심지표(선행지표)..

Data분석에 대한 블로깅을 시작한다. base Data에 대한 공유는 어렵지만, 여러 공유된 데이터와 직무 기술서에 기록된 내용을 기반으로 보겠다. Gross Hacking부터 점차 확대시켜 비즈니스 인사이트를 도출하는 나름의 분석 보고서를 Tableau, Python을 기반으로 진행한다. 통계적 지식과 나아가 빅테크 기술들도 함께 활용하여 인사이트를 제공하겠다.

Image출처 https://miro.medium.com/max/724/1*85gM03JgUpDEQO8JKl9VpA.png https://ars.els-cdn.com/content/image/1-s2.0-S1350946218300119-gr4.jpg https://miro.medium.com/max/639/1*_Epn1FopggsgvwgyDA4o8w.png https://www.oreilly.com/library/view/hands-on-machine-learning/9781788393485/assets/320843d0-3683-4422-80b2-c2913f8d02d4.png https://miro.medium.com/max/450/1*-LydhQEDyg-4yy5hGEj5wA.png https://ima..