[독서 기록📚] 그로스해킹(6) - 작은 조직에서 그로스해킹 시작하는 4단계, ABTest, 그로스 조직 구성하는 법

5. 그로스 해킹 시작부터, 성장 실험까지 

5;1 그로스 해킹 시작하기 

• 작은 회사에서 그로스 해킹을 할 수 있을까? 
  • 그로스 해킹의 곷은 성장 실험이다. 핵심 지표를 정의하고, 가설을 세워서 실험을 진행하고, 데이터를 분석하는 과정을 반복하면서 조직은 배움을 축적하고 서비스는 성장할 수 있다. 
  • 성장 실험을 하기 위해서는 데이터 기반의 업무를 할 수 있는 기본적인 환경을 만들고 > 개개인이 데이터를 활용할 수 있도록 하면 된다

1단계: 데이터를 활용할 수 있는 업무 환경 만들기
2단계: 데이터 파이프라인 구축하기
3단계: 데이터 활용을 위한 역량과 문화 갖추기 
4단계: 성장 실험 

 

1단계: 데이터를 활용할 수 있는 업무 환경 만들기 

• '데이터의 중요성을 공감한다'와 '데이터를 기반으로 업무를 진행하는 프로세스와 역량을 갖추고 있다'는 전혀 다른 차원의 이야기다
• 데이터 분석과 관련된 IaaS, PaaS, SaaS를 활용하면 최소한의 엔지니어링 리소스만으로도 데이터를 활용할 수 있는 업무 환경을 구축할 수 있다 
  • 클라우드 분석 환경: 데이터를 수집하고 이를 분석할 수 있는 기본 환경 구축
    • 아마존의 EMR, 구글의 GCP, 마이크로소프트의 Azure
  • ETL 자동화 서비스 : 여기저기에 산재돼 있는 데이터를 수집하고, 분석하기 편한 형태로 변환하고, 원하는 데이터베이스에 최종적으로 적재하는 일련의 과정 
    • StitchData, Fivetran, Supermetrics
  • BI 서비스 : 데이터에서 인사이트를 찾아내고 이를 바탕으로 의사결정
    
    • 태블로, 구글 데이터 스튜디오, 리대시, 수퍼셋 
    • SQL 구분을 활용할 수 있으면 BI 툴을 통해 필요한 데이터를 스스로 찾아볼 수 있음 

 

2단계: 데이터 파이프라인 만들기 

업무에 잘 활용할 수 있는 데이터 파이프라인을 만들려면 여러 직군의 협업이 필요하다

데이터 파이프라인 설계하는 과정에서 고려해야 할 질문들
- 어떤 데이터를 쌓을 것인가? 
- 어떤 형태로 쌓을 것인가?
- 어디에 쌓을 것인가? 
- 어떻게 꺼내서 볼 것인가? 

1. 행동 로그 분석을 위한 데이터 파이프라인
   • 서비스 로그: 트랜잭션의 결과를 기록하는 로그 (ex. 예약, 결제, ...) 
     • 모든 변경분을 쌓을지? 최종 수정된 내용만 남길지? 실시간 스트리밍으로 적재할지? 일 배치로 적재할지? 등을 고려 
   • 행동 로그: 트랜잭션에 이르기까지 사용자가 서비스에서 하는 하나하나의 액션에 대한 로그 (ex. 특정 상품 클릭, 검색, 배너 클릭, ...) 
     • 당장 볼 수 없다고 해서 서비스에 큰 문제가 생기지 않음 
     • 그러나 어떻게 설계하느냐에 따라 얻을 수 있는 정보의 수준은 완전히 달라진다 
2. 이벤트와 속성
   • 행동 로그 설계의 핵심은 이벤트의 속성(property)을 어떤 수준으로 함께 남길 것인가를 정의하는 부분이다 
     (*이벤트 속성: 특정 이벤트가 발생했을 때 함게 남길 수 있는 세부 정보) 
   • 이벤트 속성 = 키(key) + 값(Value)
     • 평점: 3.5 라면, 평점이 key, 3.5가 value이다
   • 사용자 속성: 해당 이벤트를 발생시킨 사용자에 대한 추가 정보를 비슷한 방식으로 기록하는 것 
     • 상품 클릭이라는 이벤트를 발생시킨 사용자가 언제 가입했는지, 어떤 쿠폰을 가지고 있었는지 

	구분	인사이트
1단계	단순 이벤트 집계	오늘 하루 동안 상품 상세보기 버튼 클릭 수는 100입니다
2단계	이벤트 속성 집계	상품 상세보기 클릭이 100회 발생했는데, 이 가운데 60번은 애완동물 카테고리에 있는 상품을 클릭했습니다. 할인 이벤트 섹션에 있는 상품 클릭이 가장 많았으며, 클릭한 상품의 평균 가격은 7만 5천원입니다. 상품별로는 뉴트로 초이스 키튼 사료 상품의 클릭이 25회로 가장 많았고, 이 상품의 평점은 3.5점입니다.
3단계	이벤트 속성 + 사용자 속성 집계	상품 상세보기 클릭이 100회 발생했는데, 이 가운데 60번은 애완동물 카테고리에 있는 상품을 클릭했습니다. 할인 이벤트 섹션에 있는 상품 클릭이 가장 많았으며, 클릭한 상품의 평균 가격은 7만 5천원입니다. 상품별로는 뉴트로 초이스 키튼 사료 상품의 클릭이 25회로 가장 많았고, 이 상품의 평점은 3.5점입니다. 이 상품을 클릭한 사람 중 25%는 당일에 가입했으며, 여성 비율이 70%입니다. 상품 상세보기를 클릭한 사람의 40%는 쿠폰을 가지고 있고, 일주일 이내 쿠폰이 만료되는 사람이 그중 75%입니다.

 

3. 행동 로그 설계하고 적재하기 

• 이벤트 스키마 설계서 : 이벤트를 어떤 기준으로 쌓아서 볼 것인지 정의하는 문서 
  • 포함해야 할 요소
    • 어떤 화면의 어떤 이벤트를 기록할지
    • 그 이벤트가 발생하는 조건
    • 이벤트와 함께 기록해야 하는 속성
    • 각 속성의 데이터 타입은 어떤 타입으로 기록해야 하는지
    • 해당 이벤트가 처음 기록되기 시작한 시점 
  • 데이터 엔지니어, 데이터 분석가, 데이터 사용자가 모두 참여해야 한다 
  • 무작정 많은 이벤트를 수집하기보다, '필요한' 이벤트를 '정확하게' 수집하는 것이 중요하다는 것을 기억하자 
    
    • 수집하는 이벤트의 수가 많아지면 이후 QA와 유지보수가 그만큼 힘들어진다 

화면	이벤트 발생 시점	이벤트명	키	밸류	타입	업데이트 버전
search	검색결과에서  상품 클릭	click_product	product_id	{{product_id}}	INTEGER	1.0
			category	{{category_name}}	STRING	1.0
			price	{{price}}	FLOAT	1.0

• 이벤트 스키마 설계가 완료되면 그 다음 단계는 스키마에 따라 실제로 이벤트를 적재하고 활용하는 것이다. 
  • GA나 앰플리튜드 등의 로그 분석 시스템을 활용하면 정의된 이벤트 스키마에 따라 적재된 데이터를 손쉽게 확인할 수 있다 

 

3단계: 데이터 활용을 위한 역량과 문화 갖추기 

• 데이터를 요청하는 사람과 추출하는 사람이 명확하게 나뉘어진 구조에서는 데이터가 원활하게 흐르기 어렵다 
• 이를 해결하기 위해 우선적으로 고려해볼 수 있는 것은 '교육'이다.
  • 구성원 개개인이 BI 서비스를 통해 필요한 데이터를 주도적으로 추출하고 가공해서 필요한 대시보드를 스스로 만들 수 있다면 전사적인 데이터 활용 능력이 크게 향상된다 (ex. 태블로, 구글 데이터 스튜디오) 
  • 사내 교육, 스터디 활용 
  • SQL 문법 교육 
• 사내 교육 진행할 때 유의점 
  1. 꾸준히 정기적으로 진행해야 한다
  2. 교육을 통해 배운 지식들을 실제 업무에 바로바로 적용할 수 있는 환경을 만들어주고 이를 활용하는 것을 독려해야 한다 

 

 

 

4단계: 성장 실험 - A/B test 

• A/B Test 설계하기

	설명	예시
가설	독립변수 + 종속변수 - 종속변수: 실험에 필요한 샘플 크기를 구하려면 가설 수립 단계에서 목표 수준을 정해야 한다	서비스 소개를 텍스트로 보여주는 화면보다 이미지로 보여주는 화면에서의 가입 전환율이 더 높을 것이다
실험 집단/ 통제 집단	전체 모수 중 실험 조건에 할당되는 사용자들을 어떤 기준으로 구분하고, 어떤 비율로 할당할 것인지 정의
독립 변수	일반적으로 2개 내외의 수준을 정해서 테스트 진행	서비스 소개를 보여주는 방식
종속 변수	인과 관계에서 결과가 되는 변수 측정 가능해야 함 / 어떤 기준으로 측정할 건지에 대한 정의	가입 전환율
통제 변수	실험 결과에 영향을 미칠 수 있기 때문에 실험 / 통제 집단 모두에서 동등한 조건을 가져야 하는 벼수  = 독립 변수가 아니지만 종속 변수에 영향을 미칠 수 있는 제 3의 변수  A/B test의 성패는 통제 변수를 얼마나 잘 관리하느냐에 달렸다	가입 경로(유료 광고, 친구 추천 등)
샘플 크기	실험 참가자의 숫자  = 통계적 유의도를 혹보하기 위한 숫자 고려
실험 기간

 

• A/B test 설계 시 유의사항 
  • 실험 집단과 통제 집단 샘플링 : 통제변수를 깊이 고민하지 않은 상태에서 단순히 홀/짝 구분을 한다고 해서 랜덤 샘플링이 잘 됐다고 볼 수는 없다 
    • 많은 사람들이 랜덤 추출과 편의 추출을 혼동 
      • 랜덤 추출: 통제변수가 잘 관리된 것을 전제로 모든 표본이 동일한 확률을 가진 상태에서 뽑는 무작위 추출
      • 편의 추출: 통제변수가 잘 관리되지 않은 상태에서 무작위 추출
  • 샘플 크기: 검증하고자 하는 가설, 검정력, 유의수준 등 실험 설계 조건 입력후 필요한 샘플수 계산해주는 사이트 있음 
• A/B test 결과 분석하는 방법
  • p-value에 대한 이해 : 그로스해킹 담당자로서 A/B 테스트를 정확하게 이해하려면 통계학 개론 정도는 꼭 공부하자!
    
    • 2025.02.25 - [분류 전체보기] - [ADSP] 비전공자 10일 공부법 (부제: 극강의 헬 난이도 44회 후기)
    • A/B test 계산기
      • 종속 변수가 범주형: 로지스틱 회귀, 카이제곱 검정
      • 종속 변수가 이산형: T검증, 분산분석 
    • 테스트 비용과 효과 크기 
      • 서비스 DAU, ARPPU에 따라서 구매 전환율을 개선했을 때 얼마나 임팩트 있을지 판단 가능
• A/B test 진행 시 주의사항 
  • 무가설
  • 통제변수 관리 실패
  • 단순 평균 비교
  • 엿보기+ 조기 중지
  • 시간의 흐름에 따른 차이를 살펴보지 않는 것 
  • 과거의 A/B 테스트 경험을 지나치게 신뢰하는 것
  • 국지적 최적화의 함정: A/B 테스트는 전역 최적화가 아닌 국지적 최적화를 찾는 실험이라는 점을 유의해야 한다 

 

 

6. 그로스 조직과 업무 프로세스 

6.1 그로스 조직 만들기 

• 그로스 해커는 없다
  • 그로스 해킹은 다양한 직군의 사람들이 각자의 전문성을 발휘하면서 협업하는 프로젝트성 업무에 가깝다 
  • 그로스 해킹을 하고싶다면 이를 위한 조직이나 팀을 구성하는 것이 필요하다 
    • 우리에게는 그로스 해커가 아닌 그로스 해킹 팀이 필요하다 
• 그로스 조직의 목표
  • 가장 중요한 목표는 핵심 지표를 개선하는 것이다 
    • 무엇이 핵심 지표인지 정의하고 측정할 수 있어야 한다 
    • 가설-실행-검증으로 핵심 지표를 가시적으로 개선해야 한다
  • 그로스 조직이 회사에 성장 DNA를 전파하는 조직이 돼야 한다 
    • 지금 중요한 지표가 무엇인지 사내에 공유하고, 데이터 기반 커뮤니케이션이 이뤄지도록 돕고, 사내 구성원들이 가설을 수립하고 실험을 통해 검증하는 업무 프로세스를 이해하고 실행할 수 있도록 이끄는 역할을 해야 한다 
• 그로스 조직 구성원 
  • 그로스 PM / 그로스 엔지니어 / 그로스 마케터 / 그로스 디자이너 / 그로스 데이터분석가 
  • 최소한의 요건: 성장 실험을 할 수 있는 멤버를 보유한 팀 
    • 실험 설계 > 환경 구축 > 데이터 분석 을 할 수 있는 멤버 
• 그로스 조직 구조
  • 크로스펑셔널 팀 구조: 기능 조직에 소속된 각 직군별 담당자들이 모여서 그로스 조직을 하는 목적 조직을 구성 (이상적) 
  • 독립 팀 구조: 기능 조직과 별개로 독립된 그로스 조직을 만드는 구조
    
    • 단점: 커뮤니케이션 복잡도가 커질 수 잇다 / 고립될 수 잇다 
  • 복합 구조 : 별도 조직을 구성하지만, 일부 인원은 파견이나 겸직발령 형태로 기존의 기능 조직 형태를 유지한다 
    • 많은 조직이 [복합 구조]를 선택한다 

6.2 그로스 조직이 일하는 방식 

• 그로스 조직이 일하는 방식에서 가장 핵심이 되는 부분은 프로세스 전반에 걸쳐 목표와 실행이 서로 영향을 주고받아야 한다는 점이다 
  • 스프린트 기간은 2-4주로 잡고 진행한다
• 목표 지표를 정의하고 측정하기
  • 지표: 명확하게 측정 가능한 수준으로 구체화한다 
  • 단계
    • 목표와 핵심 지표 정하기
    • 해당 지표의 현재 수준 확인하기 
    • 목표치 설정하기 
• 아이데이션과 데이터 분석 
  • 아이데이션: 특정 시기에만 하는 게 아니라 스프린트 전체 기간동안 지속적으로 진행해야 한다 
  • 좋은 아이디어는 여러 데이터와 시행착오를 거쳐서 조금씩 다듬어가는 과정을 통해 만들어진다 
• 플래닝
  • 플래닝은 아이디어 공급로에 있는 아이디어의 우선순위를 정의하고 실험 대상이 되는 아이디어를 선별하는 프로세스다. 
    • 즉, 아이디어를 내는 과정이 아니라, 아이디어를 선별하는 프로세스를 의미한다.
  • 주로 ICE 프레임워크가 사용된다 
    • Impact 실험 임팩트 
    • Confidence 성공에 대한 자신감
    • Ease 진행 난이도
• 실험 준비, 진행, 분석 
  • 실험별로 책임자를 정한 후, 각 책임자의 판단하에 해당 실험에 관련한 의사결정을 내리는 것이 좋다 
  • 실험을 진행할 때마다 실험 계획 / 진행 상황 / 결과 / 성과 분석 등을 꼼꼼하게 문서화하는 것이 중요하다 
• 회고
  • 스프린트가 마무리되면 업무를 되돌아보고 실험 성과를 리뷰해야 한다 
  • 내용
    • 이번 스프린트로 배운 것 
    • 지금처럼 유지하거나, 더 많이 할 것 
    • 더 적게 하거나, 다른 방법으로 할 것 : 다음 회고에서 개선되었는지 체크 
  • 방식
    • 미리 생각해오라고 하면 안 하는 경우가 많으니, 모여서 생각할 시간 주기 

6.3 성장을 위한 문화

• 그로스는 톱-다운
  • 경영진을 설득하지 않아도 되는 그로스 조직은 출발선에서 한참 앞서 있는 셈이다 
  • 경영진의 의지는 말이 아니라 투자하는 리소스로 증명된다 
• 제품개발과 성장의 조화 
  • 제품 개발과 그로스 해킹 및 성장 실험은 서로의 대체제가 아니라 보완재로 활용되어야 한다 
• 데이터 접근성 높이기 
  • 데이터 분석과 활용을 잘하는 조직을 목표로 한다면 우선적으로 데이터가 흐르는 조직을 만들어야 한다 
  • 특정 조직의 자산처럼 사유화되지 않게 해야 한다. 
  • 데이터는 팀이 아니라 회사 전체의 자산이라는 공감대가 반드시 필요하다 
• 협업 문화 만들기
  • 협업을 장려하려면 부서별 KPI보다는 전사적인 관점에서의 OMTM을 잘 정의해야 한다 

 

---

그로스 해킹을  공부하려는 사람들을 위해 

우선 그로스 해킹은 몇 가지 꿀팁을 익힌다고 되는 게 아니다.

시간이 걸리더라도 아래 5가지 영역을 하나하나 공부해야 한다.

1. 데이터 다루기
   • SQL: 데이터 추출 
   • R, 파이썬 : 추출된 데이터를 가공
     • 공부법: 기존에 엑셀로 하던 작업을 그대로 파이썬이나 R로 옮겨보는 것 
     • 언제까지 : 엑셀을 쓰는 것보다 파이썬이나 R을 써서 데이터를 처리하는 게 더 편하다는 느낌이 들 때까지 
   • 강의 플랫폼: 인프런, 생활코딩, 에드위드 
2. 통계 & 실험 방법론
   • 어떤 내용: 통계학개론 정도 
   • 강의 플랫폼 : K-MOOC, Star-MOOC, KOCW, 유튜브 
   • 책
     • 숫자에 약학 사람들을 위한 통계학 수업 / 웅진지식하우스
     • 통계학 도감 /성안당
     • 데이터 과학을 위한 통계 / 한빛미디어 
     • 따라하며 배우는 데이터 과학 / 제이펍
3. 다양한 서비스와 툴 사용법
   • 공식 가이드 문서부터 제대로 숙지하자
   • 툴 종류
     • 로그 분석: GA, FA
     • 어트리뷰션: 앱스플라이어, 애드저스트
     • 마케팅 자동화: Braze, Mailchamp
   • 방법: 개인 블로그 등의 토이 프로젝트에 적용해보는 것도 추천
4. 사용자 & 서비스 도메인에 대한 지식
   • 분석'만' 잘하는 데이터분석가들로는 비즈니스의 중요한 문제를 풀 수 없다
   • 아래 질문에 답해보자
     • 우리 서비스는 어떤 카테고리? 경쟁자?
     • 그 카테고리에 속한 서비스 특성?
     • 서비스 사용자는 누구인가? 어디서 만날 수 있는가?
     • 우리는 어떻게 돈을 벌고 있는가?
     • 우리 서비스와 관련된 법과 규제는 어떠한가?
     • 우리 서비스 및 카테고리는 지난 10년간 어떻게 발전해왔는가?
5. 협업 
   • 그로스 해킹 전반에 걸쳐 강조되는 개념은 '성장'인데,
     • 서비스와 팀의 성장이라는 점을 기억해야 한다 
     • 그로스 해킹은 팀 스포츠다 
     • 어떻게 하면 더 좋은 동료를 만날 수 있을까?
       • 스스로 좋은 동료가 되는 것이다 

회사 규모와 상관없이 그동안 내 커리어에서 가장 즐거웠던 순간은, 
'내가 만드는 서비스가 사용자들의 사랑을 받으면서 성장하는 게 느껴졌을 때'이다. 

승화님이 그로스 해킹을 하시면서 성장의 즐거움을 느끼셨던 때
1. 중요한 지표를 찾아냈을 대 
2. 실험 결과가 긍정적이고 이를 통해 서비스 지표를 개선했을 때
3. 협업을 통해 의미있는 성과를 만들어낼 때
4. 새로운 지식과 경험을 배우며 서비스뿐만 아니라 개인이 성장한다는 느낌이 들 때