PO가 되기 전 나의 직무는 데이터 분석가였다. 그래서인지 나한테는 어떡하면 좋은 분석가가 될 수 있는지, 혹은 PO가 될 수 있는지 물어보는 경우가 많다. 이런 질문의 이면에는 커리어적인 성장이나 데이터 분석가라는 직무가 사라질 수도 있다는 생각이 깔려있곤 했다. 나도 언젠간 SQL이 엑셀처럼 보편화되면 분석가라는 포지션은 PO에게 흡수될 수도 있다고 생각한 적이 있다. 그러나 데이터 분석가로 커리어를 발전시키면서, 그리고 PO가 되면서 둘의 차이를 더욱 명확하게 인지하게 되었고, 지금은 데이터 분석가는 조금 더 오래갈 직업이라고 생각한다. PO는 비전 설정이나 문제 정의를 통해 사업의 주체가 되는 사람이고, 데이터 분석가는 그로스 해킹의 주체이다.
PO가 그로스 해킹의 주체가 아닌가요? 하고 물어보면 그렇지 않다는 게 내 생각이다.(물론 잘하면 좋다.) 언젠가 그로스 해킹이라는 주제에 대해서도 글을 적을 기회가 생기겠지만 짧게 말하면 많은 제품들이 그로스해킹의 핵심이 되는 AARRR을 적용할 수 없기 때문이다. 보험 가입에 리텐션이 있는가? 보통 사람은 한 번 보험에 가입하면 잊어버리다가 아플 때나 돼서야 보험 약관을 찾아본다. 물론 그 앞단에 보험과 관련된 리텐션이 있는 제품을 만들고 유저를 보험 가입으로 cross activation 시킬 수는 있지만 대부분 작은 범위만 차용해서 사용할 수 있고, 인터널 제품 같은 경우엔 아예 활용이 불가능하다. 하지만 PO는 그로스해킹을 적용할 수 없더라도 서비스를 개선시키고 새로운 가치를 찾아낼 수 있어야 한다.
데이터분석가는 크게 Product Data Analyst, Business Data Analyst 두 가지로 나뉜다. Product Data Analyst가 바로 그로스 해킹의 주체이다. 이들은 유저가 이탈하는 지점을 확인하고, 해당 플로우에서 유저가 겪는 문제를 정의하고, 제품 실험을 설계해 지표를 상승시켜야 한다. 또한 유저가 많이 찾는 서비스가 무엇이고 해당 퍼널에서 유저의 니즈를 확인해 다른 서비스로 cross activating 시키는 액션도 한다. 이 분들에게 요구되는 능력은 가설 설정, 실험 설계, A/B 테스트 등이 있다.
Business Data Analyst는 어떤 퍼널보다 경영 데이터나 마케팅 데이터를 확인해 우선순위를 판단하게 된다. 쿠팡에는 이 분들을 MD조직에 배치해 영업 데이터를 실시간으로 확인하고, 액션 아이템을 설정할 수 있도록 했다. 사업이 커지면서 여러 영업사나 제휴사의 요구 사항을 받게 되는데, 그중 무엇이 가장 임팩트가 있을지 가늠해 보는 역할이다. 마케팅 채널의 임팩트를 가늠해 보거나 영업 이후 매출액을 프로젝션 해볼 수도 있다.
오버 엔지니어링되지 않도록 적절한 로깅을 한다거나, 데이터 파이프 라인을 만들어 데이터를 가공하는 등의 하드스킬을 키우는 것도 중요하지만 데이터 분석가의 성과가 한눈에 보이는 곳은 대시보드이다. 대시보드는 누구나 만드는 것 아닌가? 하고 생각하겠지만, 대시보드의 업데이트 주기와 방향이 매우 중요하다. 우리 팀 대시보드가 6개월째 그대로라면 우리 팀은 6개월째 개선이 안 되고 있거나 가짜 문제를 해결하는 중인 것이다. 만약 넷플릭스나 티빙같은 OTT 서비스를 운영하는 팀이라면 MAU가 가장 중요한 지표일 것이다. 데이터 분석가는 DAU, MAU, Retention 같은 숫자를 대시보드에 추가한다. 그리고 Retention을 높이기 위해서 영상 클릭한 유저 비율이 중요하다는 인사이트를 제공해 영상 클릭한 유저 비율을 대시보드에 추가할 수 있다. 그러면 팀은 영상 클릭을 높이기 위해 유저 세그먼트에 맞게 영상 썸네일을 제공해 보는 실험을 할 수 있을 것이다. 성과가 나다가 어느 순간에 클릭률이 높아졌지만 Retention이 증가하지 않는 경우도 생긴다. 데이터 분석가는 이전 분석의 부족함을 인정하고, 클릭률을 무작정 늘릴 게 아니라 10분 이상 시청한 사람의 비율이 중요하다는 인사이트를 다시 제공할 수도 있을 것이다. 대시보드는 다시 업데이트되고, 팀은 10분 이상 시청한 유저를 만들기 위한 다른 액션 아이템을 가지게 된다. 이런 형태로 제품 성장을 이끌어나가는 것이 데이터 분석가의 핵심 역할이다.
OHS님 글 더보러 가기 : https://brunch.co.kr/@750b358f2f7c476
PO가 되기 전 나의 직무는 데이터 분석가였다. 그래서인지 나한테는 어떡하면 좋은 분석가가 될 수 있는지, 혹은 PO가 될 수 있는지 물어보는 경우가 많다. 이런 질문의 이면에는 커리어적인 성장이나 데이터 분석가라는 직무가 사라질 수도 있다는 생각이 깔려있곤 했다. 나도 언젠간 SQL이 엑셀처럼 보편화되면 분석가라는 포지션은 PO에게 흡수될 수도 있다고 생각한 적이 있다. 그러나 데이터 분석가로 커리어를 발전시키면서, 그리고 PO가 되면서 둘의 차이를 더욱 명확하게 인지하게 되었고, 지금은 데이터 분석가는 조금 더 오래갈 직업이라고 생각한다. PO는 비전 설정이나 문제 정의를 통해 사업의 주체가 되는 사람이고, 데이터 분석가는 그로스 해킹의 주체이다.
PO가 그로스 해킹의 주체가 아닌가요? 하고 물어보면 그렇지 않다는 게 내 생각이다.(물론 잘하면 좋다.) 언젠가 그로스 해킹이라는 주제에 대해서도 글을 적을 기회가 생기겠지만 짧게 말하면 많은 제품들이 그로스해킹의 핵심이 되는 AARRR을 적용할 수 없기 때문이다. 보험 가입에 리텐션이 있는가? 보통 사람은 한 번 보험에 가입하면 잊어버리다가 아플 때나 돼서야 보험 약관을 찾아본다. 물론 그 앞단에 보험과 관련된 리텐션이 있는 제품을 만들고 유저를 보험 가입으로 cross activation 시킬 수는 있지만 대부분 작은 범위만 차용해서 사용할 수 있고, 인터널 제품 같은 경우엔 아예 활용이 불가능하다. 하지만 PO는 그로스해킹을 적용할 수 없더라도 서비스를 개선시키고 새로운 가치를 찾아낼 수 있어야 한다.
데이터분석가는 크게 Product Data Analyst, Business Data Analyst 두 가지로 나뉜다. Product Data Analyst가 바로 그로스 해킹의 주체이다. 이들은 유저가 이탈하는 지점을 확인하고, 해당 플로우에서 유저가 겪는 문제를 정의하고, 제품 실험을 설계해 지표를 상승시켜야 한다. 또한 유저가 많이 찾는 서비스가 무엇이고 해당 퍼널에서 유저의 니즈를 확인해 다른 서비스로 cross activating 시키는 액션도 한다. 이 분들에게 요구되는 능력은 가설 설정, 실험 설계, A/B 테스트 등이 있다.
Business Data Analyst는 어떤 퍼널보다 경영 데이터나 마케팅 데이터를 확인해 우선순위를 판단하게 된다. 쿠팡에는 이 분들을 MD조직에 배치해 영업 데이터를 실시간으로 확인하고, 액션 아이템을 설정할 수 있도록 했다. 사업이 커지면서 여러 영업사나 제휴사의 요구 사항을 받게 되는데, 그중 무엇이 가장 임팩트가 있을지 가늠해 보는 역할이다. 마케팅 채널의 임팩트를 가늠해 보거나 영업 이후 매출액을 프로젝션 해볼 수도 있다.
오버 엔지니어링되지 않도록 적절한 로깅을 한다거나, 데이터 파이프 라인을 만들어 데이터를 가공하는 등의 하드스킬을 키우는 것도 중요하지만 데이터 분석가의 성과가 한눈에 보이는 곳은 대시보드이다. 대시보드는 누구나 만드는 것 아닌가? 하고 생각하겠지만, 대시보드의 업데이트 주기와 방향이 매우 중요하다. 우리 팀 대시보드가 6개월째 그대로라면 우리 팀은 6개월째 개선이 안 되고 있거나 가짜 문제를 해결하는 중인 것이다. 만약 넷플릭스나 티빙같은 OTT 서비스를 운영하는 팀이라면 MAU가 가장 중요한 지표일 것이다. 데이터 분석가는 DAU, MAU, Retention 같은 숫자를 대시보드에 추가한다. 그리고 Retention을 높이기 위해서 영상 클릭한 유저 비율이 중요하다는 인사이트를 제공해 영상 클릭한 유저 비율을 대시보드에 추가할 수 있다. 그러면 팀은 영상 클릭을 높이기 위해 유저 세그먼트에 맞게 영상 썸네일을 제공해 보는 실험을 할 수 있을 것이다. 성과가 나다가 어느 순간에 클릭률이 높아졌지만 Retention이 증가하지 않는 경우도 생긴다. 데이터 분석가는 이전 분석의 부족함을 인정하고, 클릭률을 무작정 늘릴 게 아니라 10분 이상 시청한 사람의 비율이 중요하다는 인사이트를 다시 제공할 수도 있을 것이다. 대시보드는 다시 업데이트되고, 팀은 10분 이상 시청한 유저를 만들기 위한 다른 액션 아이템을 가지게 된다. 이런 형태로 제품 성장을 이끌어나가는 것이 데이터 분석가의 핵심 역할이다.
OHS님 글 더보러 가기 : https://brunch.co.kr/@750b358f2f7c476
Related Posts
