# Machine Learning Engineer with Growth Hacking 한줄 요약 : 서비스를 만드는 ML Engineer에게 Growth Hacking의 의미 = 서비스의 중요한 지표를 파악하여, 서비스의 발전 방향을 제시하고, 이를 기반으로 연구 기술의 방향성을 설정하는 것 1. 서비스에 기술을 적용할 때, Experiment가 전부는 아니다. 2. 서비스를 개선할 수 있는 다양한 지표들을 고려해야한다. 3. 서비스 측면에서의 지표로 Growth Hacking에서의 분석 방법론 참고해보면 좋다. 서비스에 기술을 적용하고, 모델을 개선할 때 가장 중요한 과정 중 하나가 Evaluation입니다. 보통 연구를 하고 개발할 때, MAP, NDCG 등과 같은 Experiment Evaluation Metric로 Evaluation 합니다. 하지만 서비스에 적용할 때는 실험으로 사용된 이 방법이 전부는 아니라는 생각이 드네요. 이러한 지표들이 Evaluation에서 좋다고 해서 그것이 좋은 서비스로 연결된다고 할 수는 없습니다. Growth Hacking에서 제시하는 분석 Metric를 Experiment Evaluation Metric와 함께 고려한다면 서비스가 개선되었음을 판단할 수 있는 / 서비스 적용 기술의 방향성을 정할 수 있는, 좋은 판단 기준이 되지 않을까 싶네요. - Acquisition(획득) : 어떻게 우리 서비스를 접하고 있는가 - Activation(활성화): 사용자가 처음 서비스를 이용할 때, 긍정적인 경험을 제공하는가 - Retention(재사용): 이후의 서비스 재사용률은 어떻게 되는가 - Revenue(매출 발생): 최종 목적(매출)으로 연결되고 있는가 - Referral(추천): 사용자가 자발적 바이럴, 공유를 일으키고 있는가 "과연 어떤 기술, 모델이 더 나은 것인가?" 서비스와 붙어서 일하는 Engineer들이 가장 많이 해야하는 질문이라는 생각이 드네요.