그로스 관련 도서 강추💡그로스해킹(양승화) | 커리어리

그로스 관련 도서 강추💡그로스해킹(양승화) 마이리얼트립 그로스 리드인 양승화님이 쓰신 책. 국내외 다양한 그로스해킹 관련 책을 읽어봤지만 가장 국내 현실에 가장 적합한 책이라는 생각이 들었습니다. 정말 유익합니다. 그로스의 지침서로 활용하기에 충분합니다. 그로스해킹과 관련된 개념 정리, 실무에 적용하는 방법, 실무 적용시 주의사항 등 참고할 내용이 많습니다. --- 그로스 해킹을 시작하기 위한 단계. 1단계 : 데이터를 활용할 수 있는 업무 환경 만들기 데이터를 잘 쌓고 활용하는 과정에서 만나는 가장 큰 난관은 데이터를 수집하고, 이를 분석할 수 있는 기본 환경을 구축하는 일이다. 최근에 빠르게 성장하고 있는 클라우드 분석 환경, ETL 자동화 서비스, BI 서비스를 잘 조합하면 최소한의 엔지니어링 리소스만으로도 데이터를 활용할 수 있는 업무 환경을 비교적 손쉽게 구축할 수 있다. 클라우드 분석 환경 데이터 수집과 저장, 전처리에 이르는 많은 프로세스를 간단한 몇 가지 설정만으로 쉽게 구현할 수 있다. 아마존의 EMR, 구글의 GCP, 마이크로소프트의 Azure등이 대표적인 클라우드 플랫폼이다. ETL 자동화 서비스 데이터 분석을 하기 위해서는 ETL(Extract, Transform, Load)이라는 프로세스가 선행돼야 한다. ETL은 여기저기에 산재돼 있는 데이터를 수집하고, 분석하기 편한 형태로 변환하고, 원하는 데이터베이스에 최종적으로 적재하는 일련의 과정이다. ETL 자동화 서비스는 수십가지의 광고플랫폼, 어트리뷰션, CRM, 기타 데이터 분석 서비스와의 연동을 통해 필요한 형태로 데이터를 적재하고 전처리하는 과정을 굉장히 쉽고 편리하게 구축해 준다. 예를 들어 페이스북/인스타그램 광고, 네이버 광고, 카카오 광고 등 여러 매체를 운영하고 어트리뷰션 툴 앱스플라이어, 알림톡, 문자 발송 등 CRM 툴을 운영할 때 데이터를 수기로 작성하지 않고 자동으로 데이터를 적재하고 손쉽게 분석할 수 있게 해준다. BI(Business Intelligence) 서비스 데이터 분석가나 개발자뿐 아니라 다양한 직군의 실무자들의 데이터에 손쉽게 접근하고, 이를 통해 인사이트를 얻을 수 있는 환경을 만들려면 적절한 환경을 만들려면 적절한 시각화를 통해 지표를 하눈ㄴ에 볼 수 있도록 대시보드를 만들고, 필요한 경우 로우 데이터를 쉽게 확인할 수 있는 시스템을 구축해야 한다. 태블로나 구글 데이터 스튜디오 등의 데이터 시각화 및 대시보드 구축 서비스가 발전하고 있어 비개발자도 손쉽게 이용할 수 있다. 이러한 툴들을 기반으로 간단한 데이터 파이프라인은 손쉽게 구축할 수 있다. 2단계 데이터 파이프라인 만들기 데이터 파이프라인은 말 그대로 데이터를 쌓고, 필요한 형태로 가공하고, 추출하고, 의사결정에 활용할 수 있는 프로세스를 만드는 일이다. 데이터를 쌓기 전에 어떤 데이터를 측정할지 결정하는 게 굉장히 중요하다. 행동 로그 분석을 위한 데이터 파이프 라인 로그는 서비스 로그와 행동 로그로 구분된다. 서비스 로그는 트랜잭션의 결과를 기록하는 로그로 가입하거나 예약하거나 결제를 하는 것처럼 하나의 트랜잭션이 완료되면 각각에 대한 서비스 로그가 남는다. 행동 로그는 사용자가 서비스에서 하는 하나하나의 액션에 대한 로그를 의미한다. 상품을 클릭하거나, 검색하거나, 장바구니를 추가하는 등의 액션을 예로 들 수 있다 . 서비스 로그는 기본적인 서비스 운영을 위해 필수적으로 관리해야 하므로 이 데이터를 쌓고 활용하는 데는 대부분 큰 문제가 없다. 반면 행동 로그의 경우 데이터의 양도 훨씬 많고 설계하는 과정에서의 자유도도 높아서 수집이나 활용이 상대적으로 까다로운 편이다. 이벤트와 속성 행동 로그는 어떻게 설계하느냐에 따라 얻을 수 있는 정보의 수준은 완전히 달라진다. 행동 로그 설계의 핵심은 이벤트의 속성(property)을 어떤 수준으로 함께 날길 것인가를 정의하는 부분이다. 이벤트 속성과 함께 유저 속성을 함께 저장하면 더 다양한 분석이 가능하다. 행동 로그 설계하고 적재하기 이벤트를 어떤 기준으로 쌓아서 볼 것인지 정의하는 문서를 이벤트 스키마 설계서라고 한다. 어떤 화면의 어떤 이벤트를 기록할지, 그 이벤트가 발생하는 정확한 조건이 무엇인지, 이벤트와 함께 기록해야 하는 속성에는 어떤 것이 있는지, 각 속성의 데이터 타입은 어떤 타입으로 기록해야 하는지, 그리고 해당 이벤트가 처음 기록되기 시작한 시점은 언제인지 등 발생하는 모든 이벤트를 기록해야 한다는 생각을 버리고 분석에 필요한 이벤트를 정확하게 적재하는 것이 이 단계의 핵심이다. 3단계 데이터 활용을 위한 역량과 문화 갖추기 데이터를 활용할 수 있는 기본적인 환경이 구축됐다면 전사적으로 이를 활용할 수 있는 역량과 문화를 갖추는 데 신경 써야 한다. 우선 교육을 통해 구성원 개개인이 BI 서비스를 통해 필요한 데이터를 주도적으로 추출하고 가공해서 필요한 대시보드를 스스로 만들 수 있다면 전사적인 데이터 활용 능력이 크게 향상된다. 한걸음 더 나아간다면, 데이터 조회 및 가공을 위해 SQL 문법을 교육하는 방법도있다. 최근에 많이 사용되는 BI 서비스들은 SQL 이용한 데이터 추출과 가공을 대부분 지원하므로 SQL을 배우면 실무에서 당장 활용할 수 있는 기회도 많다. 교육을 통해 배운 지식들을 실제 업무에 바로 적용할 수 있도록 데이터베이스 접근 권한을 필요한 만큼 열어주어야 한다. 업무에서 필요한 데이터를 스스로 찾을 수 있게 해야 한다. 4단계 성장 실험 : A/B TEST (생각보다 제대로 진행하기 어렵다) A/B 테스트란, 두 가지 서로 다른 옵션에 대한 사용자의 반응을 측정함으로써 어떤 옵션이 더 효과적인지 검증하는 과정이다. 가설 : 실험을 통해 무엇을 확인하고 싶은지를 명확히 설정해야 한다. 독립 변수와 종속 변수가 무엇인지를 정의하고 종속 변수의 목표 수준을 정하는 형태로 진행한다. 실험 집단/통제 집단 : 전체 모수 중 실험 조건에 할당되는 사용자들은 어떤 기준으로 구분하고, 어떤 비율로 할당할 것인지 정의해야 한다. 독립 변수 : 설명 변수 또는 예측 변수라고도 한다. 인과 관계에서 원인이 되는 변수, 즉 종속 변수에 영향을 줄 거라고 기대되는 변수다. 종속 변수 : 독립 변수에 의해 영향을 받을 것으로 기대되는 변수다. 인과 관계에서 결과가 되는 변수라고 볼 수 있다. 종속 변수는 당연히 측정 가능해야 하며, 구체적으로 어떤 기준으로 측정할 것인지에 대한 조작적 정의가 사전에 명확하게 돼 있어야 한다. 통제 변수 : 실험 결과에 영향을 미칠 수 있기 때문에 실험 집단/통제 집단 모두에서 동등한 조건을 가져야 하는 변수를 의미한다. 독립 변수는 아니지만 종속 변수에 영향을 미칠 수 있는 제3의 변수라고 볼 수 있다. 샘플 크기 : 가설 검증에 필요한 실험 참가자의 숫자를 의미한다. 통계적 유의도를 확보하기 위한 숫자를 고려해서 실험 전에 미리 정해야 한다. 실험 기간 : 샘플 크기를 고려했을 때 가설 검증을 위한 데이터를 수집하는 데 필요한 기간을 정의해야 한다. A/B 테스트 진행 시 주의사항 무가설 통제 변수 관리 실패 단순 평균 비교 : 평균 이외에도 분포, 유의수준, 효과크기 등을 종합적으로 고려 시간의 흐름에 따른 차이를 살펴보지 않는 것 과거의 A/B 테스트 경험을 지나치게 신뢰하는 것 : 시장의 변화, 사용자층의 변화, 등 다양한 요인에 의해 언제든 결과 변동

2021년 3월 23일 오전 9:59

댓글 0

주간 인기 TOP 10

지난주 커리어리에서 인기 있던 게시물이에요!

현직자들의 '진짜 인사이트'가 담긴 업계 주요 소식을 받아보세요.

커리어리 | 일잘러들의 커리어 SNS