프로덕트 매니저(PM)로 일하면서 늘 지표 이야기를 듣게 됩니다. 대부분 PM은 선행지표(leading indicator)와 후행지표(lagging indicator)의 개념을 잘 이해하고 있습니다. 하지만 선행지표에 영향을 미치는 '인풋(input) 지표, '아웃풋(output)' 지표까지 고려하지 않는 경우가 있어서 예시와 함께 설명을 드려보겠습니다.

1. 선행지표와 후행지표
선행지표는 우리가 지금 당장 어떤 행동을 해야 미래의 목표를 달성할 수 있을지 미리 알려주는 지표입니다. 쉽게 말하면 '미래의 성과를 예측할 수 있는 지표'입니다. 예를 들면 커머스에서 '검색 결과에서 장바구니로 담는 비율', SaaS 서비스의 '세션당 핵심 기능 사용 횟수' 등이 대표적입니다.

반면 후행지표는 이미 일어난 일을 통해 우리의 노력이 얼마나 성공적이었는지 확인하는 지표입니다. 예를 들면 매출, ARR(연간 반복 매출), 리텐션 등이 있습니다.

2. 선행지표에 집중해야 하는 이유
OKR을 설정할 때 후행지표가 아니라 선행지표를 설정해야 한다는 점을 많이 강조합니다. 선행지표가 중요한 이유는 변화를 사전에 감지하고 이에 따라 적절히 개선할 수 있는 시간을 확보할 수 있기 때문입니다. 또한, 선행지표는 하나의 팀이나 조직이 직접적으로 통제할 수 있는 지표인 반면, 매출 같은 후행지표는 외부 변수나 여러 팀의 복합적 요인이 영향을 미치기 때문에 통제력이 낮으며, 문제 발생시 진단하고 개선하는 데 많은 시간 지연이 발생할 수 있습니다.

선행지표의 다른 장점은 조직 내 행동을 촉진하는 점입니다. "사람은 측정되는 대로 행동한다"라는 말이 있듯이, 실행 가능한 행동에 집중하도록 하는 것이 선행지표의 큰 장점입니다. 선행지표를 OKR과 같은 주요 목표와 연결하면 팀이 당장 실행 가능한 행동에 집중할 수 있고, 후행지표로 최종 성과를 검증해서 목표 왜곡을 방지해나갈 수 있습니다.

3. 우리가 놓치기 쉬운 인풋과 아웃풋 지표의 중요성
선행지표만으로 충분하다고 생각할 수도 있지만, 실제로는 이 선행지표를 움직이는 인풋(input)과 아웃풋(output) 지표 개념을 같이 일면 좋습니다. PM이 이 구조를 이해하면 제품의 다이나믹고 함께 지표를 더욱 체계적으로 관리할 수 있습니다. 인풋 지표는 팀이 직접적으로 통제할 수 있는 구체적인 행동을 나타내며, 아웃풋 지표는 그 행동의 결과로 나타내는 지표입니다. OKR과 같은 전략적 목표는 선행지표로 설정하고, 선행지표를 움직이게 만드는 인풋과 아웃풋 지표는 개별 이니셔티브나 프로젝트 단위에서 설정하면 목표 달성을 위한 실행력을 높이고, 실질적인 개선 방향을 잡을 수 있습니다.

4. 가상의 예시: 커머스의 검색→구매 전환율 높이기
커머스 search and discovery 팀의 예시(가상)를 통해 인풋 지표(input metric), 선행 지표(leading metric), 아웃풋 지표(output metric), 그리고 후행 지표(lagging metric)의 명확한 관계와 역할을 설명해 보겠습니다.

이 팀의 목표는 검색을 진행한 유저들의 구매 전환율을 향상시키는 것입니다. 처음에는 '검색 결과를 본 유저가 장바구니에 상품을 담는 비율(검색>장바구니 전환율)’을 선행지표로 잡고 UX 개선을 시도했으나, 기대만큼 장바구니 담기 전환율이 상승하지 않았습니다. 그때 담당 프로덕트 매니저(PM)는 중요한 점을 깨닫습니다.

바로, 선행 지표에 직접 영향을 줄 수 있는 팀이 컨트롤 가능한 '인풋 지표'가 설정되지 않았다는 점이었습니다. 기존의 검색 결과 로직이 단순 알파벳(가나다) 순이었기 때문에, 이를 '인기순' 정렬로 변경하는 실험을 진행하기로 합니다.

팀은 '인기순 정렬이 적용된 검색 결과 페이지의 노출 수'를 인풋 지표로 정의했습니다. 팀이 검색 결과 화면에서 인기순 정렬 방식을 부분적으로 배포하여, 이 노출 수를 직접적으로 조정할 수 있었기 때문입니다. 또한 인기순 정렬의 실제 성과는 '검색 결과 CTR(클릭률)'이라는 아웃풋 지표를 통해 측정하였습니다.

실험 결과, 인기순 정렬이 적용된 페이지의 CTR이 상승했고, 이는 선행지표인 장바구니 전환율의 상승으로 이어졌습니다. 결과적으로 장바구니 전환율의 증가는 후행 지표인 주간/월간 검색 기반 매출의 의미 있는 상승으로 이어졌습니다.

이를 간단히 플로우로 보여주면 아래와 같습니다.
(Input) 인기순 정렬 적용된 검색 결과 페이지 노출 수 증가 ⟶ (Output) 검색 결과 CTR 증가 ⟶ (Lead) 장바구니 담기 전환율 증가 ⟶ (Lag) 주간/월간 매출 증가

이처럼 인풋, 선행, 아웃풋, 후행 지표를 명확히 구분하고 각 지표의 역할, 영향력을 설정하면 PM이 제품 개선의 방향성을 정하는데 기여할 수 있을 것이라 생각합니다.

PM이 이해하면 좋은 지표 개념

Netflix의 Experimentation Platform에서 Principal Product Manager으로 일하고 계신 11년 차 PM Travis Brooks 인터뷰를 통해, 저는 고객이 무엇을 원하는지 이해할 수 있는 다양한 방법 4가지와 이를 위해 가져야 하는 태도 2가지를 배울 수 있었어요.

Travis Brooks은 PM이 이끌고 있는 제품 팀 전체가, 타깃 고객에 대한 이해도와 공감대를 같은 레벨로 유지하도록 하는 것이 바로 PM의 역할이라고 말합니다.

1️⃣ 자신이 만든 제품을 직접 사용하는 것입니다. 하지만, 당신은 사용자가 아닌 PM입니다. 당신은 대부분의 사용자들과는 다른 방식으로 제품과 상호작용합니다.

2️⃣ 실제 고객과 대화를 시작하는 것입니다. "이 제품을 어떻게 사용하시나요? 어떤 점을 중요하게 생각하시나요? 어떤 점이 불편하시나요? 얼마나 자주 사용하시나요? 왜 더 자주 사용하지 않으시나요? 마지막으로 사용한 게 언제였나요? 무엇을 하려고 했나요? 그 목적을 달성하셨나요?" 이러한 정성적 고개 리서치를 수행합니다.

3️⃣ 인터뷰를 통해 고객들은 자신이 어떻게 제품을 사용하는지 설명하지만, 실제로는 그렇게 사용하지 않을 수 있습니다. 그래서 제품에서 실제 고객의 행동한 로그 데이터에 들어가서 고객들이 “일주일에 한 번 제품을 사용한다.”고 인터뷰에서 응답했지만, 로그 데이터를 살펴보면 고객들이 일주일에 세 번 제품을 사용하는 것을 볼 수 있습니다. 이렇게 고객의 실제 행동 로그데이터를 함께 보면 고객에 대한 이해도가 훨씬 높아집니다.

4️⃣ 이러한 고객의 행동 데이터조차도 PM들이 제품을 사용하는 방식을 심층적인 인과 관계 수준에서 이해하는 데는 도움이 되지 않습니다. 고객을 이해하려는 PM의 목표는 "내가 X를 하면 사용자는 Y으로 반응한다"는 것입니다. 이러한 인과 관계를 확립하는 가장 신뢰할 수 있는 방법은 무작위 표본의 사용자에게 X를 보여주고 X를 보지 않은 나머지 사용자와 어떻게 다른지 확인하는 것입니다.

?[고객 검증 문화를 위한 중요한 요소]?
✅ "겸손함"을 갖는 것이 매우 중요하다고 생각합니다. 우리가 내놓는 고객 가설 검증 방법은 대부분 실패하기 때문에 겸손해야 합니다. 자신의 아이디어에 집착하여 "내가 실험을 해볼게, 이건 세상을 놀라게 할 거야"라고 말할 수는 없습니다. 실제로는 그렇지 않은데도 자신의 방법이 좋다는 것을 보여주기 위해 많은 시간과 노력을 낭비하게 됩니다.

당신은 뭔가를 시도했지만 효과가 없었다면, “이 경험을 통해 다음 고객 가설 검증에서 무엇을 배울 수 있을까요?"라는 질문을 던지세요. 끊임없이 시장에 테스트하고, 배우는 과정을 빠르게 반복하는 것을 장려합니다. "제가 할 일은 그것을 시장에 내보내고, 시장의 반응으로부터 배우는 것입니다. 운이 좋으면 바로 성공할 수도 있지만 그렇지 않을 수도 있습니다. 검증을 통해 배우면서, 고객의 진짜 문제를 해결할 수 있는 진짜 해결책을 찾을 것입니다."

✅ 공개적으로 의사결정을 내리는 "열린 토론 문화"를 만드는 것입니다. 의사 결정이 개방적일수록 데이터의 목소리는 더 커집니다. 의사 결정이 한 사람의 머릿속에서 폐쇄적으로 이루어지면 어렵습니다. 사람들이 토론을 하다가 의견이 일치하지 않을 때 데이터에 의존하는 경우가 많은데, 이는 데이터에 동의하지 않는 것이 훨씬 더 어렵기 때문입니다. 따라서 고객 검증 문화를 원한다면, 데이터를 원한다면 열린 토론과 의사결정을 하세요. 그러면 사람들은 고객에 대한 데이터와 고객 검증이 필요하다는 것을 더 명확하게 알게 됩니다.

?️ 평소 궁금하신 글로벌 제품의 고객이 원하는 것을 찾는 과정이 있으신가요? 아래 링크로 평소 만나고 싶었던 제품 PM에게 질문해 주세요. 대신 전달하고 알려드릴게요. ?
https://forms.gle/JX8vPSvZBjJubsZd7

Netflix PM은 고객이 무엇을 원하는지 어떻게 알 수 있을까요?

'Product Market Fit을 찾았다.'라는 것을 어떻게 확인할 수 있을까요?

Product Market Fit은 제품이 시장과 잘 맞아떨어지는 상태를 의미해요. PMF 달성은 고객이 시장에서 해당 제품을 진심으로 원하고 있음을 나타내며, 이는 시장의 지속적인 수요와 눈에 띄는 반응으로 확인할 수 있어요. 시장의 수요와 반응을 정량적으로 측정하는 방법을 알려드릴게요.

이메일 관리 도구인 Superhuman*을 사례로, PMF 서베이를 활용하여 PMF를 찾는 방법을 소개할게요.

*2019년 Superhuman은 월 30달러를 지불하는 사용자가 약 1만 5천 명에 달했으며, 22만 명 이상의 대기자 명단을 보유하고 있었습니다. 2020년에는 유료 사용자가 약 5만 명으로 늘어났고, 2천만 달러의 매출을 올린 것으로 알려졌습니다.

Superhuman의 PMF 서베이 활용 사례:
- 시작 상황: Superhuman은 서비스 런칭 전에 PMF를 찾고자 했습니다. PMF 서베이로 '만약 [제품]을 더 이상 이용할 수 없다면 어떠실 것 같나요?'라는 질문을 했을 때, '매우 속상할 것 같다.'라고 응답한 비율이 22%로, PMF에 도달했다고 볼 수 있는 40%에 미치지 못했습니다.

- 핵심 고객 유형 정의: Superhuman은 서베이를 통해 '매우 속상할 것 같다'고 응답한 고객들을 핵심 고객으로 보고, 이들에 대한 추가적인 질문을 통해 핵심 고객 유형을 더 명확히 정의했습니다.

- 강점과 개선점 파악: Superhuman은 서베이 결과를 분석하여 제품의 핵심 강점을 파악했으며, 이는 '이메일 처리와 정리 속도'였습니다. 또한, '속상할 것 같다'라고 응답한 고객들을 대상으로 개선점을 파악하여 제품 개발 방향을 설정했습니다.

- 비용 대비 효과 분석과 우선순위 설정: PMF 서베이 결과를 바탕으로, Superhuman은 강점을 강화하고 주요 개선점을 신속히 반영하는 제품 개발 로드맵을 수립했습니다. 이 과정에서 비용과 임팩트를 고려하여 우선순위를 설정했습니다.

- 지속적인 서베이와 개선: Superhuman은 PMF를 확립하기 위해 정기적으로 서베이를 진행하고, 그 결과에 따라 제품의 방향성을 지속적으로 개선해 나갔습니다. 이러한 노력의 결과로, Superhuman은 처음 22%였던 '매우 속상할 것 같다' 응답 비율을 9개월 만에 58%로 향상했습니다.

평소 궁금하신 글로벌 제품 PMF 찾는 과정이 있으신가요? 아래 링크로 평소 만나고 싶었던 제품 PM에게 질문해 주세요. 대신 찾아드리고 알려드릴게요.
https://forms.gle/9BzeiCUs5YgoDW5X9

재직자

김정수

AI/Data Professional

James

로봇/AI 기획자

Silvia?

LG AI연구원 AI사업전략

윤훈상

LG AI연구원 연구원

정혜민

LG AI연구원 연구원

장요엘

LG AI연구원 인턴

이경민

LG AI연구원 인공지능 엔지니어

성현

LG AI연구원 인공지능 엔지니어

LG에이아이연구원