[인프런 워밍업 클럽 3기] PM/PO 3주 차 발자국
[인프런 워밍업 클럽 3기] PM/PO 발자국 3주차 회고
📌 핵심 요약
이번 주는 PM/PO에게 필수적인 데이터 분석 프레임워크를 다루는 강의로, 지표의 본질부터 사용자 여정 기반 분석 구조, 이벤트 기반 데이터 수집 체계까지 전반적인 데이터 전문성을 쌓는 시간이었다. 단순히 ‘데이터를 보는’ 수준을 넘어서, ‘왜 이 지표를 설정하는가’, ‘어떤 지표를 우선순위로 둘 것인가’에 대한 사고방식이 정리됐다.
1. 프로덕트 지표 프레임워크 (섹션 5)
총 6개 강의를 통해 AARRR 프레임워크 기반의 주요 지표를 구조화하는 방법을 학습했다. 단순히 용어를 외우는 수준이 아니라, 실제 PM 업무에서 어떤 데이터를 왜 봐야 하는지, 무엇을 기준으로 제품 성과를 해석할지에 대해 사고할 수 있도록 설계된 파트였다.
[지표의 본질과 Proxy Metric]
지표는 측정 가능한 수치일 뿐만 아니라, 제품이 나아갈 방향성을 보여주는 ‘나침반’이다.
하지만 실제 비즈니스에서는 매출, 만족도처럼 직접 측정하기 어려운 지표들이 많다. 이때 활용하는 것이 Proxy Metric(대체 지표). 예: ‘고객 만족도’를 직접 측정하기 어렵다면, ‘재구매율’이나 ‘클릭 후 전환율’을 Proxy로 활용 가능.[AARRR 프레임워크 적용]
사용자 여정을 기준으로 5단계로 나눠 각 지표를 정리했다.
각 단계별로 핵심 지표가 다르고, PM은 각 단계의 문제를 파악하고 지표를 개선하는 과정에 집중해야 한다.
Acquisition 어떻게 유입되는가? CAC, CVR, LTV
Activation 사용자는 핵심 가치를 경험했는가? Core Action 도달률, Onboarding 완료율
Engagement 얼마나 자주 사용하는가? DAU/WAU/MAU, 세션당 평균 행동 수
Retention 재방문하는가? N일 잔존율, Cohort 분석
Monetization 수익으로 연결되는가? ARPU, 결제전환율
[Metric Hierarchy]
조직 단위에서 지표가 흩어지지 않도록 하기 위한 계층 구조.
예:
최상위: LTV
중간: Retention, Conversion
하위: DAU, 세션당 페이지뷰 등
→ 지표 간 인과관계를 명확히 하고, 무엇을 우선적으로 관리해야 하는지 정리 가능.
2. Event-Based Product Analytics (섹션 6)
단순 지표 분석을 넘어, 사용자 행동 데이터를 설계하고 수집하는 실무적 시야를 넓힌 파트였다.
[Event 기반 분석의 핵심]
제품에서 발생하는 모든 사용자의 행동을 이벤트 단위로 쪼개어 수집함으로써, 더 정밀한 분석이 가능하다.
예:페이지 방문 →
Page View장바구니 담기 →
Add to Cart결제 완료 →
Purchase
이벤트에는 기본 정보 외에도 속성(property)이 붙을 수 있으며, 예를 들어
Add to Cart에 어떤 상품인지, 가격대, 카테고리 등의 정보가 함께 기록된다.
[Event Taxonomy 설계의 중요성]
이벤트를 무작정 수집하기보다, 명확한 목적과 정의를 기반으로 이벤트 명세서를 설계해야 한다.
설계 시 고려 사항:비즈니스 KPI와 연결되는 이벤트 정의
마케팅/개발/운영 팀과의 협업을 통한 공통 언어 확보
중복/불필요 이벤트 제거로 성능 최적화
→ 잘 설계된 Taxonomy는 분석 품질을 결정짓는 핵심.
3. 회고 및 실무 적용 관점
이번 강의는 PM이 단순히 지표를 확인하는 역할을 넘어서, 데이터를 기반으로 제품을 성장시키는 설계자여야 한다는 점을 명확히 보여줬다.
지표를 "모니터링"하는 데서 그치는 것이 아니라, 문제의 “근본 원인”을 추적하고, 지표 간 상관관계를 통해 해결책을 찾아야 함.
실제 업무에서도 Metric Hierarchy를 정의하고, 팀원들과 공통된 지표 언어를 설정하는 프로젝트를 고민하게 되었다.
이번 주 학습을 통해 ‘데이터를 잘 다루는 PM’이란 단순히 SQL을 잘 다루거나, GA 지표를 잘 보는 사람을 말하는 것이 아님을 다시금 확인했다.
지표와 이벤트는 제품 전략의 ‘지도와 나침반’이다. PM으로서 이 둘을 해석하고 설계하는 능력이 점점 더 중요해지고 있다.
답변 0