[토스] PO Session 정리

출처 : [토스 인사이트]

 

[데이터 그로스 모델링 질문 5가지]

Q1. You notice that your power users all have taken some action (e.g. filled out their profile)

so you try to encourage all users to fill out their profile to get them more hooked on your product.

Does this actually help??

> Churn rate가 어떻게 변하는 지를 봐라

 

Q2. You have 24 hours of downtime, the next day you come back up your traffic is down, Will this have a long term effect you need to worry about?

> 걱정을 하지 않아도 되는 경우가 많다. Inflow와 churn rate를 보면서 판단.

 

Q3. You have 100K uniques per day and so does your competitor,

but are these 100K people who come back everyday or 700K people who each come once per week?

Does it matter?

> Inflow를 보는 것도 중요하지만 장기적으로는 churn rate를 보는 것이 중요. 

 

Q4. You turn on a new advertising campaign and see your # of unique visitors per day start to increase,

You assume that this will continue increasing so long as you keep the ads running, right?

> 아니다. CC에 도달할 때까지 늘어난다.

 

Q5. You start having email deliverability problems (or Facebook turns off notifications) so you can't notify users of new activity onthe site. The # of unique cisitors decreases slightly but you're not too worried, should you be?

> 들어오는 유저수는 줄어들 것이지만 그만큼 Churn rate도 같이 줄었을 수 있다. 쓸모없는 유입 또한 줄어들었기 때문

 

이 5가지 질문에 답을 줄 수 있는 핵심개념이 바로 'Carrying Capacity' : CC

 

[ Carrying Capacity ]

- 호숫가의 물의 높이가 어디까지 올라올까??에 대한 질문이다. 물의 높이는 물이 채워지는 양(Inflow)과 나가는 비율(Churn rate)의 차이에 따라 결정된다. 단 두 가지 요소만 영향을 미친다.

- 물의 높이는 전체 Customer 이며 customer에 대한 구체적인 정의가 필요하다.(Active와 Churn에 대한 정의)

- 계산) C.C  = 매일 새로운 유입자수(I) / 매일 새롭게 나가는 이탈자 수 비율(O)

- I : MAU 등 / O : 1 - Retention rate

- C.C는 제품의 본질적으로 고객을 감당할 수 있는 체력, 기반을 의미한다.

- 내 서비스가 도달할 최종적인 유저수'를 의미, 제품의 성장을 미리 예측할 수 있는 지표가 된다.

ex. I = 7500 / O = 1%  -> 75만명

 

[ Retention 지표 개선 ]

: 이를 위해 Retention Curve를 분석 (AARRR 순이 아닌 역순으로 개선해 나간다)

1) 이탈 그룹에 대한 Usability Test (확보해야 하는 고객)

- 데려오지 못한 유저들은 무엇을 쓰는가? 이 유저들을 데리고 올 수 있을까에 대한 분석

- 이것은 CC에 도달한 이후 그 다음 CC를 높이기 위한, 아이템을 찾기 위한 장기적인 과정이기도 하다.

 

2) 유지 그룹에 대한 Data Analysis

- 단기적으로 지금 신경써야할 부분.

- 직업 연령 등 사용자의 persona 이해

- 어디에서 Retention이 떨어지는지 20% 40% 70% 리텐션의 높이가 기업의 가치를 나타냄

- 하지만 리텐션 값은 고정된 값이 아니라 계속해서 변화해가는 값이란 점을 주의

- 남는 유저들의 공통적인 특징이 무엇인지 분석

 

3)  Aha Moment 운동에 대하여

- 제품 핵심가치를 경험하는 순간, 서비스를 계속 쓰게 되는 특이점을 말한다.

- 이 행동을 한 유저 95%가 리텐션이 생기는 행동

- 팀원들이 제품 핵심가치에 대해 정량적으로 정의되는 순간.

ex. 초기 토스의 아하모먼트는 4일안에 2번 송금하는 경우

- (4일이상 2번이상 송금하도록) 목표 지표가 된다.

- 연역과 귀납 모든 과정을 통해 찾아야 한다.

ex. 페이스북의 아하모먼트는 첫 10일동안 7명의 친구를 맺는 것

슬랙 어떤 팀 안의 메시지가 2000개

드롭박스는 한 디바이스안 폴더에 하나의 파일을 저장할 때

트위터는 팔로워 30명의 유저를 가질 때 등

핀터레스트 팔로우 유도 -> 아하모먼트

- 아하 모먼트의 일반적인 형태

: 'XX라는 행동을 가입한지 YY라는 날짜 안에 ZZ번 한다.'

- 아하 모먼트를 구할 때 Retain한 수와 action의 수의 차이가 적으며(교집합의 수가 최대), 액션을 한 사람의 대다수(95%이상)가 Retain되는 것을 찾아야 한다.

- 만약 아하모먼트가 실행 불가능한 경우라면 xx라는 행동의 가치(제품 개선)를 증대시켜야 한다.

 

[ Activation 지표 개선 ] 

- Activation은 The First happy Experience며, Aha Moment와 비슷하다.

- Activation의 목표는 퍼널 개선 보다는 Aha Moment를 더 빨리 경험하도록 하는 것(그렇기 때문에 핵심 Action이 무엇인지를 구체적으로 정의할 필요가 있다.)

- 또한, 퍼널의 전환율이 아닌 얼마만에 다음 퍼널로 넘어가는 그 기간이 중요하다.

 

[ Viral Growth ] 

- Viral Growth는 신규 유저가 새로운 유저를 가져오는 비율로 0.2정도만 나와도 괜찮은 수준이다.

참고) Network Effect는 한번 들어온 유저가 지속적으로 사용하도록 한다.

- Viral Growth보다는 Amplification Factor 값을 주로 사용. 1 / (1-Viral k)를 통해 구할 수 있다. 이 값이 의미하는 것은, 광고를 통해 고객 한 명을 데리고 왔을 때 총 몇명의 고객의 유입이 발생하는지를 나타낸다.