📊 수천 개 지표 추적하는 당신, 사실 100개면 충분합니다

 

여러분 회사 대시보드에 지표가 몇 개나 있는지 세어보신 적 있으세요?

아마 수백 개, 어쩌면 수천 개일 거예요. 클릭, 스크롤, 노출, 전환… 우리는 정말 많은 걸 추적하고 있죠. 하지만 솔직히 말씀드릴게요. 그중에서 실제로 의사결정에 도움이 되는 건 얼마나 될까요?

데이터는 넘치는데 인사이트는 없는 이유

로깅 비용이 저렴해지면서 우리는 모든 걸 기록하게 됐어요. 하지만 우리의 주의력은 한정되어 있잖아요. 추적하는 대부분의 데이터는 실제로 더 나은 의사결정을 만드는 데 별 도움이 안 돼요.

메타(옛날 페이스북)에서 데이터 분석을 이끌었던 찬드라 나라야난이 발견한 진실은 너무 단순해요.

실제로 중요한 건 약 100개의 핵심 지표뿐이라는 거예요.

이 100개 지표가 비즈니스와 제품에서 일어나는 일의 90%를 설명한다고 하네요. 놀랍지 않나요?

모든 비즈니스는 사실 하나의 방정식이에요

모든 비즈니스는 시스템으로 표현할 수 있어요. 그리고 이 시스템은 방정식으로 나타낼 수 있죠. 비즈니스를 방정식으로 표현하면, 실제로 움직일 수 있는 레버가 명확하게 보여요.

메타의 매출 모델을 예로 들어볼게요. 2022년 기준으로 메타는 약 29억 명의 월간 활성 사용자를 보유했고, 연간 매출이 약 117조 원(1,166억 달러)에 달했어요. 이 엄청난 비즈니스를 움직이는 핵심 방정식은 딱 네 가지 요소로 단순화할 수 있어요.

매출 = 사용자 수 × 사용자당 노출 수 × 노출당 광고 수 × 광고당 수익

딱 네 개의 레버예요. 매출을 늘리려면 이 네 가지 중 하나를 건드리면 돼요.

사용자 수를 늘리거나 (성장) 사용자당 노출을 높이거나 (참여도) 노출당 광고를 늘리거나 (광고 밀도) 광고당 수익을 개선하거나 (수익화)

이렇게 네 가지 방법밖에 없는 거예요. 단순하죠?

분해의 마법

이 각각은 더 깊이 분해할 수 있어요. 성장을 좀 더 깊이 들여다볼까요?

월간 활성 사용자를 성장의 지표로 삼는다면, 이렇게 분해할 수 있어요.

월간 활성 사용자 = 신규 사용자 + 유지된 사용자 + 복귀 사용자

활성 사용자를 늘리려면 신규 사용자를 확보하거나, 이탈한 사용자를 다시 데려오거나, 기존 사용자가 떠나지 않도록 해야 하죠.

한 단계 더 들어가 볼게요.

신규 사용자 = 방문자 × (다운로드/방문자) × (앱 실행/다운로드) × (가입/앱 실행) × (신규 사용자/가입)

보이시나요? 각 단계는 측정 가능해요. 각 단계는 개선할 수 있고요. 각 단계 뒤에는 스토리가 있어요.

원한다면 계속 파고들 수도 있어요. 퍼널의 이탈 지점, 활성화 요인, 참여 동인을 살펴보는 식으로요. 이게 바로 분해의 아름다움이에요. 시스템을 방정식으로 분해하면, 무엇이 무엇을 움직이는지 명확하게 보이거든요.

왜 100개 지표면 충분할까요?

지표 계층을 더 깊이 들어갈수록 재미있는 패턴이 보이기 시작해요.

추가 레이어마다 수익은 줄어들어요. 대상 고객은 좁아지고, 변화로 인한 개선 폭은 줄어들며, 데이터의 노이즈는 커지죠.

어느 순간, 발견한 것에 대해 행동할 시간도, 도구도, 사람도 부족해져요. 더 깊이 들어갈수록 한계효용은 빠르게 감소하는 거예요.

그래서 비즈니스를 이해하는 데 수천 개의 지표가 필요하지 않아요. 잘 정의된 작은 핵심만 있으면 돼요.

적정 지표 수를 결정하는 요소들

그럼 정확히 몇 개가 필요할까요? 적정 숫자는 고정되어 있지 않아요. 비즈니스의 구조와 성숙도에 따라 달라지죠.

시스템의 복잡성

우버나 인스타카트 같은 양면 시장은 더 많은 지표가 필요해요. 우버는 2023년 기준으로 전 세계 70개국 이상에서 운영되고 있고, 하루 평균 2,400만 건 이상의 이동을 처리해요. 운전자와 승객이라는 두 시장을 동시에 관리해야 하니까 기본 방정식이 훨씬 복잡하거든요.

팀의 수

제품팀과 비즈니스팀이 많을수록 지표 그래프는 더 크고 깊어져요. 새로운 팀마다 모델의 고유한 부분을 도입하니까요.

마진 민감도

마진이 얇을수록 더 정밀해야 해요. 결제, 물류, 사기 탐지 같은 분야에서는 0.01%의 변화도 수십억 원의 차이를 만들 수 있어요. 예를 들어 쿠팡은 2022년 기준 연간 거래액이 약 34조 원인데, 여기서 0.01%만 개선해도 34억 원의 차이가 나는 거죠.

회사의 단계

초기 단계 기업은 직관과 간단한 지표에 의존할 수 있어요. 문제는 광범위하고 '쉽게 딸 수 있는 열매'가 명확하거든요. 회사가 성숙하면서 더 많은 제품을 만들고 각 이해 레이어를 더 깊이 파고들면서 지표 세트는 자연스럽게 확장돼요.

대부분의 소규모 또는 초기 단계 기업에게는 100개 미만의 지표로 대부분의 가치를 파악하기에 충분해요.

메타의 실제 사례

메타에서는 어떻게 운영했을까요?

약 50개의 표준 지표가 사용자 성장의 대부분을 설명했어요. 또 다른 50개가 광고 비즈니스를 다뤘고요. 또 다른 50~100개가 뉴스피드, 그룹, 페이지, 게임 같은 핵심 제품을 포괄했어요.

그게 전부예요. 세계에서 가장 복잡하고 다양한 플랫폼 중 하나에서 대략 500개의 표준 지표만 사용했어요. 2023년 기준으로 메타는 월간 활성 사용자 30억 명 이상, 연간 매출 약 140조 원을 기록했는데 말이에요.

이 작고 안정적인 세트로 회사 질문의 약 90%에 답할 수 있었대요. 나머지는 롱테일에 있었죠. 특정하고 산발적인 사용 사례에 유용한 정도였고요.

이벤트와 엔티티도 마찬가지예요

이 압축 원칙은 지표를 넘어서 적용돼요.

이벤트

대부분의 팀은 수천 가지 이벤트 유형을 기록해요. 클릭, 탭, 스와이프, 열기, 재생, 일시정지 등등. 하지만 실제로 중요한 건 약 50개의 이벤트뿐이에요. 이것들이 사람들이 제품을 어떻게 사용하는지 정의하는 필수 행동을 설명해요.

엔티티

그다음엔 시스템을 구성하는 '것들', 즉 엔티티가 있어요. 소셜 플랫폼이라면 사용자, 게시물, 페이지가 될 거예요. 마켓플레이스라면 구매자, 판매자, 리스팅이고요. SaaS 제품이라면 계정, 사용자, 세션이죠.

각 엔티티는 수천 개의 데이터 필드를 가질 수 있어요. 하지만 실제로는 약 150개의 특성만이 일어나는 일의 대부분을 설명해요.

표준화가 가져온 변화

표준 지표를 정의하기 전 메타에서는 모든 팀이 자체 대시보드와 정의를 가지고 있었어요. 월간 활성 사용자의 정의가 세 가지 버전이 있었고, 세션의 정의가 다섯 가지였으며, 어느 것이 맞는지 끝없는 논쟁이 있었죠.

수백 개의 표준 지표 세트를 중심으로 표준화하고 이를 관계 방정식으로 연결했을 때, 모든 게 바뀌었어요.

모두가 같은 지표 언어로 말했어요. 모든 제품 담당자가 사과 대 사과로 비교할 수 있었어요. 분석가들은 문제를 더 빠르게 진단할 수 있었어요.

이 공유된 기반이 회사를 더 일관되고, 더 빠르게 행동하며, 더 쉽게 이해할 수 있게 만들었어요. 우리는 더 이상 "어느 숫자가 맞아?"라고 묻지 않았어요. 대신 "왜 이 숫자가 바뀌었지?" 그리고 "우리는 무엇을 해야 하지?"라고 물었죠.

실전 사례: 혼돈에서 명확함으로

한 소비재 기업과 작업했을 때의 이야기예요. 그들은 2,000개가 넘는 지표와 수만 개의 이벤트 유형을 가지고 있었어요. 모든 지표가 중요하고 모든 이벤트가 중요하다고 가정했죠.

계층 구조가 없었어요. 표준 지표도 없었고, 지표 트리도 없었어요. 아무도 숫자를 신뢰하지 않았어요. 모든 대시보드가 다른 이야기를 했거든요.

정리 후 결과는 이랬어요.

중요한 50개의 표준 이벤트 효과를 내는 200개의 표준 지표 사용자 행동을 이해하는 데 도움이 되는 200개의 핵심 사용자 및 제품 속성

3개월 후, 그들은 왜 이탈률이 증가하는지, 어떤 기능이 실제로 유지율을 높이는지 명확하게 설명할 수 있었어요. 새로운 데이터를 수집한 게 아니에요. 무엇이 중요한지 명확히 했을 뿐이에요.

집중이 볼륨을 이겼어요. 진실이 노이즈를 대체했죠.

미래: 시맨틱 시스템과 인공지능

이 진화의 다음 단계는 시맨틱 이해예요. 단순히 로깅하고 측정하는 것이 아니라 의미를 연결하는 거죠.

지표 트리, 관계, 관계 방정식을 시맨틱 레이어에 인코딩하면, 데이터는 더 이상 평면적이지 않아요. 인공지능 시스템이 실제로 추론할 수 있는 구조화된 지식 그래프가 되는 거예요.

그때 마법이 일어나요. 지표가 서로 어떻게 관련되는지, 어떤 이벤트가 어떤 결과로 이어지는지, 어떤 사용자 속성이 행동을 형성하는지 아는 인공지능 시스템은 비즈니스에 대해 단순히 보고하는 것이 아니라 생각하기 시작할 수 있어요.

구글이 2023년에 공개한 바드(현재 제미나이)는 바로 이런 맥락에서 작동해요. 데이터 간의 관계를 이해하고 인과관계를 추적하며, 인간이 놓칠 수 있는 패턴을 표면화하고, 심지어 가설을 제안하기도 하죠.

단순히 "무슨 일이 일어났나?"뿐만 아니라 "왜?"와 "다음엔 무슨 일이 일어날까?"에 답할 수 있어요. 그게 미래예요.

지금 당장 시작하는 방법

실용적으로 시작하는 방법이에요.

방정식을 작성하세요

매출, 성장, 유지, 참여, 비용 등에 대해서요. 이것들이 지배적인 진실이에요.

동인을 식별하세요

각 최상위 방정식은 3~4개의 동인으로 분해되어야 해요.

재귀적으로 드릴다운하세요

중요한 주요 관계 방정식을 다룰 만큼 충분히요.

엔티티의 빈도, 깊이, 폭 특성을 식별하세요

사용자와 제품 행동을 가장 잘 설명하는 속성이요.

문서화하세요

지표당 하나의 정의, 하나의 소유자, 하나의 진실의 원천이요.

관계를 인코딩하세요

지표 트리와 시맨틱 링크를 구축하세요.

핵심을 안정적으로 유지하세요

변경은 상대적으로 드물고, 검토되고, 버전이 관리되어야 해요.

마치며

데이터가 많다고 인사이트가 많은 건 아니에요. 여러분의 비즈니스를 정말 이해하고 움직이는 데 필요한 건 잘 선택된 100개 정도의 지표예요. 나머지는 노이즈일 뿐이에요.

지금 여러분의 대시보드를 열어보세요. 정말 중요한 게 뭔지 한번 찾아보세요. 그게 시작이에요.

린스타트업으로 유명한 에릭 리스는 "측정할 수 없으면 개선할 수 없다"고 말했지만, 저는 이렇게 덧붙이고 싶어요. "너무 많이 측정하면 아무것도 개선할 수 없다"고요.

집중하세요. 핵심에 집중하세요. 그게 성장의 시작이에요.