제품 분석 (Product Analytics)
1. 개요
제품 분석은 디지털 제품(앱, 웹사이트, SaaS)의 사용자 행동 데이터를 분석하여 제품 개선, 사용자 경험 최적화, 비즈니스 성장을 이끄는 분석 분야.
정의
제품 분석 = 사용자 행동 데이터 + 비즈니스 목표
목적:
- 사용자 이해
- 제품 개선 기회 발견
- 가설 검증
- 성장 드라이버 식별
제품 분석의 범위
| 영역 |
질문 |
| 획득 |
사용자가 어디서 오는가? |
| 활성화 |
첫 경험이 성공적인가? |
| 참여 |
어떻게 제품을 사용하는가? |
| 리텐션 |
계속 돌아오는가? |
| 수익화 |
가치를 지불하는가? |
2. 핵심 지표
2.1 AARRR (Pirate Metrics)
Acquisition → Activation → Retention → Revenue → Referral
각 단계별 핵심 지표 정의 및 퍼널 분석
| 단계 |
지표 예시 |
| Acquisition |
신규 방문자, 채널별 유입 |
| Activation |
가입 전환율, 핵심 기능 사용 |
| Retention |
D1/D7/D30 리텐션, WAU/MAU |
| Revenue |
ARPU, LTV, 전환율 |
| Referral |
바이럴 계수, NPS |
2.2 참여도 지표
DAU/MAU Ratio (Stickiness):
Stickiness = DAU / MAU
해석:
- 높음 (>50%): 습관성 제품 (메신저)
- 중간 (20-50%): 유틸리티 제품
- 낮음 (<20%): 비정기 사용 제품
Feature Adoption:
Feature Adoption Rate = 기능 사용 유저 / 전체 활성 유저
기능별 채택률 추적 → 제품 로드맵 우선순위
2.3 리텐션 지표
코호트 리텐션:
Week 0 Week 1 Week 2 Week 3
100% 40% 25% 20%
가입 주차별 잔존율 추적
| 리텐션 유형 |
정의 |
| N-day |
N일 후 재방문 |
| Unbounded |
N일 이후 언제든 재방문 |
| Bracket |
특정 구간 내 재방문 |
| Rolling |
연속 기간 활동 |
2.4 성장 지표
Quick Ratio:
Quick Ratio = (New + Resurrected) / (Churned)
> 4: 건강한 성장
2-4: 보통
< 2: 주의 필요
Growth Accounting:
MAU = 전월 MAU + 신규 + 복귀 - 이탈
신규: 첫 활동
복귀: 이전 달 비활성 → 활성
이탈: 이전 달 활성 → 비활성
3. 주요 분석 방법
3.1 퍼널 분석
방문 → 가입 → 활성화 → 구매
단계별 전환율 측정:
- 병목 구간 식별
- 드롭오프 원인 분석
- A/B 테스트로 개선
3.2 행동 경로 분석
사용자 여정 시각화:
- 첫 세션 행동 패턴
- 전환 사용자 vs 이탈 사용자 경로
- 주요 분기점 식별
3.3 세그먼트 분석
| 세그먼트 기준 |
예시 |
| 행동 기반 |
파워 유저, 신규, 휴면 |
| 인구통계 |
연령, 지역, 디바이스 |
| 획득 채널 |
광고, 오가닉, 레퍼럴 |
| 가치 기반 |
유료, 무료, VIP |
3.4 Aha Moment 분석
Aha Moment: 사용자가 제품 가치를 깨닫는 순간
분석 방법:
1. 장기 리텐션 유저 행동 분석
2. 초기 행동과 리텐션 상관관계
3. "X 기능을 Y일 내 Z회 사용" 패턴 발견
예: Facebook "7일 내 10명 친구 추가"
3.5 파워 유저 분석
Heavy User 정의 및 분석:
- 사용 빈도 분포 (상위 10%)
- 파워 유저의 특성
- 일반 유저 → 파워 유저 전환 경로
4. 실무 적용 사례
4.1 Onboarding 최적화
문제: 가입 후 활성화율 낮음
분석:
1. 가입 후 첫 세션 행동 분석
2. 활성화된 유저 vs 이탈 유저 비교
3. Aha moment까지 도달 비율
액션:
- 핵심 기능 노출 우선순위 조정
- 온보딩 플로우 간소화
- 개인화된 가이드
4.2 Feature 출시 영향 분석
신기능 출시 효과:
- 채택률 (Adoption Rate)
- 사용 빈도 및 깊이
- 전체 참여도 영향
- 리텐션 영향
방법:
- 출시 전후 비교
- 사용자/비사용자 비교
- 점진적 롤아웃 A/B
4.3 이탈 예측 및 방지
분석:
1. 이탈 패턴 식별 (활동 감소 신호)
2. 이탈 예측 모델
3. At-risk 유저 세그먼트
액션:
- 재참여 캠페인
- 인앱 메시지
- 이메일 nurturing
4.4 가격 모델 최적화
무료 → 유료 전환 분석:
- 전환 유저 행동 패턴
- 최적 전환 시점
- 가격 민감도
Freemium 최적화:
- 무료 기능 범위
- 페이월 위치
- 업셀 트리거
5. 참고 자료
핵심 서적
| 서적 |
저자 |
주제 |
| Lean Analytics |
Croll & Yoskovitz |
제품 지표 |
| Hooked |
Nir Eyal |
습관 형성 |
| Hacking Growth |
Ellis & Brown |
성장 |
| Product-Led Growth |
Wes Bush |
PLG 전략 |
주요 저널/블로그
| 출처 |
분야 |
| Reforge |
성장 전략 |
| Lenny's Newsletter |
PM/Growth |
| First Round Review |
스타트업 |
| Amplitude Blog |
제품 분석 |
참고 논문
| 논문 |
출처 |
주제 |
| "How to Calculate CAC" |
HBR |
고객 획득 비용 |
| "The SaaS Metrics That Matter" |
Andreessen Horowitz |
SaaS 지표 |
6. 도구
| 도구 |
용도 |
| Amplitude |
제품 분석 |
| Mixpanel |
이벤트 분석 |
| Heap |
자동 트래킹 |
| PostHog |
오픈소스 대안 |
| FullStory |
세션 리플레이 |
| Looker/Tableau |
대시보드 |
7. 실무 프레임워크
제품 분석 체크리스트
| 단계 |
항목 |
| 정의 |
핵심 지표(North Star) 정의 |
| 계측 |
이벤트 택소노미 설계 |
| 대시보드 |
일일/주간 모니터링 |
| 심층 분석 |
주기적 코호트/퍼널 분석 |
| 실험 |
A/B 테스트 프로세스 |
이벤트 설계 원칙
명명 규칙: Object_Action
예: Button_Click, Page_View, Item_Purchase
속성 포함:
- 사용자 속성 (user_id, plan_type)
- 세션 속성 (session_id, device)
- 이벤트 속성 (item_id, value)