Data-driven한 조직이 되지 마세요

데이터를 활용하는 접근법 3가지

Apr 16, 2020

Contents

Data-driven : 이메일 오픈율이 가장 높은 시점은 언제인가?Data-informed : 어떤 내용으로 이메일을 구성하는 것이 가장 많은 관심을 유발하고 행동으로 이어지게 할 수 있을까?Data-inspired : 우리의 유저들은 우리가 보내는 컨텐츠들을 어떤 식으로 소비하고 활용할까?

Data의 시대

요즘 기업들이 Data-driven(데이터 중심적)의사결정을 추구한다는 얘기가 많이 들립니다. 생활 양식을 추적하기 어려웠던 과거에 비해, 최근엔 많은 행동이 데이터로 축적할 수 있습니다. 따라서 “데이터 기반의 의사결정을 내린다.”는 얘기가 당연하게 들립니다.

그럼 Data-driven은 정확하게 무엇일까요? “Data-driven”을 찾아보니 몇 가지 관련 기사들이 나옵니다.

“현장 인력의 감에 의존하던 방식을 탈피, 데이터에 기반해 의사결정을 내리며 승승장구하는 회사가 점차 늘고 있다. 학계에서는 ‘데이터 드리븐(Data Driven)’ 경영이라 명명한다. 데이터를 활용한 새로운 경영 트렌드다”
— 매일경제
“거의 모든 중요한 결정의 중심에 데이터를 배치시킨다. 그리고 반대 의견일지라도 데이터와 그들 나름의 분석에 근거한 의문 제기라면, 만들어지는 사업적 결정에 대한 것이라도 열린 자세로 받아들인다. 이것이 바로 데이터-주도형 문화를 받아들인 모습이다”
— CIO korea

잠깐, 뭔가 이상하다

“의사결정을 할 때 현장 인력의 감에 의존하거나, 데이터와 분석에 근거하지 않은 의문 제기를 수용하는 회사는 Data-driven 하지 않다는 말인가?”

대부분 회사는 스마트폰이 나오기 전부터 저마다의 방식으로 데이터와 분석을 근거로 의사결정을 해 왔을 것입니다. 다른 점이 있다면 데이터를 수집하는 방식이나 매체의 차이 정도이겠죠. 과거의 데이터 수집 방식이 시장 조사, 컨설팅회사, 현장 방문과 같은 물리적인 소모값이 큰 방식이었다면, 요즘의 방식은 그와 더불어 수집된 로그와 행동 분석 툴에 차곡차곡 쌓이는 데이터를 함께 활용하여 더 총체적인 분석을 할 수 있습니다.

따라서, 온전히 감과 느낌에 근거하여 중요한 사업 결정을 내리는 회사는 Data-driven 하지 않아서가 아닙니다. 단지 좋지 않은 경영 방식을 가지고 있는 회사일 뿐입니다.

그래도 Data-driven 하면 좋은 것 아닌가?

감에 의한 의사결정과 Data에 의한 의사결정 중, 더 탄탄한 근거에 따른 합리적 결정인지 묻는다면, 분명 후자가 맞습니다. 그러나 이런 단편적이고 이분법적인 프레임은 실제 회사가 내리는 의사결정의 복잡성을 담고 있지 못합니다. 의사결정이라는 것은 여러 형태와 종류에 의해 이루어지며, 그 사안의 종류와 성격에 따라 최적의 방식으로 데이터를 활용해야 합니다. “Data-driven 한 의사결정”은 단지 한 개의 데이터를 활용하는 방식에 불과합니다.

“그냥 표현의 차이 아닌가?, 어쨌든 데이터만 제대로 활용하면 되는 것 아닌가?” 라고 반문 할 수도 있습니다. 그러나 느슨한 용어 사용은 혼란을 불러올 수 있기 때문에 성숙한 기업들은 Data를 활용한 의사결정 방식을 명확하게 구분 지어 사용하고 있습니다.

Amplitude(제품 행동 분석 서비스)에서는 Data를 활용하는 접근법을 다음 3가지로 구분합니다.

Data-driven
Data-informed
Data-inspired

지금부터 각각의 접근법이 어떤 의미이고, 어떤 상황에서 가장 효과적으로 사용될 수 있는지 살펴보겠습니다. 그리고 이 3가지 접근법을 적절하게 활용하는 Data-Mix에 대해서도 알아보도록 하겠습니다.

1. 데이터를 통해 확신을 얻을 수 있다면, [Data-driven]이라고 부릅니다.

“Data-driven이라는 표현은 어떤 사안의 결과를 정확하게 결정지을 수 있는 데이터를 가지고 있을 때 사용합니다.”
— Shayna, Amplitude의 제품 기획자

Data-driven한 접근법이 가능하게 하려면 굉장히 구체적이면서 정확한 데이터가 확보되어 있어야 합니다.

X 를 출시하기 가장 적절한 시점은 언제인가?
Y 프로모션을 집행하기 가장 적절한 시점은 언제인가?
A/B/N 버전 중 가장 성과가 좋은 버전은 무엇인가?
이번 해에 창출될 수익은 약 얼마 정도인가?

위와 같은 질문에 맞닥뜨렸을 때가 데이터를 통해 확신이 요구되는 상황입니다. 위 질문에 답하기 위해선 잘 기획된 설계를 통해 구체적인 데이터가 확보되어야 하고, 정량 통계적으로도 검증이 되어야 하므로, 충분한 모수도 확보되어야 합니다.

하지만 Data-driven 한 접근은 하나의 구체적인 질문을 해소하는 것에 최적화 되어있음므로 1차원적 접근이라는 지적도 존재합니다. A,B,N 버전 중 가장 성과가 좋은 버전을 결정하는데 활용된 데이터는, Y 프로모션을 집행하기 가장 적절한 시점이 언제인지에 대한 의미 있는 인사이트까지는 제공해 주지 못하기 때문입니다.

2. 데이터를 통해 통찰을 얻을 수 있다면, [Data-informed]라고 부릅니다.

Data-driven은 특정 사안에 대해 구체적인 데이터가 있을 때 적용할 수 있는 접근법입니다. 그에 반면, 우리 서비스의 사용 패턴, 이탈률, 사용자 journey와 같은 퍼포먼스 데이터에 대한 전반적인 이해를 바탕으로 최적화된 제품 개발 전략을 제시하는 것은 Data-informed 된 접근법입니다. 사용률이 정점을 찍는 시기나 조건, 이탈률을 낮추는 조건 등의 데이터를 기반으로, 가장 최적화된 마케팅 방향성을 제시할 수 있다면, 이것 역시 Data-informed 한 접근입니다.

Data-informed 한 접근방식은,

최적화된 제품 개발 전략을 수립할 때,
백로그의 우선순위를 선정할 때

가장 효과를 발휘합니다.

Data-informed 된 접근법은 명확한 액션을 제시하지 않습니다. Data-informed 접근의 핵심은 과거에 집행했던 의사결정의 성공, 실패 여부를 분석하고, 다음번에 취해야 할, 또는 피해야 할 의사결정의 방향성을 수립하는 데 도움을 주는 것입니다. 명확하게 검증된 수치가 아닌, 끊임없는 성찰과 자가 분석을 통해 얻어지는 통찰력 Data-informed 접근법에서 추구하는 데이터입니다.

3. 데이터를 통해 영감을 얻을 수 있다면, [Data-inspired]라고 부릅니다.

Data-inspired는 탐구적인 성격의 접근법입니다. 명확한 결과나 성과물을 딱히 기대하지 않으며, 오히려 다양한 출처를 통해 수집된 데이터의 집합 속에서 패턴과 의미를 발굴하여 문제해결에 필요한 새로운 영감을 얻는 것이 Data-inspired 접근법의 핵심입니다. Data-inspired 접근법을 취하는 사람은 엄격한 통계적, 수치적 근거 대신, 직관과 경험을 통해 축적된 통찰력이 바탕이 되어 움직일 수 있어야 합니다.

Data 수집의 한계는 사후 해석에 국한된다는 점입니다. 수집된 Data는 어떤 결과가 도출되었는지만 알려줄 뿐, 그 범위에서 벗어난 새로운 관점을 전혀 제시해주지 못합니다. 따라서 Data-inspired 한 접근법은

제품의 혁신적인 방향성을 구상하는 전략 수립 단계
디자인 스프린트 단계에서 새로운 아이디어를 구상하는 단계

에서 가장 효과적으로 활용될 수 있습니다.

Data-inspired 접근법으로 인해 도출된 결과물은 엄격하고 검증된 데이터로 취급되서는 안된다는 점은 주의해야 합니다.

조직은 Data-driven이 아니라, [Data-Mix]를 추구해야 합니다

앞서 설명하였듯, Data를 활용한 접근법은 다양한 유형이 있으며, 유형별로 적용하는 것이 적절한 경우와 부적절한 경우가 구분되어 있습니다. 따라서, Data-driven만 외치는 것은 매우 단편적인 상황에만 해당하는 접근법을 일반화시키는 오류를 범하게 될 수 있습니다.

마케팅에서도 가격 전략, 노출 전략, 프로모션 전략 등 다양한 전략들이 존재합니다. 브랜드의 마케팅 플랜을 수립할 때 한 가지 전략만 고수하는 일은 거의 없습니다. 대부분 여러 전략을 골고루 섞는다는 의미의 “마케팅 믹스”를 추구하게 되는데요.

Data 활용 전략도 마찬가지라고 생각합니다. Data-driven, Data-informed, Data-inspired 접근법이 골고루 섞여 있는 “Data-Mix” 전략을 추구하는 것이 올바른 Data 활용 전략이라고 생각합니다.

Data-mix를 적용해 본 그로스 마케팅 가상 예시

한 기업에서 신규 기능 출시를 홍보하기 위해 10만 명을 대상으로 한 이메일 마케팅을 집행한다고 가정해보겠습니다. 최적화된 성과를 도출하기 위해 여러 가지가 고려되어야 할 것입니다.

Data-driven : 이메일 오픈율이 가장 높은 시점은 언제인가?

과거 집행했던 이메일 마케팅을 통해 토요일 12시가 가장 오픈율이 높다는 데이터가 있습니다. 금번 이메일 마케팅의 집행 시점은 토요일 12시로 정합니다.

Data-informed : 어떤 내용으로 이메일을 구성하는 것이 가장 많은 관심을 유발하고 행동으로 이어지게 할 수 있을까?

요즘의 사용자들은 전체 모바일폰 체류 시간이 매우 높지만, 컨텐츠 당 체류 시간은 매우 낮다는 데이터가 있습니다. 이메일 컨텐츠는 모바일 기기에서 보기 최적화시키되, 빠르고 강력하게 읽힐 수 있도록 카드 뉴스 형태로 제작하기로 결정합니다.

Data-inspired : 우리의 유저들은 우리가 보내는 컨텐츠들을 어떤 식으로 소비하고 활용할까?

사용자 조사를 설계, 선별한 유저를 찾아가 마케팅 광고물 행태를 관찰하고 조사해 봅니다. 뜻밖에도, 우리가 보낸 이메일을 만족하며 본 유저는 주변 사람들에게 공유하는 것을 관찰할 수 있었습니다. 그러나 별도의 공유 버튼이 없어서, 이메일 링크를 복사해서 개인 메신저창에 복사하는 형태로 공유를 하는 것을 발견하였습니다.

조사를 바탕으로, 앞으로는 이메일 하단에 간편 공유 버튼을 추가하여, 공유에 들이는 수고를 덜어주기로 방향성을 수립합니다.