서비스 런칭 후 처음 봐야할 지표

GA4를 붙이고 방문 로그를 스프레드시트에 모았는데, 정작 어떤 숫자를 보고 무엇을 바꿀지 감이 잡히지 않아요. 이벤트 추적은 쌓여가는데 회의 때 꺼낼 인사이트는 보이지 않는 순간이죠.

핵심 이벤트부터 어디에 모을까

데이터 수집의 흔한 실수는 "일단 다 박고 나중에 보자"예요. GA4(구글 애널리틱스4, 웹·앱 방문 데이터를 무료로 모아주는 도구)에 자동 수집 이벤트가 있긴 하지만, 실제로 의미 있는 행동은 직접 정의해야 해요.

핵심 이벤트부터 시작하세요. 회원가입·첫 프로젝트 생성·결제 완료처럼 "이걸 안 하면 서비스가 작동하지 않는" 행동 3~5개만 골라서 이벤트로 추적하는 거예요. GA4에서는 이벤트 이름과 매개변수를 정의해 gtag로 전송하는데, 처음엔 자동 수집 이벤트(페이지뷰·세션 시작·스크롤)와 추천 이벤트(예: `purchase`, `sign_up`)를 먼저 써보고 필요한 맞춤 이벤트를 하나씩 추가하는 게 좋아요.

수집 단계에서 가장 많이 틀리는 건 이벤트 설계 없이 막 박기예요. 비즈니스 목표에 맞게 "어떤 행동을 추적할지" 먼저 정해야 나중에 데이터를 볼 때 의미가 잡혀요. GA4 무료 버전에서는 맞춤 측정기준을 50개까지만 등록할 수 있으니, 이벤트 매개변수 이름을 신중하게 정해야 해요.

GA4 외에도 간단한 스프레드시트로 시작하는 방법도 있어요. 날짜·유입 채널·전환 여부를 매일 한 줄씩 기록하는 것만으로도 패턴이 보여요. 처음부터 복잡한 BI 도구를 갖출 필요는 없어요. 무료 도구로 핵심만 모아서 흐름을 보는 게 먼저예요.

모두 추적하려다 지치면 가장 급한 한 단계만

AARRR 퍼널은 사용자 흐름을 5단계로 나눠요. Acquisition(유입), Activation(활성화), Retention(재방문), Revenue(매출), Referral(추천). 이름은 해적 지표라고도 불리는데, 데이브 맥클루어가 2007년에 만든 프레임워크예요.

문제는 다섯 단계를 다 보려다 지친다는 거예요. 혼자 운영한다면 지금 가장 급한 한 단계만 집중하세요. 유입이 적다면 Acquisition, 방문은 많은데 이탈이 크다면 Activation, 재방문이 없다면 Retention처럼요. 스타트업은 한 번에 한 단계씩 개선하는 게 현실적이에요.

각 단계마다 보는 지표가 달라요. 유입 단계에서는 채널별 신규 방문자 수(DAU·MAU), 활성화 단계에서는 특정 행동 완료율(예: 장바구니 담기), 재방문 단계에서는 코호트별 리텐션율, 매출 단계에서는 전환율과 객단가, 추천 단계에서는 SNS 공유 수나 리퍼럴 유입 수를 봐요. 리텐션은 서비스 성공을 예측하는 핵심 지표로, 코호트 분석을 통해 날짜나 유입 채널에 따른 차이를 확인하는 게 중요해요.

핵심 지표 몇 가지만 짚고 넘어가요.

5개 단계를 다 보지 말고, 지금 가장 많이 새는 구간 한 곳만 골라서 거기에 시간을 쏟으세요. 그게 제일 빠른 개선이에요.

행동으로 잇지 못하는 허영 지표 거르기

허영 지표(vanity metrics)는 보기엔 좋지만 행동으로 못 잇는 숫자예요. 총 방문 수, 누적 가입자, 팔로워 수처럼 계속 늘기만 하는 숫자는 "그래서 뭘 바꿀까?"라는 질문에 답을 못 줘요. 허영 지표는 표면적으로 인상적이지만 실제 비즈니스 성과를 반영하지 못하고 행동 가능한 인사이트를 제공하지 않는다고 알려져 있어요.

반대로 행동 가능한 지표(actionable metrics)는 "이 숫자가 떨어지면 무엇을 고쳐야 하는지" 곧바로 보여요. 행동 가능한 지표는 특정 행동과 관찰된 결과를 직접 연결하며, 비즈니스 목표와 명확히 정렬되어 있어요.

허영 지표를 거르는 간단한 테스트가 있어요. "이 지표가 변하면 비즈니스에 실제로 영향을 미치나요?" 답이 "모르겠다"거나 "아니요"면 허영 지표예요. 행동 가능한 지표는 "예, 이게 떨어지면 매출이 줄어요"처럼 인과가 보여야 해요.

허영 지표를 보고하면 팀은 기분이 좋지만 다음 행동이 안 나와요. 행동 가능한 지표를 중심으로 대시보드를 짜면 회의 때 "그래서 다음 주에 뭘 할까요?"가 자연스럽게 나와요.

병목을 찾아 한 번에 하나만 바꿔보기

데이터를 모았으면 이제 결정으로 연결해야 해요. 가장 효과적인 방법은 "가장 많이 새는 병목 구간 한 곳"을 찾아서 한 번에 하나만 바꿔보는 거예요.

예를 들어 랜딩 페이지 방문자는 많은데 회원가입 전환율이 3%라면, 가입 양식 길이·입력 항목·버튼 문구를 하나씩 바꿔보는 식이에요. AARRR 퍼널에서 80%의 시간은 기존 제품 최적화에, 20%는 새 기능 개발에 투자하라는 원칙이 있어요. 계속 가설을 세우고 A/B 테스트를 많이 하면서 전환이 향상되는 걸 측정하는 게 핵심이에요.

숫자 하나를 보고 "그래서 무엇을 한다"까지 잇는 구체적 예시를 들어볼게요.

• 상황: GA4에서 가입 후 7일 리텐션이 20%예요.
• 판단: 신규 사용자가 첫 가치를 경험하지 못하고 이탈한다.
• 행동: 가입 직후 온보딩 튜토리얼에 "첫 프로젝트 만들기" 단계를 추가한다.
• 측정: 다음 코호트에서 7일 리텐션이 28%로 올랐는지 확인한다.

한 번에 여러 가지를 바꾸면 무엇이 효과를 냈는지 알 수 없어요. 한 가지만 바꾸고, 측정하고, 다음 가설로 넘어가는 게 빠른 길이에요.

마케터 측면에서는 AARRR을 문제 정의 → 현황 분석 → 측정 지표 이해 → 목표 수준 설정 → 개선안 실행의 순서로 활용할 수 있어요. 예를 들어 가입당 비용(CAC)을 GA 기준 20,000원 이하로 목표를 정하고, 카카오 광고는 CAC가 40,000원이라 너무 높으니 끄고, 상대적으로 효율이 괜찮은 유튜브 광고 소재를 변경해서 가입당 비용을 낮춰보는 식이죠.

데이터를 잘못 읽는 흔한 함정 네 가지

평균에 속기 평균은 양 극단을 가려요. 재방문 주기 평균이 10일이라고 해도, 실제로는 2일 만에 오는 그룹과 30일 만에 오는 그룹으로 나뉠 수 있어요. 평균 대신 중앙값이나 코호트별 분포를 보는 게 실제 상황에 가까워요.

상관과 인과 혼동 방문자가 늘면서 매출도 늘었다고 해서 방문자가 매출을 올렸다고 단정할 수 없어요. 시즌 프로모션이나 외부 요인이 동시에 작용했을 수 있죠. 두 지표가 함께 움직인다고 인과 관계가 있는 건 아니에요. 실험(A/B 테스트)을 통해 인과를 확인해야 해요.

표본이 너무 적은데 결론 내기 신규 가입자가 10명인데 전환율이 50%라고 해서 "우리 전환율은 완벽해!"라고 할 수 없어요. 표본이 커질수록 수치는 평균으로 수렴해요. 최소 100명 이상의 데이터가 모일 때까지 기다린 후 판단하는 게 안전해요.

지표를 너무 많이 보다 아무것도 못 바꾸기 대시보드에 지표가 20개면 무엇을 먼저 볼지 헷갈려요. 실무에서 중요한 건 지표를 많이 보는 게 아니라 의사결정에 필요한 구조로 지표를 연결하는 것이에요. 팀마다 North Star Metric(핵심 지표) 한 개를 정하고, 그 아래 2~3개 보조 지표만 보면 충분해요.

AI는 집계, 사람은 판단 기준

반복 집계나 이상 신호 요약은 AI에 맡길 수 있어요. 예를 들어 "지난주 대비 전환율이 10% 떨어진 채널을 찾아줘"처럼 데이터를 빠르게 훑는 작업이에요. ChatGPT나 Claude 같은 LLM에 GA4 데이터를 CSV로 넣고 요약을 요청하면 몇 초 만에 나와요.

하지만 "무엇이 중요한 지표인지", "왜 그 지표가 떨어졌는지", "그래서 어떤 가설을 세울지"는 사람이 판단해야 해요. AI는 패턴을 잘 찾지만, 비즈니스 맥락과 다음 행동의 우선순위는 사람이 결정하는 영역이에요.

그로스 마케터 업무를 AI가 대신할 수 있을까?에서 다뤘듯이, 데이터를 인사이트로 바꾸는 판단은 여전히 사람 몫이에요. AI를 보조 도구로 쓰되, 최종 의사결정은 직접 하는 구조가 지금 현실적이에요.

데이터 분석 도구로는 무료 GA4, 스프레드시트, 간단한 파이썬 스크립트면 충분해요. 1인 창업 환경에서는 복잡한 BI 도구보다 핵심 이벤트 3~5개만 잘 추적하는 게 더 효과적이에요. 고객 정보가 흩어진다 싶을 때는 무료 CRM부터 써보는 것도 방법이에요.

데이터는 쌓이는데 막막하다면, 이제 뭘 봐야 할지 알았어요. 무료 도구로 핵심 이벤트부터 모으고, 허영 지표를 걸러내고, 병목 한 곳에 집중해서 한 번에 하나씩 바꿔보세요. 숫자를 결정으로 잇는 습관이 쌓이면, 데이터는 더 이상 막막한 숫자 더미가 아니라 다음 행동을 알려주는 나침반이 돼요.

한 번 더, 빠르게 짚고 갈게요

Q. GA4를 붙였는데 무엇부터 추적하면 되나요? A. 회원가입·첫 프로젝트 생성·결제 완료처럼 "이걸 안 하면 서비스가 작동하지 않는" 핵심 이벤트 3~5개만 먼저 추적하세요. 자동 수집 이벤트(페이지뷰·세션 시작)는 GA4가 기본으로 모아주니까, 추천 이벤트나 맞춤 이벤트를 하나씩 추가하는 게 좋아요.

Q. AARRR 퍼널 5단계를 다 봐야 하나요? A. 아니요. 지금 가장 급한 한 단계만 집중하세요. 유입이 적다면 Acquisition, 방문은 많은데 이탈이 크다면 Activation처럼요. 혼자 운영할 때는 한 번에 한 단계씩 개선하는 게 현실적이에요.

Q. 허영 지표와 행동 가능한 지표는 어떻게 구분하나요? A. "이 지표가 변하면 비즈니스에 실제로 영향을 미치나요?"라고 물어보세요. 답이 "모르겠다"나 "아니요"면 허영 지표예요. 행동 가능한 지표는 "예, 이게 떨어지면 매출이 줄어요"처럼 인과가 보여야 해요.

Q. 데이터를 봤는데 무엇을 바꿔야 할지 감이 안 잡혀요. A. 가장 많이 새는 병목 구간 한 곳을 찾아서 한 번에 하나만 바꿔보세요. 예를 들어 가입 후 7일 리텐션이 낮다면 온보딩 튜토리얼을 개선하고, 다음 코호트에서 수치가 올랐는지 측정하는 식이에요. 여러 가지를 동시에 바꾸면 무엇이 효과를 냈는지 알 수 없어요.

Q. AI 도구로 데이터 분석을 대신할 수 있나요? A. 반복 집계나 이상 신호 요약은 AI에 맡길 수 있어요. 하지만 "무엇이 중요한 지표인지", "왜 그 지표가 떨어졌는지", "그래서 어떤 가설을 세울지"는 사람이 판단해야 해요. AI는 보조 도구로 쓰고, 최종 의사결정은 직접 하는 게 지금 현실적이에요.