커머스 사례로 보는 인풋 지표와 아웃풋 지표

[프로덕트 지표 설정 프레임워크] ⑦지표의 위계, 인풋 지표와 아웃풋 지표

이번 글에서는 메트릭 하이라키(Metric Hierarchy, 지표의 위계)인 인풋 지표와 아웃풋 지표 개념을 소개해 드리겠습니다.

지표에 관심을 갖고 자료를 공부해 보신 분이라면 인풋 지표(input metrics)와 아웃풋 지표(output metrics)라는 용어를 접해 보신 적이 있을 겁니다. 아웃풋 지표는 인풋 지표가 작용한 결과로 나타나는 지표입니다. 예를 들어, 커머스의 매출이라는 지표를 여러 가지 인풋으로 잘게 쪼개 보면 이렇게 쪼갤 수 있습니다.

매출은 구매 건수에 건당 구매 금액을 곱한 금액이죠. 예를 들어, 구매 건수가 100건이고 건당 구매 금액이 3만원이라면 매출은 100건에 3만 원을 곱해 300만 원입니다.

구매 건수는 ‘구매 고객 수’ 곱하기 ‘고객당 구매 빈도’로 구성됩니다. 

ex) 구매 고객: 100명, 고객 1명당 구매 빈도: 2.7건 

구매 건수: 100 x 2.7 = 270건 

건당 구매 금액은 ‘건당 주문 품목 수’ 곱하기 ‘주문 품목당 단가’로 구성됩니다. 

ex) 구매 1건당 주문 품목 수: 3.5건, 주문 품목 1개당 단가: 3만 원

건당 구매 금액: 3.5 x 3만원 = 10.5만 원

구매 고객 수는 다시 쪼개서 볼 수 있는데, ‘활성 사용자 수’ 곱하기 ‘구매 전환율’로 쪼개서 볼 수 있습니다. 

ex) 활성 사용자 수: 10만 명, 구매 전환율: 5%

구매 고객 수: 10만 명 x 5% = 5천 명

이걸 더 잘게 쪼개서 보면, 활성 사용자 수는 ‘신규 활성 사용자 수’ 더하기 ‘리텐션된 활성 사용자 수’ 더하기 ‘이탈했다가 돌아온 활성 사용자 수’로 쪼갤 수 있습니다. 구매 전환율은 ‘상품 상세페이지에서 장바구니에 담는 전환율’ 곱하기 ‘장바구니에서 결제 페이지까지 가는 전환율’ 곱하기 ‘결제 페이지에서 결제를 완료하는 전환율’로 쪼갤 수 있습니다.

여기에서 매출은 결과로 나타나는 지표, 즉 아웃풋 지표(output metric)입니다. 매출이라는 결과물(output)에 영향을 미치는 요인들, 즉 인풋(inputs)은 활성 사용자 수, 구매 전환율, 고객당 구매 빈도, 등등입니다. 이런 인풋 지표들을 개선하면 아웃풋 지표인 매출 지표 역시 개선됩니다. 

예를 들어, 만약 다른 지표가 그대로 유지될 때, 활성 사용자 수라는 인풋이 개선되면 매출이 늘어나게 됩니다. 활성 사용자를 늘리기 위해서는 광고를 통해서 신규 활성 사용자를 증가시킬 수도 있고, 아니면 CRM 마케팅을 해서 기존 사용자들을 리텐션시키고, 이탈한 사용자들을 다시 돌아오게 만들 수도 있습니다.

만약 다른 지표가 그대로 유지될 때 구매 전환율이라는 인풋이 개선되면 매출이 늘어나게 됩니다. 이를 위해서 구매 전환 퍼널을 개선합니다. 상품 상세 페이지에서 장바구니에 담는 전환율을 개선하기 위해서 상세 페이지를 더 매력적으로 만들기도 하고, 결제 페이지에서 결제를 완료하는 전환율을 개선하기 위해서 네이버페이 같은 간편결제 수단을 추가하기도 하고, 결제 플로우를 더 단순화하기도 합니다.

이런 식으로 지표를 잘게 쪼개서 보면, 어떻게 성과 지표를 개선하면 좋을지 방안을 마련하고 실행하는 데 도움이 됩니다. 그냥 ‘매출을 어떻게 늘리지?’ 하고 생각하면 개선 방안을 마련하기에 조금 막연할 수 있는데, 매출이라는 큰 지표를 세부 구성요소로 쪼개면, 활성 사용자, 결제 전환율, 구매 빈도 등 각 세부 구성요소들을 어떻게 개선할지 더 구체적으로 아이디어를 내고 실행할 수 있습니다.

그런데, 인풋·아웃풋 지표를 이렇게 덧셈 곱셈 같은 수식으로 명확하게 표현할 수 있는 경우도 있지만, 그렇지 않은 경우들도 있습니다. 그리고 그렇게 수식으로 명확확하게 표현하기 어려운 인풋·아웃풋 지표가 훨씬 더 중요할 수 있습니다.

커머스의 매출 지표 예시를 이어서 설명해 보겠습니다. 매출이라는 아웃풋 지표를 이렇게 잘게 쪼갰죠. 수식으로만 보면 더할 나위 없이 완벽하게 쪼갠 것처럼 보입니다. 그런데, 매출에 영향을 끼치는 요인이 이것들만 있는 건 아니죠.

다음과 같은 요인들도 매출에 영향을 끼칩니다.

• 상품 카테고리 개수: 얼마나 여러 개의 상품 카테고리가 존재하는가 
  이 지표가 방문하는 사용자 수에 영향을 끼칠 수 있습니다. 하지만 명확하게 수식으로 나타내긴 어렵죠. 상품 카테고리가 늘어난다고 해서 그에 딱 비례해서 사용자 수가 늘어나지는 않으니까요.
• 카테고리 내 상품 다양성, 카테고리마다 얼마나 많은 상품이 존재하는가
  이것도 역시 방문자 수에 영향을 끼칠 수 있지만, 정확히 수식으로 나타내긴 어렵습니다.
• 사용자들이 원하는 상품을 얼마나 쉽게 빠르게 찾을 수 있는가
  검색, 내비게이션 등의 용이성이죠. 그런데 ‘사용자들이 원하는 상품을 쉽게 찾는다’라는 건 지표로 측정하기도 어렵고, 수식으로 나타내기도 어렵습니다. 하지만 이게 구매 전환율에 영향을 끼친다는 것은 모두가 알고 있습니다.
• 판매되는 상품에 대해 사용자들이 얼마나 신뢰를 가지고 있는가
  신뢰 역시 구매전환율에 큰 영향을 끼치지만, 지표로 측정하기도 어렵고 수식으로 나타내기도 어렵습니다.

이 모든 것이 매출이라는 아웃풋에 영향을 끼치는 인풋이라는 것은 분명합니다. 어쩌면 아까 수식으로 명확하게 표현할 수 있었던 인풋들보다 더 중요할 수도 있습니다.

아웃풋 지표를 수식으로 쪼개는 것도 중요하지만, 거기에서만 그치면 지표 개선 아이디어도 그 수준에 그칠 수가 있습니다. 예를 들어, 활성 사용자 수라는 인풋이 개선되면 매출이 늘어나게 된다고 설명했고, 활성 사용자를 늘리기 위해서는 광고를 통해서 신규 활성 사용자를 증가시킬 수도 있고, 아니면 CRM 마케팅을 해서 기존 사용자들을 다시 돌아오게 만들 수도 있다고 말씀드렸죠. 이것도 활성 사용자를 늘리는 방법일 수는 있지만, 조금 평면적인 방법으로 보입니다. 사용자를 늘려야 하니까 광고를 하고 CRM 마케팅을 한다는 것은 분명히 필요한 행동이지만, 이것만으로는 뭔가 일차원적이고 부족한 느낌이 들죠.

비즈니스가 더 성장하기 위해서는 사용자 수를 늘릴 수 있는 다른 인풋을 움직이는 게 훨씬 효과적일 수 있습니다. 아까 예로 들었던 것처럼 취급하는 상품 카테고리를 다양화한다든지, 또는 카테고리별 상품을 다양화한다든지 하는 것들이 있죠. 이렇게 수식으로 명확히 표현되지는 않지만 결과에 중요하게 작용하는 인풋 지표들도 빠짐 없이 챙겨야 진짜 성장하는 비즈니스를 만들 수 있습니다.

그러면 이렇게 수식으로 명확하게 표현하기 어려운 인풋들, 사업 성장을 견인하는 요소들은 어떻게 찾아낼 수 있을까요? 

여기에는 특별한 방법은 없습니다. 우리 프로덕트와 비즈니스에 대해서 열심히 고민하고, 팀이 머리를 맞대고 어떤 인풋 요인들이 있을지 가설을 세우는 것 뿐이죠. 이 과정에서 다른 프로덕트와 사업의 케이스를 공부하는 것이 도움이 될 수 있을 거고요.

아마존이 일하는 방법을 자세하게 설명한 것으로 유명한 <Working Backwards(워킹 백워드)>라는 책을 보면, 매출에 영향을 끼치는 인풋 지표를 어떻게 정의했는지 그 과정이 나옵니다. (한국에는 “순서 파괴”라는 제목으로 번역되어 출간되었습니다. 주제에서 벗어난 얘기지만, 책을 읽으신 분은 아시겠지만 Working Backwards는 일하는 순서를 ‘파괴’하라는 뜻이 아닙니다. 번역이 조금 아쉽습니다.)

아마존에서는 처음에 상품 상세페이지 개수가 많아지면 매출이 증가할 것이라고 가설을 세웠습니다. 상품 상세페이지 개수가 많다는 건 상품이 다양해진다는 뜻이니까, 그만큼 매출이 증가할 것이라고 봤던 거죠. 여기서 인풋 지표는 상품 상세 페이지 개수이고, 아웃풋 지표는 매출입니다.

그런데, 이렇게 인풋 지표라고 믿었던 상세페이지 개수를 증가시켜도 아웃풋 지표인 매출은 증가하지 않았다고 합니다. 상품 가짓수는 늘어났지만, 별로 고객 수요가 많지 않은 상품들이 많았기 때문입니다.

그래서 아마존은 소비자들의 수요를 반영하는 인풋 지표를 설정하기 시작했다고 합니다. 그래서 ‘상세페이지 조회 수(number of detail page views)’라는 지표를 설정하고, 이를 개선해서 ‘상세 페이지 조회건 중 상품 재고가 있는 경우의 비율(the percentage of detail page views where the products were in stock)’이라는 지표를 설정하고, 마지막으로는 ‘상세 페이지 조회건 중, 상품 재고가 있으며 2일 내 배송완료가 가능한 경우의 비율(the percentage of detail page views where the products were in stock and immediately ready for two-day shipping)’이라는 지표를 설정했다고 합니다. 마지막으로 정의한 이 지표에 ‘Fast Track In Stock(패스트트랙 인 스탁)’이라는 이름을 붙여서 관리했다고 하고요.*

*출처:Goodhart's Law Isn't as Useful as You Might Think - Commoncog

저도 책을 읽으면서 이 예시를 봤는데, 언뜻 이해가 가지 않는 부분이 있었습니다. 마지막으로 정의한 Fast Track in Stock 지표는 비율을 나타내는 ‘퍼센티지’ 지표인인데요. 아무리 퍼센티지가 높아도 ‘총 조회수’가 낮으면 매출도 낮아지는 거 아닌가? 하는 생각이 들었죠. 이 의문에 대해서 책에서는 더 자세히 설명하진 않더라고요.

그리고 당시 CEO였던 제프 베조스(Jeff Bezos) 역시 Fast Track in Stock 이라는 지표가 너무 협소한 지표라고 지적했다고 하는데요. 하지만 아마존의 소매사업부를 맡고 있던 제프 윌케(Jeff Wilke)는 이 지표가 아마존 소매사업부를 전반적으로 개선할 것이라고 버텼다고 합니다.

이 이야기의 교훈은 아마존 같은 회사도 인풋·아웃풋 지표 관계를 정의하는 걸 한 번에 하지는 못하고 시행착오를 겪었다는 점입니다. 처음 정의한 인풋 지표가 완벽하지 않더라도, 새로운 가설을 세우고, 테스트를 하고 시행착오를 겪어가며, 그 과정에서 팀 안에서 수많은 논의를 하면서 가설을 발전시켰다는 점이 중요한 거죠.

지표 설정은 100% 과학(science)의 영역이 아닙니다. 아트(Art)의 영역이기도 합니다. 사업에서 지표를 설정하는 것은 100% 확실한 진리를 탐구하는 것이 아닙니다. 지표를 설정하는 것은 성과를 내기 위해서입니다. 지표가 어느 정도 엄밀함이 떨어지더라도, 사업 성과에 도움이 될 수 있다면 그 지표는 유용합니다. 아마존의 경우에도 처음에는 완벽하지 않은 지표를 설정했지만, 계속 가설을 검증해가면서 성과를 개선할 수 있었죠.

반대로 지표가 아무리 기술적으로 엄밀하게 설정되더라도, 사업 성과를 개선하는 데 도움이 되지 않는다면 그 지표는 무용합니다. 지표를 엄밀하게 설정하는 기술도 중요하지만, 그보다 훨씬 더 중요한 것은 팀을 한 군데에 집중하도록 만드는 것입니다.

이걸 위해서는 팀 구성원들이 납득할 수 있게 만드는 스토리텔링, 그리고 팀 구성원들이 모두 이 지표에 집중해서 실행하게 만드는 영향력, 그리고 리더십 등의 역량이 필요합니다. 데이터에 대해 고민하는 분들이 이 점을 잊지 않으셨으면 합니다.

요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.