이번 3주 차에서는 그로스 해킹을 실제로 어떻게 적용할 수 있을지, 그리고 필요한 환경과 지식에 대해 구체적으로 배울 수 있었다. 특히 ETL, 데이터 파이프라인, 사용자 행동 로그 같은 용어들이 실제 서비스에서 어떻게 활용되는지 더 깊이 이해할 수 있었던 점이 유익했다. 예전에는 추상적인 개념으로만 알고 있었는데, 이번에 관련 서비스 예시와 실무적인 질문들을 배워서 훨씬 현실감 있게 다가왔다. A/B 테스트를 설계하고 효과를 측정할 때, 평균값 비교나 p값만을 맹신하지 말고, 다양한 변수들을 종합적으로 고려해야 한다는 점이 중요하다는 것을 다시 한번 느꼈다. A/B 테스트 결과는 단순히 테스트 결과만이 아니라, 실질적인 효과 크기나 비즈니스 관점도 함께 고려해야 한다는 점을 명확히 알게 되었다. 서비스..

조금은 넓은 시야에서 지표를 바라보도록 하자.  AARRR을 떠나서 지표란 무엇일까? 지표란 어떤 현상을 알기 쉽게 요약하기 위해 데이터를 토대로 목적에 맞게 계산하여 하나의 대표값으로 나타내는 것이라고 할 수 있다.  과학에선 자연현상에서 나타나는 정적, 동적 현상들에 대해 길이, 부피, 면적, 온도 등등을 정의하고 기준 단위 또한 정의해서 아주 세밀하게 다룬다.  (이런 단위들을 전문적으로 변환하거나 다루는 "단위조작"이라는 과목도 공대에 존재하고, 각 값의 단위의 기준을 어떻게 정할것인지에 대한 부분도 아주 엄밀하게 다룬다.)   요약하자면, 지표란 현상을 요약하는 것이라고 할 수 있는데, 자연현상의 경우 아주 기초적인, 기저에 있는 자연 현상에 대해 측정하기 때문에 "요약"에 있어서 특별히 문제가..

본질적으로 그로스 해킹이란 "어떻게 하면 서비스, 제품 측면에서 데이터를 바탕으로 회사를 성장시킬것인가? " 에 답하는, 성장에 초점이 맞추어진 프레임이라고 할 수 있다.   주요 흐름은 1) AARRR이라고 불려지는 KPI + 추가적인 지표들의 모니터링2) 개선사항에 대한 실험과 피드백3) (가장 중요하다고 생각되는)민첩한 의사결정을 통한 빠르게 반복되는 실험과 적용 이다. 즉, "가볍고 민첩하고 빠르게, 그리고 데이터를 통해 확실하고 정확하게" 가 핵심이라고 할 수 있다.   여기서 AARRR이란 고객유치(Acquisition)활성화(Activation)리텐션(Retention)수익화(Revenue)추천(Referaal) 로서 지금 회사에서 목표로 하고 있는 일이 잘 진행되고 있는지 모니터링에 사용된..

데이터를 다루면서, 특히 예측 문제들을 많이 다루면서  실제로 내가 하는 이 행동이 회사에 실질적으로 기여를 하고 있긴 한 것인가 하는  의문을 가질 때가 많았다.  예측 모델의 정확성을 시간을 들여 개선한다고 그 시간만큼의 결과가 나오는 것일까? 데이터를 활용해서 회사의 발전에 직접적으로 영향을 미칠 수는 없는 것일까? 그러던 차에 데이터리안에서 진행하는 데이터넥스트레벨 챌린지를 보게 되었고 이번 기수인 4기에 "그로스 해킹"에 대한 책을 진행한다고 하여 참여하게 되었다.   그로스 해킹이 이 블로그의 Causality 카테고리에 속하는 이유는 (개인적인 생각이지만)  그로스 해킹을 통해서 이루려고 하는 목표가  예측 문제를 풀어서 해결되기 어렵겠다는 판단에서이다.  회사의 성장에 있어서 데이터를 통해..