오늘은 실무에서 정말 자주 듣게 될 **데이터 기반 의사결정(DDDM)**에 대해 이야기해볼게. 기획서를 쓰거나 회의를 할 때 "제 생각에는 이 기능이 좋을 것 같아요"라며 직감에 의존하고 있진 않니? 내가 10년 차 PM으로 구르며 배운 건, 시장은 우리의 느낌보다 차가운 숫자에 반응한다는 사실이야. 진짜 일 잘하는 PM은 숫자로 설득하거든. 실무에서 바로 써먹을 수 있는 데이터 활용법을 세 가지로 나누어 정리해 줄게.
1. 허무맹랑한 지표(Vanity Metrics)에 속지 마
처음 데이터를 보기 시작하면 누적 가입자 수나 단순 페이지 뷰(PV) 같은 큰 숫자에 마음이 뺏기기 쉬워. 숫자가 크니까 서비스가 잘 굴러가는 것처럼 보이거든. 하지만 이런 걸 허무맹랑한 지표라고 불러.
진짜 중요한 건 우리 서비스를 지속적으로 사용하는 활성 사용자 수(DAU, MAU)와 리텐션(재방문율)이야. 아무리 가입자가 많아도 다음 날 다 이탈해 버리면 의미가 없잖아?
- 사용자가 결제를 끝까지 마쳤는지, 특정 기능을 몇 번이나 썼는지 같은 행동 데이터를 추적해야 진짜 개선점이 보여.
2. 단 하나의 핵심 지표, OMTM에 집중해 봐
데이터가 너무 많으면 오히려 길을 잃기 십상이야. 대시보드에 수십 개의 그래프를 띄워놓고 "그래서 뭘 해야 하지?" 고민하는 주니어들을 많이 봤거든. 이럴 때 필요한 게 바로 지금 당장 집중해야 할 단 하나의 핵심 지표인 **OMTM(One Metric That Matters)**이야.
- 초기 서비스라면 리텐션이
OMTM이 될 수 있고, 성장기 서비스라면 결제 전환율이 될 수 있어. - 지금 우리 제품의 가장 큰 병목 구간이 어디인지 파악하고, 그 문제를 해결할 하나의 지표를 정의하는 연습을 먼저 해봐.
3. 정량 데이터와 정성 데이터의 균형 잡기
데이터 분석 도구(GA4, Amplitude 등)가 보여주는 숫자는 '무슨 일(What)'이 일어났는지만 말해줄 뿐이야. "결제 페이지에서 이탈률이 70%다"라는 사실은 알 수 있지만, "왜(Why)" 이탈했는지는 알려주지 않거든.
- 숫자 뒤의 사람을 봐야 해: 결제 이탈률이 높다면(
What), 실제 사용자 인터뷰를 통해 "결제창이 너무 복잡해서 포기했어요"라는 진짜 이유(Why)를 찾아내야 해. - 숫자로 문제를 진단하고, 고객의 목소리로 해답을 찾는 균형 감각이 중요하단다.
💡 핵심 정리
- 허무맹랑한 지표 경계: 겉보기에만 좋은 숫자 대신 진짜 행동 데이터를 봐야 해.
- OMTM 설정: 지금 우리 팀이 집중해야 할 단 하나의 핵심 지표를 정해봐.
- 정량과 정성 결합:
What(숫자)과Why(고객의 목소리)를 함께 분석해야 해. 처음부터 복잡한SQL쿼리를 짜거나 인공지능 분석 도구를 다룰 필요는 없어. 매일 아침 우리 서비스의 핵심 지표를 들여다보고, "이 숫자는 왜 변했을까?" 질문을 던지는 것부터 시작해 봐. 그 작은 질문들이 모여 너를 데이터 기반으로 사고하는 멋진 PM으로 만들어 줄 거야.