스타트업에서 데이터 기반 의사결정이 힘든 진짜 이유 4가지

성과를 내는 기업들은 감이나 경영진의 지시보다는 데이터를 중심으로 의사결정을 합니다. 하지만 자원이 한정적인 스타트업에서는 데이터를 분석하는 데 여러 어려움을 겪습니다.

이번 글에서는 스타트업에서 데이터를 활용하는 데 어려움을 겪는 4가지 주요 이유를 살펴보고, 어떻게 극복할 수 있는지 알아보도록 하겠습니다.

1. 데이터가 없다

초기 스타트업에서는 사용자 규모가 작거나 제품 출시 전이라면 데이터 수집이 제한적일 수 있습니다. 트래픽 자체가 크지 않다면 A/B 테스트나 코호트 분석에서 의미있는 결과를 도출하기 어렵습니다.

실험의 신뢰성을 위해서는 표본 크기가 클 수록 좋은데요, 통계적으로 의미있는 표본의 크기는 최소 30 이상입니다. 생각보다 크지 않죠? 표본의 크기가 30이 되지 않는다면, 개별 고객과 직접 대화하며 서비스 개선 방향성을 잡는 것을 추천합니다.

서비스를 출시한 지 어느정도 시간이 지났는데 분석할 만한 데이터가 없으신가요? 그렇다면 데이터 수집이 제대로 되고 있는지부터 점검해야 합니다.

신기능을 출시하기 전 반드시 측정 계획을 적절히 수립해야 합니다.

Make measurement a part of your product spec

측정을 제품 사양의 일부로 만드세요

- Michael Seibel (Y Combinator 파트너, 전 트위치 CEO)

GTM이나 페이스북 픽셀 이벤트 설정 도구 등을 통해 개발자가 아니더라도 웹상에서 발생하는 이벤트를 수집할 수 있으니 핵심 지표를 초기부터 수집하는 습관을 들이는 것이 중요합니다.

초기에는 고객의 목소리를 직접 듣고, 핵심 지표를 3~4개를 수집하는 것으로 시작해 점진적으로 데이터 수집 범위를 확장해 나가면 됩니다.

2. 데이터가 중구난방으로 쌓여있다

많은 데이터를 가지고 있다 하더라도 그 데이터가 분석 용도로 정리되지 않았다면 의사결정에 활용하기 어렵습니다. 스타트업은 서비스가 계속 변화하기 때문에 데이터 구조와 종류도 변할 수 있습니다.

사례로 한 스타트업 A사는 서비스 기능을 추가할 때마다 데이터 스키마에 새로운 필드를 추가했습니다. 바쁘게 업무를 진행하다 보니 새로운 필드 구조에 맞춰 기존 데이터 값을 업데이트 하는 것을 잊어버렸습니다. 나중에 데이터를 분석하려고 보니 구조가 통일되지 않아 필요한 정보를 추출할 수 없었습니다.

일정 스테이지가 지나면 서비스 데이터 관리 체계를 갖추어야 합니다. 기존 데이터를 검토하고 정제하는 작업이 필요합니다. 또한 새로운 데이터를 수집할 때 기존 데이터와 어떻게 연결할 것인지, 어디에 어떻게 저장할 것인지 충분히 고려해야 합니다.

3. 데이터 분석 환경이 구축되지 않았다

데이터 양도 충분하고, 데이터 정제를 잘 해두었다면 이 문제는 상대적으로 쉽게 해결할 수 있습니다. 초기 스타트업이나 작은 기업에서는 데이터 인프라에 투입할 리소스가 없기 때문에 데이터 분석 툴을 적절히 활용해야 합니다.

• 웹 사용자 분석 툴: Google Analytics, Amplitude, Mixpanel 등

• BI 툴 : Tableau, Power BI, Google Looker, 스냅셀 등

적절한 데이터 분석 툴을 사용하는 게 중요한 이유는 팀원 모두가 데이터에 접근할 수 있어야 하기 때문입니다. 아무리 비싸고 좋은 툴을 활용해 분석 환경을 갖추더라도 팀에게 맞지 않고 복잡한 툴은 오히려 독이 될 수 있습니다.

4. 무슨 데이터를 어떻게 해석해야 할 지 모른다

데이터를 어떻게 해석해야 할 지 모른다는 말은 서비스의 핵심 가치에 도달하기 위한 유저 경로를 모른다는 말과 같습니다. 이럴때는 회사의 핵심 지표에서 시작해 한 단계 앞의 지표로 점차 나아가는 방법을 추천합니다.

협업툴 SaaS B사의 예를 살펴보겠습니다. B사의 핵심 지표는 유료 구독자 수입니다. 유료 구독자가 몇달간 정체되어 그 이유를 파악하기 위해 아래 지표를 살펴보는 작업을 통해 새로운 전략을 세울 수 있습니다.

1. 사용자 행동 분석: 유료 구독자의 서비스 내 행동을 분석합니다. 어떤 기능을 자주 사용하고 있는지, 어떤 컨텐츠를 선호하는지 등을 파악하여 무료 버전을 사용하는 유저들이 핵심 가치에 쉽게 도달할 수 있게 유도할 수 있습니다.

2. 가입 경로 분석: 새로운 유료 구독자가 어떤 경로로 서비스에 가입했는지 확인합니다. 특정 마케팅 채널이나 프로모션의 효과를 평가하고, 가입 경로별 이탈률을 비교하여 효과적인 유입 채널을 확인할 수 있습니다.

3. 이탈률(Churn Rate) 분석: 먼저, 기간별 이탈률을 분석하여 어느 구간에서 이탈이 가장 많이 발생했는지 확인합니다. 예를 들어, 특정 기능 업데이트 이후 이탈이 증가했는지, 서비스 이용빈도가 감소했는지 등을 살펴봅니다.

4. 고객 피드백 수집: 이용자들에게 직접 설문조사나 피드백을 수집하여 어떤 부분에서 만족하지 못하는지, 개선이 필요한 부분이 어디인지를 파악합니다. 이를 통해 사용자 경험을 향상시키는 방안을 모색할 수 있습니다.

이렇게 수집된 데이터와 분석 결과를 토대로 B사는 이탈한 유료 구독자를 유지하고 새로운 구독자를 유치하는 전략을 세울 수 있게 될 것입니다.

데이터 드리븐 의사 결정이란

데이터 기반 의사결정은 한 순간에 만들어지는 것이 아닌 꾸준한 과정과 문화입니다. 우리 팀의 핵심 비즈니스 목표와 그 목표를 이루기 위한 시스템을 설계하는 과정이라고 생각해야 합니다.

우리 상황에 맞는 규모와 자원을 투자해서 조금씩 개선해 나가는 걸 목표로 잡아보세요.