큰 제품 또는 비즈니스 지표를 움직이는 작은 동인을 보여줍니다. — Claude Skill

지표 트리 방법론

이 방법론을 사용할 때: template.md를 이미 사용했고 다음 고급 기법이 필요할 때 사용합니다.

• 다면 마켓플레이스 또는 플랫폼
• 복잡한 지표 상호의존성과 피드백 루프
• 보완 지표와 가드레일 시스템
• 네트워크 효과와 바이럴 성장
• 지표 조작 방지
• 계절성 조정과 코호트 노화 효과
• 비즈니스 단계별 포트폴리오 접근

지표 트리가 단순하다면: template.md를 바로 사용하세요. 이 방법론은 복잡한 지표 시스템을 위한 것입니다.

---

목차

1. 다면 marketplace 지표
2. 보완 지표와 가드레일
3. 네트워크 효과와 바이럴 루프
4. 지표 조작 방지
5. 고급 선행 지표
6. 지표 상호의존성
7. 비즈니스 단계별 지표

---

1. 다면 marketplace 지표

과제

마켓플레이스에는 균형을 맞춰야 하는 공급 측과 수요 측이 있습니다. 한쪽만 최적화하면 다른 쪽을 해칠 수 있습니다.

해결책: 이중 트리 접근

1단계: 제약 조건 식별

• 공급 제약: 공급보다 수요가 많음 → 공급 측 지표에 집중
• 수요 제약: 수요보다 공급이 많음 → 수요 측 지표에 집중
• 균형: 둘 다 필요 → 비율/균형 지표 모니터링

2단계: 별도 트리 생성

공급 측 트리:

북극성 지표: 활성 공급자(재고 제공)
├─ 신규 공급자 활성화
├─ 유지 공급자(지속 활동)
└─ 공급자 품질/성과

수요 측 트리:

북극성 지표: 성공한 거래
├─ 신규 고객 획득
├─ 반복 고객 비율
└─ 고객 만족도

3단계: 균형 지표 정의

• 유동성 비율: 공급 활용률(판매된 inventory 비율)
• 매칭률: 거래로 이어진 검색 비율
• 대기 시간: 수요 신호부터 fulfillment까지 시간

예시(Uber):

• 공급 NS: 주 10시간 이상 active driver
• 수요 NS: 완료된 ride
• 균형 지표: 평균 대기 시간 <5분, driver utilization >60%

다면 분해 템플릿

마켓플레이스 GMV = (공급 × 활용률) × (수요 × 전환율) × 평균 거래

의미:
- Supply: 사용 가능한 inventory/capacity
- Utilization: 사용되는 supply 비율
- Demand: 잠재 구매자/search
- Conversion: 거래로 전환되는 demand 비율
- Average Transaction: 거래당 $

---

2. 보완 지표와 가드레일

문제

주요 지표를 최적화하면 품질 하락, 신뢰 저하, 사용자 경험 악화 같은 부정적 외부효과가 생길 수 있습니다.

해결책: 가드레일이 있는 균형 점수표

프레임워크:

1. 주요 지표(북극성 지표): 최적화하려는 것
2. 보완 지표: 해칠 수 있는 것
3. 가드레일 기준값: 최소 허용 수준

예시(콘텐츠 플랫폼):

Primary: 콘텐츠 조회수(극대화)

가드레일이 있는 보완 지표:
- 콘텐츠 품질 점수: ≥7/10 유지 필요(현재: 7.8)
- 사용자 만족도(NPS): ≥40 유지 필요(현재: 52)
- creator 유지율: ≥70% 유지 필요(현재: 75%)
- 유해 콘텐츠 제거까지 걸린 시간: ≤2시간이어야 함(현재: 1.5h)

규칙: 가드레일 중 하나라도 깨지면 주요 지표 최적화를 일시 중지

흔한 보완 지표 패턴

Guardrails 설정 방법

1. 과거 baseline: 지난 6-12개월 지표를 보고 10번째 percentile을 floor로 설정
2. 경쟁 benchmark: industry average를 floor로 설정
3. 사용자 피드백: 사용자에게 허용 가능한 minimum을 설문
4. 규제: compliance threshold

---

3. network effect와 바이럴 loop

network effect 측정

network effect: 사용자가 늘수록 제품 가치가 증가합니다.

추적 지표:

• 네트워크 밀도: 사용자당 연결 수(높을수록 강한 네트워크)
• cross-side interaction: 사용자 A의 action이 사용자 B에게 이익을 줌
• 바이럴 계수(K): 기존 사용자당 생성된 신규 사용자 수
  • K > 1: 지수 성장(viral)
  • K < 1: sub-viral(유료 획득 필요)

분해:

New Users = Existing Users × Invitation Rate × Invitation Acceptance Rate

Example:
100,000 users × 2 invites/user × 50% accept = 100,000 new users (K=1.0)

바이럴 loop 지표 트리

북극성 지표: 바이럴 계수(K)

분해:

K = (Invitations Sent / User) × (Acceptance Rate) × (Activation Rate)

입력 지표:
├─ 사용자당 초대 수
│  ├─ 초대를 1개 이상 보낸 사용자 %
│  ├─ 발신자당 평균 초대 수
│  └─ 표시된 초대 prompt
├─ 초대 수락률
│  ├─ 초대 메시지 품질
│  ├─ social proof(발신자 신뢰도)
│  └─ landing page 전환
└─ 신규 사용자 활성화율
   ├─ 온보딩 완료
   ├─ 가치 실현 시간
   └─ 초기 참여 action

네트워크 밀도 지표

연결성 측정:

• 사용자당 평균 연결 수
• 연결 N개 이상을 가진 사용자 비율
• clustering coefficient(friends-of-friends)
• 일간/주간 활성 연결

threshold effect:

• 친구 7명 이상인 사용자는 유지율 10배(critical mass 식별)
• 구성원 10명 이상인 team은 참여도 5배(team size threshold)

---

4. 지표 조작 방지

문제

팀이 지표의 정신이 아니라 문구에 맞춰 최적화하면서 왜곡된 인센티브가 생깁니다.

조작 탐지 프레임워크

1단계: 조작 예상 각 지표에 대해 묻습니다. "이 지표를 어떻게 악용할 수 있을까?"

예시 지표: 사이트 체류 시간

• 조작: 자동 재생 video, infinite scroll, fake engagement
• 의도: 사용자가 가치를 얻고 자발적으로 시간을 보냄

2단계: 품질 신호 추가 진짜 가치와 조작을 구분합니다.

사이트 체류 시간(주요)
+ 품질 신호(조작 방어):
  - 활성 참여(click, scroll, interaction) vs passive
  - 재방문(진짜 관심을 나타냄)
  - 완료율(콘텐츠 완료 vs 이탈)
  - 사용자 만족도 rating
  - organic share(prompt 없음)

3단계: 조작 테스트

• 표본 점검: 사용자 세션 샘플 검토, 패턴 확인
• 이상 탐지: 이상치 표시(정상 행동의 10배)
• 사용자 피드백: "이 세션이 가치 있었나요?"

조작 방지 패턴

패턴 1: 조합 지표 단일 지표만 측정하지 말고 여러 신호를 요구합니다.

❌ 단일: 페이지뷰
✓ 조합: 페이지뷰 + 페이지 체류 시간 >30초 + 낮은 이탈률

패턴 2: 사용자가 보고한 가치 주관적 품질 확인 추가:

주 지표: 기능 도입률
+ 보완 지표: "이 기능이 도움이 되었나요?"(예 >80% 필요)

패턴 3: 장기 결과 연결 단기 지표를 장기 결과에 묶습니다.

주 지표: 신규 사용자 가입
+ 연결 기준: 30일 유지율(사용자가 유지된 경우에만 가입으로 계산)

패턴 4: 동료 비교 코호트 또는 세그먼트 기준으로 정규화합니다.

주 지표: 마감된 영업
+ 정규화: 마감된 영업 / 영업 적격 리드(쉬운 승리만 고르는 것을 방지)

---

5. 고급 선행 지표

기법 1: 성향 점수화

초기 신호로 미래 행동을 예측합니다.

방법:

1. 과거 데이터 수집: 신규 사용자 + 30일 결과
2. 특성 식별: 1일차 행동(행동 수, 체류 시간, 사용한 기능)
3. 모델 구축: 30일 유지율을 예측하는 로지스틱 회귀 또는 의사결정나무
4. 신규 사용자 점수: 1일차 행동 기준 유지 가능성
5. 기준값: 성향 점수 >70%인 사용자를 "유지 가능성 높음"으로 표시

예시(SaaS):

30일 유지율 모델 (R² = 0.78):
유지율 = 0.1 + 0.35×(팀원 초대) + 0.25×(작업 흐름 3개 완료) + 0.20×(앱 체류 시간 >20분)

선행 지표: 성향 점수 >0.7인 사용자 %
현재: 45% → 목표: 60%(유지율 15% 증가 예측)

기법 2: 코호트 행동 클러스터링

결과를 예측하는 유형을 찾습니다.

방법:

1. 첫 주 행동 패턴으로 사용자 세그먼트 구분
2. 세그먼트별 장기 결과 측정
3. 고가치 유형 식별

예시:

유형(첫 주):
- "고급 사용자": 5일 이상 활성, 행동 20개 이상 → 85% 유지
- "소셜 사용자": 2명 이상 초대, 댓글 3개 이상 → 75% 유지
- "탐색자": 페이지 10개 이상 조회, 행동 낮음 → 40% 유지
- "수동 사용자": 활성 3일 미만, 행동 5개 미만 → 15% 유지

선행 지표: "고급 사용자" 또는 "소셜 사용자" 유형이 되는 신규 사용자 %
목표: 고가치 유형 비중 30% → 45%로 이동

기법 3: 변곡점 분석

행동이 급격히 바뀌는 변곡점을 찾습니다.

방법:

1. 결과(유지율)와 후보 지표(수행한 행동)를 그래프로 표시
2. 곡선이 가팔라지는 지점(변곡점) 찾기
3. 그 지점을 선행 지표 기준값으로 설정

예시:

보낸 메시지 수별 유지율(첫 주):
- 메시지 0-2개: 유지율 20%(느린 성장)
- 메시지 3-9개: 유지율 45%(중간 성장)
- 메시지 10개 이상: 유지율 80%(급격한 상승)

변곡점: 메시지 10개
선행 지표: 첫 주에 메시지 10개 이상에 도달한 사용자 %

---

6. 지표 상호의존성

문제

지표는 독립적이지 않습니다. 하나를 바꾸면 다른 지표에 복잡하게 영향을 줍니다.

해결책: 인과 다이어그램

1단계: 관계 매핑 지표가 서로 어떻게 영향을 주는지 화살표로 표시합니다.

[Acquisition] → [Active Users] → [Engagement] → [Retention]
     ↓                                              ↑
[Activation] ----------------------------------------

2단계: 피드백 루프 식별

• 양의 루프(강화): A → B → A(지수적) 예: 사용자 증가 → 네트워크 가치 증가 → 사용자 증가
• 음의 루프(균형): A → B → ¬A(평형) 예: 공급 증가 → 가격 하락 → 공급 감소

3단계: 2차 효과 예측 지표 X를 10% 증가시키면:

• 직접 효과: Y가 5% 증가
• 간접 효과: Y가 Z에 영향을 주고 Z가 다시 X로 되돌아옴
• 순효과: 증폭되거나 약화될 수 있음

예시(마켓플레이스):

driver 공급 +10% 증가:
  → 대기 시간 -15% 감소
  → rider 만족도 +8% 증가
  → rider 수요 +5% 증가
  → driver 수입 -3% 감소(경쟁 증가)
  → driver 이탈 +2% 증가
  → driver 순공급 증가: +10% -2% = +8%

tradeoff modeling

기법: regression 또는 experiment

X를 증가시키는 A/B test 실행
관련 지표 모두 측정
탄력성 계산:
  - X가 1% 증가하면 Y는 [elasticity]% 변화
tradeoff matrix 구축

트레이드오프 행렬 예시:

해석: 유지 투자가 최고의 ROI를 냅니다(획득 6% 대비 매출 상승 15%).

---

7. 비즈니스 단계별 지표

문제

비즈니스가 성숙하면서 최적 지표가 달라집니다. 초기 단계 지표는 성장 또는 성숙 단계와 다릅니다.

단계별 북극성 지표

제품-시장 적합성(PMF) 이전:

• 초점: 확장이 아니라 PMF 찾기
• 북극성 지표: 유지율(가치의 증거)
• 핵심 지표:
  • 1주차 → 2주차 유지율(>40% = 유망)
  • NPS 또는 "매우 실망" 설문(>40% = 좋은 신호)
  • 자연 사용 빈도(주간 이상 = 습관 형성)

PMF 이후, 확장 이전:

• 초점: 단위 경제성과 성장
• 북극성 지표: 주간 신규 활성 사용자(획득 + 활성화)
• 핵심 지표:
  • LTV/CAC 비율(목표 >3:1)
  • 회수 기간(목표 <12개월)
  • 전월 대비 성장률(목표 >10%)

성장 단계:

• 초점: 효율적 확장
• 북극성 지표: 매출 또는 매출총이익
• 핵심 지표:
  • 순매출 유지율(목표 >100%)
  • 매직 넘버(ARR 성장 / 영업·마케팅 지출, 목표 >0.75)
  • 번 멀티플(소진 현금 / 추가 ARR, 목표 <1.5)

성숙 단계:

• 초점: 수익성과 시장 점유율
• 북극성 지표: 잉여현금흐름 또는 EBITDA
• 핵심 지표:
  • 영업이익률(목표 >20%)
  • 시장 점유율 / 경쟁 포지션
  • 고객 생애 가치

전환 트리거

북극성 지표를 바꿀 시점:

PMF → 성장: 유지율 >40%, NPS >40, 자연 성장 관찰
성장 → 성숙: 성장률이 2개 분기 이상 <20%, 시장 점유율 >30%

전환 접근법:

1. 기존/신규 북극성 지표를 2분기 동안 함께 추적
2. 새 지표에 팀 정렬
3. 기존 지표 폐기
4. 대시보드와 인센티브 업데이트

---

빠른 의사결정 트리

"보완 지표를 써야 하나?"

주요 지표가 조작하기 쉽거나 품질 위험이 있는가?
├─ YES → 가드레일이 있는 보완 지표 추가
└─ NO → 지표가 사용자 가치와 명확히 정렬되는가?
    ├─ YES → 주요 지표로 충분, 모니터링만 수행
    └─ NO → 가치를 더 잘 포착하도록 지표 재설계

"network effect가 있는가?"

사용자가 늘어날수록 가치가 증가하는가?
├─ YES → 네트워크 밀도, K-팩터를 추적하고 다양한 규모에서 측정
└─ NO → 한 사용자의 action이 다른 사용자에게 이익을 주는가?
    ├─ YES → 사용자 간 interaction, 콘텐츠 생성/소비 측정
    └─ NO → 표준 지표 트리(network effect 없음)

"지표 트리를 segment해야 하나?"

서로 다른 사용자 segment가 서로 다른 행동 패턴을 보이는가?
├─ YES → segment별 비즈니스 가치가 다른가?
    ├─ YES → segment별 별도 트리 생성, segment mix 추적
    └─ NO → 단일 트리, segment breakdown 주석 추가
└─ NO → 공급/수요 측면이 있는가?
    ├─ YES → 이중 트리(1섹션)
    └─ NO → 단일 통합 트리

---

요약: 고급 기법 선택기

---

name: metrics-tree description: 상위 North Star 지표를 실행 가능한 하위 지표와 선행 지표로 분해하고, 지표 수준 간 인과 관계를 매핑하며, 핵심 지표를 움직일 고임팩트 실험을 식별합니다. 제품 North Star 지표 설정, 비즈니스 지표를 동인으로 분해, 전략을 측정 가능한 결과에 연결, 실험으로 움직일 지표 식별, 선행 지표와 후행 지표 이해, 지표 개선 기회 우선순위화, 또는 사용자가 metric tree, metric decomposition, North Star metric, KPI breakdown, metric drivers, how metrics connect를 언급할 때 사용합니다.

지표 트리

작업 흐름

이 체크리스트를 복사하고 진행 상황을 추적하세요.

지표 트리 진행 상황:
- [ ] 1단계: North Star 지표 정의
- [ ] 2단계: 입력 지표(L2) 식별
- [ ] 3단계: 행동 지표(L3) 매핑
- [ ] 4단계: 선행 지표 선택
- [ ] 5단계: 우선순위화 및 실험
- [ ] 6단계: 검증 및 개선

1단계: North Star 지표 정의

맥락이 제공되지 않았다면 사용자에게 질문합니다.

• 제품/비즈니스: 무엇을 측정하고 있나요?
• 현재 지표: 기존 핵심 지표가 있나요?
• 목표: 성공은 어떤 모습인가요?

다음 기준으로 North Star를 선택합니다.

• 고객에게 전달되는 가치를 포착함
• 비즈니스 모델(수익을 만드는 방식)을 반영함
• 측정하고 추적할 수 있음
• 실행 가능함(팀이 영향을 줄 수 있음)
• 허영 지표가 아님

유형별 North Star 예시는 일반 패턴을 참고하세요.

2단계: 입력 지표(L2) 식별

North Star를 3-5개의 직접 동인으로 분해합니다.

• 무엇이 North Star 증가를 직접 유발하나요?
• 덧셈 또는 곱셈 분해를 사용합니다
• 가능한 경우 구성 요소가 서로 배타적인지 확인합니다
• 각 입력은 팀이 제어할 수 있어야 합니다

분해 프레임워크는 resources/template.md를 참고하세요.

3단계: 행동 지표(L3) 매핑

각 입력 지표에 대해 구체적인 사용자 행동을 식별합니다.

• 어떤 행동이 이 입력을 움직이나요?
• 측정 가능하고 관찰 가능한 행동에 집중합니다
• 입력당 3-5개 행동으로 제한합니다
• 행동은 사용자가 통제할 수 있는 범위 안에 있어야 합니다

복잡한 경우 다단계 계층은 resources/methodology.md를 참고하세요.

4단계: 선행 지표 선택

North Star 변화를 예측하는 초기 신호를 식별합니다.

• North Star가 변하기 전에 어떤 지표가 먼저 변하나요?
• 초기 퍼널 행동(온보딩, 활성화)을 찾습니다
• 유지율이 높은 코호트의 패턴을 찾습니다
• 미래 North Star 값과의 상관관계를 테스트합니다

5단계: 우선순위화 및 실험

다음 기준으로 기회를 순위화합니다.

• 영향도: 이 지표를 움직이면 North Star에 얼마나 큰 영향을 주나요?
• 확신도: 이 관계에 대해 얼마나 확신하나요?
• 쉬움: 이 지표를 움직이기가 얼마나 어렵나요?

가장 우선순위가 높은 가설을 테스트할 실험 1-3개를 선택합니다.

품질 기준은 resources/evaluators/rubric_metrics_tree.json을 참고하세요.

6단계: 검증 및 개선

지표 관계를 검증합니다.

• 지표 간 상관 강도를 확인합니다
• 인과 방향을 검증합니다(A가 B를 유발하나요, 아니면 반대인가요?)
• 선행 지표의 타이밍을 테스트합니다(얼마나 일찍 예측하나요?)
• 데이터와 실험을 바탕으로 개선합니다

일반 패턴

비즈니스 모델별 North Star 지표:

구독/SaaS:

• 월간 반복 매출(MRR)
• 주간 활성 사용자(WAU)
• 순매출 유지율(NRR)
• 유료 사용자 성장

마켓플레이스:

• 총거래액(GMV)
• 성공한 거래
• 완료된 예약
• 플랫폼 수수료율 × 거래량

이커머스:

• 방문자당 매출
• 주문 빈도 × 평균 주문 가치(AOV)
• 고객 생애 가치(LTV)

소셜/콘텐츠:

• 플랫폼 사용 시간
• 생성/소비된 콘텐츠
• 참여 사용자(단순 활성 사용자 아님)
• 네트워크 밀도

분해 패턴:

덧셈 분해:

North Star = 구성 요소 A + 구성 요소 B + 구성 요소 C

예: WAU = 신규 사용자 + 유지 사용자 + 재활성 사용자

• 사용 시점: 구성 요소가 독립 세그먼트일 때
• 이점: 팀이 개별 구성 요소를 소유할 수 있음

곱셈 분해:

North Star = 요소 A × 요소 B × 요소 C

예: 매출 = 사용자 × 전환율 × 평균 주문 가치

• 사용 시점: 구성 요소가 서로 곱해질 때
• 이점: 레버리지 포인트가 명확하게 보임

퍼널 분해:

North Star = 1단계 → 2단계 → 3단계 → 최종 전환

예: 유료 사용자 = 가입 × 활성화 × 체험 시작 × 체험 전환

• 사용 시점: 순차적 전환 프로세스일 때
• 이점: 병목을 식별함

코호트 분해:

North Star = Σ (코호트 크기 × 유지율), 모든 코호트 합산

예: MAU = 각 가입 코호트에서 유지된 사용자 합계

• 사용 시점: 유지가 핵심 동인일 때
• 이점: 획득과 유지를 분리함

가드레일

허영 지표 피하기:

• ❌ 총 등록 사용자(가치를 반영하지 않음)
• ❌ 페이지 조회수(참여를 보여주지 않음)
• ❌ 앱 다운로드(활성 사용을 의미하지 않음)
• ✓ 활성 사용자, 참여 시간, 완료된 거래

인과 명확성 확보:

• 상관관계와 인과관계를 혼동하지 않습니다
• A가 B를 유발하는지, B가 A를 유발하는지 테스트합니다
• 교란 변수를 고려합니다
• 실험으로 관계를 검증합니다

트리 깊이 제한:

• 최대 3-4단계로 유지합니다(North Star → L2 → L3 → L4)
• 너무 깊으면 분석 마비가 생깁니다
• 너무 얕으면 실행 가능하지 않습니다
• 레버리지가 가장 큰 수준에 집중합니다

선행 지표와 후행 지표 균형:

• 완전한 그림에는 둘 다 필요합니다
• 선행 지표는 조기 행동을 위해 사용합니다
• 후행 지표는 검증을 위해 사용합니다
• 후행 지표를 해치는 선행 지표를 최적화하지 않습니다

게임화 방지:

• 의도치 않은 결과를 고려합니다
• 팀이 어떤 행동을 악용할 수 있나요?
• 가드레일 지표(품질, 신뢰, 안전)를 추가합니다
• 성장과 유지/만족을 균형 있게 봅니다

빠른 참조

리소스:

• resources/template.md - 분해 프레임워크가 포함된 지표 트리 구조
• resources/methodology.md - 복잡한 지표 시스템을 위한 고급 기법
• resources/evaluators/rubric_metrics_tree.json - 지표 트리 품질 기준

산출물:

• 파일: 현재 디렉터리의 metrics-tree.md
• 포함 내용: North Star 정의, 입력 지표(L2), 행동 지표(L3), 선행 지표, 우선순위화된 실험, 지표 관계 다이어그램

성공 기준:

• North Star가 근거와 함께 명확히 정의됨
• North Star를 완전히 분해하는 입력 지표 3-5개
• 행동 지표가 구체적이고 측정 가능한 행동임
• 타이밍 추정과 함께 선행 지표가 식별됨
• 상위 1-3개 실험이 ICE 점수로 우선순위화됨
• 루브릭 기준 검증 완료(점수 ≥ 3.5)

빠른 의사결정 프레임워크:

• 단순한 제품인가요? → 2-3단계로 template.md 사용
• 복잡한 다면 구조인가요? → 각 면별 별도 트리를 위해 methodology.md 사용
• North Star가 불확실한가요? → 위의 일반 패턴을 검토하고 "가치 포착 + 매출 예측" 기준으로 테스트
• 지표가 너무 많은가요? → 단계별 3-5개로 제한하고 가장 큰 영향에 집중

흔한 실수:

1. 잘못된 North Star 선택: 허영 지표를 고르거나 팀이 영향을 줄 수 없는 지표를 선택
2. 너무 많은 단계: 분석 마비, 실행 가능성 상실
3. 약한 인과 연결: 지표가 상관되어 있을 뿐 인과적으로 연결되지 않음
4. 트레이드오프 무시: 한 지표 최적화가 다른 지표를 해침
5. 실험 없음: 트리만 만들고 가설을 테스트하지 않음

지표 트리 템플릿

이 템플릿 사용 방법

제품이나 비즈니스의 지표 트리를 만들 때 다음 구조를 따르세요.

1. 북극성 지표 정의부터 시작합니다
2. 알맞은 분해 방법을 적용합니다
3. 각 입력 지표의 행동 지표를 매핑합니다
4. 선행 지표를 식별합니다
5. ICE 프레임워크로 실험 우선순위를 정합니다
6. 결과를 metrics-tree.md로 출력합니다

---

Part 1: 북극성 지표

북극성 지표 정의

북극성 지표: [지표 이름]

정의: [시간 범위를 포함한 정확한 정의] 예시: "주당 최소 1건의 거래를 완료한 고유 사용자 수"

근거: [왜 이 지표인가?]

• ✓ 고객에게 전달한 가치를 포착함: [방법]
• ✓ 비즈니스 모델을 반영함: [매출과의 연결]
• ✓ 측정하고 추적할 수 있음: [데이터 소스]
• ✓ 팀이 실행으로 움직일 수 있음: [영향을 줄 수 있는 사람]

현재 값: [숫자], 기준일 [날짜]

목표: [목표], 기한 [날짜]

북극성 지표 선택 체크리스트

• 고객 가치: 고객에게 전달된 가치를 측정하는가?
• 비즈니스 상관성: 매출/비즈니스 성공을 예측하는가?
• 실행 가능성: 팀이 업무를 통해 이 지표에 영향을 줄 수 있는가?
• 측정 가능성: 신뢰할 수 있는 데이터가 있는가?
• 허영 지표가 아님: 단순 관심이 아니라 실제 사용/가치를 반영하는가?
• 시간 경계: 명확한 시간 범위가 있는가(일간/주간/월간)?

---

Part 2: 지표 분해

북극성 지표에 가장 잘 맞는 분해 방법을 선택하세요.

방법 1: 가산형 분해

사용 시점: 북극성 지표가 서로 독립적인 세그먼트의 합일 때

공식:

북극성 지표 = 구성요소 A + 구성요소 B + 구성요소 C + ...

템플릿:

[북극성 지표] =
  + [신규 사용자/고객]
  + [유지 사용자/고객]
  + [재활성화 사용자/고객]
  + [기타 세그먼트]

예시(SaaS WAU):

주간 활성 사용자 =
  + 이번 주 신규 활성화 사용자 (30%)
  + 전주에서 유지된 사용자 (60%)
  + 재활성화된 사용자(비활성→활성) (10%)

방법 2: 곱셈형 분해

사용 시점: 북극성 지표가 비율/요인의 곱일 때

공식:

북극성 지표 = 요인 A × 요인 B × 요인 C × ...

템플릿:

[북극성 지표] =
  [총 도달 가능 사용자/방문]
  × [1단계 전환율]
  × [2단계 전환율]
  × [전환당 가치]

예시(이커머스 매출):

월간 매출 =
  월간 사이트 방문자
  × 구매 전환율 (3%)
  × 평균 주문 금액 ($75)

방법 3: 퍼널 분해

사용 시점: 북극성 지표가 순차적 전환 과정의 최종 결과일 때

공식:

북극성 지표 = 퍼널 상단 → 1단계 → 2단계 → ... → 최종 전환

템플릿:

[북극성 지표] =
  [총 진입 수]
  × [1단계 전환율 %]
  × [2단계 전환율 %]
  × [최종 전환율 %]

예시(유료 SaaS 고객):

월간 신규 유료 고객 =
  무료 가입
  × 활성화율(온보딩 완료) (40%)
  × 체험 시작률 (25%)
  × 체험→유료 전환율 (20%)

계산: 가입 1000건 × 0.4 × 0.25 × 0.2 = 유료 고객 20명

방법 4: 코호트 분해

사용 시점: 유지율이 핵심 동인이고, 획득과 유지를 분리해야 할 때

공식:

북극성 지표 = 모든 코호트에 대한 Σ (코호트 크기_t × 유지율_t,n)

템플릿:

[오늘의 북극성 지표] =
  [0개월차 사용자] × [0개월차 유지율]
  + [1개월차 사용자] × [1개월차 유지율]
  + ...
  + [N개월차 사용자] × [N개월차 유지율]

예시(구독 서비스 MAU):

3월 활성 사용자 =
  1월 가입자 (500) × 2개월차 유지율 (50%) = 250
  + 2월 가입자 (600) × 1개월차 유지율 (70%) = 420
  + 3월 가입자 (700) × 0개월차 유지율 (100%) = 700
  = MAU 1,370

---

Part 3: 입력 지표(L2)

분해한 각 구성요소를 입력 지표로 정의하세요.

입력 지표 템플릿

입력 지표 1: [이름]

• 정의: [정확한 정의]
• 현재 값: [숫자]
• 목표: [목표]
• 소유자: [팀/담당자]
• 북극성 지표와의 관계: [북극성 지표에 미치는 영향, 추정 계수 포함] 예시: "활성화율 10% 증가 → WAU 5% 증가"

입력 지표 2: [이름] [입력 지표 3-5개에 대해 반복]

검증 질문

• 모든 입력 지표가 상호 배타적인가? (중복 집계 없음)
• 입력 지표들이 북극성 지표 전체를 포괄하는가? (빠진 항목 없음)
• 각 지표를 단일 팀이 소유할 수 있는가?
• 각 지표를 기존/예정 계측으로 측정할 수 있는가?
• 모든 지표가 같은 추상화 수준에 있는가?

---

Part 4: 행동 지표(L3)

각 입력 지표를 움직이는 구체적 사용자 행동을 식별하세요.

행동 지표 템플릿

대상 입력 지표: [L2 지표 이름]

행동 1: [구체적 사용자 행동]

• 측정: [추적 방법]
• 빈도: [발생 빈도]
• 영향: [입력 지표에 대한 추정 효과]
• 현재 비율: [이 행동을 하는 사용자 %]

행동 2: [다른 행동] [입력 지표마다 행동 3-5개에 대해 반복]

예시(입력 지표 "유지 사용자" 기준):

행동 1: 사용자가 핵심 워크플로를 완료함

• 측정: "workflow_completed" 이벤트 추적
• 빈도: 활성 사용자 기준 주 평균 5회
• 영향: 3회 이상 완료한 사용자는 유지율 80%, 기준선은 20%
• 현재 비율: 사용자의 45%가 워크플로를 최소 1회 완료

행동 2: 사용자가 팀원을 초대함

• 측정: "invite_sent" 이벤트와 "invite_accepted" 이벤트
• 빈도: 사용자당 평균 1.2건의 초대
• 영향: 초대한 사용자는 유지율 90%, 기준선은 40%
• 현재 비율: 사용자의 20%가 최소 1건의 초대 발송

---

Part 5: 선행 지표

북극성 지표의 움직임을 예측하는 초기 신호를 식별하세요.

선행 지표 템플릿

선행 지표 1: [지표 이름]

• 정의: [측정 대상]
• 시점: [얼마나 앞서 예측하는지] 예시: "4주차 유지율을 예측"
• 상관관계: [관계의 강도] 예시: "30일 유지율과 r=0.75"
• 실행 가능성: [팀이 이 지표를 움직이는 방법]
• 현재 값: [숫자]

예시:

선행 지표: 1일차 활성화율

• 정의: 첫날에 핵심 행동 3개를 완료한 신규 사용자 비율
• 시점: 7일 및 30일 유지율을 예측(1일차에 측정하고 이후 몇 주를 예측)
• 상관관계: 30일 유지율과 r=0.82. 1일차 활성화 사용자는 유지율 70%, 미활성 사용자는 15%
• 실행 가능성: 온보딩 흐름 개선, 가치 도달 시간 단축, 활성화 유도 메시지 발송
• 현재 값: 35%

선행 지표 찾는 방법

방법 1: 코호트 분석

• 초기 행동(첫날, 첫 주)별로 사용자를 세그먼트화합니다
• 장기 결과(유지율, LTV)를 측정합니다
• 긍정적 결과를 예측하는 행동을 찾습니다

방법 2: 상관관계 분석

• 초기 퍼널 지표를 모두 나열합니다
• 북극성 지표 또는 핵심 입력 지표와의 상관관계를 계산합니다
• r > 0.6이고 실행 가능한 지표를 선택합니다

방법 3: 고성과 사용자 분석

• 북극성 지표 기준 상위 20% 사용자를 식별합니다
• 이들의 첫 주/첫 달 행동을 살펴봅니다
• 평균 사용자와 구별되는 패턴을 찾습니다

---

Part 6: 실험 우선순위 지정

어떤 지표를 먼저 개선할지 ICE 프레임워크로 우선순위를 정하세요.

ICE 점수 템플릿

영향(1-10): 이 지표를 개선하면 북극성 지표에 얼마나 큰 영향을 주는가?

• 10 = 직접적이고 큰 효과(예: 10% 개선 → 북극성 지표 8% 증가)
• 5 = 중간 수준 효과(예: 10% 개선 → 북극성 지표 3% 증가)
• 1 = 작은 효과(예: 10% 개선 → 북극성 지표 0.5% 증가)

확신도(1-10): 이 관계를 얼마나 확실하게 알고 있는가?

• 10 = 데이터로 입증된 인과관계
• 5 = 상관관계가 있고 인과관계가 그럴듯함
• 1 = 가설이며 아직 데이터 없음

용이성(1-10): 이 지표를 움직이기가 얼마나 쉬운가?

• 10 = 단순 변경, 1-2주
• 5 = 중간 노력, 1-2개월
• 1 = 대형 프로젝트, 6개월 이상

ICE 점수 = (영향 + 확신도 + 용이성) / 3

우선순위 표

상위 3개 실험

실험 1: [이름 - ICE 점수 최고]

• 가설: [일어날 것으로 믿는 일]
• 움직일 지표: [대상 지표]
• 예상 영향: [정량 예측]
• 일정: [기간]
• 성공 기준: [효과를 확인하는 방법]

실험 2: [두 번째로 높음] [구조 반복]

실험 3: [세 번째로 높음] [구조 반복]

---

Part 7: 지표 관계도

지표 트리를 시각적으로 표현하세요.

ASCII 트리 형식

북극성 지표: [지표 이름] = [현재 값]
│
├─ 입력 지표 1: [이름] = [값]
│  ├─ 행동 1.1: [행동] = [비율]
│  ├─ 행동 1.2: [행동] = [비율]
│  └─ 행동 1.3: [행동] = [비율]
│
├─ 입력 지표 2: [이름] = [값]
│  ├─ 행동 2.1: [행동] = [비율]
│  ├─ 행동 2.2: [행동] = [비율]
│  └─ 행동 2.3: [행동] = [비율]
│
└─ 입력 지표 3: [이름] = [값]
   ├─ 행동 3.1: [행동] = [비율]
   ├─ 행동 3.2: [행동] = [비율]
   └─ 행동 3.3: [행동] = [비율]

선행 지표:
→ [지표 1]: [무엇]을 [시점] 기준으로 예측
→ [지표 2]: [무엇]을 [시점] 기준으로 예측

예시(완성 트리)

북극성 지표: 주간 활성 사용자 = 10,000
│
├─ 신규 활성화 사용자 = 3,000/주 (30%)
│  ├─ 온보딩 완료: 가입자의 40%
│  ├─ 데이터 소스 연결: 가입자의 25%
│  └─ 팀원 초대: 가입자의 20%
│
├─ 유지 사용자 = 6,000/주 (60%)
│  ├─ 핵심 기능 3회 이상 사용: 사용자의 45%
│  ├─ 콘텐츠 생성: 사용자의 30%
│  └─ 팀과 상호작용: 사용자의 25%
│
└─ 재활성화 사용자 = 1,000/주 (10%)
   ├─ 재활성화 이메일 수신: 열람률 50%
   ├─ 신규 기능 공지 확인: 클릭률 30%
   └─ 팀원의 @멘션 수신: 복귀율 40%

선행 지표:
→ 1일차 활성화율(35%): 30일 유지율을 예측
→ 첫 세션의 핵심 행동 3개(22%): 주간 사용을 예측

---

출력 형식

다음 구조로 metrics-tree.md를 만드세요.

# 지표 트리: [제품/비즈니스 이름]

**날짜:** [YYYY-MM-DD]
**소유자:** [팀/담당자]
**검토 주기:** [주간/월간]

## 북극성 지표

**지표:** [이름]
**현재:** [값], 기준일 [날짜]
**목표:** [목표], 기한 [날짜]
**근거:** [왜 이 지표인가]

## 분해 방법

[가산형/곱셈형/퍼널형/코호트형]

**공식:**
[수학적 관계]

## 입력 지표(L2)

### 1. [입력 지표 이름]
- **현재:** [값]
- **목표:** [목표]
- **소유자:** [팀]
- **영향:** [북극성 지표에 미치는 효과]

#### 행동(L3):
1. [행동 1]: [현재 비율]
2. [행동 2]: [현재 비율]
3. [행동 3]: [현재 비율]

[모든 입력 지표에 대해 반복]

## 선행 지표

1. **[지표 1]:** [정의]
   - 시점: [예측 시점]
   - 상관관계: [강도]
   - 현재: [값]

2. **[지표 2]:** [정의]
   [구조 반복]

## 우선순위가 정해진 실험

### 실험 1: [이름] (ICE: [점수])
- **가설:** [우리가 믿는 것]
- **지표:** [대상]
- **예상 영향:** [정량화]
- **일정:** [기간]
- **성공 기준:** [임계값]

[상위 3개 실험에 대해 반복]

## 지표 트리 다이어그램

[ASCII 또는 시각적 다이어그램 포함]

## 메모

- [가정]
- [데이터 공백 또는 한계]
- [다음 검토일]

---

비즈니스 모델별 빠른 예시

SaaS 예시(Slack 방식)

북극성 지표: 주당 100개 이상 메시지를 보내는 팀

분해(가산형):

활성 팀 = 신규 활성 팀 + 유지 활성 팀 + 재활성화 팀

입력 지표:

• 신규 활성 팀: 온보딩 완료 + 1주차에 메시지 100개 달성
• 유지 활성 팀: 이번 주와 지난주 모두 메시지 100개 달성
• 재활성화 팀: 이번 주에는 메시지 100개 달성, 최근 4주에는 미달성

선행 지표:

• 첫날 구성원 10명 초대(팀 활성화를 예측)
• 첫 주 메시지 50개 발송(장기 유지율을 예측)

이커머스 예시

북극성 지표: 월간 매출

분해(곱셈형):

매출 = 방문자 × 구매율 × 평균 주문 금액

입력 지표:

• 월간 고유 방문자(마케팅 소유)
• 구매 전환율(제품 소유)
• 평균 주문 금액(머천다이징 소유)

선행 지표:

• 장바구니 추가율(구매를 예측)
• 세션당 상품 페이지 조회수(구매 의도를 예측)

마켓플레이스 예시(Airbnb 방식)

북극성 지표: 예약된 숙박일 수

분해(다면형):

예약된 숙박일 수 = (활성 숙소 × 예약 가능률) × (검색 × 예약률)

입력 지표:

• 활성 호스트 공급: 예약 가능한 숙박일이 1박 이상 있는 숙소
• 게스트 수요: 고유 검색 수
• 매칭률: 예약으로 이어진 검색 비율

선행 지표:

• 호스트가 첫 숙소 등록을 완료함(장기 호스팅을 예측)
• 게스트가 숙소를 저장함(향후 예약을 예측)