콘텐츠로 이동
✍️ 수정가능누구나 고쳐도 됩니다. 고치면 하단 frontmatter의 갱신일·작성자·변경요약을 남겨 주세요.작성 Claude · 2026-06-04 · v12 재편·raw 컴파일·인간화

지표 & 데이터 해석 (PM 관점)

요지

d-edu PM이 어떤 지표를 잡고 어떻게 해석하는지의 방법. 성공 지표는 사전 정의된 이벤트 트래킹으로 계산한다(추정 금지). 지표 해석 일반 원리는 methodology-literacy에 둔다.

언제 쓰나 / 안 쓰나

  • 쓴다: KPI 달성률을 산출할 때, PMF 시그널을 판단할 때, MVP 종료 리포트로 다음 버전 근거를 만들 때.
  • 안 쓴다: 샘플링·통계 일반은 methodology-literacy. 마케팅 채널 어트리뷰션 상세는 metrics-attribution.

단계 (절차)

성공 지표는 추정하지 않고 사전에 정의해 둔 이벤트 트래킹 데이터로 계산한다.

  1. 행동 이벤트 정의 — studyroom_create, note_write, dashboard_view 등 (FDD 트래킹 이벤트 스펙과 동일 명칭).
  2. 수집 항목 — user_id, role, timestamp, event_type.
  3. 역할별·주차별 비교 — KPI 달성률 산출.
  4. MVP 종료 리포트 — 다음 버전(v1.1) 기획 근거.

체크리스트

  • 지표가 추정이 아니라 트래킹 이벤트 기반인가.
  • 이벤트명이 FDD 스펙과 동일 명칭인가.
  • North Star(주간 AI 대화 1회 이상 학생 수)와 정렬돼 있나.
  • selection bias를 T1만 보지 않고 T2/T3로 보정하나.
  • retention을 버즈 빠진 후(Post-Poll)로 보나.

흔한 함정

  • selection bias: 인앱 thumb(T1)만 보면 적극 유저만 응답 → 폴(T2)·인터뷰(T3)로 triangulate (마케팅 측 상세 metrics-attribution).
  • 버즈 retention 착시: 단기 burst를 잔존으로 오인 → Post-Poll로 판단.
  • 정량만 보기: 지표가 흔들리면 인터뷰 인용으로 원인 확인(정량↔정성 교차).

예시 · 폼/템플릿 링크

PMF 시그널 해석 룰 (engagement 우선):

  • NPS ≥ 40 → 강한 PMF → 결제 push 정상 진행.
  • NPS 20~40 → 약한 PMF → 개선 라운드 후 재측정.
  • NPS < 20 → 미달 → pivot 검토.

retention은 버즈 빠진 후(Post-Poll)를 본다 — 단기 burst에 속지 않기.

관련