그로스해킹이란? 그로스해킹은 사용자 행동 데이터로 성장 가설을 세우고, 제품과 마케팅 양쪽에서 빠르게 실험해 검증하는 성장 방법론이다. 회의실에서 "우리도 그로스해킹 좀 해보자"는 말이 나온 순간, 그 방에 있는 사람 다섯 명이 서로 다른 그림을 떠올린다. 누군가는 바이럴 이벤트를, 누군가는 A/B 테스트 툴을, 누군가는 퍼포먼스 광고 예산 재배분을 생각한다. 용어 하나가 이렇게 넓게 해석되면 실행 단계에서 반드시 충돌이 난다. 그래서 이 글에서는 정의를 다시 설명하지 않는다. 개념 전반과 실행 프레임은 그로스해킹 실전 가이드에 정리돼 있으니 그쪽을 먼저 보면 된다. 여기서는 용어가 어디서 나왔고, 왜 지금처럼 오염됐고, 숫자로 따지면 무엇이 달라지는지만 질문 형태로 짚는다. 그로스해킹이라는 말은 어디서 나왔나요? 2010년 실리콘밸리의 마케터 션 엘리스(Sean Ellis)가 자기 블로그에 쓴 글에서 처음 쓴 표현으로 알려져 있다. 그가 던진 문제의식은 마케팅 기법이 아니

그로스해킹이란? 그로스해킹은 사용자 행동 데이터로 성장 가설을 세우고, 제품과 마케팅 양쪽에서 빠르게 실험해 검증하는 성장 방법론이다. 회의실에서 "우리도 그로스해킹 좀 해보자"는 말이 나온 순간, 그 방에 있는 사람 다섯 명이 서로 다른 그림을 떠올린다. 누군가는 바이럴 이벤트를, 누군가는 A/B 테스트 툴을, 누군가는 퍼포먼스 광고 예산 재배분을 생각한다. 용어 하나가 이렇게 넓게 해석되면 실행 단계에서 반드시 충돌이 난다. 그래서 이 글에서는 정의를 다시 설명하지 않는다. 개념 전반과 실행 프레임은 그로스해킹 실전 가이드에 정리돼 있으니 그쪽을 먼저 보면 된다. 여기서는 용어가 어디서 나왔고, 왜 지금처럼 오염됐고, 숫자로 따지면 무엇이 달라지는지만 질문 형태로 짚는다. 그로스해킹이라는 말은 어디서 나왔나요? 2010년 실리콘밸리의 마케터 션 엘리스(Sean Ellis)가 자기 블로그에 쓴 글에서 처음 쓴 표현으로 알려져 있다. 그가 던진 문제의식은 마케팅 기법이 아니

퍼널 분석 대시보드란? 퍼널 분석 대시보드는 사용자가 핵심 전환에 도달하기까지 거치는 단계별 전환율과 이탈 지점을 매일 같은 기준으로 확인하도록 한 화면에 고정해 둔 운영용 화면이다. 대시보드를 열어놓고 아무도 보지 않는 팀이 많다. 위젯은 서른 개가 넘는다. 스크롤을 세 번 내려야 퍼널이 나오고 지난달 캠페인 때 급하게 만든 차트가 아직 상단에 붙어 있다. 주간 회의에서 그 화면을 띄우면 다들 잠깐 쳐다보다가 각자 노션 문서로 돌아간다. 문제는 데이터가 부족해서가 아니다. 화면이 답해야 할 질문을 정하지 않은 채로 만들었기 때문이다. 퍼널 분석 대시보드는 정보를 모아두는 창고가 아니라 매일 아침 3분 안에 "어제와 다른 일이 있었나"를 판정하는 도구다. 여기서는 그 판정이 가능한 화면을 만드는 절차를 단계별로 정리한다. 대시보드에 남길 것과 뺄 것을 가르는 기준 위젯을 하나 추가하기 전에 물어볼 질문은 하나다. "이 숫자가 흔들리면 내일 무엇을 다르게 하는가." 답이 나오

사용자 행동 로그 분석이란? 사용자 행동 로그 분석은 앱과 웹에서 발생한 원천 이벤트 기록을 정제, 세션화, 집계 단계로 가공해 전환율과 리텐션 같은 의사결정용 지표로 바꾸는 작업이다. 같은 회의실에서 두 사람이 다른 전환율을 말한다. PM은 4.4%라 하고, 개발팀은 서버 원장 기준 4.2%라 한다. 둘 다 틀리지 않았다. 원천 로그에서 지표까지 오는 길에 정제 규칙이 서로 달랐을 뿐이다. 행동 로그 분석이 어려운 지점은 분석 기법이 아니다. 원천 데이터가 지표가 되기까지 거치는 변환 단계가 문서화되지 않은 채 각자의 SQL 안에만 숨어 있는 구조다. 이 글은 가상의 국내 구독형 커머스 팀 하나를 세워두고, 로그 한 줄이 대시보드 숫자 하나가 되기까지의 경로를 실제 숫자를 대입해 따라간다. 각 단계의 변수는 그대로 두었으니 자기 서비스 숫자를 넣어 계산해 보면 된다. 기준 시점은 2026년 8월이다. 원천 로그와 지표 사이에는 네 개의 층이 있다 로그가 지표가 되는 경로는

퍼널 분석 SQL이란? 퍼널 분석 SQL은 사용자 이벤트 로그에서 단계별 도달 인원과 전환율을 집계해 어디서 이탈이 일어나는지 쿼리로 계산하는 방법이다. "결제 전환율이 떨어졌다"는 보고는 왔는데, 어디서 떨어졌는지는 아무도 모른다. 회원가입인지, 장바구니인지, 결제 수단 선택 화면인지. 이 질문에 답하려면 단계별 인원을 세야 하고, 세려면 쿼리를 짜야 한다. 그런데 퍼널 SQL은 겉보기보다 함정이 많다. 이벤트를 그냥 COUNT 하면 한 사람이 장바구니를 세 번 담은 것이 3명으로 잡힌다. 순서를 강제하지 않으면 결제부터 하고 상품을 본 사용자가 정상 전환으로 계산된다. 전환 윈도우를 안 걸면 3개월 전에 가입한 사람이 오늘 결제한 것까지 같은 퍼널에 들어온다. 여기서는 그 함정을 하나씩 막아가는 순서로 쿼리를 세운다. 퍼널 SQL에서 먼저 잡아야 할 개념 세 가지 1. 집계 단위는 이벤트가 아니라 사용자다 퍼널의 각 단계는 "해당 행동을 한 고유 사용자 수"다. 이벤

코호트 분석 SQL이란? 코호트 분석 SQL은 사용자를 첫 행동 시점(가입월, 첫 구매일 등)으로 묶은 뒤, 그 집단이 이후 N번째 기간에 얼마나 다시 활동했는지를 쿼리 한 벌로 계산해 리텐션 표(코호트 × 기간 행렬)로 출력하는 분석 기법이다. 대시보드의 리텐션 숫자를 못 믿게 되는 순간 리텐션 30%. 이 숫자 하나만 보고 회의에 들어갔다가 "어떤 기준이죠?"라는 질문에 막힌 경험은 데이터 담당자라면 대부분 있다. 30일 안에 한 번이라도 들어온 비율인지, 정확히 30일째 되는 날 들어온 비율인지, 분모가 가입자인지 활성화 완료 사용자인지에 따라 같은 데이터에서 15%도 나오고 45%도 나온다. 코호트 표를 SQL로 직접 뽑는 이유가 여기 있다. 정의를 내 손으로 고정하기 위해서다. 쿼리에 적힌 WHERE event_name IN (...) 한 줄이 곧 "우리 팀이 말하는 리텐션"의 정의가 된다. 이 글은 개념 설명보다 실행 순서에 무게를 둔다. 6단계 쿼리 패턴과 각 단

퍼널 분석 툴이란? 퍼널 분석 툴은 사용자가 유입부터 전환까지 거치는 단계를 순서대로 추적해 단계별 통과율과 이탈 지점을 계산해주는 분석 소프트웨어다. (툴 스펙과 요금 정보는 2026년 8월 기준) 퍼널이 안 보이는 게 아니라, 보는 방식이 다르다 퍼널 분석 툴을 찾는 팀은 대개 같은 상황에 놓여 있다. 결제 완료 수는 매일 대시보드에 찍힌다. 그런데 지난주 대비 12% 떨어진 이유를 아무도 설명하지 못한다. 회의에서 나오는 답은 늘 가설이다. 배송비 안내가 늦게 뜨는 것 같다, 신규 유입 질이 나빠진 것 같다, 앱 업데이트 이후 뭔가 꼬인 것 같다. 이 상황에서 필요한 건 퍼널을 그리는 기능이 아니다. 퍼널을 그리는 기능은 거의 모든 툴에 있다. 진짜 차이는 "왜 빠졌는지"를 되묻는 두 번째, 세 번째 질문을 누가 몇 분 만에 던질 수 있느냐에서 갈린다. 퍼널 분석 툴 비교를 기능 목록 대조로 시작하면 이 차이가 표에서 사라진다. 그래서 이 글은 개별 제품이 아니라 유형