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

CRO(전환율 최적화)란? CRO(Conversion Rate Optimization)는 방문자 중 목표 행동을 완료하는 비율을 높이려고 퍼널 병목을 데이터로 찾고, 가설을 세워 실험하고, 결과를 검증해 반영하는 반복 프로세스다. 트래픽을 늘리는 예산은 매달 승인되는데, 그 트래픽이 어디서 새는지는 아무도 정확히 모르는 팀이 많다. 광고비를 두 배로 쓰면 매출도 두 배가 될 것 같지만, 결제 전환율이 그대로면 늘어난 건 비용뿐이다. 개념 정의와 계산식, 기본 지표 구조는 전환율 최적화의 기본 개념을 정리한 글에서 이미 다뤘으니, 이 글은 그다음을 맡는다. 실제로 무엇을 어떤 순서로 하는지, 각 단계에서 무엇을 확인하고 넘어가야 하는지를 체크리스트로 정리했다. CRO가 실패하는 이유는 아이디어가 부족해서가 아니다. 버튼 색을 바꾸자는 제안은 늘 넘친다. 무너지는 지점은 대개 순서다. 어디가 병목인지 모른 채 실험부터 시작하고, 표본이 모이기 전에 결과를 읽고, 성공한 실험조차 왜

퍼널마케팅이란? 퍼널마케팅은 잠재 고객이 제품을 처음 인지한 시점부터 구매에 이르기까지 거치는 단계를 깔때기 모양으로 나누고, 각 단계의 전환율과 이탈 지점을 기준으로 마케팅과 제품 개선을 설계하는 방식이다. 퍼널마케팅 뜻은 정확히 무엇인가? 퍼널마케팅은 "모든 사람에게 같은 메시지를 던지지 않는다"는 한 문장으로 요약된다. 퍼널(funnel)은 깔때기다. 입구는 넓고 출구는 좁다. 광고를 본 사람 1만 명 중 회원가입까지 오는 사람은 수백 명, 결제까지 가는 사람은 수십 명이다. 이 모수 감소를 단계로 쪼개서 보는 순간, 마케팅 예산을 어디에 넣어야 하는지가 숫자로 드러난다. 퍼널의 기본 단계 정의, 채널별 메시지 설계, AIDA와 AARRR의 차이 같은 개념 전반은 퍼널마케팅 기본 가이드에서 이미 정리해뒀다. 이 글은 그 위에 얹는 실무 편이다. 개념 반복 대신 계산으로 간다. 단계를 나누면 의사결정이 구체적으로 어떻게 달라지는지, 숫자로 확인하는 게 목적이다. 왜 단

고객 행동 분석 솔루션이란? 고객 행동 분석 솔루션은 사용자가 제품이나 웹사이트에서 남기는 클릭, 화면 이동, 결제 같은 행동을 이벤트 단위로 수집하고 퍼널, 리텐션, 코호트 형태로 재구성해 다음 개선 지점을 찾아내는 소프트웨어다. (본문 스펙과 요금 기준: 2026년 8월) 툴 목록이 아니라 유형부터 틀린다 솔루션 선정이 어긋나는 지점은 대개 툴 이름 단계가 아니다. 유형 단계다. 세션 리플레이 툴을 사놓고 리텐션 커브를 그리려 하거나, 마케팅 트래픽 도구로 제품 내 이탈 원인을 캐려다 반년을 쓰는 팀이 반복해서 나온다. 도구가 나쁜 게 아니라 그 도구가 답하도록 설계된 질문이 애초에 달랐을 뿐이다. 수집 구조와 지표 정의 같은 기본기는 고객 행동 분석의 개념과 실행 방법을 정리한 가이드에서 이미 다뤘다. 여기서는 반복하지 않는다. 이 글이 다루는 건 하나다. 다섯 가지 솔루션 유형이 각각 어떤 질문에 답하고, 어떤 질문에는 구조상 답하지 못하는가. 그 차이를 표로 놓고 봤

고객 행동 분석 사례란? 고객 행동 분석 사례는 제품 안에서 수집한 사용자의 실제 행동 데이터를 퍼널, 리텐션, 세그먼트 단위로 계산해, 기존 제품 결정을 뒤집거나 우선순위를 바꾼 구체적 사례를 말한다. 같은 데이터를 보고도 팀마다 다른 결정을 내린다. 전환율이 떨어졌다는 사실은 누구나 안다. 문제는 그다음이다. 어느 단계를 먼저 손댈지, 그 개선이 매출로 얼마나 돌아오는지 계산하지 않으면 결국 목소리 큰 사람 의견으로 결정된다. 이 글은 개념 설명이 아니라 계산 과정을 다룬다. 분석 프레임과 기본 지표 정의는 고객 행동 분석 가이드에서 이미 정리했으니, 여기서는 가상의 팀 세 곳을 세워두고 실제 숫자를 대입해 결정이 뒤집히는 지점만 따라간다. 모든 시나리오는 익명 가상 사례이고, 수치는 독자가 자기 팀 숫자로 바꿔 넣을 수 있게 변수로 표기했다. 왜 "전환율 %"만 보면 우선순위가 틀어지는가 퍼널 단계별 전환율은 비율이다. 비율이 가장 낮은 단계가 가장 아픈 단계처럼 보인

그로스해킹 AARRR이란? AARRR은 사용자 여정을 획득(Acquisition), 활성화(Activation), 리텐션(Retention), 수익(Revenue), 추천(Referral)의 다섯 단계로 나눠 각 단계의 전환율을 측정하고 병목을 찾아내는 그로스 지표 프레임워크다. 2007년 데이브 맥클루어가 "Startup Metrics for Pirates" 발표에서 제안했고, 약자 발음 때문에 '해적 지표'로 불린다. 지표를 다 보는데도 어디가 새는지 모르는 이유 대시보드에 카드가 스무 개쯤 붙어 있다. 방문자 수, 가입자 수, DAU, 결제액, 앱스토어 평점. 그런데 "다음 분기에 어디를 고쳐야 하느냐"는 질문에는 아무도 답을 못 한다. 지표가 부족해서가 아니다. 지표끼리 같은 사용자 흐름 위에 놓여 있지 않아서다. AARRR의 진짜 쓸모는 다섯 개 이름표가 아니라, 단계 사이에 전환율을 끼워 넣어 손실 구간을 계산할 수 있게 만드는 데 있다. 프레임워크의 배경과 그로스

SQL 리텐션 분석이란? SQL 리텐션 분석은 이벤트 로그 테이블에서 사용자의 첫 활동 시점으로 코호트를 만들고, 이후 기간별 재방문 사용자 수를 첫 코호트 크기로 나눠 잔존율을 계산하는 쿼리 기반 분석 방법이다. 가입자는 매주 늘어나는데 활성 사용자 그래프가 평평하다. 이럴 때 가장 먼저 봐야 할 건 리텐션 커브다. 문제는 커브를 그리는 방법이 하나가 아니라는 점이다. 같은 로그 테이블에서도 코호트 기준을 어떻게 잡느냐에 따라 4주차 리텐션이 19%로도, 68%로도 나온다. 리텐션 지표 자체의 정의와 커브 해석법은 믹스패널 리텐션 분석 가이드에서 이미 다뤘다. 여기서는 그 위에 얹는다. 실제 이벤트 테이블을 가정하고 SQL로 숫자를 직접 뽑아본 다음, 같은 결과를 프로덕트 애널리틱스(PA)툴에서 만들 때와 무엇이 달라지는지 비용까지 계산한다. 시나리오: 주간 1,000명이 가입하는 B2B SaaS 팀 가상의 국내 B2B SaaS 팀을 세운다. 아래 값은 계산 흐름을 보여주

포스트호그(PostHog)란? 포스트호그는 프로덕트 애널리틱스, 세션 리플레이, 피처 플래그, A/B 실험, 에러 트래킹, 설문을 하나의 이벤트 데이터 위에서 함께 제공하는 오픈소스 기반 제품 분석 플랫폼이다 (2026년 8월 기준). 도구를 고르는 자리에서 포스트호그는 늘 같은 방식으로 등장한다. "오픈소스니까 비용이 덜 들지 않을까." 이 한 문장이 검토의 출발점이자, 대부분의 오판이 시작되는 지점이다. 제품 자체의 스펙은 화려하다. 공식 사이트 기준으로 10개가 넘는 제품이 한 계정 안에 묶여 있고, 무료 한도도 넓게 열려 있다. 문제는 그 넓이가 조직의 실제 사용량과 만나는 순간 어떻게 변하는지다. 두 도구의 기능을 나란히 놓고 본 비교는 믹스패널 vs 포스트호그 비교 글에서 이미 정리했으니, 여기서는 포스트호그 단독으로 파고든다. 무료 한도가 실제 트래픽을 만났을 때 어디서 깨지는지, 그 계산을 중심에 둔다. 포스트호그는 정확히 어떤 도구인가요? 이벤트 하나를 여러