지표 분석

마지막 업데이트: 2022년 2월 16일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
이렇게 누군가 우리 앱을 언급하는 알림을 받을때 마다 사기가 진작되는 부가 효능도 있다.

[한국강사신문 윤종세 칼럼니스트] 실제 기업 사례를 기반으로 조직 내 역동을 분석해보려 한다. 본 사례는 교육적 목적으로 출강 기업 사례 등을 종합해 예를 들기 위해서 편집된 사례로 본 사례에 등장하는 소속팀, 직함, 유형, 척도별 점수는 실제와 무관함을 밝힌다. A사는 정보 통신 관련 외국계 기업 사례들을 종합한 가상의 기업이다.

강사양성아카데미에서 강사양성과정 과정을 수강하게 되면 커리큘럼 중 교수학습설계법을 필수적으로 학습하게 된다. 교수학습설계에서 가장 중요한 것은 좋은 강의를 위해서 사전에 교육담당자와 소통하면서 최대한 많은 정보를 사전에 파악하는 것이다. 보통 취합하는 정보는 강의 진행 목적과 목표, 교육담당자의 의도, 교육대상자들의 나이대, 성별, 인원수, 강의 시간대, 강의 장소의 크기, 강의 장소의 세팅 상태 등이 있다.

MBTI를 비롯하여 에니어그램, DISC 등 다양한 성격심리검사 강의를 진행할 때도 마찬가지다. 사전 검사를 기반으로 하는 성격심리검사 강의는 강의 전에 교육대상자들의 성격진단검사 프로파일을 미리 분석할 수 있기에 교수학습설계에 상대적으로 유리하다. 일반적으로 사전 진단검사 프로파일을 취합하게 되면 일단 가장 먼저 외향형과 내향형의 비율을 참고하는 편이다. 참가자들의 외향형과 내향형 비율에 따라서 콘텐츠 구성과 비중을 다르게 해야하기 때문이다.

MBTI 강의 요청의 70%는 2시간 이하 강의다. 짧은 강의에 특성상 교육대상자들과 깊은 라포 형성을 할 시간이 충분하지 않은 편이다. MBTI 강의의 경우 사전 온라인 검사로 검사 시간을 줄이더라도 2시간 안에 라포 형성부터 선호지표, 통계 기반 조직 간/조직 내 역동 분석까지 하는 것은 쉽지 않다.

하지만 외향형의 비율이 높다면 지표 분석 강사에게 반응을 잘해줄 확률이 상대적으로 높아서 라포 형성에 필요한 강사의 초반 에너지와 강의 시간의 투입량을 줄일 수 있다. 손을 들거나 옆 사람과 대화를 나눠야 하는 참가자들의 에너지를 활용한 스팟 프로그램도 상대적으로 부담없이 구성할 수 있다. 결론적으로 외향형 비율이 높으면 라포 형성 역할을 하는 스팟의 활주로가 상대적으로 짧더라도 가속이 잘 붙어서 안정적으로 강의가 비행 궤도에 오르게 된다.

반면 교육대상자들 중 내향형의 비율이 높다면 상대적으로 초반에 의사를 구체적으로 표명 해야 하는 ‘질문’ 이나 ‘퀴즈’ ‘맞춰보세요’ ‘손들어보세요’ 식의 라포형성 방식으로 지양해야 할 필요가 있다. 20점 이상의 선호 분명도 지수인 외향형 강사의 경우 평소처럼 강사소개를 했는데 반응이 적고 예상만큼의 에너지 리턴이 없다면 당황할 수 있다. 당황한 나머지 억지로 텐션을 일으켜서 참가자들을 끌고 가려고 할 수 있다. 그렇게 해서 교육대상자들의 마음에 불을 지필 수 있다면 다행이다.

만약 그 시도가 실패로 돌아간다면 교육대상자들에게 “오늘은 반응이 평소 같지 않네요”라고 자기도 모르게 가스라이팅을 하거나 본인이 교육대상자들에게 고정관념을 가진 채로 강의를 시작할 수도 있다.

이번 조직 분석은 외향형과 내향형 선호지표 관점에서만 해석해보겠다. 본 사례의 경우는 참가인원은 11명으로 적다. 인원이 너무 적은 경우는 에너지 양이 너무 적어서 역동이 잘 일어나지 않거나 인원이 많을 비해서 반응이 썰렁하다고 느낄 수가 있다. 하지만 인원수는 적으나 총인원의 91%가 외향형이다. 그렇다면 반응에 대한 부담 없이 강의를 준비할 수 있다고 가정할 수 있다. 또한, 서로 대화를 나누면서 할 수 있는 활동과 워크샵을 진행해도 무난하겠다고 가정해볼 수도 있다.

다시 조직 역동 분석으로 돌아와서 분석해보자. 총인원 중 외향형의 비중은 91%이며, 대표는 선호 분명도 지수 30점 만점에 30점이다. 그렇다면 외향형의 끝판왕인 대표는 외향형을 구성하는 5가지 다면 척도 ‘능동성’ ‘표현적’ ‘다양한 관계’‘활동적’ ‘열성적’ 속성을 모두 활발하게 생각한다고 가정할 수 있다. 일단 최상위 리더십이신 대표가 외향형 만점이기에 ‘내향형’에 대한 고정관념이 있을 확률이 높다고 볼 수 있다.

보통 사람들은 자신의 성향과 시각을 기준으로 타인을 평가하는 경향성이 있다. 게다가 내향형은 지원팀의 J차장 1명 밖에 없는 것으로 보아 채용단계에서 외향형을 인재상과 결부했을 확률이 높다고 가정할 수 있다. 채용 과정 및 면접 장면에서 외향형 높은 가점을 주거나 내향형에 대해서 긍정적인 평가를 주지 않을 수도 있다.

또한 외향형 선호 분명도 지수가 4점인 영업팀 C 이사는 검사 결과상으로는 외향형으로 나왔지만 실제로는 내향형일 수도 있다는 가정을 해야할 필요도 있다. 여기서는 2가지 가정이 가능하다. 첫 번째는 회사와 영업팀의 특성상 높은 수치의 외향형이 다수이기에 사내에서는 다른 사람에 비해서 외향형의 모습이 뚜렷하게 드러나지 않을 수 있다. 실제 현장에서는 외향형의 모습을 사내보다 좀 더 뚜렷하게 보여줄 가능성도 있다.

두 번째는 실제로는 내향형이지만 영업팀의 특성상 외향형을 최대한 사용해야 하는 의무감과 직무특성, 팀 분위기가 반영된 결과일 수 있다. 이와 같은 경우에는 실제 퇴근 후의 모습을 관찰할 수 있다면 좀 더 정확하기 파악할 수 있을 것이다.

기술팀의 H 차장 같은 경우는 외향형이 28점이고 나머지 선호지표는 감각형 2점, 감정형 3점, 판단형 3점 정도 약간의 지표를 보이고있다. 이런 경우는 ‘외향형’ 선호지표만큼은 포기할 수 없다는 것을 상징한다. 상대적으로 다른 나머지 3개 선호지표의 감각, 직관, 사고, 감성, 판단, 인식은 맞춰나가는 편이라고 가정할 수 있다. 이런 경우 영업스타일이 영업 대상자와 함께 하는 시간을 많이 하되, 판매라는 영업 목적을 명확하게 드러내지 않을 수 있다. 과장을 보태자면 상대방이 먼저 “카탈로그를 달라, 얼마냐?” 등을 질문을 하게 만드는 스타일이라고 가정할 수도 있다.

[사진출처=pixabay]

오늘은 외향형과 내향형의 관점에서만 MBTI 통계지표를 기반으로 조직을 분석해보았다. 보통 리더가 포기하지 못하는 선호도는 그 조직의 방향성이 되는 경우가 많다. 대표가 외향형 30점이 유지되는 동안은 이번 사례의 A사는 내향형의 가치가 외향형에 비해서 상대적으로 평가 절하될 수 있다. 이런 경우에는 보통 내향형에 대한 오해를 풀어드리고 외향형의 강점과 외향형과 소통하는 방법 등에 대해서 따로 배워보는 시간을 가지는 걸 추천하는 편이다.

여러분들의 조직의 외향형과 비율을 어떠신지 그 분포가 궁금하다. 모든 조직에서 외향형 내향형 서로의 소통방식을 이해하고 존중하며 서로의 강점을 살리는 날이 오길 기대하게 된다. 다음 칼럼에서는 감각형과 직관형에 대한 오해를 풀고 제대로 이해해보는 시간을 가져보도록 하자.

윤종세 칼럼니스트는 현재 더봄교육디자인연구소를 운영하고 있다. 한국MBTI연구소 일반강사, 한국에니어그램연구소 전문강사 12기로 활동하고 있으며, 네이버 에니어그램, MBTI 부문 N-expert로 활동 중이다. 현재 대기업이나 지표 분석 외국계 기업, 공공기관에서 MBTI와 에니어그램 버크만 검사 등 10가지 성격심리진단검사 등을 활용해서 팀별·팀간 조직 역동을 분석하고 협업하는 성장 전략 워크샵을 진행하고 있다.

70억 명의 창조적인 사람들 자신의 가능성을 제대로 발휘할 수 있도록 당신의 필요를 더 깊이 봅니다. 당신의 가능성을 디자인합니다.

비즈니스 모델의 구조와 핵심성과지표(KPI): 넷플릭스 사례

강정수

OTT 경쟁이 심화되고 있습니다. 신규 고객 확보도 중요하지만 이탈율(Churn Rate)을 낮추는 것이 신규 고객 확보보다 중요해지고 있습니다. 이탈율은 (콘텐츠) 카탈로그 크기와 상관관계를 가지고 있습니다. 볼 것이 다양하고 많을 수록 한번 가입한 고객이 서비스를 해지할 가능성이 낮습니다. 그렇다면 이탈율 또는 해지율을 낮추기 위해서는 막대한 콘텐츠 투자가 필요합니다. 이탈율을 낮출 수 있는 또 다른 방법이 있습니다. 그런데 이 또 다른 방법(?)을 넷플릭스는 사용하지 않고 있습니다. 그 이유가 무엇인지 이 글은 분석하고 있습니다.

넷플릭스는 오리지널 시리즈 콘텐츠의 경우 에피소드를 매주 한 편 또는 두 편씩 공개하는 것이 아니라 일시에 모두를 공개합니다. 이 공개 방식으로 몰아보기(Binge Watching)는 (새로운) 시청 문화로 자리잡고 있습니다. 이러한 넷플릭스 서비스 구조는 소비자 입장에서 넷플릭스의 매력을 구성하기도 하지만 동시에 넷플릭스 비즈니스 지표 분석 모델의 약점을 구성하기도 합니다. 어떤 약점이 발생하고 있는지는 이 글의 후반부에 적혀 있습니다(ㅎ 죄송합니다). 이 글은 비즈니스 모델을 구성하는 모든 요소사이에 존재하는 상호연관성을 넷플릭스 사례로 분석하고 있습니다.

비즈니스 모델의 모든 구성 요소서로가 서로에게 영향을 강하게 미칩니다. 수익 모델이 공급하는 상품의 종류와 제공 방식에 영향을 미치기도 하고, 공급하는 상품의 형식은 조직내 실험 정신을 제한합니다. 협업 문화와 공동 목표를 추구하는 방식은 내부 승진 형식에 분명한 효과를 가집니다. 이렇게 얽히고 설킨 비즈니스 모델 구성요소의 상호작용을 넷플릭스 경우를 통해 살펴보겠습니다.

  • 넷플릭스 서비스 시작은 비디오/DVD 대여 사업부터 입니다. (한국에서는 DVD 대여가 흥하지 않았지만 고속인터넷이 대중화되지 못했던 북미와 유럽에서는 DVD 대여점이 성행했습니다). 소비자는 드라마 시리즈를 DVD로 대여할 경우 한 시즌 전편을 한꺼번에 대여하곤 합니다. 넷플릭스도 이에 맞춰 가능하다면 에피소드 한 편씩 구매해서 DVD로 대여하는 것이 아니라 하나의 시리즈를 구성하는 에피소드 전체를 구매하여 이를 DVD 하나 또는 두 개에 담아 소비자에게 제공하는 것이 좋습니다. 이러한 DVD 대여 서비스 패턴이 스트리밍 비즈니스로 이동합니다.
  • 넷플릭스는 DVD 대여 사업 시절에도 고객이 (전체 에피소드를) 대여한 이후 얼마의 시간이 지나서 반납하는지를 측정했을 겁니다. 또한 시즌 1을 대여한 이후 어느 정도의 간격을 두고 시즌 2를 대여하는지도 분석하여 이를 고객정보로 기록했을 것입니다.
  • 다시말해 에피소드가 아닌 시리즈 중심으로 계량화하는 경향은 넷플릭스의 (역사적) 조직문화입니다. 아마 넷플릭스는 이러한 고객의 시리즈별 소비 시간( 또는 반환 기간)을 측정하고 이를 기준으로 시리즈의 인기도 또는 상품성을 분석했을 것입니다. 고객이 시리즈를 빨리 반환할 수록 그 만큼 고객은 시리즈를 몰입해서 소비했다는 뜻이며 이는 시리즈의 매력이 크다는 의미입니다. 하나의 시리즈에 대한 상품성 분석은 이후 넷플릭스의 다음 시리즈 DVD 구매량에 영향을 주었을 것입니다.
  • DVD 소비자가 하나의 시리즈 전체를 한꺼번에 대여하여 소비하고자 하는 경향이 있다면, 이러한 시리즈 전체 대여 방식은 넷플릭스의 비즈니스 모델의 주요 수치로서 큰 의미를 가집니다. 전통 선형(linear) 방송에서는 특정 에피소드의 시청률이 중요하다면 (DVD 대여 사업을 하는) 넷플릭스에게는 특정 고객이 시리즈를 좋아하는지 아닌지 그리고 좋아하는 강도를 측정하는 것이 중요합니다. 이러한 넷플릭스의 측정 수치는 큰 장점을 가지고 있습니다. 특정 시리즈에 대한 고객 취향 이외에 변수를 제거할 수 있기 때문입니다. 전통 선형(linear) 방송에서 시청률에 영향을 줄 수 있는 외부 변수는 다양합니다. 방영 시간대, 경쟁하는 방송 프로그램의 존재 여부 등이 여기에 속합니다. 한편 특정 시리즈 전체를 얼마의 시간을 걸려 시청하는가는 다른 방해 요소 없이 개별 고객의 몰입도 또는 선호도를 측정하기에 용이합니다.
  • 넷플릭스는 DVD 대여 사업에서도 전통 선형 방송사가 측정할 수 없었던 '누가' 특정 (드라마) 시리즈를 '어느 강도'로 좋아하는지를 계량하는 비즈니스 모델을 가지고 있었습니다.
  • 시리즈 에피소드 전체를 동시에 공개하고 정주행 소비하는 데에는 또 다른 장점이 존재합니다. 바로 구축 효과 또는 밀어내기 효과(Crowding out)입니다. 시리즈 전편을 소비하는 행위는 최소 10시간 이상을 요구합니다. 이 10시간 동안 소비자는 책을 읽거나 게임을 하거나 전통 선형 방송을 소비하지 않습니다. 이렇게 경쟁 상황에 변화를 줄 수 있습니다. 이러한 맥락에서 몰입 시간은 (테크)기업이 추구해야하는 매우 중요한 그러나 간과되고 있는 희소 자원입니다. 여기에 대해서는 아래 글을 참조하세요.

디지털 경제에서 시간(Time)은 가장 중요한 희소 자원(scarce resources)입니다. 빅테크 기업은 이용자의 시간을 장악하기 위한 전략적 결정을 합니다. 아마존의 MGM 인수는 아마존 프라임 전략 뿐 아니라 아마존의 광고시장 전략과도 깊은 연관성을 가지고 있습니다. 넷플릭스의 게임산업 진출이 점점 가까워오고 있습니다. 아날로그 산업에서 개별 산업 영역(domains)은 나름의

요약하면 넷플릭스가 스트리밍 서비스에서도 시리즈의 모든 에피소드를 동시에 공개하는 이유는 다음과 같습니다.

  • KPI로서 완료율(Completion Rate): 완료율은 한 명의 고객이 얼마나 빨리 특정 시리즈를 완주하는지를 측정합니다. 이 완료율은 전통 선형 방송사 등 넷플릭스 경쟁사가 가지고 있지 못한 지표 데이터입니다. 선형 방송사는 한 주에 한 편 또는 두 편씩 에피소드를 공개하기 때문에 특정 개인의 완료율을 (쉽게) 측정할 수 없습니다.
  • 한국 OTT 서비스 그리고 넷플릭스 한국 서비스에는 한 주에 한 편 또는 두 편씩 공개되는 드라마 및 예능 프로그램이 많습니다. 그러나 이는 넷플릭스 일반 사례라고 볼 수 없습니다.
  • 완료율은 특정 시리즈의 스토리 구성이 가지고 있는 매력을 의미합니다. 전통 지표 분석 선형 방송사가 이 수치를 구하기 위해서는 고객 설문을 직접해야만 합니다. 에피소드별 시청률은 고객별 수치가 아니라 시청률 조사 대상인 특정 집단의 집합체 수치입니다.
  • 완료율 지표를 통해 넷플릭스는 다음 시리즈 (구매 및) 제작 여부 등을 보다 입체적으로 결정할 수 있습니다. 또는 완료율은 어떤 장르의 시리즈를 보다 많이 생산할 것인지 여부도 결정하는데 도움이 됩니다.

완료율은 위에서 설명한 장점뿐 아니라 동시에 단점을 가지고 있습니다.

  • 소셜 미디어 효과: 한꺼번에 에피소드 모두가 공개될 경우 한 주에 한 편 또는 두 편씩 공개되는 것보다 커뮤니티와 소셜 미디어를 통한 해당 시리즈의 바이럴 가능성 및 바이럴의 지속 가능성이 낮습니다. 그만큼 사회 영향력도 줄어들 수 있습니다. 거대한 바이럴 효과를 만들었던 오징어 게임의 경우도 시리즈의 공개 방식이 매주 한 편씩이었다면 그 바이럴 효과는 더 크고 더 오래 지속되었을 가능성이 큽니다. 바이럴 효과가 (상대적으로) 작고 그 지속성이 짧다는 것은 넷플릭스에게 투자 비용이 (그만큼) 크다는 의미입니다.
  • 이탈율(churn rate): OTT 사업자의 비지니스 펀더멘탈을 판단함에 있어 (신규) 가입자 수와 함께 중요한 것은 이탈율입니다. 아래 WSJ 보도와 분석에 따르면, 원더우먼 84(HBO 지표 분석 MAX), 빅 마우스 시즌 4(넷플릭스), 해밀턴(디즈니+) 등이 공개와 때를 맞추어 작지 않은 규모의 신규 가입이 발생합니다. 문제는 이 신규 가입한 회원 중 일부 회원이 시간이 지나면서 구독 해지하는 비율입니다. 아래 그림이 이를 보여주고 있습니다. HBO MAX의 경우 원더우먼 84를 계기로 신규로 가입한 회원 중 약 50%가 6개월 이후 서비스를 해지하고 있습니다. 상대적으로 넷플릭스(의 빅 마우스)의 이탈율이 낮습니다. 6개월 이후 이탈율은 21%입니다. 이는 그만큼 넷플릭스에 볼 것이 많다, 다시말해 넷플릭스 카탈로그가 크다는 것을 의미합니다. 아래 WSJ 기사는 이탈율과 카탈로그 크기의 (역) 상관관계를 분석하고 있습니다. 이탈율을 낮게 유지하기 위해서는 카탈로그에 대한 막대한 투자와 시간을 요구합니다. 그런데 한 주에 한 편씩 에피소드를 공개할 때 이 이탈율의 시기를 보다 연장할 수 있는 장점이 있습니다. 다시말해 시리즈 공개 방식은 고객생애가치(LTV)에 영향을 가지고 있습니다. 모든 에피소드를 동시에 공개하는 것은 더 큰 카탈로그를 준비해야 함을 의미하며 카탈로그의 크기는 투자금과 직결됩니다.

WSJ News Exclusive | Disney+, HBO Max and Other Streamers Get Waves of Subscribers From Must-See Content. Keeping Them Is Hard.

Roughly half of U.S. viewers who joined right after “Hamilton” and “Wonder Woman 1984” came out were gone in six months, data show.

The Wall Street Journal Benjamin Mullin and David Marcelis

  • 완료율과 이탈율 관리는 (아마) 넷플릭스 직원에게 있어 매우 중요한 성과지표입니다. 이 성과지표는 다른 시리즈 또는 다른 콘텐츠를 기획하고 준비하는데 있어 중요한 역할을 합니다. 계량으로 설명하지 못하는 프로그램 기획을 한다? 넷플릭스 조직문화는 이를 수용하지 않을 가능성이 높습니다. 다시말해 완료율과 이탈율이라는 성과지표는 넷플릭스 조직문화를 (추가적으로) 고착화시키는 효과를 가지고 있습니다. 지금까지 넷플릭스가 자체 생산한 오리지널 콘텐츠의 공개 방식 또는 발행 방식에서 어떠한 실험도 없었던 이유도 여기에 있습니다.
  • 이탈율을 낮추기 위해 시리즈 공개 방식에서 다양한 실험이 필요한 시점입니다. 그런데 1997년 넷플릭스 창업 이후 공개 방식 또는 발행 방식에서 유연성은 찾아 볼 수 없습니다.

이렇게 넷플릭스의 핵심성과지표는 넷플릭스 비즈니스 모델에 그리고 넷플릭스 비즈니스 모델은 핵심성과지표에 영향을 미치고 있습니다.

외부의 시선으로 볼 때 시리즈의 공개 방식은 중요해 보이지 않습니다. 그리너 이탈율을 낮추는 것이 신규고객 확보만큼 또는 그 보다 중요한 시점에서 폭넓은 공개 방식 실험은 넷플릭스 내부 경영에서 매우 중요합니다.

완료율(Completion Rate)이 넷플릭스 내부에서 어떤 역할을 담당하는지 알려진바는 없습니다. 아래 두 글-The Verge: 과거 방식, The Hollywood Reporter: 최근 방식-에서 확인할 수 있는 것은 넷플릭스가 한 영화의 70%, 한 시리즈의 70%를 시청 완료한 이용자를 Viewer로 분류하고 있다는 점입니다.

The Verge Julia Alexander

The streamer is moving away from its two-minute “view” standard and will instead share the total hours watched for any given title.

서비스 상담신청

서비스 상담신청
입력하신 정보로 담당자가 연락 드리겠습니다.

1. 개인정보 수집 항목 : 이름, 전화번호, 전자메일
2. 수집목적 : 고객식별, 광고성 정보 제공 및 참여기회제공, 이용기록 분석 및 통계분석, 딥러닝을 위한 지표
3. 보유기간 : 상담이 완료되면 지체없이 모든 개인정보를 파기합니다.
단, 관계법령에서 일정 기간 정보의 보관을 규정한 경우에 한해 분리 보관 후 파기하며, 별도의 동의서를 통해 해당 기업의 재무와 비재무 지표를 AI학습을 위해 사용할 수 있습니다.
* 제출 버튼을 클릭하시면 개인정보 수집 및 이용에 동의한 것으로 간주됩니다.

2영업일 이내에
담당자가 연락드리겠습니다.

1. 개인정보 수집 항목 : 이름, 전화번호, 전자메일
2. 수집목적 : 고객식별, 광고성 정보 제공 및 참여기회제공, 이용기록 분석 및 통계분석, 딥러닝을 위한 지표
3. 보유기간 : 상담이 완료되면 지체없이 모든 개인정보를 파기합니다.
단, 관계법령에서 일정 기간 정보의 보관을 규정한 경우에 한해 분리 보관 후 파기하며, 별도의 동의서를 통해 해당 기업의 재무와 비재무 지표를 AI학습을 위해 사용할 수 있습니다.
* 제출 버튼을 클릭하시면 개인정보 수집 및 이용에 동의한 것으로 간주됩니다.

정보입력하기

특허정보 조회를 위한 대표자 주민등록번호를 입력해주세요. 입력하신 정보는 조회용으로만사용하며,
따로 정보를 저장하지 않습니다.

1. 개인정보 수집 항목 : 주민등록번호
2. 수집목적 : 특허정보 조회
3. 보유기간 : 특허정보조회 완료 후 즉시 파기
단, 관계법령에서 일정기간의 보관을 규정한 경우에 한해 분리 보관 후 파기할 수 있습니다.
* 입력하기 버튼을 클릭하시면 개인정보 수집 및 이용에 동의한 것으로 간주됩니다.

객체에 대응하는 콘텐트를 출력하기 위한 방법 및 그 전자 장치 (METHOD FOR OUTPUTTING CONTENT CORRESPONDING TO OBJECT AND ELECTRONIC DEVICE THEREOF)

출원인 출원번호(출원일) 1234567890123(2020.12.31) 출원공고번호(출원공고일) 1234567890123(2020.12.31) 등록번호(등록일) 1234567890123(2020.12.31) 등록권자(RG) 1234567890123(2020.12.31) 등록참조번호 1234567890123(2020.12.31) 등록공고번호(등록공고일) 1234567890123(2020.12.31) 국제등록번호(등록일) 1234567890123(2020.12.31) 우선권주장번호(주장일) 1234567890123(2020.12.31) 도형코드(비엔나코드) 1234567890123(2020.12.31) 전문존재유무 1234567890123(2020.12.31)

출원인 창작자명 디자인분류(일련번호) 출원번호(출원일) 1234567890123(2020.12.31) 공개번호(공개일) 1234567890123(2020.12.31) 등록번호(등록일) 1234567890123(2020.12.31) 공고번호(공고일) 1234567890123(2020.12.31) 우선권주장번호(주장일) 1234567890123(2020.12.31) 국제등록번호(등록일) 1234567890123(2020.12.31) 전문존재유무 1234567890123(2020.12.31)

출원인 한양대학교 산학협력단, 삼성전자 주식회사 출원번호(출원일) 1234567890123(2020.12.31) 공개번호(공개일) 1234567890123(2020.12.31) 등록번호(등록일) 1234567890123(2020.12.31) 공고번호(공고일) 1234567890123(2020.12.31) IPC번호 1234567890123(2020.12.31) 요약 1234567890123(2020.12.31)

초기 스타트업의 모바일앱 지표 분석 방법론

스팀헌트 (STEEMHUNT) / 조영휘

지난번 초보 PM이 알아야 하는 초기 모바일앱 분석 101 글에서 앱을 런칭한지 얼마 안된 극초기 단계의 스타트업에서 어떤 앱 운영 지표들이 필요한지에 대해 논의했었다. 읽어보지 못한 분들을 위해 간단히 요약하자면, (처음부터 BM이 붙어있는 앱이 아닌 이상) 1) Acquisition (획득), 2) Retention (유지), 3) Referral (추천) 이 3가지 사이클을 중점적으로 모니터링 하는게 중요하다. 라는 내용이었다. (본 글에서는 기본적 개념 설명은 생략할 예정이어서 앱 운영 지표가 생소하신 분들은 꼭 저 글을 먼저 읽고 오시길 권장한다)

오늘 글에서는 여기에서 더 나아가 구체적으로 어떤 지표들을 데일리 베이스로 관리하면서 앱을 성장시켜야 하는지에 대한 방법론에 대해 그간 공부한 내용을 정리해 보고자 한다. 참고로 본 글의 내용은 앱이 성장하고 있는지를 일단위로 모니터링하기 위한 방법론이지 '성장하기 위한 방법론'에 대한 글이 아님을 명심하기 바란다.

1. DAU, MAU의 환상에서 벗어나기

언제나 필자가 강조하는 내용이다. 생각보다 많은 분들이 극 초기 단계의 서비스를 운영하면서 DAU (Daily Active Users), MAU (Monthly Active User) 지표만 목매고 있는 경우가 많다. 심지어 투자자들 중에서도 초기 단계 서비스를 점검하면서 `MAU가 몇명인가요?` 'DAU는 몇명인가요?' '총 다운로드는 얼마나 되요?' 달랑 이 3개만 물어보고 끝인 사람들도 종종 만나게 된다. DAU, MAU만 쳐다보고 있는게 왜 환상이냐면, 그건 두개 다 돈 처발라서 만들어내는게 가능한 지표이기 때문 이다.

좀 자세하게 썰을 풀어보기 위해 Day 1 리텐션이 30%도 안되는 어떤 앱서비스가 있다고 가정해 보자. Day 1 리텐션이 30% 이하라는 뜻은 그 앱을 깐 사람들의 70%이상이 다음날 앱을 비활성화 (또는 사용하지 않는) 시켜버린다는 뜻이다. Day 1이 30% 이하면 Day 7은 10%이하, Day 30은 거의 미미한 수준일 가능성이 높은 앱이다. 리텐션이 이정도면 이 앱은 사실 앱의 코어 가치 자체가 가치가 없거나 완성도가 매우 떨어지는 앱일 가능성이 높다. 그런데 만일 이 앱서비스를 하는 회사가 (또는 스타트업 팀이) 마케팅 버짓이 매우 많아서 하루에 페북 광고만 500만원씩 태우고 있다고 쳐보자. 페북에서 보통 평균 CPI가 1-2천원 수준이라고 하니 2천원을 적용하면 하루에 무려 2천명의 신규 유저가 유입되는 규모의 돈이다. 이 앱서비스가 매일 500만원씩 한달 1억 5천의 광고비를 태우면 어떤 DAU, MAU가 만들어질까? 계산의 편의성을 위해 리텐션이 Day 1가 30% -> 하루에 1%씩 리텐션이 감소해서 Day 30이 되면 1%가 된다고 가정해 보면 (보통은 Day 7까지 더 급격히 떨어지고 뒤로는 완만한 곡선을 그린다) 이 앱의 DAU는 2000, 2600, 3180, 3740 . 이렇게 아름답게 성장하고 해당월 평균 DAU는 약 8천명, MAU는 해당월에 239,800명, 해당월 신규 다운로드는 6만이라는 숫자가 만들어진다.

조금 과장 보태서 어떤 스토리가 가능해 지냐면, 이 앱의 대표가 약 5억원의 시드 (또는 엔젤)투자를 유치하기 위해서 정부지원사업+개인돈 긁어보아서 한달 열심히 지표 만든다음에 투자자들한테 5억원만 투자해주면 1년안에 백만다운로드, MAU 30만 이상의 중규모 단위의 앱으로 성장 가능하다는 나름의 근거숫자가 만들어 지는 것이다. 뭐 1억원 처발라서 3-5억원을 얻을 수 있는 딜이므로 창업자가 해당 앱에 완전 꽂혀있는 경우 충분히 발생가능한 스토리이다. 물론 VC분들은 그렇게 허투르지 않아서 저게 돈으로 만들어진건지 금방 들통나겠지만 (또는 분야에 따라 저정도 숫자로는 1억원 투자도 어림없는 경우도 있다) 필자가 강조하고자 하는 부분은 아무리 리텐션이 x같은 앱이라도 돈만 있으면 얼마든지 만들어지는게 DAU, MAU라는 숫자라는 점 이다. 또한 저정도 돈 태우고 있으면 앱스토어 피처도 되는 경우가 많아서 숫자는 저거보다 훨씬 더 불어날 수 있다. 따라서 초기 앱의 성장을 위해서 우선적으로 필요한 부분은 바로 이 DAU, MAU라는 숫자만 맹목적으로 쳐다보고 있는 환상에서 벗어나는 거다.

리텐션이 x같아도 돈 처발라 만드는게 가능한 지표가 바로 DAU, MAU라는 놈이다.

2. Acquisition (획득) 경로를 데일리로 점검

이제 본론으로 넘어가서, 초기 앱에서 PM이 가장 신경써서 모니터링하고 데일리 마케팅에 반영해야 하는 지표는 단연코 Acquisition, 즉 획득지표이다. 전편 글에서 설명했듯이, Acquisition이란 매일 들어오는 신규 유저들이 어느 경로로 들어왔는가를 집요하게 데일리로 추적하는 지표를 의미한다. 추적하는 방법은 크게 2가지 방법이 있다.

2-1. 앱 다운로드 링크에 추적코드 삽입

보통 아이폰용, 안드용 앱을 모두 갖고 있으면 다운로드 링크를 하나로 통일해서 각각의 채널로 리디렉팅 시키는게 필요하다. 이때 추적코드를 포함시켜서 포워딩 해줘야 해당 클릭이 어느 마케팅 활동/채널에서 발생했는지가 추적 가능하다. 바크 앱의 경우 앱 다운로드에 추적코드를 다음과 같이 심어서 배포하고 있다.

저기서 'ref=' 다음에 들어가는게 추적코드이고, 이 코드는 애플 유저의 경우 아이튠즈 링크에 다음과 같이 레퍼런스 코드로 전환되어 기록된다.

FacebookAd-HighSchoolAd-Busan-D3라는 추적코드가 아이튠즈 URL에 삽입되어 리디렉팅 되고, 저 링크가 클릭될때 마다 슬랙으로 실시간 모니터링도 가능해 진다.

슬랙에서 다운로드 링크가 누군가에 의해 클릭될때 마다 이렇게 추적코드, 디바이스정보를 알림으로 설정해 놓을 수 있다.

저걸 매일 쳐다보고 있으라는 뜻이 아니고, 하루에 저 채널에서 클릭이 얼마나 발생하는지를 내가 투입한 예산대비 효율관점으로 모니터링하는게 중요하다는게 핵심이다. 예를들어 본인의 마케팅 활동의 CPI 상한선이 500원으로 책정되어 있고, FacebookAd-HighSchoolAd-Busan-D3라는 마케팅에 오늘 100만원을 쏟아부었을 때 다운로드 컨버젼이 50%라고 가정한다면 적어도 저 링크에서 클릭이 오늘 1,000회 이상은 발생해 줘야 CPI 타겟을 맞출 수 있는 것이다. 역시 슬랙에서 내가 뿌린 추적코드가 하루에 얼마씩 클릭이 발생했는지를 리포트로 알림 받는것도 가능하다.

슬랙에서 하루에 발생한 클릭 숫자를 정리해서 리포트로 알림받을 수 있다.

2-2. 온라인에서 내 서비스가 얼마나 멘션되고 있는지 추적해주는 솔루션들 활용

위의 2-1만 할 경우 문제가 뭐냐면, 내가 다운로드 링크로 뿌린거 외에 유저가 오가닉하게 내 앱에 대해 알게되고 이를 본인 채널로 언급하고 있거나 각종 기사, 트윗에 뜨는 트래픽들은 모니터링이 불가능하다는 점이다. 이런걸 가능하게 해주는 추적 서비스들이 시중에 널려 있는데, 우리는 그 중에서 notify.ly 라는 서비스를 쓰고 있다. 이 서비스는 트위터, 유투브, 블로그 등등에서 내가 설정한 키워드, URL등이 언급될때 마다 크롤링을 통해 슬랙으로 알림을 주는 서비스이다.

크롤이 가능한 거의 모든 사이트에서 내가 설정한 키워드가 언급될때 마다 슬랙으로 알림을 주는 서비스이다.

우리는 이 서비스를 이용해서 바크 URL이 언급되거나 바크 관련 키워드들, 경쟁사 앱이 언급될때 마다 이렇게 슬랙으로 알림을 받으면서 모니터링 하고 있다. 이렇게 해 놓으면, 나중에 갑자기 트래픽이 터졌는데 그게 내가 뿌린 링크에서 터진게 아닐 경우 해당 서비스 멘션에서 그 소스를 찾아보는게 가능해 진다. 또한, 누군가 내 앱을 알아서 언급해 주고 있다는걸 실시간으로 아는것만으로도 기분이 좋아지고 사기가 진작되는 효과도 있다.

이렇게 누군가 우리 앱을 언급하는 알림을 받을때 마다 사기가 진작되는 부가 효능도 있다.

위에 언급된 두가지 방법 외에도 본인이 직접 구글이나 페북 검색을 통해 내 앱이 얼마나 언급되는지를 수동으로 찾아보는 방법도 있다. 가끔 시간이 남거나 위의 두가지 방법으로 도무지 트래킹이 안되는 트래픽이 있을때는 시도해 볼만 한데 자세한 방법은 생략한다.

3. 앱 유저 활동성 모니터링

내 앱에 들어오는 신규유저도 중요하지만 앱의 성장을 위해서는 유저의 활동성을 높은 수준으로 유지하는게 훨씬 더 중요하다. 여기서 설명하고자 하는 유저 활동성이란 내 앱을 다운받아 사용하고 있는 유저가 앱 내에서 얼마나 활성도를 띄고 있는지를 여러가지 각도에서 모니터링 하는걸 말한다. 크게 다음 3가지 방법이 있다.

3-1. Low/Medium/High Activity User Flow

유저들을 크게 Low Activity, Medium Activity, High Activity로 구분해서 유저들이 각 그룹에서 얼마나 이동하고 있는지를 데일리로 모니터링 하는 방법이다. 서비스별로 상이하긴 하지만 소셜앱의 경우 보통 정의는 일주일에 6일 이상 앱을 사용하고 있으면 High Activity, 3-5일이면 Medium Activity, 1-2일이면 Low Activity User로 분류한다. 이 플로우 차트는 Fabric 을 사용하는 분들이라면 다음 그림과 같이 Daily New Users 탭 하단에서 일별로 확인 가능하다.

패브릭을 사용하면 User Activity Flow Chart를 일별로 모니터링 할 수 있다.

하지만 위 차트는 최근 한달 데이터밖에 확인이 불가능하기 때문에 필자는 위 숫자를 일별로 크롤해서 엑셀시트에 기록하여 관리하고 있다. 해당 지표가 어느정도 이상이 되야 적정수준인지는 비교가능한 데이터가 없어서 뭐라 말하긴 어렵지만, 본인은 High Activity 비율 약 30% 이상 유지를 목표로 운영중에 있다.

High Activity User 비율을 일별로 기록하고 30% 이상 유지를 목표로 운영하고 있다.

3-2. 활성도 3종세트 - Sessions per User / Session Duration / Stickiness

본인이 개인적으로 앱 활성도 3종세트라고 부르는 지표들이 있다. 바로 1) 유저당 세션 수, 2) 평균 세션 시간, 3) Stickiness 라고 부르는 지표들이다. 하나씩 살펴보도록 하자.

우선 유저당 세션수 (Sessions per User)는 보통 총 세션을 하루 유니크 유저수로 나눠서 계산하는데, 패브릭을 포함한 대부분의 툴에서 알아서 모니터링 해준다. 당연히 해당 숫자가 높아야 유저가 내 앱을 자주 찾는다는 뜻이고, 이 숫자 하나로 좋아지는 후행지표들이 수두룩 하다. 활성도에서 가장 주의를 기울여 관리해야 하는 지표이다.

평균 세션시간 (Session Duration)은 한개의 세션이 종료될때 까지 평균 시간을 의미하는 지표로서, 역시 패브릭을 포함한 대부분의 툴에서 측정 가능하다. 평균 세션시간은 꼭 무조건 길어야 한다고 생각할 순 없다. 본인 앱의 코어서비스에 따라 다른것인데, 앱 내에서 특정 컨텐츠를 소비하는게 코어인 서비스라면 당연히 평균 세션시간이 짧아서는 곤란할 것이고, 반대로 다른 서비스들로 보내주는 중개 플랫폼 같은 경우나 사람들이 특정 목적이 있을때만 찾는 서비스 등은 평균 세션시간이 짧을 수도 있다.

Stickiness는 사용자들이 얼마나 해당 서비스에 충성도를 보이는지를 보여주는 지표로서 보통 DAU/MAU로 계산한다. 해당 수식에서 유추할 수 있듯이 해당 퍼센트가 높을수록, 즉 월 1번 이상 방문자 중 데일리로 1번이상 방문하는 사람의 비율이 높을 수록 해당 앱은 유저들의 충성도가 높은 앱이라는 것을 보여주는 지표인 것이다. 본 수치는 본인이 사용하는 툴에서 보여주는 서비스도 있고 보여주지 않는 경우도 있다. (패브릭은 따로 보여주진 않는다) 이 경우 따로 DAU/MAU로 나눈 비율을 트래킹하면 된다. Stickiness 역시 무조건 높아야만 하는 수치는 아니다. 특히, 본인 서비스의 타겟이 좁을수록, 그리고 특정 타겟의 충성도가 일반적인 사람들에 비해 현저하게 구분되는 경우 이 수치가 낮을 수 있다. 실제로 얼마전 성공적으로 상장한 스냅의 Snapchat의 경우 이 수치가 48%인데, 페이스북의 75%에 비해 현저하게 낮다. 이걸 보고 숫자가 너무 낮아요~~ 이렇게 보면 안되고, 특정 유저 그룹이 열광적으로 반응하는 서비스가 스냅챗이구나~~ 하고 이해해야 한다. 아래 이미지는 요즘 가장 핫한 (틴더가 빠지긴 했지만) 소셜 서비스들의 주요 수치를 비교한 표인데, 스냅챗이 Stickiness와 평균 세션 타임이 현저하게 낮음에도 불구하고 유저당 세션 수가 매우 높은게 흥미롭다.

출처: http://www.vertoanalytics.com

3-3. User Engagement 지표 만들기

위에 언급된 일반적으로 사용하는 지표들 외에 본인 앱의 코어와 관련된 기능들의 Usage Count를 모니터링하여 이를 User Engagement 지표로서 관리하는것도 중요하다. 예를들어 필자가 운영하는 바크 앱의 경우 유저들이 짖어대는 Bark Event Count와 사람들이 올린 드롭바크 포스트에 Happy 또는 Angry를 표현하는 Vote Count가 앱 활성도와 직결되는 기능이라 Bark Event Count + Vote Count를 합해서 User Engagement Count라는 지표를 모니터링 하고 있다.

바크 앱은 Bark + Vote Count를 합한 지표를 User Engagement 지표로서 모니터링 하고 있다.

4. Retention을 통으로 바라보지 않기

알다시피 리텐션은 앱이 지속적으로 성장할 것인가를 가늠하기 위한 가장 중요한 지표이다. 아무리 돈을 처발라서 DAU, MAU를 높여놔도 리텐션이 떨어지면 그 마케팅 활동은 밑 빠진 독에 물 붓는 격이나 다름 없다. 보통 지표 분석 리텐션은 Day 1, Day 7, Day 30 이 3개를 기준으로 모니터링하는데, 중요한건 리텐션을 통으로 바라보는걸 주의해야 한다는 점이다. 무슨 말이냐면, 이 리텐션 데이터의 모수를 전체 유저와 특정 조건값에 해당하는 유저로 나누어서 비교 모니터링 하는게 필요하다는 뜻이다.

예를들어 바크 앱과 같이 위치기반 소셜앱의 경우 초기에 리텐션의 모수를 전체 유저로 잡아버리면 리텐션 수치도 형편없을 분더러 중요한건 이 측정된 리텐션을 가지고 뭘 어떻게 해야 이 수치를 개선할 수 있는지가 막막해진다. 왜냐하면 위치기반 소셜앱은 해당 위치에 커뮤니케이션 할 유저가 유의미하게 많아져야 앱의 가치가 발생되는 속성을 지니기 때문이다. 따라서 위치기반 앱들은 특정 타겟 지역을 중심으로 리텐션을 따로 뽑아서 비교 모니터링 하는것이 꼭 필요하다. 바크 앱의 경우 나름의 기준이 있는데, 지역을 2km로 구역화 한 바크 존 내에 액티브 유저가 20명 이상 존재하는 지역을 '활성 바크존'이라고 정의하고, 전체 리텐션과 해당 존의 리텐션을 나눠서 모니터링하고 있다. 이를 통해 활성 바크존 VS 비 활성 바크존을 따로 분리해서 마케팅 활동 및 성과분석이 가능하다.

바크는 리텐션을 전체 VS 활성바크존 두개로 나눠서 비교 모니터링하고 있다.

5. 바이럴루프가 생기고 있는지 모니터링

바이럴 루프의 개념에 대해서는 지난번 작성한 바이럴루프, 중요한건 알겠는데 어떻게 적용할래? 글을 참고하길 바란다. 개념이 생소한 분들을 위해 간단히 요약하면 바이럴 루프는 다음과 같은 수식으로 계산된다.

% of users who invites (전체 유저 중 추천행위를 하는 유저 비율) ×
average number of people who were invited (한명이 끌어오는 유입량) ×
% of sent invites accepted (초대를 받았을때 실제 다운로드 받는 비율, 일반적인 컨버젼 비율을 적용해도 관계 없음)

이를 통해 계산된 숫자가 1을 넘으면 (즉, 100%를 넘으면) 바이럴 루프가 형성됐다고 부르고, 이게 형성되면 앱은 특별한 마케팅 활동을 하지 않더라도 유저가 알아서 주변 유저를 끌어오고는 레퍼럴 활동만으로도 성장하는 아름다운 그림이 그려진다.

본인 앱에 바이럴루프가 생기고 있는지를 모니터링 하려면 우선 유저의 레퍼럴 활동 기작을 만들어주는게 중요하다. 다시말해서 1) 유저가 레퍼럴 활동에 참여하고자 하는 유인을 만들어주고, 2) 이 활동을 쉽게, 그리고 모니터링 가능하게 해주는 앱 내의 추천 인터페이스를 구현, 3) 해당 인터페이스를 통해 발생된 URL에서 발생하는 클릭량을 추적할 수 있는 기작을 만들어줘야 하는 것이다. 강조하지만 자세한 내용은 위의 바이럴 루프 글을 꼭 참고하길 바란다.

바크 앱에서는 유저들에게 바크에너지라는 희소성 오브젝트를 통해 유저 추천행위를 하도록 유도하고 있고, 이 유저 추천행위는 앱 내에 URL 생성 버튼을 마련해 놓고, 그 버튼으로 공유할때 마다 해당 유저의 고유넘버가 추적코드로 삽입되도록 설계되어 있다. 해당 레퍼럴 활동에 참여하는 유저 수와 해당 유저가 끌어오는 유입량은 데일리로 모니터링해서 슬랙으로 알림을 띄우고 있다.

바크는 앱 내에 공유버튼을 만들고 이를 클릭하면 자동으로 유저 고유 넘버가 추적코드로 삽입되는 공유 버튼을 만들어 운영하고 있다.

본인 앱이 스냅챗 수준으로 사람들이 열광하는 앱이라면야 바이럴 지수가 항상 1이 넘겠지만, 대부분은 그렇지 않은게 현실이다. 즉, 이 숫자가 1이 넘을때도 아닐때도 있는데 중요한 점은, 유저의 레퍼럴 행위를 촉진할 수 있는 인터페이스 (혹은 마케팅 활동)을 기획하고, 해당 기획안이 실행됐을 때 바이럴 지수가 어떻게 변동하는지를 측정해서 가장 성과가 좋은 행위에 선택-집중할 수 있는 근거 데이터로 활용해야 한다는 것이다.

일별로 바이럴지수를 모니터링하고, 이 활동을 촉진시킬 수 있는 각종 활동의 성과 분석 지표로 활용하는게 필요하다.

이번 글에서는 초기 앱을 운영하는 스타트업이나 PM이 앱 서비스의 성장을 위해 어떤 지표들을 관리해야 하고, 이를 획득하는 방법, 그리고 실제 마케팅 및 앱 기획 활동의 근거 데이터로 활용하는 방법론에 대해 소개해 봤다. 다 읽고 나면 느끼겠지만, 초기 앱이 성장하는 바이럴 루프는 초보 PM이 알아야 하는 초기 모바일앱 분석 101 글에서 언급한 1) Acquisition (획득) -> 2) Retention (유지) -> 3) Referral (추천)으로 연결되는 큰 그림을 그릴 수 있느냐, 그리고 이 그림을 그리기 위해 어떤 활동들이 테스트되고 선택-집중의 사이클을 타고 있는지를 데이터에 근거해서 운영하고 있는가에 달려있다고 할 수 있다. 다시말해서, DAU니 MAU니를 따지고 있을 시간에 저 순환 루프가 형성되고 있는지를 따지고 있으라는 얘기이다.

** 본 글은 문돌이 PM의 마케터 따라하기 시리즈 입니다.
** 1화 보기 - 초기에 할만한 ASO (앱스토어 최적화) 팁

코딩유치원

[Python/FinanceDataReader] 3편. 파이썬으로 FRED 주요 경기 지표 분석하기

안녕하세요, 왕초보 코린이를 위한 코딩유치원에 오신 것을 환영합니다.

코딩유치원에서는 지표 분석 파이썬 기초 부터 사무자동화, 웹크롤링, 데이터 분석 등의 다양한 패키지 까지 초보자도 알기 쉽도록 내용을 정리해 놓았습니다.

업무는 물론 투자에도 도움이 될만한 전자공시시스템(DART)텔레그램(Telegram), 주가/지표 차트(FinanceDataReader) 관련 패키지 도 배울 수 있으니 많은 관심 부탁드립니다.

이번 시간에는 지난 시간에 배운 FinanceDataReader를 이용해서 FRED 주요 경기 선행 지표를 분석하는 방법에 대해 공부해보겠습니다.

경기 지표란?

경제 지표(혹은 지수)란 너무나도 복잡한 경제를 한 눈에 파악하기 위해서 만든 통계 데이터입니다.

당연히 경제란 하나의 변수 혹은 데이터로 설명할 수 없으므로 다양한 데이터를 지표가 활용되며, 주로 경제적 성과를 측정하거나, 미래 경제를 예측하기 위한 수단으로 활용됩니다.

ex) 실업률, 이직률, 주택 착공 건수, 소비자 물가지수, 산업 생산 지수, 국내 총생산, 주식 시장의 주가, 통화량의 변화

또한 이러한 경기지표는 경기와의 시간순서에 따라 아래의 3가지로 크게 나뉩니다.

경기 선행 지표만 잠시 설명드리면, 경기가 좋아질지 나빠질지를 앞서 보여주는 지표를 말합니다. 즉, 선행지표를 보면 앞으로의 경기가 어떻게 될지 조금이나마 예측할 수 있는 것이죠.

FRED 경기 지표란?

FinanceDataReader 라이브러리는 FRED 주요 경기 선행지표 데이터를 불러올 수 있는데 여기서 FRED란 Federal Reserve Economic Data의 줄임말로 직역하자면 '연방 준비 경제 데이터'를 뜻합니다.

수십만 개의 국가, 국제, 공공 및 민간 출처의 경제 데이터 시계열로 구성된 온라인 데이터베이스로 너무 다양한 데이터가 존재합니다.

저도 아직 FRED에 대해 완벽히 파악하지 못하여 자세한 내용이 궁금하신 분은 아래의 링크를 참고해주세요.

What is FRED? | Getting To Know FRED

What is FRED? Short for Federal Reserve Economic Data, FRED is an online database consisting of hundreds of thousands of economic data time series from scores of national, international, public, and private sources. FRED, created and maintained by the Rese

FRED에서 얻을 수 있는 지표는 너무 다양하기에, 가장 흔히 사용하는 대표적인 지수만 다루어보겠습니다.

그 전에 필요한 라이브러리와 설정을 좀 하고 넘어가도록 하겠습니다. 참고로 데이터 분석 환경은 VSCODE와 쥬피터 노트북을 활용하였습니다.

1. 주간 실업수당 청구 건수 (ICSA)

해당 지표는 미국의 주간 실업수당 청구 건수를 보여줍니다.

작년 코로나19 사태가 한창이던 3월 넷째 주(3월 22일~28일) 687만건으로 정점을 찍었던 적이 있으며, 참고로 코로나19 이전에는 매주 21만~22만건에 불과했다고 합니다.

참고로 ICSA 지수는 경기가 나빠질 때는 경기 후행 지표의 성격을 띄지만, 경기가 좋아지는 경우에는 선행지표로 활용가능하다고 하네요.

여러분들의 생각은 어떠신가요? 주황색 그래프의 추이를 보고 파란색 그래프(나스닥 지수)가 상승할 것이란 걸 예측해볼 수 있으시겠나요?

어제 기준으로 실업수당 청구건수가 37만건인데 코로나 이전인 22만건 정도의 수준으로는 아직 도달하지 않았으니, 주가 상승여력이 좀 더 남았다는 의미로 해석할 수 있을까요??

2. M2 통화량

통화량이란 시중에 풀린 돈의 양을 의미합니다. 그중 M2 통화량이 우리의 삶에 영향을 끼치는 지표라고 생각하시면 됩니다.

다들아시겠지만 통화량이 많아진다는 것은 나라에서 돈을 많이 찍어낸다는 것을 의미하고, 희소하고 가치가 있는 자산들은 그대로이므로 자연스럽게 자산들의 가격이 상승하게 됩니다. 우리는 이를 인플레이션이라고도 부릅니다.

아래는 통화량의 개념에 대해 정리된 글이니 M2가 정확히 무엇을 의미하는지 궁금하신분들만 참고해주세요.

■ 통화량 개념 (출처. e-나라지표)

° 본원통화 : 화폐발행액 + 금융기관의 對한은 원화예치금

- 현금통화 + 요구불예금.수시입출식 저축성예금 - 동 금융상품의 예금취급기관 간 상호거래분

- M1 + 기간물 정기예금,적금 및 부금 + 시장형금융상품(CD,RP,표지어음) + 실적 배당형금융상품(금전신탁,수익증권 등) + 금융채 + 기타(투신증권저축, 종금사 발행어음) - 동 금융상품 중 지표 분석 장기(만기 2년이상) 상품 - 동 금융상품의 예금취급기관 간 상호거래분

개인적으로 이 그래프를 보니, 돈만 가지고 있으면 왜 안되는지 확연히 알겠습니다.

91년부터 약 30년이 지난 21년까지 M2 통화량은 약 3300에서 19400까지 커졌습니다.

단위는 잘 모르겠지만 약 5.9배 통화량이 늘었으니, 30년 전에 비해 돈의 가치가 1/6토막 났다고 생각할 수 있겠죠?

중간중간 나스닥 지수가 급등락하는 기간이 있지만 장기적으로 보면 인플레이션에 무조건 올라타야겠다는 생각이 듭니다.

3. 하이일드 채권 스프래드

: 하이일드 채권 수익률 - 미국 국채 수익률

앞서 언급한 지표들 보다 조금 생소할 수도 있는 개념입니다.

하이일드(High-Yeild) 채권이란 높은 수익률, 즉 채권의 가격 대비 이자를 많이 받을 수 있는 채권을 말합니다.

미국같이 신용이 엄청나게 좋은 나라에서 발행하는 국채와 낮은 신용등급 회사에서 발행하는 회사채는 그 수익률이 차이나는 것은 당연하겠죠?

신용이 좋으면 돈을 떼일 리스크가 낮으니 이자를 낮게 받고, 신용이 낮으면 돈을 떼일 리스크가 높으니 이자를 높게 받고 돈을 빌려주는 개념입니다.

여기서 스프래드란 차이를 의미하며, 하이일드 채권 스프래드는 하이일드 채권 수익률에서 미국국채 수익률을 뺀 값을 의미합니다.

하이일드 채권 스프레드가 상승하면 거시 경제 상황이 악화되고 있다는 신호로 볼 수 있다고 합니다.

일반적으로 경기 전망이 좋을 때는 하이일드 채권에 대한 수익률이 상대적으로 낮아져 하이일드 채권 스프레드가 낮아지며, 반대로 경기 전망이 좋지 않을 때는 부도 가능성이 높은 하이일드 채권을 보유하려는 수요가 급감하여 수익률은 상대적으로 높아지고 안전자산에 자금이 몰리면서 국채 금리가 낮아집니다. 그래서 이 시기에는 하이일드 채권 스프레드가 높아지는 것입니다.

그렇다면 코로나 위기 때는 어땠을까요? 예측할 수 있었을까요? (코드는 생략)

결과론적으로, 억지로 예측을 해보자면 하이일드 스프래드가 올라가는 상황에서 4~5%를 넘었을 때는 조금 조심할 필요가 있지 않나 생각됩니다. 이런 추론이 다음에 큰 위기기 다시 왔을 때 큰 손실을 막아줄 수 있기를 바래봅니다.

오늘 준비한 내용은 여기까지입니다.

오늘도 코딩유치원을 찾아주신 여러분께 감사드립니다.

깃허브 FinanceDataReader Tutorial - FRED 경기 선행 지표.ipynb

GitHub - FinanceData/FinanceDataReader: Financial data reader

Financial data reader. Contribute to FinanceData/FinanceDataReader development by creating an account on GitHub.

옐로우의 블로그 - 하이일드 채권 스프레드

하이일드 채권 스프레드 – 옐로우의 블로그

고위험, 고수익을 대표하는 하이일드 채권(High-Yield Bond)은 투자 등급 채권보다 신용 등급이 낮은 회사가 발행한 채권으로 원리금 상환에 대한 불이행 위험이 높지만 그만큼 이자율도 높다. 세계


0 개 댓글

답장을 남겨주세요