로그인

앰플리튜드

MoM(월별 성장률) 분석시 저지르는 일반적 3가지 실수

Team MAXONOMY ・ 2021.03.29

MoM(월별 성장률) 분석시 저지르는 일반적 3가지 실수

월별 성장이란 무엇입니까?


월별 (MoM) 성장은 특정 메트릭 값의 변화를 전월 값의 백분율로 표시합니다.

월별 성장은 월별 수익, 활성 사용자, 구독 수 또는 기타 주요 지표의 성장률을 측정하는 데 자주 사용됩니다. 모바일 앱, SaaS 제품 또는 웹 사이트와 같은 디지털 제품을 작업하는 경우 MoM 활성 사용자 증가에 관심이 있을 것입니다. 이는 제품 또는 회사의 성장과 성공에 대해 이야기하는 가장 일반적인 방법입니다.







MoM 성장률을 계산하는 방법


한 달 동안의 월별 성장을 계산하려면 이번 달의 총 사용자 수와 지난 달의지난달의 총 사용자 수의 차이를 취한 다음 이를 지난달의 합계로 나누면 됩니다.

동일한 공식을 사용하여 주별 성장 또는 전년 대비 성장을 계산할 수 있습니다. 한 달 동안의 성장률을 계산하는 대신 6개월 동안의 MoM 성장률을 계산하고 싶다고 가정 해 보겠습니다. CMGR (월간 복합 성장률) 을 계산하려는 경우입니다.

관련 자료 : 활성 사용자는 누구입니까? 사용자 분석을 위한 전략






Compound Monthly Growth Rate (CMGR) 공식

CMGR은 해당 기간 동안 매달 일정한 속도로 성장한다고 가정하여 특정 기간 동안의 성장률을 설명합니다. 활성 사용자가 다음과 같이 증가했다고 상상해보세요.



CMGR을 계산하려면 위의 숫자를 다음 공식에 대입합니다.


예를 들면 다음과 같습니다.



CMGR은 월별마다 다르지만 위의 전체 기간 동안 20%입니다. 예를 들어 1월부터 2월까지의 MoM 성장률은 10%에 불과한 다음 2월부터 3 월은 36%로 점프합니다. CMGR을 사용하면 1월부터 6월까지 매달 일정한 성장률로 성장하고 있다고 가정합니다. 이 예에서 이는 다음을 의미합니다.



이제 다음 단계로 넘어갑시다.위에서 과거 기간 동안 CMGR을 계산했습니다. 5개년 사업 계획을 세우고 사업이 어떤 모습 일지에 대한 프로젝트를 계획한다고 가정해 보겠습니다. 이대로라면 2022년 12월까지 활성 사용자 수는 5십만 명을 넘을 것입니다.








피해야 할 MoM 성장과 관련된 3가지 일반적인 실수


성장 모델을 구축할 때 부주의한 실수를 하는 것은 생각보다 흔합니다. 다음은 MoM 데이터 작성 시, 저지르는 3가지 일반적 실수입니다.



1. MoM 성장으로 모델링 된 작은 절댓값


앱이나 제품의 사용자 수가 적으면, MoM 달성을 훨씬 쉽게 이룰 수 있습니다. 즉, 적은 수의 MoM 성장에 대한 내러티브를 구성하는 것이 더 쉽고 비즈니스가 성장함에 따라 그 비율을 유지하기가 더 어렵습니다.



이 예에서는 2018년 1월부터 2018년 6월까지 매월 20% 의 성장을 경험하고 있습니다. 하지만 절대 수치로 보면 100명의 활성 사용자에서 249명의 활성 사용자로만 증가하는 것입니다. 여기서 문제는 이 비율 증가가 확장되지 않는다는 것입니다. 한 번의 언론 멘션으로 100 명에서 120 명의 월간 활성 사용자 확보는 쉽게 할 수 있습니다. 그러나 한 달에 활성 사용자가 1,000,000명에서 1,200,000명으로 20 % 증가하려면 강력한 성장 엔진이 필요합니다.


핵심 요점 : 사용자 수가 적을 때엔 MoM을 주시할 수 있지만 사용자 수가 더 많아지면 참여도 지표 , stickness 및 사용자 행동 데이터를 살펴봄으로써 성장이 장기적으로 지속될 것인지를 알려주는 기본 메커니즘 구성에 집중해야 합니다.






2. MoM 성장으로 모델링 된 비일관된 성장


성장은 예측할 수 없습니다. 한 달은 MAU를 두 배로 늘리고 다음 달에는 변화 없이 그대로 유지될 수 있습니다. 이런 일이 발생한다면 일관된 CMGR로 모델링하여 변동하는 성장을 모순되게 만드는 것은 실수입니다.



여기에서 CMGR이 20% 이지만 특정 기간 동안 (5월부터 6월까지)만 20% 근처에 있다고 가정해 봅시다. 그 외에는 2% 성장과 82% 성장 사이에서 크게 변동하고 있습니다. 결론은 다음 달 성장률이 얼마인지 알지 못한다는 것입니다. 성장률은 도처에 있지만 데이터는 여전히 무언가를 알려줍니다. 앱을 위한 일관된 성장 엔진을 구축하지 않았던 거죠.성장이 있는 달과 성장이 없는 달의 차이를 모를 가능성이 높습니다.


핵심 요점 : 성장이 일관되지 않은 경우, 단일 CMGR보다는 월별 성장률의 추세로 성장을 논의하는 것이 더 정확합니다.







3. MoM 성장으로 모델링 된 선형 성장


귀하의 비즈니스는 성장하고 있으며 지속적으로 성장하고 있습니다. 다만 선형 성장을 기하급수적인 성장으로 착각하지 마십시오.



6개월 동안 사용자가 10,000 명에서 20,000 명으로 두 배 증가했다고 가정해 보겠습니다. 이는 15%의 Mom 성장률을 의미합니다. 자세히 살펴보면 문제가 나타납니다. 시간이 갈수록 성장률은 둔화되는 것 같습니다. 숫자가 커짐에 따라 성장이 감소하는 것은 성장이 기하급수적이지 않다는 신호이며 아마도 더 선형적일 것입니다. 여기서는 15% MoM이 성장하고 있다고 말하는 대신 매월 2,000명의 활성 사용자를 추가한다고 말함으로써 절댓값을 고수하는 것이 더 정확합니다.


핵심 사항 : 모든 성장이 동일하지는 않습니다. 성장이 선형으로 발생하는 경우 절대 사용자 수의 월별 성장을 참조하여 이를 수용하고 정확하게 설명하십시오. 그런 다음 이러한 통찰력을 사용하여 비선형 성장을 실현할 기회를 식별하십시오.


관련 자료 : 시간이 지남에 따라 핵심 지표를 조정해야 할까요?








단기 성장을 추적하면 장기적인 성공을 거둘 수 있습니다.


월별 성장은 현재 성과를 정확하게 모델링하고 성공을 벤치마킹하고 예측하는 데 매우 유용합니다. 당신이 하고 있는 일을 알고 있고 회사의 장기적인 미래에 전념하고 있다는 거죠.

성장률이 일정하거나 하향 조정되면 실망스러워 보일 수 있지만, 보고 싶은 데이터가 아닌 경우에도 모든 데이터에는 가치가 있다는 것을 기억하십시오. 기하 급수적인 성장은 하룻밤 사이에 일어나지 않으며 저절로 일어나지 않습니다.







퀄리티 있는 데이터 산출은 퀄리티 있는 데이터 수집에서 시작됩니다.


품질이 낮은 데이터를 지속적으로 살펴보면 MoM과 같은 중요한 지표를 정확하게 해석하기가 훨씬 어려워집니다. 분석을 실행하는 작업에 너무 깊이 빠져 들기 전에 먼저 강력한 데이터 시스템 인 MVI (Minimum Viable Instrumentation)를 만들어야 합니다.이를 통해 비즈니스 및 분석 목표를 달성하기 위해 따라야 하는 특정 데이터 프로세스를 식별할 수 있습니다.


두 가지를 정의하여 시작하세요.


  1. 일일 활성 사용자와 같은 중요한 용어에 대한 정의
  2. 특정 비즈니스 목표


고객이 이러한 목표 (예: 전환)를 달성하기 위한 올바른 방향으로 안내할 고객 여정의 경로를 신중하게 고려하여 측정하려는 이벤트를 정확히 찾아냅니다. 바로 추적하려는 터치 포인트입니다. 목표 달성에 중요한 것에 집중하고 나머지는 제거하십시오.


다음은 팀의 심각한 데이터 유효성 검사 문제를 방지하기 위해 따라야 할 5 가지 주요 원칙입니다.


  1. 모든 것을 추적하려 하지 마세요. 불필요한 데이터는 지저분하고 추적하기가 거의 불가능합니다. 대신 20 ~ 200개의 고객 주요 여정과 관련된 이벤트를 일관되게 추적하십시오.
  2. 체계적으로 유지하십시오. 데이터와 이에 대한 정의는 팀원 모두에게 매우 깨끗하고 이해하기 쉬워야 합니다.
  3. d-1부터의 데이터를 정의하십시오. 데이터 구조를 설명하는 몇 가지 문서를 작성하는 것이 좋습니다.
  4. 분석 플랫폼 내에서 사용자 식별이 작동하는 방식을 이해합니다. 또한 무의미하게 지속 방문하는 가짜 "새 사용자"를 방지하기 위해 장치 또는 기타 자격 증명으로 익명 사용자를 인식할 수 있는 시스템이 있어야 합니다. 예를 들어 Amplitude(앰플리튜드)는 "amplitude_ID"식별자로 이 문제를 해결합니다. 이 식별자는 익명인 경우에도 반복 방문 사용자를 포착합니다.
  5. 숫자, 날짜, 국제 문자 및 지오 코딩 값과 같은 자동 서식 변수를 사용하여 일관성 있고 정확하게 분석하세요.









콘텐츠 더 읽어보기

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요

관련 글 보기

Amplitude는 Google Analytics와 어떤 점이 다른가?

Amplitude는 Google Analytics와 어떤 점이 다른가?

Amplitude VS GA 차이점 알아보기

Amplitude AI Feedback: 고객의 목소리를 한 곳에서 모두 들을 수 있다면? 🔍

Amplitude AI Feedback: 고객의 목소리를 한 곳에서 모두 들을 수 있다면? 🔍

AI를 사용해 모든 고객 피드백을 실행 가능한 제품 인사이트로 전환하는 방법

분석 솔루션, 여러 개 써도 되나요?🤔

분석 솔루션, 여러 개 써도 되나요?🤔

여러 가지 데이터를 통해 인사이트 발견을 돕는 분석 솔루션! 대표적으로  GA4, Amplitude가 있죠.어떤 조직에서는 이런 분석 솔루션을 2개 이상 사용하기도 합니다. 한 조직에서 여러 개의 분석 솔루션을 사용하는게 과연 좋을까요? 이번 포스팅에서는 분석 솔루션을 여러 개 사용하는 것이 좋은지에 대해서 알아보겠습니다. 우선 그 현황부터 파악에 보죠! 분석 솔루션을 이렇게 여러 개 사용하는 기업은 보통 다음 케이스에 속할 겁니다.웹사이트 분석용 솔루션, 앱 분석용 솔루션을 따로 사용여러 솔루션을 사용하는 가장 큰 이유입니다. 대개 이런 경우는 마케팅 팀과 프로덕트 팀의 협업 부재로 발생합니다. 일반적으로 마케팅 팀이 웹사이트를 관리하고 프로덕트 팀이 모바일 앱을 관리하다보니 이런 현상이 발생하죠. 더 자세히 말하자면, 웹사이트는 주로 온라인 홍보/광고를 위해 구축하는 경우가 많다보니 자연스럽게 마케팅 팀이 관리를 하게되고, 모바일 앱은 주로 개발과 관련된 팀이 중심이 되어 구축하는 경우가 많다보니 프로덕트 팀이 관리하게됩니다. 이렇게 분리된 업무 영역이 굳어져 굳이 2개의 분석 솔루션을 사용하게 되는 것이죠. 하지만 특별한 이유가 없다면 이렇게 2개의 솔루션을 사용하는 건 비효율적입니다.메인 솔루션의 부족한 기능 보충메인 솔루션이 가지고 있는 아쉬운 부분을 보충하는 용도로 여러 개 솔루션을 사용하는 경우입니다. 예를들어 Amplitude를 메인으로 사용하고 광고 통합을 위해 Google Analytics를 추가로 사용하는 경우나, 반대로 Google Analytics를 메인으로 사용하고 세션 재생 기능을 위해 Amplitude를 보조적으로 사용할 수 있죠. 하나의 솔루션으로 모든 기능을 충족할 순 없습니다. 사용하는 솔루션의 부족한 부분이 있다면, 다른 솔루션을 통해 충족하는 방법도 충분히 고려해볼만하죠.다수의 분석 솔루션 사용 문제점😵‍💫하지만 정말 특별한 경우가 아니라면 솔루션을 여러 개 사용하는 장점보다는 단점이 더 큽니다. 다음과 같은 많은 문제점이 발생할 수 있기 때문입니다.솔루션별로 다른 고객 프로필 관리고객을 더 깊이 이해하기 위해선 고객 정보를 하나로 통일하는 게 중요합니다. 하지만 솔루션을 여러 가지 사용하면 고객 정보가 흩어지게 되죠. 물론 고객 데이터를 내보내서 다른 솔루션에 통합하는 방식을 사용할 수 있겠지만, 이 작업에 만만치않을 시간이 소요됩니다. 어찌저찌 통합하였다 하더라도 실시간으로 고객 정보를 파악하고 대응하는 것이 불가능해집니다.고객 경험 개인화 어려움위의 문제점과 동일한 이유로 고객 프로필을 하나로 통일하지 않는다면, 개인화된 경험을 고객에게 제공하기 어려워집니다. 개인화는 시장에서 가장 큰 차별 요소이자, 요즘 시대에 필수적인 기능이 되어가고 있습니다. 고객은 이제 기업이 알아서 관련 상품, 콘텐츠, 혜택을 추천해주길 기대합니다. 또한 이런 개인화는 실시간성이 더해질 때 훨씬 효과적입니다. 실시간으로 고객의 행동과 원하는 것을 파악하여 제공할 필요가 있습니다.세그먼트 구축의 어려움행동 데이터를 기반으로사용자를 세분화하는 것이 분석 솔루션의 메인 기능입니다. 다수의 솔루션을 사용하면 이 중요한 기능에 제약을 받을 수 밖에 없죠. 호환되는 데이터를 내보내는 것이 아니라면, 세그먼트 기능을 깊게 활용하기 어려울 것입니다.어떤 한 기업이 마케팅 분석에는 Google Analytics를 사용하고, 모바일 앱에는 Amplitude를 사용한다고 가정해봅시다. 그리고 한 고객이 이메일 광고를 통해 웹 페이지를 방문하고 장바구니에 상품을 담았는데 당장 구매하지 않고 그 다음 주에 모바일 앱으로 구매를 하였다고 가정해봅시다. 이 때 이 고객이 이메일을 클릭했다는 정보와 웹 페이지에서의 행동 정보는 Google Analytics에 기록되고, 앱에서의 쇼핑 행동 정보는 Amplitude에 기록됩니다. 이메일 광고가 매출에 얼마만큼 기여하였는지 측정하고 싶어도 제대로 된 측정 값을 알 수 없게 되는거죠.전체 고객 여정 파악 불가고객은 한 가지 플랫폼을 사용하지 않습니다. 모바일 앱으로 접속했다 웹으로도 접속하죠. 하나의 분석 솔루션을 사용하면, 여러 플랫폼 사이에 고객이 얼마나 자주 이동하고 어느 부분에서 이탈하는지 파악할 수 있습니다. 여러 개의 솔루션을 사용하면 할 수 없죠.여러 솔루션 학습 필요솔루션 사용법을 배우는 것도 만만치 않은 일이죠. 솔루션이 여러 가지면 그만큼 학습하는 데 시간이 걸리고 머리도 복잡해집니다. 팀마다 다른 솔루션을 사용하는 경우라도, 서로 의사소통이나 협업하는 과정에서 상대방 솔루션을 어느정도 익혀야할 것입니다.솔루션 사용 비용여러 솔루션을 사용하면 비용도 당연히 배가 됩니다. 솔루션 마다 중복된 데이터가 많이 수집된다는 점을 생각하면 정말 아까운 일이죠. 또한 데이터는 수집할 수록 비용이 감소하는 경향이 있습니다. 여러 분석 솔루션을 사용한다면 이런 이점을 활용하지 못하고 각각에 대해 초기 데이트 프리미엄을 지불할 가능성이 높습니다.데이터 관리의 문제다수의 솔루션을 사용하는 가장 귀찮은 점은 데이터를 지속적으로 비교해야 한다는 것입니다. 데이터를 비교하는 시간도 시간이지만, 만약 데이터가 다르게 표시된다면 어떤 데이터가 잘못되었는지 파악하는 것도 어렵고 연결되어있는 여러 부서의 업무가 마비될 수 있습니다. 이런 데이터 관리의 문제는 단순 귀찮고 시간이 많이 들어가는 것을 넘어, 기술적인 문제로 이어져 제대로 된 데이터 활용 자체를 어렵게 할 수 있습니다.마치며😎결론적으로 여러 분석 솔루션을 사용하는 건 단점이 굉장히 크다는 것을 알 수 있습니다. 그렇기 때문에  많은 전문가들은 앞으로 분석 솔루션 시장이 하나의 솔루션으로 표준화될 것이라고 말합니다. Amplitude가 제품, 마케팅, 웹사이트, 모바일 앱 까지 모든 기능을 충족하는 최초의 분석 솔루션이 되는 것을 목표로 삼은 이유가 바로 여기있습니다. 아직 많은 작업이 남아 있지만, Amplitude는 분석 솔루션 시장의 선두적인 위치에서 그 목표를 향해 꾸준히 나아가고 있습니다.

대화만으로 데이터 분석 끝? Amplitude MCP

대화만으로 데이터 분석 끝? Amplitude MCP

들어가며: 데이터 분석의 새로운 시대데이터에서 의미 있는 인사이트를 얻는 과정은 결코 간단하지 않습니다. 데이터 전문가가 며칠을 걸려서 분석 업무를 수행하거나, 복잡한 대시보드를 직접 들여다보며 시간을 보내야 했죠.하지만 더 이상 그럴 필요없습니다. Amplitude MCP(Model Context Protocol)가 등장했기 때문입니다. 이제 복잡한 도구를 탐색하는 대신, AI와 자연스러운 대화를 나누는 것만으로 Amplitude의 방대한 행동 데이터를 직접 분석하고 즉각적인 답변을 얻을 수 있습니다. Amplitude MCP가 어떻게 작동하는지, 무엇을 할 수 있는지, 어떻게 시작할 수 있는지 지금부터 알아보겠습니다.데이터 분석이 '탐색'이 아닌 '대화'가 됩니다Amplitude MCP로 데이터 분석 과정이 복잡한 도구를 사용하는 '탐색'에서 AI와 나누는 '대화'로 바뀌었습니다. 마치 동료에게 질문하듯 자연어로 분석을 시작할 수 있습니다.예를 들어 "지난달 웹 트래픽이 증가한 원인이 뭐야?"라고 물으면, AI는 스스로 Amplitude 내에서 search, query_chart와 같은 도구를 사용하여 관련 차트와 대시보드를 탐색하고 데이터에 기반한 답변을 제시합니다. 여기서 멈추지 않고 "어떤 마케팅 캠페인이 가장 큰 영향을 미쳤어?"와 같은 후속 질문을 통해 더 깊이 파고들 수 있죠. 이 모든 과정이 실시간 대화처럼 이루어집니다.분석이 끝난 후에는 대화 내용을 바탕으로 Amplitude 내에 '노트북(Notebook)'을 생성할 수도 있습니다. 분석 핵심 요약, 분석에 사용된 주요 차트, 실행 가능한 성공 전략 플레이북(playbook) 등 유용하고 다양한 정보를 생성할 수 있으며, 이를 팀원과 즉시 공유할 수도 있습니다.이제 데이터 분석을 위해 SQL 쿼리를 작성하거나 복잡한 대시보드를 설정할 필요도 없습니다. 질문을 던지기만 하면 전문가 수준의 답변을 단 몇 초 만에 얻을 수 있기 때문이죠. PM, 마케터, 기획자 등 비기술 직군도 자유롭게 데이터를 다룰 수 있게 되었습니다.이미 Amplitude MCP를 도입한 Zip의 테크PM Moss Pauly는 '조직 전체에 걸쳐 데이터를 민주화하는 진정한 단계적 변화'를 만들었다고 말합니다.[실전 가이드] Amplitude MCP 시작하기다음 중 가장 선호하는 AI 도구에 MCP를 연결하여 사용해보세요.■ 클로드(Claude)에 연결하기1. claude.ai로 이동하거나 Claude 데스크톱 앱을 엽니다.2. Settings > Connectors > Add custom connector로 이동합니다.3. 다음과 같이 설정 값을 입력하고 Amplitude 계정으로 인증합니다.Name: AmplitudeURL: https://mcp.amplitude.com/mcp■ 커서(Cursor)에 연결하기1. Amplitude MCP 서버 딥 링크 설치 링크를 클릭해서 자동 설치할 수 있습니다.2. 만약 자동 설치가 되지 않는다면, 수동 설치 가이드를 참고해주세요.■ ChatGPT에 연결하기1. ChatGPT > 설정 > 연동 앱 및 커넥터 > 고급설정으로 이동하여 개발자 모드를 활성화합니다.(참고: 현재 MCP 지원은 개발자 모드에서만 가능합니다.)2. ChatGPT > 설정 > 연동 앱 및 커넥터로 이동해서 만들기를 클릭합니다.3. 다음과 같이 설정합니다.Name: AmplitudeURL: https://mcp.amplitude.com/mcp4. 안내에 따라 Amplitude OAuth 인증을 완료합니다.※ MCP 접근 권한은 기본적으로 '활성화'되어 있습니다Amplitude MCP는 조직 내 모든 사용자를 대상으로 '기본적으로 활성화(enabled by default)' 되어 있습니다. 만약 조직 정책상 이 기능에 대한 접근을 제한하거나 비활성화해야 한다면, Amplitude 관리자 설정에서 제어할 수 있습니다.Amplitude에서 Settings > Content Access > MCP 경로로 이동해당 페이지에서 조직 전체의 MCP 서버 접근을 허용하거나 차단하도록 설정을 변경이 설정은 조직 전체에 적용되는 관리자 전용 설정이며, 개별 사용자는 이 설정을 변경할 수 없습니다. 따라서 조직의 데이터 거버넌스 정책에 맞춰 관리자가 직접 관리해야 합니다.추천 질문 예시위 이미지는 Cursor에 Amplitude MCP를 연결하고, ‘MAXONOMY 홈페이지에서 참여율이 높은 기능’이 무엇인지 질문한 결과입니다. MCP 설정이 완료되면 AI에게 다음과 같은 질문을 던져보세요."지난 7일간의 일일 활성 사용자 수는?""이번 달 트래픽 소스별 가입 전환율을 보여줘""어떤 기능의 참여율이 가장 높아?""체크아웃 실험의 성과는 어때?"“새로운 온보딩 흐름의 통계적 유의성을 보여줘““현재 어떤 실험이 진행 중이지?”“사용자 리텐션과 관련된 모든 차트를 찾아줘”“결제 흐름을 테스트할만 실험 시나리오를 제안해줘”"iOS와 Android 플랫폼 간의 사용자 행동을 비교해 줘""파워 유저와 일반 사용자의 여정 차이를 분석해줘”MCP는 단순한 챗봇이 아닌 '프로토콜'입니다Amplitude MCP는 Amplitude에 내장된 챗봇이 아닙니다. MCP는 'Model Context Protocol'의 약자입니다. 다양한 외부 AI 도구들이 Amplitude의 데이터에 안전하고 표준화된 방식으로 접근할 수 있도록 하는 일종의 '약속(프로토콜)'입니다.이 프로토콜 방식 덕분에 우리는 Claude, Cursor, ChatGPT, Gemini 등 이미 익숙하게 사용하고 있는 여러 AI 환경에 Amplitude의 풍부한 행동 데이터 컨텍스트를 직접 연결할 수 있습니다. 즉, 여러분이 가장 선호하는 AI도구 안에서 Amplitude의 강력한 분석 능력을 그대로 활용할 수 있다는 의미입니다.더 나아가, 이 프로토콜은 Amplitude의 행동 데이터를 다른 외부 데이터 소스와 결합하여 완전히 새로운 워크플로우를 구축할 수 있는 무한한 가능성을 엽니다. 가령, Atlassian MCP를 통해 Jira의 개발 진행 상황 데이터와 Amplitude의 기능 사용 데이터를 함께 분석하여, 특정 기능 개발이 사용자 참여도에 미친 영향을 종합적으로 파악하는 워크플로우를 만들 수 있습니다. 혹은 Amplitude 분석 결과를 피그마나 구글 슬라이드에 프레젠테이션 형태로 변형할 수도 있죠.MCP는 단순히 AI와 연결하는 것이 아닙니다. 앞으로 등장할 어떤 AI 혁신과도 연결할 수 있는 다리 역할을 하며, 여러분의 데이터 전략이 미래로 나아갈 수 있도록 합니다.Amplitude MCP와 보안기업의 핵심 데이터를 외부 AI와 연동할 때 보안은 가장 중요한 고려사항입니다. Amplitude MCP는 이 문제를 명확하게 해결합니다.첫째, MCP 서버는 사용자의 기존 Amplitude 계정 권한과 접근 제어 설정을 그대로 따릅니다. 즉, 사용자는 원래 Amplitude 내에서 볼 수 있도록 허용된 프로젝트와 데이터에만 접근할 수 있으며, MCP를 사용한다고 해서 추가적인 권한이 부여되지 않습니다. 여러분의 데이터 접근 범위는 기존과 동일하게 유지됩니다.둘째, MCP 서버와 Amplitude 계정 간의 모든 연결은 OAuth 인증을 통해 안전하게 보호됩니다. 다만, 여러분이 사용하는 제3자 AI 서비스(예: Claude, ChatGPT 등)가 여러분의 질문과 Amplitude 데이터를 처리하게 됩니다. 따라서 Amplitude MCP를 사용하기 전에 조직의 데이터 처리 및 AI 도구 사용 관련 정책을 반드시 검토하시기 바랍니다.마치며Amplitude MCP는 단순히 새로운 분석 도구를 추가하는 것이 아닙니다. 조직이 데이터에 접근하고, 질문을 던지고, 인사이트를 얻는 방식 자체를 근본적으로 바꾸는 혁신입니다. 더 이상 데이터 분석은 소수 전문가의 전유물이 아니며, 복잡한 탐색 과정도 필요 없습니다.단, 몇 분 만에 데이터에 기반한 답을 얻을 수 있다면, 당신은 어떤 새로운 질문을 던지시겠습니까?콘텐츠 더 읽어보기프리미엄 가이드: 데이터 활용 전략 가이드북블로그: Braze MCP 서버: AI로 Braze를 빠르고 안전하게 분석하는 방법맥사이트픽: MCP: AI 사용자 경험을 확장시켜줄 핵심 연결고리

월별 성장이란 무엇입니까?


월별 (MoM) 성장은 특정 메트릭 값의 변화를 전월 값의 백분율로 표시합니다.

월별 성장은 월별 수익, 활성 사용자, 구독 수 또는 기타 주요 지표의 성장률을 측정하는 데 자주 사용됩니다. 모바일 앱, SaaS 제품 또는 웹 사이트와 같은 디지털 제품을 작업하는 경우 MoM 활성 사용자 증가에 관심이 있을 것입니다. 이는 제품 또는 회사의 성장과 성공에 대해 이야기하는 가장 일반적인 방법입니다.







MoM 성장률을 계산하는 방법


한 달 동안의 월별 성장을 계산하려면 이번 달의 총 사용자 수와 지난 달의지난달의 총 사용자 수의 차이를 취한 다음 이를 지난달의 합계로 나누면 됩니다. 

동일한 공식을 사용하여 주별 성장 또는 전년 대비 성장을 계산할 수 있습니다. 한 달 동안의 성장률을 계산하는 대신 6개월 동안의 MoM 성장률을 계산하고 싶다고 가정 해 보겠습니다. CMGR (월간 복합 성장률) 을 계산하려는 경우입니다.

관련 자료 : 활성 사용자는 누구입니까? 사용자 분석을 위한 전략






Compound Monthly Growth Rate (CMGR) 공식

CMGR은 해당 기간 동안 매달 일정한 속도로 성장한다고 가정하여 특정 기간 동안의 성장률을 설명합니다. 활성 사용자가 다음과 같이 증가했다고 상상해보세요.



CMGR을 계산하려면 위의 숫자를 다음 공식에 대입합니다.


예를 들면 다음과 같습니다.



CMGR은 월별마다 다르지만 위의 전체 기간 동안 20%입니다. 예를 들어 1월부터 2월까지의 MoM 성장률은 10%에 불과한 다음 2월부터 3 월은 36%로 점프합니다. CMGR을 사용하면 1월부터 6월까지 매달 일정한 성장률로 성장하고 있다고 가정합니다. 이 예에서 이는 다음을 의미합니다.



이제 다음 단계로 넘어갑시다.위에서 과거 기간 동안 CMGR을 계산했습니다. 5개년 사업 계획을 세우고 사업이 어떤 모습 일지에 대한 프로젝트를 계획한다고 가정해 보겠습니다. 이대로라면 2022년 12월까지 활성 사용자 수는 5십만 명을 넘을 것입니다.








피해야 할 MoM 성장과 관련된 3가지 일반적인 실수


성장 모델을 구축할 때 부주의한 실수를 하는 것은 생각보다 흔합니다. 다음은 MoM 데이터 작성 시, 저지르는 3가지 일반적 실수입니다.



1. MoM 성장으로 모델링 된 작은 절댓값 


앱이나 제품의 사용자 수가 적으면, MoM 달성을 훨씬 쉽게 이룰 수 있습니다. 즉, 적은 수의 MoM 성장에 대한 내러티브를 구성하는 것이 더 쉽고 비즈니스가 성장함에 따라 그 비율을 유지하기가 더 어렵습니다.



이 예에서는 2018년 1월부터 2018년 6월까지 매월 20% 의 성장을 경험하고 있습니다. 하지만 절대 수치로 보면 100명의 활성 사용자에서 249명의 활성 사용자로만 증가하는 것입니다. 여기서 문제는 이 비율 증가가 확장되지 않는다는 것입니다. 한 번의 언론 멘션으로 100 명에서 120 명의 월간 활성 사용자 확보는 쉽게 할 수 있습니다. 그러나 한 달에 활성 사용자가 1,000,000명에서 1,200,000명으로 20 % 증가하려면 강력한 성장 엔진이 필요합니다.


핵심 요점 : 사용자 수가 적을 때엔 MoM을 주시할 수 있지만 사용자 수가 더 많아지면 참여도 지표 , stickness 및 사용자 행동 데이터를 살펴봄으로써 성장이 장기적으로 지속될 것인지를 알려주는 기본 메커니즘 구성에 집중해야 합니다.






2. MoM 성장으로 모델링 된 비일관된 성장


성장은 예측할 수 없습니다. 한 달은 MAU를 두 배로 늘리고 다음 달에는 변화 없이 그대로 유지될 수 있습니다. 이런 일이 발생한다면 일관된 CMGR로 모델링하여 변동하는 성장을 모순되게 만드는 것은 실수입니다.



여기에서 CMGR이 20% 이지만 특정 기간 동안 (5월부터 6월까지)만 20% 근처에 있다고 가정해 봅시다. 그 외에는 2% 성장과 82% 성장 사이에서 크게 변동하고 있습니다. 결론은 다음 달 성장률이 얼마인지 알지 못한다는 것입니다. 성장률은 도처에 있지만 데이터는 여전히 무언가를 알려줍니다. 앱을 위한 일관된 성장 엔진을 구축하지 않았던 거죠.성장이 있는 달과 성장이 없는 달의 차이를 모를 가능성이 높습니다.


핵심 요점 : 성장이 일관되지 않은 경우, 단일 CMGR보다는 월별 성장률의 추세로 성장을 논의하는 것이 더 정확합니다.







3. MoM 성장으로 모델링 된 선형 성장


귀하의 비즈니스는 성장하고 있으며 지속적으로 성장하고 있습니다. 다만 선형 성장을 기하급수적인 성장으로 착각하지 마십시오.



6개월 동안 사용자가 10,000 명에서 20,000 명으로 두 배 증가했다고 가정해 보겠습니다. 이는 15%의 Mom 성장률을 의미합니다. 자세히 살펴보면 문제가 나타납니다. 시간이 갈수록 성장률은 둔화되는 것 같습니다. 숫자가 커짐에 따라 성장이 감소하는 것은 성장이 기하급수적이지 않다는 신호이며 아마도 더 선형적일 것입니다. 여기서는 15% MoM이 성장하고 있다고 말하는 대신 매월 2,000명의 활성 사용자를 추가한다고 말함으로써 절댓값을 고수하는 것이 더 정확합니다.


핵심 사항 : 모든 성장이 동일하지는 않습니다. 성장이 선형으로 발생하는 경우 절대 사용자 수의 월별 성장을 참조하여 이를 수용하고 정확하게 설명하십시오. 그런 다음 이러한 통찰력을 사용하여 비선형 성장을 실현할 기회를 식별하십시오.


관련 자료 : 시간이 지남에 따라 핵심 지표를 조정해야 할까요?








단기 성장을 추적하면 장기적인 성공을 거둘 수 있습니다.


월별 성장은 현재 성과를 정확하게 모델링하고 성공을 벤치마킹하고 예측하는 데 매우 유용합니다. 당신이 하고 있는 일을 알고 있고 회사의 장기적인 미래에 전념하고 있다는 거죠.

성장률이 일정하거나 하향 조정되면 실망스러워 보일 수 있지만, 보고 싶은 데이터가 아닌 경우에도 모든 데이터에는 가치가 있다는 것을 기억하십시오. 기하 급수적인 성장은 하룻밤 사이에 일어나지 않으며 저절로 일어나지 않습니다.







퀄리티 있는 데이터 산출은 퀄리티 있는 데이터 수집에서 시작됩니다.


품질이 낮은 데이터를 지속적으로 살펴보면 MoM과 같은 중요한 지표를 정확하게 해석하기가 훨씬 어려워집니다. 분석을 실행하는 작업에 너무 깊이 빠져 들기 전에 먼저 강력한 데이터 시스템 인 MVI (Minimum Viable Instrumentation)를 만들어야 합니다.이를 통해 비즈니스 및 분석 목표를 달성하기 위해 따라야 하는 특정 데이터 프로세스를 식별할 수 있습니다.


두 가지를 정의하여 시작하세요.


  1. 일일 활성 사용자와 같은 중요한 용어에 대한 정의
  2. 특정 비즈니스 목표


고객이 이러한 목표 (예: 전환)를 달성하기 위한 올바른 방향으로 안내할 고객 여정의 경로를 신중하게 고려하여 측정하려는 이벤트를 정확히 찾아냅니다. 바로 추적하려는 터치 포인트입니다. 목표 달성에 중요한 것에 집중하고 나머지는 제거하십시오.


다음은 팀의 심각한 데이터 유효성 검사 문제를 방지하기 위해 따라야 할 5 가지 주요 원칙입니다.


  1. 모든 것을 추적하려 하지 마세요. 불필요한 데이터는 지저분하고 추적하기가 거의 불가능합니다. 대신 20 ~ 200개의 고객 주요 여정과 관련된 이벤트를 일관되게 추적하십시오.
  2. 체계적으로 유지하십시오. 데이터와 이에 대한 정의는 팀원 모두에게 매우 깨끗하고 이해하기 쉬워야 합니다.
  3. d-1부터의 데이터를 정의하십시오. 데이터 구조를 설명하는 몇 가지 문서를 작성하는 것이 좋습니다.
  4. 분석 플랫폼 내에서 사용자 식별이 작동하는 방식을 이해합니다. 또한 무의미하게 지속 방문하는 가짜 "새 사용자"를 방지하기 위해 장치 또는 기타 자격 증명으로 익명 사용자를 인식할 수 있는 시스템이 있어야 합니다. 예를 들어 Amplitude(앰플리튜드)는 "amplitude_ID"식별자로 이 문제를 해결합니다. 이 식별자는 익명인 경우에도 반복 방문 사용자를 포착합니다.
  5. 숫자, 날짜, 국제 문자 및 지오 코딩 값과 같은 자동 서식 변수를 사용하여 일관성 있고 정확하게 분석하세요.









콘텐츠 더 읽어보기

앰플리튜드, 데이터 시각화, 데이터 분석