왜 PLG는 특히 정밀한 행동 데이터가 필요한가

PLG 전략의 거의 모든 의사결정은 데이터 위에 세워집니다. 레슨 3에서 다룬 PQL 판정 기준을 세우려면 결제한 사용자와 이탈한 사용자의 초기 행동 차이를 비교해야 하고, 레슨 4의 인앱 넛지 효과를 검증하려면 넛지를 본 사용자와 보지 않은 사용자의 이후 행동을 비교해야 합니다. 레슨 2의 페이월 위치를 조정하려면 사용자가 습관을 형성하는 데 걸리는 시간과 행동을 알아야 합니다. 이 모든 판단의 공통 전제는 '어떤 사용자가, 언제, 어떤 기능을, 몇 번 썼는지'를 이벤트 단위로 기록한 데이터입니다.

전통적인 웹 분석(페이지뷰, 세션 수)만으로는 이 요구를 충족할 수 없습니다. 페이지를 몇 번 봤는지가 아니라 "특정 버튼을 눌렀는지", "어떤 옵션을 선택했는지", "그 행동을 몇 번 반복했는지" 같은 세밀한 행동 단위 데이터가 필요합니다. Amplitude·Mixpanel 같은 제품 분석 솔루션이 PLG 조직에서 표준적으로 쓰이는 이유가 여기 있습니다.

이벤트 기반 계측은 무엇을 다르게 보여주는가

이벤트 기반 계측의 핵심은 사용자의 개별 행동을 하나하나 이름 붙여 기록한다는 점입니다. '가입 완료', '프로젝트 생성', '팀원 초대', '결제 수단 등록' 같은 행동이 각각 하나의 이벤트가 되고, 이 이벤트들이 어떤 사용자에게서 어떤 순서로 발생했는지를 추적할 수 있습니다. 이 구조가 있어야 "어떤 행동을 한 사용자가 실제로 결제까지 이어지는가"라는 PQL 설계의 핵심 질문에 데이터로 답할 수 있습니다.

또한 이벤트에는 속성(Property)을 함께 기록할 수 있습니다. 같은 '기능 사용' 이벤트라도 어떤 기능을, 어떤 화면에서, 무료 등급인지 유료 등급인지 등 맥락 정보를 함께 남길 수 있어야 이후 세분화된 분석이 가능합니다. 이 속성 설계를 처음부터 꼼꼼히 하지 않으면, 나중에 특정 기능만 따로 떼어 분석하고 싶어도 데이터가 뭉뚱그려져 있어 불가능한 경우가 생깁니다.

코호트·리텐션 관점에서 무엇을 계측해야 하는가

이벤트 데이터가 쌓이면 이를 시간축으로 묶어 코호트별 리텐션 커브를 그릴 수 있습니다. 같은 시기에 가입한 사용자 그룹이 시간이 지나며 얼마나 남아 있는지, 그 안에서 특정 기능을 쓴 그룹과 쓰지 않은 그룹의 리텐션이 어떻게 다른지를 비교하는 것이 PQL 후보 행동을 찾는 실무적 방법입니다. 이 코호트·리텐션 분석의 기본 개념과 GA4를 활용한 시작 방법은 관련 레슨(코호트 분석·리텐션 커브 해석)에서 더 자세히 다룹니다.

PLG 맥락에서는 여기서 한 걸음 더 나아가, 기능별 사용 빈도를 코호트와 교차해서 봐야 합니다. 예를 들어 "가입 후 첫 주에 특정 기능을 3회 이상 쓴 코호트"와 "쓰지 않은 코호트"의 Day30 리텐션을 비교하면, 그 기능이 실제로 아하 모먼트에 해당하는지 데이터로 검증할 수 있습니다.

이탈 퍼널은 어떻게 계측해야 하는가

이탈 퍼널 계측은 사용자가 목표 행동(예: 첫 결제)에 도달하기까지 거치는 단계를 순서대로 정의하고, 각 단계에서 몇 퍼센트가 다음 단계로 넘어가는지를 추적하는 방식입니다. 예를 들어 '가입 → 첫 프로젝트 생성 → 팀원 초대 → 유료 기능 클릭 → 결제 완료'라는 5단계 퍼널을 정의하면, 어느 단계에서 이탈이 가장 크게 발생하는지를 한눈에 파악할 수 있습니다.

이 퍼널 계측이 레슨 4의 넛지 설계와 직접 연결됩니다 — 이탈이 가장 크게 발생하는 단계를 찾아야, 그 단계에 어떤 넛지를 배치할지 우선순위를 정할 수 있기 때문입니다. 퍼널 데이터 없이 넛지를 배치하면 실제로는 이탈이 크지 않은 단계에 자원을 낭비하게 됩니다.

툴 도입 전에 반드시 확인해야 할 것

Amplitude·Mixpanel 같은 툴을 도입하기 전에는 두 가지를 확인해야 합니다. 첫째는 자사 앱의 예상 이벤트 발생량입니다 — 사용자 한 명이 하루에 평균 몇 개의 이벤트를 발생시키는 제품인지에 따라 요금이 크게 달라질 수 있습니다. 둘째는 각 툴의 정확한 요금 산정 기준입니다. 이 산정 기준(월간 추적 사용자 수 기준인지, 이벤트 발생 건수 기준인지)은 업체가 수시로 바꾸는 항목이라 이 레슨에서 특정 수치를 확정해 안내하기 어렵습니다 — 실제 도입 직전에는 반드시 각 툴의 공식 요금 페이지에서 최신 기준을 재확인해야 합니다. 이 재확인 항목은 레슨 11에서 발행 전 체크리스트로 다시 다룹니다.

또한 데이터 연동 안정성도 함께 점검해야 합니다. 자사 앱에서 발생하는 이벤트가 누락 없이, 중복 없이 분석 툴로 전달되는지는 SDK 연동 초기 단계에서 반드시 검증해야 할 부분이며, 이 검증 없이 쌓인 데이터는 이후 모든 PQL·넛지·페이월 의사결정의 근거를 흔들 수 있습니다.