사용자 이해 도구 '닷 플롯': DAU 대신 개별 사용자 행동을 읽는 YC의 분석법

핵심 메시지

• 창업자가 흔히 저지르는 실수는 개별 사용자의 사용 방식을 보지 않고 DAU·MAU 같은 합산 지표에만 의존하는 것이다.
• 닷 플롯은 행에는 개별 사용자, 열에는 날짜를 둔 격자에, 가치를 나타내는 행동을 할 때마다 점을 찍어 사용 패턴을 눈으로 드러낸다.
• 핵심은 '앱 열기·로그인'이 아니라 실제 가치를 나타내는 이벤트를 고르고, 주 단위가 아닌 일 단위로 좁게 보는 것이다.
• 닷 플롯은 B2B에도 유용해, 좌석 10개를 샀지만 3명만 활성화된 계약의 이탈 위험을 미리 알아챌 수 있었다.
• 닷 플롯은 코호트 리텐션 곡선과 함께 쓸 때 사용자를 이해하는 가장 강력한 도구가 된다.

쉽게 이해하기

Y Combinator 영상은 창업자가 흔히 저지르는 실수부터 짚는다. 성장세가 조금이라도 있으면 DAU·MAU 같은 합산 그래프는 대체로 우상향하는데, 정작 사용자가 제품을 즐기지 못해도 그래프만 보면 알 수 없다. 코호트 리텐션 곡선은 '사용자가 계속 남는지'는 알려주지만, '어떻게' 쓰는지는 보여주지 못한다는 한계도 있다.

그 빈틈을 메우는 도구가 '닷 플롯(dot plot)'이다. 스프레드시트처럼 행에는 개별 사용자를, 열에는 날짜를 놓고, 사용자가 제품에서 '가치'를 만든 행동을 한 날마다 그 칸에 점을 찍는다. 음악 앱이라면 '노래 듣기', 사진 앱이라면 '사진 공유'처럼 제품의 가치를 대표하는 이벤트를 고르는 것이 핵심이다. 사용자가 처음 온보딩한 날에는 점 주위에 고리를 그려 신규 여부를 표시할 수도 있다.

이렇게 촘촘히 그리면 합산 그래프나 개별 로그만으로는 보이지 않던 패턴이 눈에 들어온다. 평일에만 쓰는 사용자와 주말에만 쓰는 사용자가 갈리고, 하루 써보고 다시 오지 않는 이탈 신호도 드러난다. 점 대신 다른 기호를 쓰면 특정 기능(예: 검색, 공개 플레이리스트 참여)이 지속 사용을 이끄는지도 볼 수 있다. 발표자는 페이팔 초기 사기 탐지 사례를 든다. 당시 사람들은 거래 그래프를 계속 들여다보며 '저건 뭔가 다르다'는 이상 신호를 직관으로 잡아냈는데, 닷 플롯도 같은 원리로 작동한다.

닷 플롯은 규모와 무관하게 쓸 수 있다. 사용자가 몇 명뿐인 초기에는 모든 사용자의 모든 사용일을 한 화면에 담을 수 있고, 10억 명이 넘는 구글 포토에서는 표본을 뽑아 'iOS·프랑스 사용자', '미국 웹·고소득 사용자'처럼 세그먼트별로 종이에 출력해 팀이 함께 들여다봤다. B2B 사례도 있다. 유명 고객이 연 8만 달러 규모로 좌석 10개를 샀지만 실제로는 3명만 활성화됐고 사용도 드문드문했는데, 이를 지지하던 담당자가 회사를 떠나자 계약이 해지됐다. 닷 플롯을 봤다면 이 계약의 이탈 위험을 미리 알 수 있었다는 것이다.

흔한 오용도 짚는다. 첫째는 잘못된 이벤트를 고르는 것이다. '앱 열기'나 '로그인'처럼 채우기 쉬운 이벤트는 점이 많아 보기엔 좋아도 실제 가치를 재지 못한다. 둘째는 시간 단위를 너무 넓게 잡는 것으로, 주 단위보다 일(또는 그보다 더 잘게) 단위로 봐야 실제 상황이 보인다. 발표자는 요즘 AI 코딩 도구로 로그만 파싱하면 닷 플롯을 10분 안에 만들 수 있다며, 코호트 리텐션 곡선과 함께 쓸 때 사용자를 이해하는 가장 강력한 두 도구가 된다고 정리한다.

주요 인사이트

• 우상향하는 합산 그래프는 사용자가 실제로 가치를 얻지 못하는 상황을 가릴 수 있다. 개별 사용자 단위로 보면 그 실상이 드러난다.
• 시각화 방식보다 '어떤 가치 이벤트를 고르느냐'가 더 중요하다. '앱 열기' 같은 허영 지표는 오히려 판단을 흐린다.
• 사람의 눈은 촘촘한 시각화에서 어떤 합산 지표로도 드러나지 않는 패턴을 잡아낸다. 페이팔의 사기 탐지 사례가 같은 원리를 보여준다.
• 닷 플롯은 사용자 10명부터 수십억 명까지 표본 추출로 확장되며, B2B의 좌석 활성화·이탈 분석에도 그대로 적용된다.
• 요즘 AI 코딩 도구를 쓰면 로그로 닷 플롯을 몇 분 만에 만들 수 있어, 비용이나 수고를 핑계로 미룰 이유가 없다.

자주 묻는 질문