채널: a16z 영상: https://www.youtube.com/watch?v=e5-6rEwzxLs 날짜: 2026-07-10
창업자들의 가장 큰 실수는 DAU/MAU 같은 집계 지표에 의존하면서 개별 유저가 무엇을 하는지 파악하지 못하는 것이다.
핵심 주제 1: 집계 지표의 함정
파운더들이 가장 자주 저지르는 실수는 집계 지표(aggregate metrics)에 의존하면서 개별 유저가 실제로 무엇을 하는지 파악하지 못하는 것이다.
- DAU(일간 활성 유저), MAU(월간 활성 유저) 같은 지표는 모든 유저를 하나로 묶어버린다.
- 성장 중인 제품의 경우, 그래프는 우상향을 보이지만 실제로 유저들이 제품을 즐기고 있지 않을 수 있다.
- 유저들이 개별적으로 어떻게 제품을 쓰는지는 집계 데이터로는 절대 알 수 없다.
집계 지표가 가리는 핵심 질문들: 유저들이 제품을 어떻게 사용하는가? 어떤 기능을 쓰는가? 사용 빈도는? 사용 패턴과 리듬은? 대부분의 파운더들은 이를 무시하지만, 이것이 "내가 원하는 것을 만들었는가"를 판단하는 가장 중요한 신호다.
핵심 주제 2: 닷 플롯 (Dot Plot) 소개와 구조
닷 플롯은 2차원 격자(스프레드시트처럼 생긴 표)로, 전체 유저의 행동을 한 화면에 담으면서도 개별 유저를 볼 수 있는 시각화 도구다.
구조: 행(Row)=개별 유저 1명, 열(Column)=시간 단위(보통 일 단위), 점(Dot)=해당 유저가 해당 날짜에 핵심 행동을 했으면 표시. 시작점(온보딩 날)은 점 대신 동그라미(링)로 구분.
핵심 이벤트 선택 방법: 좋은 이벤트 예시(실제 가치를 나타내는 이벤트) — Spotify는 노래 청취, 사진 앱은 사진 공유, B2B 인보이스 앱은 인보이스 처리. 나쁜 이벤트 예시 — 앱 열기, 로그인(점이 많아 보기 좋지만 실제 가치를 측정하지 못함). 유저가 실제로 가치를 얻었다는 증거가 되는 이벤트를 선택해야 하며, 숫자를 부풀리려는 유혹을 피해야 한다.
핵심 주제 3: 닷 플롯에서 발견할 수 있는 패턴들
Spotify 예시: 평일 사용자 그룹(월화수목금만 사용, 직장에서 음악 청취), 주말 사용자 그룹(여가 시간 청취), 단발 이탈 유저(첫 날 이후 다시 점이 없음, 온보딩 문제 신호), 연속 사용 유저(특정 기능 사용 후 연속 점, 기능-리텐션 인과관계 추론 가능).
DAU 그래프와 비교: DAU만 보면 "그냥 성장 안 하는구나" 이상의 정보가 없지만, 닷 플롯을 보면 주중/주말 사용자 분리, 이탈 패턴, 기능별 사용 패턴 등 풍부한 정보를 얻는다.
심층 활용: 다른 심볼로 기능별 구분(Spotify의 검색/플레이리스트), 색상 음영으로 iOS/Android·국가·소득 수준 인코딩, 각 행에 유저 특성 코멘트 추가. 정렬(Sort)로 특정 세그먼트 패턴을 한눈에 발견할 수 있다.
인간의 패턴 인식 능력 활용: Max Levchin(PayPal 창업자) 일화 — PayPal 초기 대규모 사기 문제 발생 시, 어떤 패턴인지 몰랐기 때문에 모든 트랜잭션을 그래프로 시각화했고, 직원들이 화면을 응시하다가 "저게 달라 보인다, 아마 사기일 것"이라는 직관으로 패턴을 잡아냈다. 닷 플롯도 동일한 원리로 작동한다.
핵심 주제 4: 확장성과 실전 활용
초기 스타트업(소수 유저): 10~20명이라도 닷 플롯 하나로 모든 유저를 한 화면에서 매일 확인 가능. 대규모 제품(구글 포토 - 10억+ 유저): 샘플링해서 세그먼트별로 여러 장 출력("프랑스 iOS 유저들" 닷 플롯 등), 팀원들이 각자 다른 샘플을 들고 분석하는 날을 가졌다. 닷 플롯은 스타트업부터 대기업까지 스케일되는 도구다.
GitHub contribution graph가 바로 닷 플롯의 변형이다(주 단위 줄바꿈, 색상 진하기로 활동량 인코딩).
핵심 주제 5: B2B 제품에서의 닷 플롯 활용
많은 B2B 파운더들은 "우리는 시트 기반으로 팔고 계약만 유지되면 된다"고 생각하지만, 닷 플롯은 B2B에서도 핵심적이다. 실제 사례(최근 YC 배치 스타트업): 대형 브랜드 고객이 연 $80,000 계약으로 10시트를 구입해 큰 성공처럼 보였지만, 닷 플롯을 그렸다면 10시트 중 3명만 실제 활성화됐고 그 3명의 사용도 주당 최대 2일로 산발적이었다는 것이 보였을 것이다. 실제로 챔피언(내부 지지자)이 퇴사하자 새 담당자가 "왜 이걸 쓰고 있죠?"라며 계약 갱신을 거부해 이탈했다 — 닷 플롯을 모니터링했다면 챔피언 퇴사 전에 위험 신호를 선제적으로 포착할 수 있었다.
핵심 주제 6: 닷 플롯 잘못 사용하는 방법 (주의사항)
실수: 점이 많이 찍혀서 "느낌 좋아 보이는" 이벤트(앱 열기, 로그인) 선택 — 파운더가 안심하고 싶어서 하는 선택. 올바른 접근: 유저가 실제 가치를 얻었다는 증거가 되는 이벤트만 선택. 또 다른 실수: 시간 단위를 주(week) 단위로 너무 넓게 잡아 실제 사용 패턴을 숨기는 것 — 일(day) 단위, 혹은 하루 이내 단위가 좋다. 수백 명 이하의 유저를 가진 경우 닷 플롯이 유일한 대시보드가 될 수 있다.
핵심 주제 7: 코호트 리텐션 커브와의 조합
코호트 리텐션 커브는 그룹 단위로 유저가 시간이 지나며 제품을 계속 쓰는지 알려주지만 왜/어떻게는 모른다. 닷 플롯은 개별 유저가 실제로 어떻게 제품을 사용하는지 알려주지만 집계 트렌드는 보기 어렵다. 두 도구를 조합하면: 코호트 리텐션 커브로 "이 코호트는 6주 후 10% 리텐션"이라는 사실을 파악하고, 닷 플롯으로 "왜 이탈했나"를 탐색할 수 있다. 닷 플롯은 기술적으로 매우 단순해 복잡한 계산 없이 로그를 파싱해 2D 격자에 넣으면 되며, 현대 AI 코딩 도구로 10분 만에 만들 수 있다.
전체 시사점 및 핵심 교훈
- 집계 지표는 거짓 안도감을 준다: DAU가 올라가도 유저는 이탈하고 있을 수 있다.
- 닷 플롯은 개인과 전체를 동시에 본다: 개별 유저 행동을 보면서도 패턴 전체를 인식할 수 있다.
- 올바른 이벤트 선택이 전부다: 실제 가치를 나타내는 이벤트만 추적하라.
- 일(day) 단위가 기본이다: 시간 단위가 너무 넓으면 패턴이 숨겨진다.
- 초기부터 대규모까지 스케일된다: 샘플링을 통해 구글 포토 수준에서도 사용 가능하다.
- B2B도 예외 없다: 계약을 넘어서 실제 사용 패턴을 봐야 계약 위험을 선제적으로 잡을 수 있다.
- 인간의 시각적 패턴 인식을 활용하라: PayPal의 Max Levchin처럼, 보다 보면 이상한 것이 보인다.
- 코호트 리텐션 커브와 함께 써라: 두 도구는 상호보완적이며, 함께 쓸 때 가장 강력하다.
- 구현 난이도는 낮다: AI 코딩 도구로 10분이면 만든다.