Lean Analytics, AI와 에이전트 시대에 맞춰 돌아보기

2013년 출간된 Lean Analytics의 핵심 원칙은 여전히 유효하지만, AI와 에이전트 시대에는 제품의 작동 방식이 근본적으로 달라짐에 따라 지표의 재정의가 필요하다.

1. 가치 도달 시간(Time to Value)의 급격한 단축 전통적인 SaaS와 달리 AI 제품 사용자는 첫 시도에서 즉각적인 고품질 결과를 기대한다. 학습 곡선이 사라지면서 **숙련 도달 시간(Time to Competency)**도 함께 붕괴하며, 사용자가 첫 유용한 결과를 얻는 비율이 핵심 지표가 된다.

2. 활성화(Activation)의 품질 중심 전환 AI 제품에서 활성화는 단순히 특정 단계를 완료하는 이진적 이벤트가 아니다. 퍼널을 완료하더라도 결과물이 미흡할 수 있으므로, 단계 완료 지표와 함께 결과물의 품질 신호를 병행 추적해야 한다.

3. 인게이지먼트(Engagement)의 방향성 파악 단순히 체류 시간이 긴 것이 좋은 것이 아니라, 사용자의 시간이 어떻게 쓰이는지가 중요하다. 유용한 결과를 얻기 위한 고군분투 시간은 나쁜 지표이며, AI가 작업을 대신하는 시간이나 탐색/창작 시간을 양질의 인게이지먼트로 구분해야 한다. GitHub Copilot의 제안 수락률이 대표적인 예시다.

4. 고착성(Stickiness)과 해자의 변화 사용자를 가두는 장벽(Moat)보다는 작업 흐름(Flow) 속에 자연스럽게 녹아드는 것이 중요하다. 사용자가 수행하는 **태스크의 다양성(Task Diversity)**이 새로운 성장 벡터로 작용한다.

5. 토큰 기반 비용 구조와 수익성 토큰 기반의 가변 비용 구조로 인해, 사용량이 많은 파워 유저가 오히려 손실을 유발할 수 있다. 따라서 활성 사용자 기준의 매출총이익(Gross Margin) 추적과 성과 기반 가격 모델이 필수적이다.