그로스 해킹

작가

양승화

노션 링크

상태

In progress

읽은 날짜

1장

린 스타트업

아이디어를 빠르게 제품으로 만들고 고객이 제품에 대해 어떻게 반응하는지를 측정한 후, 그 결과를 통해 배움을 얻고 지속적으로 제품을 개선해 나가는 제품 개발 방법론

최대한 빨리 진행하는 것이 핵심이다. 즉 제품의 완성도를 높이기보다 빠른 출시와 지속적인 개선을 통해 점진적으로 완성도를 높여야 한다는 취지.

→ ‘그로스 해킹’ 과 철학이 일맥상통한다.

즉, 서비스나 제품을 출시해도 지속적인 개선과 업데이트가 더 중요하다는 말

그로스 해킹의 지름길?

제품이나 서비스를 성장시키기 위해서는 특정 분야의 스킬셋(데이터 분석, 머신러닝 스킬/마케팅 채널에 대한 스킬)이 아니라 서비스를 만들고 운영하는 전체 프로세스에 대한 폭넓은 이해가 필요하다.

그로스 해킹 이해하기

•

Cross Funcional Team

그로스 해킹을 위해서는 여러 직군 간 협업이 필수다. 특히, 목적 기반으로 구성된 조직에서 가장 효율적으로 발휘할 수 있다.

•

린 스타트업

‘제품 개발 → 지표 측정 → 학습 및 개선’ 의 사이클을 빠르게 반복하며 성장

•

최소 기능 제품

완성도 높은 제품이 아닌 아이디어를 검증할 수 있는 최소한의 제품

•

AARRR(해적 지표)

‘고객 유치, 활성화, 리텐션, 수익화, 추천’ 의 5가지 범주에 따라 주요 지표를 설정하고 모니터링. 그로스 해킹의 대표적인 지표 관리 방법론.

2장

전제 조건 : Product - Market Fit

뭐가 문제인지 모르는게 문제

그로스 해킹을 이해하려면 먼저 제품-시장 적합성부터 파악해야 한다.

정말 많은 제품 관리자(QM)가 하는 실수

제품을 먼저 만들고(기획), 그런 다음에야 고객을 찾는다.

논리적인 기획서에서 출발한 제품이 성공할 수 있다고 보장할 수 없다. 기획서를 승인하는 상위 의사결정권자에 맞춰 논리에 함몰되지 말자

기능을 추가하고, 추가하고, 추가한다

많은 회사에서 ‘서비스 개선’ 을 ‘기능 추가’ 로 해석한다. 하지만 서비스 개선이 기능 추가와 동일시되는 건 분명 문제가 된다. 일단 서비스 자체가 복잡해지고 그만큼 레거시(업데이터 해야 할 프로그램들)가 늘어나기 때문이다.

제품은 가설의 조합으로 이뤄져야 하며, 그러한 가설을 테스트하기 위한 최소한의 기능으로 이뤄져야 한다.

제품-시장 적합성(pmf)

그로스 해킹은 시장이 필요로 하는 제품을 만드는 것에서부터 시작한다.

즉, ‘현재 만든 제품이나 서비스가 그로스 해킹을 할 만한 가치가 있는가’ 부터 확인해야 한다.

현재 문제라고 생각하는 그 문제가 진짜 있는가?

많은 제품들은 실제로 존재하지 않는 문제를 가정하며 만들어진다. 제품을 개발하기 전에 정말 문제가 맞는지, 해결책을 내놓으면 대가를 지불할 만큼 수요가 있는지 확인해야 한다.

내놓은 해결책이 올바른게 맞나?

문제가 정확하다면, 내놓은 솔루션이 효과적으로 해결했는지를 살펴봐야 한다.

제품을 만들면서 세운 가설이 뭔지, 검증은 됐는지

하나의 제품은 검증하고자 하는 가설의 답이다. 따라서 다시 한번 가설이 뭐였고, 검증 결과는 어땠는지 확인해본다.

제품-시장 적합성을 확인하려면

만든 서비스나 제품이 시장에 적합한지 확인하려면 일반적으로 아래 3가지 지표를 확인한다.

리텐션

사용자들이 특정 서비스나 제품에 얼마나 꾸준히 활동하는지 또는 사용하는지를 보여주는 지표다. 일반적으로 시간이 지날수록 감소하는데, 이때 기울기가 완만한지, 안정화되는 지점이 어디인지를 확인해야 한다.

•

시장에 적합할 경우, 일정 기간이 지나면서 기울기가 완만해지고, 안정적으로 유지되는 패턴을 보인다.

◦

기울기가 안정화가 되더라도 절대적인 수치값을 확인해야 한다. 리텐션이 완만해지는 지점의 값이 높아야 더 적합한 것.

•

시장에 적합하지 않을 경우, 시간이 지나면서 계속 우하향하며 감소한다.

리텐션에 영향을 미치는 핵심 기간은 서비스를 사용하기 시작한 직후부터 수일 이내다.

리텐션이 좋고 나쁨의 기준은 어떻게 설정할까?

→ 리텐션은 서비스가 속한 산업 또는 카테고리의 영향에 따라 크게 달라진다. 따라서 속한 카테고리를 감안해서 판단해야 한다.

ex) 주기적으로 새로운 콘텐츠가 업로드되고 사용자와 상호작용이 많이 발생하는 서비스는 상대적으로 리텐션 수치가 높지만 여행이나 음식 배달처럼 사용 빈도가 낮은 서비스는 리텐션 수치가 낮다.

2) 전환율

한 단계에서 다음 단계로 넘어가는 사용자의 비율을 의미한다.

특히, 서비스의 핵심 사용 경로에서 전환율 지표를 파악하는 것은 시장 적합성을 점검하기 위한 좋은 방법이다.(가입이나 결제 이벤트의 전환율)

해당 지표는 사용자 경험이나 UI/UX 영향을 많이 받는다는 점을 참고하자.

전환율을 구하려면 목표 이벤트를 정의하고, 이를 위해 거쳐가는 경로를 먼저 구체화하는 과정이 필요하다.

일반적으로 전환 퍼널은 단계가 길어질수록 이탈하는 사용자가 늘어난다. (깔때기모양)

•

전환율도 카테코리마다 기준치가 조금씩 상이하다.

하지만 2020년 자료에 의하면 이커머스 서비스의 평균적인 구매 전환율은 3% 수준이다. 물론 상품의 카테고리에 따라 전환율이 2~3배 이상 차이가 날 수도 있다.

•

전환율은 카테고리 외에도 다양한 외부 요인에 영향을 받는다. (ex. 사용자유입채널)

→ 전환율 자체 수치보다는 시간의 흐름에 따른 전환율의 변화 추이를 모니터링하는 것이 더욱 중요하다.

3) 순수추천지수(NPS)

“이 서비스/제품을 주변 지인이나 친구에게 얼마나 추천하고 싶은가?” 라는 질문의 답으로

0 ~ 11점 리커트(Likert) 척도로 받는다.

점수에 따라 3개 그룹으로 나누는데, 다음과 같다.

•

9 ~ 10 점 : 적극적 추천 그룹(Promoters)

충성 사용자 그룹이다. 제품이나 서비스의 핵심 기능을 적극적으로 사용하고, 바이럴 채널을 이용해 주변에 적극적으로 홍보하거나 추천한다.

•

7 ~8 점 : 소극적 추천 그룹(Passives)

제품에 만족은 하지만 적극적이지는 않다. 경쟁 제품이나 서비스가 나오면 쉽게 이탈할 수 있다.

•

0 ~ 6 점 : 비추천 그룹(Detractors)

제품에 만족하지 않는 그룹. 한두 번 사용한 후 이탈할 가능성이 높다.

$$ NPS = {적극적 추천 그룹 - 비추천 그룹 \over 전체 응답자} $$

→ 모든 그룹이 Promoters 이면 NPS = 1, 모든 그룹이 Detractors 이면 NPS = -1 이므로 -1 ≤ NPS ≤ 1 이다.

일반적으로 순수 추천 지수가 양수값을 갖기는 매우 힘들다. 추천하는 소비자들보다 추천하지 않는 소비자들이 더 많기 때문이다. 따라서 만일 양수값이 나왔다면 아주 양호한 것이다.

일반적으로 아래와 같이 생각한다.

•

1 ~ 0 : 개선 필요

•

0 ~ 0.3 : 양호

•

0.3 ~ 0.7 : 좋음

•

0.7 ~ 1 : 매우 좋음

결론적으로 순수 추천 지수는 ‘얼마나 많은 충성 사용자를 가지고 있는가’ 가 성공의 지표가 된다.

<aside> 요약하자면**, 리텐션, 전환율, 순수 추천 지수**를 참고해서 현재 제공하는 서비스/제품의 시장-적합성을 확인 할 수 있고 만약 시장 - 적합성 충분하다 판단 → 그로스 실험 진행 시장 - 적합성 부족 판단 → 문제 정의 재검토, 솔루션 재검토

</aside>

시장 - 적합성이 부족하다 판단한 경우, 어떻게 개선할 수 있을까?

다음은 해서는 안될 것들이다.

갑자기 브레인스토밍 → 상상의 실패에 또 다른 상상을 하는 것일뿐

새로운 기능을 추가 → 기존의 기능이 별로인데 기능을 추가해봤자다

리텐션과 전환율 개선이 목적이 돼버리는 경우 → 수단일 뿐이다. 이점이 가장 주의해야 한다.

다음은 해야 될 것들이다.

사용자 직접 만나서 피드백 듣기 (정성적 관점)

ex) 1:1 사용자 인터뷰, 포커스 그룹 인터뷰

사용자 행동 분석 (정량적 관점)

ex) 사용자 로그 데이터 수집

즉, 사용자에 대한 연구가 더 중요하다. 사용자의 피드백과 사용자가 사용하는 맥락과 환경이 의도한 것과 동일한지 체크해봐야 한다.

3장

AARRR

3.1 AARRR 개요

그로스 해킹의 근간이 되는 프레임워크는 AARRR이다. AARRR을 말하기에 앞서 그로스 해킹에서 지표를 바라보는 관점에 대해 살펴본다.

그로스 해킹은 결국 핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾는 활동이다.

똑같은 지표라 하더라도 어떤 관점에서 보느냐에 따라 활용 형태가 달라진다.

지표를 측정하고 관리하는 관점

a) 과업 기반

특정 서비스에서 조직별로 담당하는 업무를 우선 정의한 후, 업무를 진행하면서 만들어지는 수치를 집계하고 모니터링하는 방식으로 지표 관리

문제점

•

전사적인 관점에서 지표 우선순위를 정의하기 어렵다. → 비효율과 느린 성장 야기

•

중요한 지표를 놓치고 있거나 변경되는 문제

b) 프레임워크 기반

사용자의 서비스 이용 흐름에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의하고 관리

즉, 지표를 우선 정의하고 원하는 방향으로 움직이게 하기 위해 어떤 과업이 필요할지를 거꾸로 고민하는 방식이다.

효율적인 지표 관리 : AARRR

AARRR 은 대표적인 사용자 분석 프레임워크다.

•

A (acquisition) : 사용자들을 어떻게 끌어올 것인가?

•

A (activation) : 사용자들이 서비스의 핵심 기능을 잘 사용하는가?

•

R (retention) : 사용자들이 서비스에 지속적으로 방문하는가?

•

R (revenue) : 사용자들이 핵심 기능을 사용하기 위해 결제를 하는가?

•

R (referral) : 사용자들이 서비스를 주변인에게 추천, 소개 하는가?

AARRR 에 대한 오해

AARRR에 대한 개념은 잘 알지만 실제 회사에서 잘 활용하고 있는 경우는 많지 않다.

대표적인 오해들이나 오용들은 다음과 같다.

•

각 단계별로 사용하는 지표들이 정해져있지 않나? → No!!

서비스의 특성에 따라 지표 선정도 달라지고 기준도 달라진다.

•

일종의 깔대기 구성이니, 맨 앞의 단계부터 개선시켜나가면 되나? → No!!

AARRR 의 주창자인 데이브 맥클루어는 ‘활성화’ , ‘유지율’ 을 우선적으로 개선하고 → ‘고객 유치’ 와 ‘추천’ 을 개선하고 → 마지막으로 ‘수익화’ 를 챙겨야 한다고 말한다.

AARRR 을 활용하는 방법

a) 각 단계별로 풀어야 하는 문제를 확인한다.

b) 각 단계의 핵심이 되는 주요 지표를 선정하고, 해당 지표의 현재 수준을 측정한다.

c) 측정된 지표가 가지는 의미를 이해한다.

d) 개선해야 하는 목표 수준을 정하고, 실험을 통해 단계적으로 개선한다.

3.2 고객 유치(Acquisition)

1) 고객 유치의 기본 개념

핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것이다.

먼저, 채널에 대한 객관적인 평가부터 어렵다.

→ 여러 채널을 진행하는 경우가 대다수이기 때문에 각자의 기준을 두고 정리해서 종합하기란 어려운 일이다.

→ 자연 유입 트래픽의 성과를 판단하는 것도 어렵다. 파라미터 정보가 없거나 유실되는 케이스가 많기 때문이다.

→ 단순히 유입된 고객 수만으로 성과를 판단하면 안된다. 이후 고객이 얼마나 유지되는지, 전환율은 어떤지 그 이후의 활동에 따라 채널의 가치를 판단할 수 있다.

크게 고객을 분류하면 아래와 같다.

•

오가닉 유저 : 자발적으로 유입된 고객

•

페이드 유저 : 마케팅 채널을 통해서 유입된 고객

→ 오가닉 유저가 얼마나 되는가?

→ 페이드 유저는 얼마나 되고, 얼마나 효율적인가?

GA 나 AppsFlyer 같은 서비스에는 유입채널별로 데이터를 정리해서 오가닉 가입자의 비중이나 유료 마케팅 채널의 성과를 모니터링해주는 기능이 있다.

주의해야 될 점은 위의 분석 서비스에서 나타나는 ‘Organic’ 혹은 ‘Direct’ 는 자발적 유입 트래픽만을 설명하지는 않는다. ‘유입된 채널을 식별할 수 없는 사용자’ 라고 하는 것이 더 정확하다. 따라서 오히려 ‘Unknown’ 이라는 용어가 적합하다.

결론적으로, 채널별 고객 유입 데이터는 위의 ‘Unknown’ 트래픽의 비중을 최대한 줄이는 것이 중요하다! 따라서 다음과 같은 질문을 할 수 있다.

→ 어떻게 하면 사용자의 유입 채널을 최대한 누락 없이 정확하게 추적하고

→ 각 채널별 성과를 정확히 판단할 수 있을까?

2) 고객 획득 비용(CAC)

고객 유치와 관련된 핵심 지표는 대표적으로 ‘고객 획득 비용’ 이 있다.

‘고객 획득 비용’은 한 명의 사용자를 데려오기 위해 지출하는 평균 비용을 의미한다.

일반적으로 생각하면 ${마케팅 비용\over 가입 유저수}$ 라고 생각할 수 있다. 하지만 이는 의사결정에 아무 도움을 주지 못한다.

핵심은 결국 채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 봐야 한다.

각각의 조건에 따라 고객 획득 비용을 계산해본다면 인사이트를 도출해낼 수 있다.

→ 즉, 각 채널별, 캠페인별, 광고별로 얼마의 광고 예산이 쓰였고 얼마나 유입됐는지를 계산하면 된다.

ex ) UTM 파라미터(웹), 어트리뷰션(앱)

3) UTM 파라미터

웹 트래픽에서의 유입 경로(또는 채널) 정보를 소스(Source) 로 표현한다. 채널에서 특정한 캠페인 내용이 각각 다를 수 있다. 어떤 매체냐에 따라서 또 다를 수도 있다.

온라인에서의 유입 경로는 UTM 파라미터를 통해서 확인할 수 있다.

UTM 파라미터는 URL 뒤에 추가된 파라미터를 의미한다.

형식은 보통 URL 뒤에 ‘?’ 를 붙인 후 utm_source , utm_medium, utm_campaign, utm_term, utm_content 에 해당하는 파라미터를 추가한다. 여러 개의 파라미터를 사용할 때는 연결 기호 ‘&’ 를 사용하면 된다.

고객 유치 목적으로 사용되는 링크마다 고유한 UTM 파라미터가 붙은 별도의 링크를 사용한다.

•

utm_source : 어디에서 왔나

•

utm_medium : 어떤 유형의 링크인가

•

utm_campaign : 어떤 캠페인을 통해서 왔나

•

utm_term : 어떤 키워드를 검색해서 왔나

•

utm_content : 어떤 내용을 보고 왔나

구글 utm 캠페인 URL 생성기를 사용하면 원하는 파라미터대로 URL 을 만들 수 있다.

또, 구글 애널리틱스를 사용하면 UTM 파라미터별로 분석이 가능하다.

4) 모바일 앱 어트리뷰션

모바일 앱에서는 UTM 파라미터를 사용하지 않는다. 대신에 ‘어트리뷰션’ 을 사용한다. 어트리뷰션을 이용해서 모바일 앱의 마케팅 성과를 판단할 수 있다.

UTM 파라미터에 비해 복잡하며 대부분 유로로 제공되는 별도의 서비스를 사용해야 한다.

대표적인 어트리뷰션 서비스는 다음과 같다.

•

앱스플라이어

•

애드저스트

•

브랜치

•

코차바

•

에어브릿지(국내)

•

애드브릭스(국내)

서비스별로 어트리뷰션을 판단하는 기준과 기술 구현 방식이 조금씩 다를 수 있다. 따라서 글로벌한 표준이 있는 것은 아니다.

하지만, 기본적인 기술 방법은 다음과 같다. 세부적인 내용은 몰라도 상관없다.

•

인스톨 레퍼러(install referrer)

•

디바이스 아이디 매핑(device id mapping)

•

핑거프린팅(fingerprinting)

어트리뷰션을 이해하기 위해 몇 가지 개념을 알아야 한다.

4-1) 어트리뷰션 윈도우(룩백 윈도우)

앱을 설치하는데 영향을 미친 이벤트를 ‘기여 이벤트’ 라고 하고, 기여 이벤트가 발생한 이후 얼마만큼의 기간 동안 발생한 전환에 대해 기여를 인정할 것인가를 의미한다.

만약, 어트리뷰션 윈도우를 7일로 설정했다고 가정하면, 특정 이벤트를 통해 앱 설치까지 6일이 걸렸다면 해당 성과는 인정되는 것이고, 8일이 지났다면 성과로 인정하지 않는 것이다.

<aside> 각 채널별로 어트리뷰션 윈도우를 어떻게 정의할지에 대한 기준은 달라질 수 있고, 따라서 이 기준을 잘 세우는 것이 매우 중요하다.

</aside>

4-2) 어트리뷰션 유형 : ‘클릭-스루’ 와 ‘뷰-스루’

어트리뷰션은 클릭뿐만 아니라 조회도 포함될 수 있다. 실제로 페이스북이나 구글은 광고의 어트리뷰션으로 클릭과 조회를 모두 포함하고 있다.

•

‘클릭-스루’ : 클릭을 통해 기여한 것

•

‘뷰-스루’ : 조회를 통해 기여한 것

일반적으로 ‘클릭-스루’의 어트리뷰션 윈도우는 ‘뷰-스루’의 어트리뷰션 윈도우 대비 길게 본다.

4-3) 어트리뷰션 모델

기여이벤트가 하나라면 명확하게 특정 채널의 어트리뷰션을 판단할 수 있지만 만약, 2개 이상이라면 기여도는 어떻게 판단해야 할까? 굉장히 빈번하게 발생하는 사례다.

심지어는 3~4개의 기여 이벤트가 발생하는 경우도 있다.

이처럼 여러 개의 어트리뷰션 접점이 발생하는 경우에는 기여도에 대한 판단을 내릴 수 있게 하는 기준이 필요하다. 이를 ‘어트리뷰션 모델’ 이라고 한다.

•

퍼스트 클릭(싱글 터치 어트리뷰션) : 첫 번째 매체의 성과를 100% 인정하는 방식

•

라스트 클릭(싱글 터치 어트리뷰션) : 맨 마지막 상호작용에 기여한 매체의 성과를 100% 인정하는 방식

•

선형(멀티 터치 어트리뷰션) : 모든 매체에 동일한 가중치를 부여

•

타임 디케이(멀티 터치 어트리뷰션) : 시간 흐름에 따라 매체에 다른 가중치를 부여. 가장 최근에 발생한 매체에 높은 가중치 부여

•

U자형(멀티 터치 어트리뷰션) : 시간의 흐름에 따라 다른 가중치를 부여. 가장 최근에 발생한 매체와 가장 먼저 발생한 매체의 기여도에 동일한 가중치 부여

싱글 터치 어트리뷰션 모델은 계산이 단순하지만 결과가 왜곡될 수 있는 문제가 있다.

하지만 기여 이벤트가 많지 않은 경우에는 편리한 방식이다. 실제로, 많은 광고 매체나 어트리뷰션 툴에서 라스트 클릭 모델을 기본으로 채택하고 있다.

멀티 터치 어트리뷰션 모델은 세운 기준에 따라 2개 이상의 채널에 기여도를 분배한다.

4-4) 어트리뷰션 기준을 어떻게 정의해야 할까?

다음의 질문에서 합의된 기준이 필요하다.

•

각 광고 채널별로 어트리뷰션 윈도우를 얼마나 길게 인정할 것인가?

•

클릭-스루와 뷰-스루에 대한 어트리뷰션 윈도우를 다르게 인정해야 할까? 만약 그렇다면 적절한 어트리뷰션 윈도우 기간은 어느 정도인가?

•

모바일 앱 어트리뷰션 윈도우와 동일한 형태로 웹 UTM에 대해서도 기여 윈도우를 인정할 것인가? 만약 인정한다면 얼마나 길게 인정해야 할까?

•

동일한 사용자의 웹 어트리뷰션 로그와 앱 어트리뷰션 로그가 모두 남아있는 경우, 기여도를 어떻게 판단해야 할까?

•

기여 이벤트가 여러 채널에서 발생하는 경우 어떤 어트리뷰션 모델에 따라 판단해야 할까? 싱글 채널 어트리뷰션 모델을 써야 하나, 멀티 터치 어트리뷰션 모델을 써야 하나?

•

마케팅 캠페인의 성과 판단 기준은 무엇이 돼야 할까? 광고수익률(ROAS)? 고객 획득 비용(CAC)? 결제당 단가? 광고수익률은 낮지만 고객 획득 비용이 저렴한 캠페인은 유지해야 하나?

채널 특성을 고려하지 않고 모든 채널에 일관된 기준을 적용하는 것은 좋은 판단이 아니다. 이유는 각 채널마다 노출되는 광고 영역의 크기, 지면의 형태, 타기팅 알고리즘, 사용자층이 모두 다르기 때문에 채널이 가진 특성을 고려하지 않고 일관된 기준으로 정하게 되면 합리적인 판단을 하지 못할 가능성이 크다.

따라서, 데이터 분석 역량이 뛰어나더라도 광고 채널이나 지면에 대한 이해가 전무하면 어트리뷰션 데이터를 제대로 분석하기 힘들다.

4-5) 딥 링크와 디퍼드 딥 링크

딥 링크란 **‘웹에서 모바일 앱 안의 특정 화면으로 바로 이동하는 링크’**를 의미한다. 이때, 사용자가 해당 앱이 설치돼 있어야 한다는 한계가 있다.

이를 보완해서 나온 것이 ‘디퍼드 딥 링크’ 다. 앱이 설치되어 있는 경우는 바로 랜딩 페이지로 이동, 앱이 설치되어 있지 않은 경우는 스토어로 이동하고 설치한 후에는 랜딩 페이지로 이동하게 하는 방식

‘디퍼트 딥 링크’ 는 사용자 경험 측면에서도 아주 좋은 방식이며, 어트리뷰션을 측정할 수 있는 범위가 넓어진다.(UTM 파라미터와 유사하게 파라미터를 추가하여 모니터링할 수 있다)

•

앱스플라이어의 ‘원링크’

•

브랜치의 ‘디퍼드 딥 링크’

•

애드저스트의 ‘트래커가 추가된 원링크’

4-6) 어트리뷰션 관련해서 고려해야 할 이슈들

어트리뷰션을 잘 활용하려면 원칙을 잘 정의해야 하고, 상용 어트리뷰션 툴에 대한 기술적 이해도도 높아야 한다. 또한, 정해진 정답이 없기 때문에 나름의 주관과 철학을 가지고 기준을 세우는 것이 중요하다.

심지어 필요하다면 어트리뷰션 데이터를 Raw data 레벨로 받아서 확인하고 분석할 수도 있어야 한다. 단독으로 보는 것보다 쌓이는 데이터와 결합하여 분석하는 것이 더 많은 인사이트를 얻을 수 있기 때문이다.

예를 들어, 광고 수익률을 살펴본다고 할 때, 어트리뷰션 기간 안의 결제액과 고객 생애 가치 를 함께 고려한다면 신뢰도 높은 분석 결과를 얻을 수 있을 것이다.

5) 고객 유치 정리

많은 회사의 고객 유치과정에서 많이 하는 실수는 기존 채널에 대한 최적화를 고려하기보다 새로운 채널을 찾고 테스트하는 데 지나치게 많은 리소스를 쓰는 것이다.

일반적으로 새로운 채널을 찾는 것보다 기존 채널을 효율화하는 것이 더 좋은 결과를 가져오는 경우가 더 많다.

특히, 채널의 확장은 예산의 문제를 따지기 전에 ‘채널의 포화도’ 를 바탕으로 결정해야 한다.

채널 포화도 확인 방법

•

기존 채널에서의 최적화가 충분히 잘 돼 있는가

→ 최적화가 충분히 이루어졌다면 채널 확장을 고려해도 괜찮다.

•

마케팅 예산이 커져서 기존 채널에서 모두 소화하기에는 비효율적인가

→ 비효율적이라면 채널 확장을 고려한다.

<aside> UTM 파라미터나 어트리뷰션 파라미터가 없는 유입은 Organic 이나 자연 유입이 아니라 ‘미식별’ 트래픽으로 판단하고 최대한 이 비율을 줄여야 한다.

</aside>

<aside> 광고의 세세한 설정이나 기능에 연연해하는 것보다 전체적인 관점에서 마케팅 데이터를 어떻게 통합해서 정리할지에 대해 고민하고 ‘고객’에 대한 폭넓은 이해가 목표라는 점을 간과해서는 안된다.

</aside>

3.3 활성화(Activation)

고객 유치를 통해 데려온 사용자가 핵심 서비스를 사용하게 만드는 것이 중요 포인트다.

1) 활성화의 기본 개념

먼저, 활성화 단계의 핵심은 ‘퍼널에 대한 분석’ 이다. 퍼널 분석은 사용자들이 경험하는 단계를 도식화하고 각 단계의 전환율을 측정, 분석하는 과정으로 진행된다.

다음의 세 가지 요소를 잘 확인해야 한다.

•

핵심 가치를 경험하는 시점과 그곳으로 연결되는 각 단계를 잘 정의했는가?

•

각 단계별 전환율을 어떤 기준으로 측정하는가?

•

코호트에 따른 퍼널별 전환율을 보고 있는가?

2) 퍼널의 세부 단계 정의하기

퍼널 분석을 위해 가장 먼저 해야하는 일은 해당 서비스가 줄 수 있는 핵심 가치를 구체화하고 사용자들이 핵심 가치를 경험하는 정확한 순간을 정의하는 것이다.

핵심 가치는 ‘아하 모먼트’ 또는 ‘머스트 해브’ 라고 부르기도 한다.

핵심 가치는 물론 서비스 제공자의 입장이 아닌 서비스 사용자의 입장에서 정의해야 한다는 점을 주의하자.

회사가 생각하는 가치와 사용자가 경험하는 가치가 일치하는지 확인해보려면

→ 서비스를 홍보하기 위해 주로 사용되는 마케팅 메세지와 사용자 리뷰 등에서 나오는 서비스에 대한 키워드가 일치하는지 확인해보자.

핵심 가치를 정의했다면 이제 핵심 가치를 경험하는 순간까지의 연결 과정을 도식화한다.

서비스에 진입하는 순간부터 핵심 가치를 경험하기까지의 경로를 크리티컬 패스라고 한다.

3) 전환율 측정하기

퍼널 분석의 핵심은 각 단계별로 전환율을 측정하는 것이다.

•

트래픽 기준으로 살펴보기

•

사용자 기준으로 살펴보기

먼저, ‘트래픽 기준’은 노출되는 페이지 횟수로 전환율을 측정한다. 만약 상품페이지가 총 9번 노출되고 그 중에서 결제 페이지가 노출된 횟수가 4라고 한다면 4/9가 전환율이 되는 것이다.

반대로 ‘사용자 기준’은 사용자 관점에서 핵심 서비스를 사용한 사람의 비율로 전환율을 측정한다. 만약 5명의 사용자가 상품페이지에 진입했는데 최종적으로 결제 완료까지 진행한 사람이 4명이라면 4/5가 전환율이 된다.

‘트래픽 기준’ 으로 전환율을 살펴볼 때는 UI/UX 측면의 개선점을 찾는 데 도움이 되는 한편,

‘사용자 기준’ 으로 전환율을 살펴볼 때는 UI/UX 를 포함한 다양한 요소(상품의 매력도, 가격) 의 영향력을 종합적으로 반영하기 때문에 종합적인 성과 판단을 할 경우에 주로 활용된다.

4) 코호트별 전환율 쪼개보기

전체 유저를 대상으로 전환율을 살펴보는 것만으로 발견할 수 있는 인사이트는 제한적이라는 한계가 있다.

전환율 지표는 여러 그룹으로 쪼개서 볼 때 훨씬 강력한 의미를 지닌다. 명확한 개선 아이템을 제안할 수가 있게 되기 때문.

코호트란 ‘공통적인 특성에 따라 여러 집단으로 분류한 사용자 그룹’을 의미하는데, 코호트별로 전환율을 쪼개서 살펴보면 각 퍼널에 영향을 미치는 선행지표를 발견하기 쉬워진다.

퍼널분석의 진정한 가치는 주요 퍼널에서의 단편적인 전환율을 개선하는 데 있는 것이 아니라 전환율에 영향을 미치는 유의미한 선행지표를 발견하는 데 있다.

예를 들어 결제 전환율에 대한 퍼널 분석을 진행한다고 할 때 다음과 같이 다양한 형태로 코호트를 만들어서 전환율을 비교해볼 수 있다.

•

가입 시점에 따라 결제 전환율에 차이가 있는지

•

utm_source , utm_medium , utm_campaign 에 따라 결제 전환율에 차이가 있는지

•

특정 이벤트 경험 유무 에 따라 결제 전환율에 차이가 있는지

•

시간이나 요일, 계절이나 날씨 등 외부 변수에 따라 결제 전환율에 차이가 있는지

•

사용자의 성별이나 나이 등 인구통계학적 정보에 따라 결제 전환율에 차이가 있는지

→ 위와 같이 다양한 코호트에 따라 서비스 개선 방향이나 핵심 유저 타겟팅, 마케팅 채널 운영전략 등 다양한 주제에 대한 인사이트를 얻을 수 있다.

→ 또한 거꾸로 전환율에 차이를 만드는 코호트를 찾아 전환된 사용자와 전환되지 않은 사용자의 이용 차이를 확인해볼 수도 있다.

5) 퍼널의 전환율을 높이는 방법

어떻게 하면 핵심 사용 경험으로 이르는 전환율을 높일 수 있을까? 이는 절대적인 정답은 없지만 일반적으로 사용되는 효율적인 방법들이 있다

5-1. 개인화

서비스의 주요 화면들을 개인화해서 사용자 개개인의 맥락에 맞는 정보를 보여준다면 전환율을 높일 수 있다. 사소하게는 사용자들의 이름을 명시 하는 것부터 최근에 본 상품이나 비슷한 상품을 본 사람들이 구입한 상품 같은 개개인의 서비스 사용 내역을 참고한 데이터를 보여주는 것 등을 예로 들 수 있다.

특히 추천 영역은 개인화의 효과를 크게 볼 수 있는 부분이다. 보통 머신러닝을 활용한 모델링 알고리즘으로 구현하는데 효과적인 추천 서비스를 위해서는 많은 데이터와 역량이 뛰어난 데이터 사이언티스트가 필요하다.

물론, 초기에는 비교적 단순한 추천알고리즘(규칙 기반 추천알고리즘 등)만으로도 큰 효과를 볼 수 있다.

5-2. UI/UX 개선

주요 화면의 디자인을 변경하거나 구성요소를 바꾸는 것은 전환율을 변화시키는 대표적인 방법이다. 물론, 바꿨다고해서 전환율이 좋아지는 것은 아니다.

참고로 디자인 변경 초기에는 적응 기간으로 인해 일정 기간 지표가 낮아지는 것이 자연스러운 현상이다. 일정 시간이 지난 뒤 지표가 안정화되고 좋아진다면 긍정적인 변화인 것이고 회복되지 않거나 정체된다면 좋지 않은 변화인 것이다. 상세한 방법은 A/B 테스트를 참고하자.

5-3. 적절한 개입

흔히 CRM 채널이라고 알려진 이메일, 푸시, 인앱 메세지 등을 적절히 활용하면 주요 단계의 전환율을 높일 수 있다.

장바구니에 상품을 넣어두고 결제하지 않은 사용자에게 푸시 알림을 보내거나, 회원 가입 후 활동하지 않는 사용자에게 일정 기간 사용 가능한 쿠폰을 문자 메세지로 발송하는 것 등이 그 예다.

이때, 주의해야 할 점은 메세지를 발송하는 맥락에 따라 효과가 극적으로 달라질 수 있다는 점이다. 맥락을 잘 반영한 메세지는 굉장한 효과를 볼 수 있지만 잘못 사용된 메세지는 오히려 사용자를 떠나보낼 수 있다.

참고로 푸시와 이메일 발송 비용이 저렴한 편인데, 그렇다고 해서 마구잡이로 남발해서는 안된다. 논타기팅 푸시나 이메일은 굉장히 보수적으로 판단하고 보내야 한다.

6) 활성화 정리

퍼널 개선을 하다 보면 전환율을 높이는 것보다 퍼널에 속한 각 단계의 수를 줄이는 것이 더 효과적인 경우가 많다.

따라서 개별 단계의 전환율 하나하나를 살펴보기에 앞서 서비스 전체 관점에서 필요 없는 단계를 없애거나 통합하는 과정이 반드시 필요하다.

더 나아가 이미 있는 퍼널을 개선하는 것이 아니라 퍼널 자체를 재설계하는 것도 또 다른 대안이 될 수 있다.

온라인 안경 판매 서비스 와비 파커를 그 예시로 들 수 있는데, 일반적인 ‘주문 → 결제 → 배송’ 의 퍼널에서 ‘주문 → 배송 → 결제’ 라는 독창적인 퍼널로 변경하여 구매 전환율을 극적으로 상승시켰다.(주문을 하면 샘플을 배송받고, 착용해본 후 마음에 들면 시력 정보를 입력하여 새 제품을 받을 수 있는 과정이다)

높은 활성화 지표(acquisition)는 이후 리텐션의 좋은 바탕이 된다. 애초에 서비스의 핵심 가치를 경험하지 못한 사용자들이 많은데 높은 리텐션을 기대하기는 어렵기 때문이다.

3.4 리텐션(Retention)

1) 리텐션의 기본 개념

이 단계에서는 활성화 과정을 통해 경험한 핵심 가치를 꾸준히 경험하게 하고, 그 수준을 측정할 수 있는 지표를 정의하고 관리해야 한다.

리텐션은 아주 어렵게 개선하더라도 그 효과가 한참 뒤에나 나타나는 지표다. 대표적으로 잘 하고 있을 때일수록 더 세심하게 측정하고 관리해야 하는 지표에 속하기도 한다. 그렇기 때문에 AARRR 중에서도 가장 개선이 어려운 영역으로 꼽힌다. 하지만, 그만큼 개선했다면 장기적으로 엄청난 효과를 가져오는 지표이기도 하다.

리텐션은 일반적으로 ‘접속’ 이나 ‘로그인’ 을 기준으로 측정한다. 하지만, 이 또한 절대적인 것은 아니다!

꼭 ‘접속’이나 ‘로그인’의 행동이 아니더라도 다음과 같은 유저의 행동이 반복적으로 나타나는지 살펴보는 것도 중요하다.

•

상품 페이지 5개 이상 방문

•

구매하기 클릭

•

구매 완료

•

재구매

•

친구 초대

•

메시지 주고받기

•

콘텐츠 시청

2) 리텐션을 측정하는 세 가지 방법