Popular

Recommend

Recent

recent_thumbnail
GROWTH

그로스 마케팅과 그로스해킹은 뭐가 다를까?

June 18, 2024

그로스마케팅이란?

(1) 그로스(Growth, 성장)를 위한 마케팅(Marketing)

(2) 그로스해킹(Growth Hacking)에서 파생된 마케팅(Marketing)

정답은 둘 다입니다. 기업의 성장을 위해 어떠한 수단이든 동원한다는 해킹(Hacking)의 개념 하에 그로스 마케팅이 속하기 때문입니다. '성장'이라는 말이 모호하게 느껴지지만, 결국 성장은 기업의 수익을 올리는 것이라 볼 수 있습니다. (매출, MAU, 회원수, 앱설치수 등 대다수의 지표가 결국은 수익화를 위함이죠.)

상향 그래프 이미지
우리는 상향하는 그래프를 원하죠.. (마케팅이든 주식이든)

어쩌다 그로스 마케터

그로스 마케터? 그로스 매니저? 그로스 컨설턴트,,. 여하튼 그냥 그로스 뭐시기...

전 지금이야 그로스마케터이지만 그전에는 그냥 마케터였고요. 매출을 올릴 수 있는 모든 활동이 마케팅이라고 생각했고요. 실제로 18년도 글을 보니 다양한 일을 한다고 써뒀네요.

17년도의 사회 초년생 엠제의 일
17년도의 사회 초년생 엠제의 일

지금 와서 보니 신생 브랜드의 브랜드 마케터라고 볼 수 있겠습니다.

  • 채널 관리 > 온라인 유통 채널 관리
  • 콘텐츠 기획 (제품, 광고, 브랜딩) > 자사 채널(owned media:인스타, 블로그)와 상품페이지 기획

크게는 MD와 콘텐츠 마케터, 그리고 광고 운영도 했으므로 퍼포먼스 마케터의 업무가 섞여있던 것으로...

(CS도 하고 재고 관리도 한 것은 안 비밀~)

즉 저는 경험적으로는 그로스마케팅이 성장을 위해 무엇이든 하는 마케팅이라고 생각하는데요! ( MD가 M:뭐든지 D:다한다로 해석된다는 것처럼요.) 신기하게도 그로스마케팅이 뭔지 몰랐어도 열심히 성장에 집착하며 살다 보니 진짜 그로스마케터가 되었습니다.

구글에 그로스마케팅을 검색하면?

그로스 마케팅(Growth Marketing)이란?

성장(Growth)과 해킹이 결합된 단어, 그로스 해킹에서 비롯된 마케팅 방법으로서 고객의 반응에 따라 제품 및 서비스를 수정해 나가는 방식으로 시장이 원하는 제품, 고객이 원하는 커뮤니케이션 채널을 찾아가는 것을 의미합니다. 이렇게 나오네요!

https://www.google.com/search?q=그로스마케팅

그로스 마케팅 구글 검색
그로스 마케팅 구글 검색 결과 페이지

이외 광고 영역을 살펴보고 그 주체나 설명을 보면, 그로스마케팅과 퍼포먼스마케팅의 연관성도 엿볼 수 있네요.

  • 몰로코: 퍼포먼스마케팅 매체, 즉 유상 광고를 운영할 수 있는 매체사입니다.
  • orm-imc.co.kr: 퍼포먼스마케팅을 운영하는 대행사 같네요!
  • 크몽: 마케터들을 연결해 주는 플랫폼입니다. 보통 개인이 많겠죠?
  • 패스트캠퍼스: 마케팅을 온라인으로 학습하도록 강의를 판매하는 플랫폼입니다.

그럼 그로스해킹은 뭔데요?

Growth Hacking: 성장을 위해 모든 수단을 동원하는 것입니다.

그로스해킹이라는 개념은 Sean Ellis와 Andrew Chen에 의해 알려졌는데요. 전통적인 비즈니스(e.g. 제조업 등)에서 분리되어 있던 상품팀과 마케팅팀이 디지털 프로덕트(e.g. 페이스북과 같은 서비스)에서는 경계가 모호해졌고 프로덕트의 성장을 위해 이를 따로 구분하지 않은 그로스팀이 탄생합니다. (e.g. 2008년 페이스북의 그로스팀) 페이스북의 그로스팀이 이뤄낸 성과는 따로 다뤄 보도록 하겠습니다.

(참조) 페이스북 그로스팀의 탄생: 10억 명의 사용자를 확보하는 방법

https://gopractice.io/skills/growth_hacking/

https://gopractice.io/skills/growth_hacking/

비즈니스 프로세스의 변화: 선형에서 원형으로

양승화(전 마이리얼트립 그로스 실장, 현 딜라이트룸 Data Analyst) 님의 '그로스해킹' 책에서 언급된 내용들을 일부 차용합니다. *양승화 님의 브런치 https://brunch.co.kr/@leoyang99

위에서 '그로스'의 탄생이 전통적인 비즈니스에서 최근 디지털 프로덕트의 변화에 의한 것이라 언급했는데요. 그 부분을 비즈니스 프로세스로도 설명할 수 있겠습니다. 과거, 사업을 만드는 과정은 일방향에 가까웠습니다. 기획을 한 후, 그에 맞춰 생산을 하고, 판매를 했죠.

과거 선형 형태의 비즈니스 프로세스
과거의 비즈니스 프로세스는 한 방향으로 향하는 선형이었습니다.

하지만 최근에는 선형이라고 보기 어렵습니다. 유통/판매 측면에서는 '크라우드펀딩'처럼 기획을 하고 판매를 한 뒤 수량에 맞춰 생산을 하는 경우도 있고요. 홈페이지에 썸네일을 여러 개 올려 클릭률을 확인한 후 반응이 제일 좋은 것으로 확정하는 것도 선형보다는 원형에 가깝다고 볼 수 있습니다.

여기서 중요한 점은 사용자의 반응을 확인하는 것입니다.

예약구매, 클릭, 후기 등으로 소비자들의 피드백을 반영, 개선점을 보완하여 상품을 재생산하거나 서비스를 재배포하며 원형의 프로세스를 구성하죠.

사이클 형태의 현재 비즈니스 프로세스
현재 비즈니스 프로세스는 원형에 가깝습니다.

그로스해킹/그로스마케팅의 스프린트(실험)

애자일하게 스프린트 하나 해 보자!

애자일과 스프린트의 개념에 대해서 말하자면 또 하나의 글이 필요하겠지만, 실질적으로 그로스해킹/그로스마케팅 씬에서 해석되는 내용은 가볍고 빠르게 실험 하나 운영해 보자 - 에 가깝습니다. 이 그로스해킹 스프린트는 위의 원형 비즈니스 프로세스와도 매우 유사한데요.

문제를 정의하고 가설을 수립한 뒤 실험을 운영해서 결과를 도출하고 또 그 결과에서 문제를 정의하여... 계속해서 문제에서 개선점을 찾아 실험안을 운영하는 것이 그로스 스프린트입니다. 결국 모든 것은 맞닿아있죠!

그로스 나타내는 사이클 이미지
그로스 스프린트: 문제 정의 > 가설 수립 > 실험 운영 > 결과 도출... (반복)

개념만 얘기하면 모호하니 사례를 말씀드릴게요. 커머스 쿠폰 마케팅 관련 그로스 스프린트 제안 건인데요.

  • (문제 정의) 쿠폰에 의한 매출 비중이 너무 높다! + 데이터 확인
  • (가설 수립) 쿠폰을 써서 구매하면 재구매율이 낮다? + 데이터 확인
  • (실험 운영) 쿠폰을 안 써서 구매했던 사람들에게도 쿠폰을 줘 보자.
  • (결과 도출) 쿠폰을 줬더니 더 많이 객단가가 상승하네?
그로스 해킹: 쿠폰 스프린트 예시
그로스 해킹: 쿠폰 스프린트 예시

왼쪽의 앰플리튜드(Amplitude, Product Analytics)를 통해서 매출에 기여하고 있는 쿠폰 현황을 분석하고 오른쪽의 쿠폰을 통해 구매한 유저와 쿠폰 없이도 구매한 유저를 구분하여 재구매율을 확인해 보는 것입니다.
*하단의 예시 중에는 데이터 확인 부분에 속합니다.

그로스해킹 대표 사례

그로스해킹은 결국 제품/서비스에 어떤 부분에서 사용자의 반응을 통해 문제를 인지했을 때 모든 수단을 총동원해서 이를 개선하는 방식이라고 볼 수 있습니다.

제품의 기획-생산-판매 외에 우리에게 더 친숙하고 유명한 서비스들의 사례를 들어볼게요.

에어비앤비의 그로스해킹 사례

  • 에어비앤비는 숙소 사진의 퀄리티가 올라갈 때 예약률 또한 올라가는 사용자의 반응을 확인하여, 호스트와 포토그래퍼를 매칭하는 프로그램을 도입합니다.
에어비엔비 페이지 이미지
https://medium.com/@etch.ai
https://medium.com/@etch.ai

드롭박스의 그로스해킹 사례

  • 드롭박스는 친구 추천 시, 양쪽에게 베핏을 줘서 빠른 성장을 달성합니다. 초대받은 친구가 가입하면 500MB 저장용량을 줬고 이를 통해 280만 명의 신규 회원을 얻습니다.
드롭박스의 그로스해킹 사례

그로스해킹과 그로스마케팅의 상관관계

그로스마케팅은 그로스해킹에 속하는 개념으로, 그로스를 위해 해야 하는 여러 업무 중 '마케팅'이 주가 될 때 그로스마케팅이라 볼 수 있습니다.

위의 그로스해킹의 대표적인 사례 중, 그로스마케팅에 가깝다고 할 수 있는 것이 바로 드롭박스의 '친구추천'입니다. 친구추천 꽤 자주 보고 계시지 않으신가요? '추천'이라는 기능을 활용하기 때문에 바이럴마케팅의 일환으로도 볼 수 있습니다. 마켓컬리에서도 무신사에서도 볼 수 있네요!

마켓컬리와 무신사의 친구 초대 / 친구 추천 (그로스마케팅, 바이럴마케팅)
마켓컬리와 무신사의 친구 초대 / 친구 추천 (그로스마케팅, 바이럴마케팅)
마켓컬리와 무신사의 친구 초대 / 친구 추천 (그로스마케팅, 바이럴마케팅)

그로스마케팅을 위해 필요한 직무들

그로스해킹, 그로스마케팅은 혼자 하기 어렵습니다.

위에서 언급했던 스프린트 하나에도 필요한 직군이 5명이 필요합니다.

데이터를 보는 데이터 분석가, 서비스의 개선안을 기획하는 기획자, 이를 디자인해 주는 디자이너, 개발로 구현해 내는 개발자, 개선된 기능을 홍보해 주는 마케터까지... 최소 3개~5개의 직무가 협업하여하는 일이죠.

양승화 님의 그로스해킹 책에서는 그로스해킹을 이처럼 정의합니다.

그로스해킹이란...

크로스펑셔널한 직군의 팀원들이 모여서

핵심지표를 중심으로 실험(스프린트)을 통해 배우고

이를 빠르게 반복하며 제품/서비스를 성장(Growth!)시키는 것

그로스해킹 설명 표지

그로스해킹, AARRR, 지표, 스프린트...

낯설지만 가까운 그런 단어들 하나씩 알아가기!

그로스매니저/그로스컨설턴트로 재직하면서 양승화 님의 '그로스해킹'책을 정말 인상 깊게 읽었습니다. 이를 PPT 자료로 만들어 회사 내부적으로 공유회를 열기도 했고요. 앞으로 브런치에 책 내용에 회사(마티니)의 업무, 제 개인적인 경험을 녹여서 계속해서 글을 써보도록 할게요!

그로스 해킹 목차 표지

풀스택 마케팅 컨설팅펌 마티니아이오

https://martinee.io/

원본 포스팅 링크

그로스 마케팅과 그로스해킹은 뭐가 다를까?

recent_thumbnail
FULL FUNNEL

'지표' 대화를 위한 넓고 얕은 지식

June 17, 2024

📊 '지표' 대화를 위한 넓고 얕은 지식 (지대넓얕)

지표에 관해 경험한 여러 이야기를 가져와 봤습니다.

1️. 지표를 많이 본다는 생각을 버리자

인간의 욕심은 끝이 없습니다. 돈은 많이 벌고 싶지만 여유로워지고 싶고, 좋은 지위와 명예도 가지길 원합니다. 하지만 이 모든 것들을 한 번에 이룰 수 없습니다. 차근차근 하나씩 달성 계획을 세워야 합니다. 하물며 개인의 관점에서도 한 번에 할 수 없는데 더 복잡한 비즈니스에서 어떻게 모든 지표가 좋아지길 바랄 수 있을까요. 분명 모든 지표가 중요한 건 맞지만 비즈니스가 처한 상황과 목표에 따라 적절한 지표를 정하는 것이 필요합니다.

2️. 지표는 측정가능해야 한다

'고객들에게 만족을 주는 서비스 만들기'는 좋은 목표이지만 데이터화 하기 어려운 목표입니다. 만족이라는 기준은 매출이 될 수도 회원 수가 될 수도 트래픽이 될 수도 있습니다.

앞의 단계에서 비즈니스의 상황과 목표가 정해졌다면 목표들을 지표화 할 수 있습니다.

3️. 집계, 비율, 비용, 파생

지표를 나누는 방법은 많지만 주로 '집계'와 '비율'로 표현할 수 있습니다.추가로 광고 비용에 대한 효과 관점의 '비용' 지표와 지표의 구성 요소로 나누는 '파생' 지표로 구분할 수 있습니다.

예를 들어

- 오늘 방문한 유저 수 : 집계

- 방문 유저 대비 구매 수 : 비율

- 오늘 방문한 유저의 획득 단가 : 비용

- 방문한 유저는 광고 유저와 자연 방문 유저로 구분 : 파생

역시나 상황에 따라 어떤 형태의 지표를 세우고 바라볼지 정해야 합니다.

4️. 지표는 고정되지 않는다

서비스를 사용하는 사람도 서비스가 있는 세상도 매일 변화하는데 서비스라고 고정적일 수가 없습니다. 그렇기 때문에 데이터 분석과 지표는 닭과 달걀의 관계입니다. 데이터 분석은 지표의 변화로부터 상황을 이해하는 것이고, 데이터 분석의 결과로 우리 서비스에 적절한 지표의 기준들이 다시 수립되어야 합니다.

5️. 우리에게 맞는 지표를 찾기

메타도 구글도 모두 목표 지표가 있습니다. 그렇다면 해당 지표를 우리 서비스에 가져온다면 좋은 지표가 될 수 있을까요?좀 더 이해를 편하게 하기 위해 축구팀의 지표는 골, 슈팅 성공율, 패스 성공율, 점유율 등이 있습니다. 이를 우리 서비스에 가지고 오면 되나요?축구팀과 메타 처럼 다른 서비스의 좋아 보이는 지표도 우리 서비스에 맞지 않을 수 있습니다. 우리 서비스에 맞는 지표를 찾아야 합니다. 토스가 MAU로 비즈니스 성장을 기사에서 표현했다고 하더라도, 우리도 MAU를 쓴다면 [린 분석]에서 얘기하는 허상 지표가 될 뿐입니다.

👉지표는 도달하고자 하는 목표를 가리키는 수단입니다. 절대적 기준이 아닙니다.

원본 포스팅 링크

📊 '지표' 대화를 위한 넓고 얕은 지식

recent_thumbnail
GROWTH

앰플리튜드(Amplitude), 왜 쓰는 걸까?

June 17, 2024

왜 유니콘 스타트업에서는 앰플리튜드를 쓰는 그로스마케터를 구할까?

앰플리튜드란?

웹/앱 서비스 내에서 사용자들의 행동을 분석할 수 있는 프로덕트 애널리틱스(Product Analytics), 서비스 분석 툴입니다.

앰플리튜드(Amplitude) 웹사이트 메인 페이지

마테크 솔루션 중에 프로덕트 애널리틱스, 그 중에 앰플리튜드

앰플리튜드는 프로덕트 애널리틱스(Product Analytics)입니다. 단어가 영어일 뿐, 직역하면 서비스 분석 솔루션/툴입니다. 온라인 비즈니스, 서비스, 프로덕트, 마케팅 서비스들을 도와주는 기능들을 솔루션(Solution)/툴(Tool)이라고 많이 지칭합니다. 특히, 마케팅 쪽에서는 마테크 솔루션(Mar-tech Solution), 마테크 툴(Mar-tech Tool)이라고도 하죠.

2022 마테크 솔루션 Landscape
마테크 툴은 엄청나게 많다....

주요 마테크 솔루션 소개 이미지
주요 툴들은 또 이렇게 나눌 수 있습니다.

구글 애널리틱스보다 '앱'에 좀 더 특화된 솔루션!

가장 유명한 마테크 솔루션으로는 구글 애널리틱스(Google Analytics)가 있습니다. 무료인 만큼 대중성이 높고 자사몰이 있는 웹 서비스를 하신다면 들어보셨을 것입니다. 이전에는 앱이 약하다는 단점이 있었지만, 최근 GA4는 앱까지 커버합니다.

구글애널리틱스(Google Analytics4) 보고서 화면
구글애널리틱스(Google Analytics4) 보고서 화면

GA4가 앱까지 커버한다 해도 아직 앱 분석의 디테일은 앰플리튜드가 강합니다. 즉 GA는 웹(Web)>앱(App), Amplitude는 앱(App)>웹(Web)의 순으로 장점이 있습니다.

또한 구글애널리틱스는 사용자를 서비스 웹/앱에 들어오게 하는 유입에 초점이 맞춰져있습니다. 사용자 획득이라고 하여, UA(User Acquisition)으로도 이야기하는데요. 모든 서비스의 첫 시작이라고 할 수 있습니다.

유튜브를 구독하기 위해서, 무신사에서 상품을 사기 위해서, 밀리의 서재에서 책을 읽기 위해서는 결국 유튜브, 무신사, 밀리의 서재에 유입되어야 하니까요. 즉 목표가 되는 전환을 위해서는 유입이 필수 요건입니다.

일례로 구글애널리틱스는 사용자의 유입을 만들어내는 채널(Organic, Paid, Refferal)의 데이터를 세부적으로 확인할 수 있습니다. (물론 앰플리튜드로도 확인할 수 있습니다.)

  • 오가닉 채널(Organic)은 자연적인 방식으로, 네이버나 구글에 키워드를 직접 검색해서 들어온 경우
  • 페이드 채널(Paid)는 퍼포먼스마케팅와 연계된 방식으로, 페이스북/인스타그램 광고나 네이버 검색 광고를 클릭해서 들어온 경우
  • 추천(Referral)은 링크를 타고 들어오는 경우 등

앰플리튜드 (Amplitude)와 구글애널리틱스(Google Analytics4) 비교표
앰플리튜드가 왜 필요한가요? 앱 분석을 위해 필요합니다.

앰플리튜드는 유입 이후 웹/앱 서비스 내에서의 사용자 여정(User Journey)을 행동(Event)을 기반으로 세부적으로 확인할 수 있습니다.

  • Q1. 사용자가 우리 서비스에 유입된 이후에 직후에 가장 많이 한 행동은 무엇일까?
  • A1. SALE을 눌러볼까, 상품을 검색해볼까, 가입을 할까, 혜택을 볼까?
  • Q2. A 브랜드에서 구매 완료 행동을 N개월에 걸쳐 X회 이상 한 유저들의 특성은 무엇일까?

앰플리튜드의 퍼널(Funnel) 차트
앰플리튜드의 퍼널(Funnel) 차트

UA 관점 (User Acquisition) 이후로 언급되는 것은 리텐션 (Retention)인데요. 첫 방문, 첫구매로 사용자의 행동이 끝난다면 서비스가 장기적으로 살아남기는 어렵겠죠? 이에 따라 두 번, 세 번 방문하고 또 전환되는 재방문과 재구매가 중요합니다.

앰플리튜드는 전환된 사용자들의 행동을 세부적으로 분석하여, 여러 번 방문/전환한 충성 사용자들을 코호트화 할 수 있습니다.

(*코호트: 동일 특성을 가진 사용자의 집단화) 충성 사용자들의 코호트를 분석하여 특성을 파악하고 다른 사용자들이 충성 사용자가 될 수 있도록 유도할 수 있습니다.

즉, 구글 애널리틱스가 UA에 강점이 있는 솔루션이라면 앰플리튜드는 리텐션에 강점이 있는 솔루션이라고도 이야기할 수 있겠습니다. (물론 GA도 Retention을 볼 수 있고, 앰플리튜드도 UA를 볼 수 있습니다.)

앰플리튜드(Amplitude), 개인에게는 왜 필요한가요?

스타트업 쪽에서 데이터 분석 역량을 요하는 직군에게는 우대 사항 혹은 자격 요건이 됩니다. 오늘 기준 원티드에서 찾아본 채용 공고인데요.

여기어때에서 Growth Marketer(그로스 마케터)를 채용하는 공고에 주요 업무로 데이터 분석과 그로스 전략 수립이, 자격 요건에 마케팅 툴 [MMP(Appsflyer, Adjust), Amplitude, Braze, GA 등]에 대한 내용이 기재된 것을 확인할 수 있습니다.

채널톡의 마케팅 매니저 채용 공고 내에도 우대사항으로 세일즈포스(아마 태블로겠죠?), 앰플리튜드 등 데이터 솔루션을 통한 성과 측정이 언급됩니다.

여기어때 컴퍼니 그로스 마케터 채용공고
채널톡 마케팅 매니저 채용공고

결국 더 좋은 앱을 만들어 (수익을 높이고자) 쓰는 솔루션입니다.

왜 앱 데이터를 분석해야 할까요? 더 좋은 앱을 만들기 위해서겠죠. 앱 데이터는 무엇으로 구성될까요? 사용자들의 정보와 행동에 의해서 앱 데이터가 쌓입니다.

즉 사용자의 행동을 분석할수록 더 나은 프로덕트/서비스를 만들 가능성이 높아집니다.

사용자들이 불편을 느끼는 지점이 사용자들이 이탈하는 지점일테고, 불편을 개선하면 이탈률이 낮아지고 잔존율이 높아지며, 잔존율이 높아지면 전환의 대상이 되는 모수가 많아지기 때문입니다. 즉 더 많은 전환을 유도할 수 있게되어 서비스가 목표하는 KPI - 매출이나 회원수 등 - 을 달성할 수 있게됩니다.

앰플리튜드(Amplitude), 회사에게는 왜 필요한가요?

앰플리튜드를 사용하면

여러 종류의 데이터를 한 번에 보여주는 대시보드의 형태를 쉽게 쓸 수 있게 됩니다.

대시보드는 여러 차트의 구성으로 이루어져있는데요.

예를 들어 UA 대시보드라고 하면, 첫방문수 추이(차트1), 가입수 추이(차트2), 첫구매수 추이(차트3), 첫방문을 광고 매체 별로 쪼갠 것(차트1-1) 등으로 구성될 수 있겠습니다.

대시보드 한 판에 여러 지표 보기

이외 데이터에 대한 접근성을 높여서 회사 구성원들의 데이터 기반 의사 결정 (data-driven) 의사결정을 돕습니다. 데이터를 sql, python으로만 추출하는 경우 이 데이터 스킬셋이 있는 사람들만 데이터를 추출할 수 있는데요. Amplitude는 한 번 도입해두면 차트를 그리는 것이 훨씬 쉬워, 원하는 것을 보기도 쉽습니다.

다양한 구성원 간의 데이터 드리븐 의사결정

마지막으로 데이터의 연동이 빠르다는 것 또한 장점입니다. 어제의 매출 데이터도, 오늘 오전의 유입 데이터도 바로 확인할 수 있습니다.

데이터의 빠른 업데이트

앰플리튜드 누가 쓰나요?

마케터와 서비스기획자(PM/PO), 데이터 분석가(Data Analyst), UIUX 디자이너 등 여러 직군에서 활용할 수 있습니다.

언제, 어디에 쓰나요?

전체 구성원들이 함께 확인할 수 있는 KPI 대시보드

마케터가 사용하는 마케팅 대시보드

서비스기획자(PM)이 사용하는 프로덕트 대시보드

디자이너가 사용하는 디자인 대시보드 등이 있습니다.

앰플리튜드의 마케팅 대시보드 샘플
앰플리튜드의 마케팅 대시보드 샘플
앰플리튜드의 이커머스 KPI 대시보드 샘플
앰플리튜드의 이커머스 KPI 대시보드 샘플
앰플리튜드의 콘텐츠 대시보드 샘플
앰플리튜드의 콘텐츠 대시보드 샘플
앰플리튜드의 프로덕트 대시보드 샘플
앰플리튜드의 프로덕트 대시보드 샘플

앰플리튜드 어떻게 쓰나요?

무료 버전이나 구독 모델을 사용해볼 수 있습니다.

앰플리튜드의 플랜 비교표

https://amplitude.com/pricing

앰플리튜드 정규 도입은 한국 공식 리셀러인 AB180/CJ맥소노미를 통해 진행할 수 있습니다. 이후 기획자들의 택소노미 설계와 개발자들의 구현을 통해 도입이 완료됩니다.

앰플리튜드의 존재가 당연해집니다.

앰플리튜드를 한 번 사용하면 없는 것을 상상하기 어렵습니다. 앰플리튜드의 효능을 체감하는 곳들은 많습니다. 29CM, 무신사, SSG, 올리브영 등 '앱'이 중요한 주요 커머스들은 많이들 사용합니다!

(참조) 29CM의 데이터 그로스팀의 데이터 분석가 분이 쓰신 글

목적 조직에서의 DA가 하는 일

앰플리튜드 본사? 리셀러? 컨설팅펌?

앰플리튜드의 한국 공식 판권은 AB180과 CJMaxonomy(CJ맥소노미)가 가지고 있습니다. 제가 재직 중인 마티니아이오(martinee.io)는 컨설팅펌입니다.

마티니의 그로스팀은 Amplitude를 도입할 때 택소노미 설계를 도와주고 데이터 파이프라인을 구축을 지원하며, 대시보드의 기획과 제작을 돕습니다. 즉 앰플리튜드가 '참고서'라고 했을 때 이를 판매하는 서점은 AB180과 CJ맥소노라면, 마티니는 과외 선생님입니다. 어떤 식으로 과외가 진행되는지, 시연을 원하시는 분들은 연락주세요!

원본 포스팅 링크

앰플리튜드(Amplitude), 왜 쓰는 걸까?

recent_thumbnail
FULL FUNNEL

A+AARRR로 지표 바라보기

June 14, 2024

📊 A+AARRR로 지표 바라보기

데이터 분석에 있어 좋은 지표를 수립하는 건 필수적입니다.

다만 문제는 봐야 할 지표가 많기 때문에 어떤 지표부터 봐야 할지 막막한 경우가 많습니다.상황에 적절한 지표를 세우기만 해도 비즈니스 분석 문제는 훨씬 간단해지고 쉬워집니다. 지표가 없다는 것은 고장 난 나침반으로 북쪽을 찾아간다는 것과 똑같습니다.

이러한 관점에서 AARRR 프레임워크는 하나의 가이드가 될 수 있습니다.AARRR은 서비스를 사용하는 유저의 행동 관점으로 나누어 비즈니스 상황을 점검할 수 있게 도와줍니다.

다만, AARRR에는 유입 관점의 광고 지표 단계가 없다 보니 Awareness(인지) 단계를 추가하여 A+AARRR 프레임워크로 각 단계별 주요하게 활용하는 지표, 그리고 지표들의 관계를 아래의 그림처럼 표현하였습니다.

AARRR 지표 로드맵

1️. Awareness (인지)

페이드, 바이럴, 인플루언서 등 다양한 광고를 통해 유저는 서비스를 인지합니다. 고객은 인지에 대한 결과를 검색이나 클릭과 같은 행동으로 표현합니다.

- 광고비 + ROAS

- 노출 + CPM

- 클릭 + CTR, CPC, CVR

2️. Acquisition (획득)

유저가 서비스에 들어오는 순간을 나타냅니다. 유저 획득 관점의 효과를 분석하기 위해 아래와 같은 지표들을 살펴볼 수 있습니다.

- 유저수 + DAU, MAU

- 앱 다운로드 + CPI

- 세션수 + 세션 시간

3️. Activation (활성화)

유저가 서비스를 탐색 하고 서비스를 이해하는 순간을 나타냅니다.

- 페이지뷰 + 이탈율, 종료율

- 회원가입 + 전환율

- 아이템뷰 + 전환율

4️. Revenue (매출)

비즈니스의 최종 목적인 매출을 달성하는 단계를 나타냅니다.구매에 영향을 주거나 비즈니스 건전성 지표들을 활용합니다.

- 거래수 + 거래유저

- 매출 + ARPU, LTV

5️. Retention (재방문)

유저가 서비스를 다시 사용하는 단계를 나타냅니다.상품의 가격이나 특성에 따라 방문이나 구매 주기가 달라질 수 있습니다.

- 리텐션율 + 방문리텐션, 구매리텐션

- 사용주기

6️. Referral (추천)

서비스가 건강하게 성장하기 위해서는 바이럴을 통한 자연유저의 유입이 필수적입니다.바이럴이 잘 되고 있는지 혹은 친구 추천 등의 기능 성과를 판단할 수 있습니다.

- NPS

- WoM

- Viral coefficient

👉 물론 해당 프레임워크와 연결한 지표만으로 비즈니스 문제가 완벽히 해결되지는 않습니다.

다만 무수히 쏟아지는 지표들 속에서 하나의 기준을 세우고 시작해야 할 분석의 방향은 잡을 수는 있습니다.

우선 나침반으로 대략적인 북쪽부터 가리켜보시죠!

원본 포스팅 링크

📊 A+AARRR로 지표 바라보기

recent_thumbnail
GROWTH

태블로 대시보드, 왜 구축하는 걸까?

June 14, 2024

01. 데이터드리븐이 도대체 뭐길래

왜 다들 데이터드리븐을 이야기할까요?

데이터드리븐의 중요성을 논하기 전에, 어제 회의를 떠올려 보면... 회의 때 다들 어떤 이야기를 하고 계신가요?

(As-is) 모호한, 정성적인 이야기들
  • 가입 과정이 복잡해서 회원 수가 정체된 것 같아요.
  • 이번에 리뉴얼한 UI가 사용성이 좀 떨어지는 것 같아요.
  • 새로 나온 상품이 별로라서 매출이 떨어진 것 같아요.
  • 평균 체류시간이 지난주 대비 낮아진 것 같아요.

(To-be) 구체적인, 정량적인 이야기들
  • 가입 과정 중 핸드폰 번호 인증에서 이탈률이 다른 영역 대비 10%p 높아요.
  • UI 개선을 위해 A/B 테스트를 7일 간 운영했는데 개선안의 구매 전환율이 1% p 높았어요.
  • 새로 나온 상품의 클릭률이 기존 상품보다 5%p 낮네요.
  • 평균 체류시간이 지난주 대비 3%p 전월 대비 13%p 감소했네요.

눈치채셨나요?

같은 상황(가입 과정, UI, 상품 매출, 체류시간)에 대해서 이야기하고 있는데 숫자가 더해진 것만으로 내용이 구체적이 되었습니다.

As-is의 상황은 상황 설명과 추측으로만 이루어져 특정 팀을 탓하는 것처럼 들리기도 하네요. (마케팅팀, UIUX팀, 상품팀, 프로덕트팀...에게 잘못을 전가하는 느낌이 묘하게 들죠.) 이에 반해 To-be의 상황은 상황 설명에 숫자가 붙고 비교군이 명확해지면서 문제를 정확히 직시하게 해줍니다.

(To-be) 구체적인, 정량적인 이야기들 > 바로 적용해볼 수 있는 실행방안 도출하기
  • 가입 과정 중 핸드폰 번호 인증에서 이탈률이 다른 영역 대비 10%p 높아요.

✅ 카카오로 간편 가입하면 핸드폰 인증은 필요 없으니, UI에서 카카오를 좀 더 강조한 A/B 테스트해보시죠!

  • UI 개선을 위해 A/B 테스트를 7일 간 운영했는데 개선안의 구매 전환율이 1% p 높았어요.

✅ 개선안 내에서 어떤 영역의 클릭률이 가장 높고 어느 영역에서 이탈하는지 추가 분석해볼까요?

  • 새로 나온 상품의 클릭률이 기존 상품보다 5%p 낮네요.

✅ 클릭률이 높은 상품들의 썸네일들을 모아서 다른 점이 있는지 인사이트 찾고, 이미지 A/B 테스트 운영해보죠!

  • 평균 체류시간이 지난주 대비 3%p 전월 대비 13%p 감소했네요.

✅ 신규 캠페인에 의해서 유입 채널별 비중이 달라졌는지 확인해보고 사용자 특성 및 체류시간 점검해보죠.

CRM 마케터와 PM의 분석
상황을 데이터로 분석하면 어떤 행동을 해야할지 명확해져요!

숫자와 비교군이 더해졌을때 데이터드리븐이 가능해집니다!

구성원 별로 한 상황에 대해 여러 측면의 추측을 하는 것이 아닌, 동일한 시야를 가질 수 있게 되어 의견 교환이 훨씬 원활하고 빠르게 같은 결론에 도달할 수 있죠. 결국 데이터드리븐은 내 머릿속 드리븐이 아닌, 팀장님 머릿속 드리븐도 아닌, 사장님 머릿속 드리븐(....!)도 아닌

우리 모두가 합의할 수 있는 '데이터'를 기반으로 의사결정을 한다는 데에 그 핵심이 있습니다.

데이터드리븐의 중요성은 인지했다면 그 다음은 무엇일까요?

데이터드리븐 의사결정과 그것이 가능해지는 환경을 구축하는 것이겠죠.

02. 데이터를 잘 보기 위해서는?

보통은 엑셀, 구글 스프레드시트, PPT등으로 데이터를 봅니다. 엑셀/스프레드 시트의 단점은 숫자의 나열이기에 표를 해석하기가 쉽지 않다는 것이고 (물론 엑셀로 그래프를 구현할 수 있지만요!) 엑셀/시트를 raw data로 그래프를 그려 PPT에 얹으면 보기는 좋아지만 수작업이 필요하다는 것이 단점입니다.

특히 마케터들은 다수의 광고 매체와 MMP, 내부 DB의 데이터를 함께 봐야하므로 아무리 pivot을 돌린다고 해도 재가공해야하는 rawdata가 꽤나 많고 일간/주간 성과를 정리하는 것이 결국 시간을 왕창 잡아먹는 업무가 되죠.

엑셀/스프레드 시트 피봇 테이블 예시
돌려 돌려 pivot table~!~!~!

그래서 태블로로 대시보드를 구축합니다.

결국 대시보드의 가장 좋은 점은 '자동화' 입니다. 직접 다운로드 받던 데이터들은 API로 호출해서 받아내고, 직접 정제하던 데이터들 또한 미리 정의해둔 데이터 스키마에 의해 분류되어 적재됩니다. 그래프, 필터, 전일/전주/전월 추이 등 형식을 미리 정해두면 데이터가 자동 업데이트되며 값은 채워집니다.

Marketing Dashboard 예시
Data pipeline 예시

Marketing Dashboard 예시
Marketing Dashboard 예시

03. 대시보드를 구축하는 4단계

태블로 대시보드를 제작하기 위해는 4단계의 프로세스가 필요합니다.

환경 점검 > 데이터 수집 > 데이터 저장 > 데이터 시각화인데요.

자세한 내용은 다음 번 글에서 다뤄보도록 하겠습니다!

대시보드를 구축하는 4단계
태블로 대시보드 구축을 위한 4단계

원본 포스팅 링크

태블로 대시보드, 왜 구축하는 걸까?

recent_thumbnail
ACCOUNT PLANNING

퍼포먼스 마케팅에서 좋은 소재 만드는 방법

June 14, 2024

퍼포먼스 마케팅에서 좋은 소재 만드는 방법

좋은 소재 만드는 방법이 있어요?
“아니, 없어요.”
없었어요?
“없어요!!!”
아~ 있었는데?
“아니, 그냥 없어요!!!”

 

맞아요. 없어요.

아니, 좋은 소재 만드는 방법을 논하기 전에 근본적인 물음을 하나 던져 볼까요? 퍼포먼스 마케팅이 뭐죠?

저마다의 정의가 조금씩은 다를 수 있겠지만 ‘광고의 성과를 고도화하기 위한 끊임없는 테스트와 검증의 반복’이라 할 수 있을 것 같아요.

퍼포먼스 마케팅에서 좋은 소재 만드는 방법 메인 썸네일

소재를 게재하고, 성과를 분석하고, 성과에 따라 즉각적으로 대응하고, 새로운 매체를 끊임없이 발굴하고, 타게팅을 변경하고, 예산을 다시 분배하는 등의 총체적인 업무의 반복이 퍼포먼스 마케팅이라고 할 수 있겠지요.

물론 요즘은 많은매체들이 머신 러닝으로 자동으로 최적화합니다. 하지만 데이터를 해석하고, 다음 방향성을 제시하고, 이슈에 대응하는 건 여전히 퍼포먼스 마케터와기획자의 몫입니다. 그렇기에 광고 소재의 성과는 마냥 머신이 열일 하기를 바라는 기도 메타가 아닌 사람, 즉 우리 광고쟁이들의 몫이죠.

그렇기에 우리는모든 방법을 동원해서 모객 단가를 낮추고, 더 많은 타겟에게 도달하고,더 많은 전환을 일으키고, 더 많은 매출을 올리기 위해 노력합니다. 바꿔 말해 KPI라는 데이터를 달성하기 위함이죠. 그렇다면 좋은 소재는 어떤 소재일까요? 당연히 좋은 성과, 즉 목표하는 데이터를 달성하는 소재겠죠?

그래서 우리는좋은 소재와 나쁜 소재를 성과, 즉 데이터에 기반을 두고 구분합니다.

정량적인 구분은 명확하지만, 정성적인 판단은 어려운 상황이죠. 과거 전통적인 마케팅이나 성과를 측정할 수 없는 브랜딩 목적의 광고 소재는 비교적 좋고 나쁨을 구분하기에 용이했다면 지금의 퍼포먼스 마케팅에서의 좋은 소재를 구분하는 건 참 어려운 일입니다.

자, A라는 소재가 있다고 가정해 봅시다. 미적으로 보기 좋고, 디자인이 세련되고, 브랜드의USP를 잘 담고 있는 소재가 있습니다. 광고주께서도 만족스러워합니다. 그런데 막상 이 소재의 데이터를 까봤더니 노출도, 단가도, ROAS도 아주 엉망이네요? 그렇다면 이 소재가 정말 좋은 소재가 맞을까요?

그럼, 반대의 경우,B 소재를 가정해 볼게요. 일정이 너무 촉박한 나머지 퀄리티도 떨어지고, 카피도 뭔가 애매하고, 브랜드 톤 앤 매너와도 어울리지 않는 소재를어쩔 수 없이 게재하게 됐습니다. (실제로 현업에서는 이런 일은 없습니다. ㅎㅎ 적어도 마티니 내에서는 말이죠) 그런데 이게 웬일인가요? 성과가 너무 잘 나오고 있는데요? 그럼 이건 좋은 소재일까요? 나쁜 소재일까요?

참 애매해 보여도 답은 간단합니다.

모로 가도 서울만 가면 된다는 말이 있듯이, 뭐가 됐든 좋은 성과를 기록한 B 소재가 더 좋은 소재가 되겠습니다. 물론 원론적인 말이기 때문에 정답이 명확합니다. 하지만, 이 정답을 달성할 수 있는 명확한 방법은 없는데요. 그렇기 때문에 우리는 ‘정답에 가까울 수 있도록’ 여러 조건을 갖춘 소재를 제작해야 합니다. 그 조건을 하나씩 파볼게요.

 

첫 째, 목적을 담아주세요.

아무리 멋진 카피를 작성하더라도, 아무리 멋지고 예쁜 디자인을 하더라도 광고는 결코 예술이나 작품이 아닙니다. 철저히 상업이고 판매를 촉진하기 위한 수단이죠. 그렇기 때문에 우리는 ‘세일즈’라는 명확한 목적을 담아 광고 소재를 기획해야 합니다.

우리가 목적을 담지 않으면 고객의 입장에서는 “그래서 하고 싶은 말이 뭐야?”라는 느낌이 들겠죠? 쉽게 말해 고객이 우리의 제품이나 서비스를 구매해야만 하는 명분, 그 알맹이가 있어야만 온전히 광고의 기능을 할 수 있고, 나아가 구매까지 연결될 수 있습니다.

 

둘 째, 짧게 말해주세요.

퍼포먼스 마케팅의 플랫폼은 디지털 채널이죠. 디지털 채널의 특성은 과거 전통 매체와는 다르게 휘발성이 강하고, 빠르게 지나가는 경우가 많습니다.

따라서 광고 소재에 집중할 시간적 여유도 적을 뿐더러 타겟 유저의 이목을 끌기도 쉽지 않죠. 그렇기 때문에 되도록 한눈에 잘 읽히도록 간결하게 커뮤니케이션하는 게 유리합니다. 내가 쓴 카피를 소리 내 읽어보고, 비율을 축소해서 작은 지면에서도 한 눈에 읽히는지 스스로 체크해보세요. 별거 아닌 것 같아도 꽤 도움이 된답니다.

 

셋 째, 분명하게 말해주세요.

고객은 생각보다 우리에게 관심이 많지 않습니다. 안타깝지만 사실이죠. 그렇기에 우리는 한 마디를 던지더라도 값지게, 알뜰하게 써야 합니다. 다행히 우리의 광고가 고객에게 도달했다고 생각해 봅시다. 그런데 의미가 불분명해요.

고객은 우리가 전하려는 의미를 탐구하고, 해석하고, 유추하지 않아요. 그냥 빠르게 지나갈 뿐이죠. 그렇기에 우리는 가급적 오인지의 요소 없이, 여러 방면으로 해석될 일 없이 분명하고 정확하게 커뮤니케이션하는 게 중요해요.

 

넷 째, 잘 드러내 주세요.

디지털 플랫폼 뿐만 아니라 어떤 미디어도 오직 ‘광고만을 위한’ 지면은 많지 않습니다. 브라우저 내에도, 옥외 광고판 주변에도, 우리집 거실에 놓인 TV에도 모두 시선을 분산시킬 수 있는 것들것 산재해 있죠.

그렇기에 광고 소재는 가독성과 가시성이 정말 중요합니다. 그래서 소재를 기획할  때도 되도록 노출 지면을 미리 확인하고 해당 지면에 잘 노출되기 위해서는 어떠한 컬러와 레이아웃, 어떤 컨셉으로 노출될지를 예측하고 기획해야 더 나은 성과를 기대할 수가 있습니다. 광고주의 가이드와 매체의 가이드를 해치지 않는 선에서 여러분의 기획력을 마음껏 펼쳐보세요.

 

다섯 째, 듣고 싶은 말을 해주세요.

잘 보이게, 간결하고 정확하게 커뮤니케이션 하더라도 고객의 입장에서는 광고는 그저 광고일 뿐입니다. 그렇기 때문에 그들의 이목을 끌 수 있는 방법은 그들이 듣고 싶어 하는 이야기를 해주는 것이죠.

게임 광고 소재를 예로 들어 볼게요.

‘새로 출시한 우리 게임이 엄청 재미있으니 다운받아보세요!’ 와 ‘우리의 신상 게임을 다운받으면 어마어마한 보상을 드려요!’ 중에 어떤 메시지가 더 높은 성과를 기록할까요?

당연히 팩트의 나열인 전자보다는 유저 입장에서 베네핏이 강조된 후자의 메시지가 더 반응률이 높겠죠? (물론, 이건 단적인 예시일 뿐 모든 상황에서 적용되는 건 아닌 점은 참고해 주세요)

사실 이건 퍼포먼스 마케팅뿐만 아니라 브랜딩 캠페인을 포함한 모든 광고 홍보에 적용이 되는 부분이지요. 하지만 우리는 이 부분을 놓치는 경우가 굉장히 많아서 여러 번 강조해도 지나침이 없답니다.

만들어진 광고 소재를 광고주께 제안하기 전에 한 번 더 체크해보세요. 내가 고객의 입장이라면, 이 광고가 과연 매력적으로 보일까를 말이죠.

물론 이 외에도 갖춰야 할 것들을 꼽자면 여러 가지가 있을 수 있겠지만 기본적으로는 위의 내용들에 충실하면 적어도 정답은 맞히진 못하더라도 실패할 확률은 많이 줄어들 수 있을 거예요.

광고 기획자든, 퍼포먼스 마케터든 누구도 감히 마케팅의 정답을 말할 수는 없을 겁니다. 항상 입버릇처럼 하는 말이지만 우리 광고쟁이들은 정답을 말하는 사람이 아닙니다. 정답이 아닌 것을 정답으로만들어가는 사람들이지요. 데이터를 해석하고, 테스트의 구조를 계획하고, 인사이트를 도출해서 끊임없이 캠페인의 성과를 개선하는 게 우리가 할 수 있는 최선의 노력이자 방법이 될 겁니다.

이 짧은 글이 여러분의 광고 여정에서 조금의 도움이 되길 바랄게요. 고맙습니다.

recent_thumbnail
FULL FUNNEL

Log 설계 = Event 설계 = Taxonomy 설계

June 13, 2024

🤷 '분석을 위한' 데이터는 어떻게 수집해야하죠?

Log 설계 = Event 설계 = Taxonomy 설계

분석을 하다보면 분석을 위한 데이터가 없는 경우가 생각보다 많습니다. 데이터가 있다 하더라도 원하는 형태가 아닐수도 있습니다.이 때 우리가 해야할것은 데이터 수집을 위한 설계서를 만드는 것이고 이를 Log 설계 = Event 설계 = Taxonomy 설계라고 합니다.

Log 설계 = Event 설계 = Taxonomy 설계 설명 이미지

1️. Event는 유저가 하는 '행동'을 의미합니다. (Event = 행동)

2️. '행동'은 분석의 기준인 지표를 의미합니다. (행동 = 지표)

3️. Event는 '지표의 변화'를 측정하는데 활용합니다. (Event = 지표의 변화)

4️. 지표분석을 위해 '행동' & '유저' 속성을 확인합니다. (지표 분석 = 행동 + 유저 속성)

5️. '행동 속성'은 행동 하는 순간의 행동 정보를 의미합니다. - 구매 순간의 행동 정보는 '구매한 상품','구매 브랜드' 등이 있습니다.

6️. '유저 속성'은 행동 하는 순간의 유저 정보를 의미합니다. - 구매하는 순간 유저 정보는 '나이', '성별', '최근구매일' 등이 있습니다.

우리는 유저의 '행동' + '행동의 속성' + '유저의 속성'을 통해 대부분의 분석을 수행할 수 있습니다. 그리고 이 3가지 요소를 Taxonomy 3요소라고 합니다.

🙋️"지난 30일동안 미국에 거주하면서 락음악을 들은 유저의 비율은?"

음악 스트리밍 서비스를 가정했을 때, 위 물음에 답하기 위한 Taxonomy 3요소는 아래와 같습니다.

- 행동 = 음악듣기

- 행동 속성 = 음악 장르(락)

- 유저 속성 = 지역(미국)

👉 여러분 서비스의 데이터 설계는 잘 되어 있나요?

👉 위 방식 외에도 다양한 설계 방식이 존재합니다! 다른 설계 방식들을 공유해주세요!

원본 포스팅 링크

Log 설계 = Event 설계 = Taxonomy 설계

recent_thumbnail
FULL FUNNEL

코호트(Cohort) 분석이 뭐죠?

June 13, 2024

🧩 코호트(Cohort) 분석이 뭐죠?

🙋 Cohort : 유사한 특성을 공유한 집단으로 사용자를 나누어 보는 것

처음 코호트라는 용어를 들었을 때 생소한 용어만큼 개념도 그렇게 와닿지 않았습니다. '유사한 특성을 공유한 집단'이라는 개념이 언뜻 보면 명료해 보이지만 그래서 그걸로 '어떻게?' '왜?' 라는 물음은 쉽게 답을 얻기 어려웠습니다. 돌이켜보니 Cohort라는 분석을 새로운 개념으로 접근하다 보니 어려웠던 것 같습니다. 사실은 그냥 분석의 개념을 그대로 담고 있었는데 말이죠.

분석은 나눌(분) + 쪼갤(석)으로, 현상을 쪼개서 분석 가능하고 이해 가능한 수준으로 만들어 나가는 것을 의미합니다. 집단을 쪼개는 코호트와 유사하지 않나요?

예를 들어 전체 유저의 구매 전환율이 10%인 '재철 커머스'가 있다고 하겠습니다. 이를 신규 고객과 기존 고객으로 나누면 아래와 같이 전체 전환율로는 알 수 없었던 정보가 드러나게 됩니다.

✅ 전체 구매 전환율 : 10%

→ 신규고객 구매 전환율 : 5%

→ 기존고객 구매 전환율 : 15%

그럼 쪼개면 뭘 할 수 있을까요?

위의 예시를 이어서 보겠습니다.

'재철 커머스'에서 여름맞이 프로모션을 진행했습니다. 프로모션을 통해 매출이 늘어나고 구매 전환율이 10% -> 15% 증가하였습니다.

성공적인 프로모션으로 모두가 자축했습니다. 그러나 코호트 분석을 배웠던 마케터는 현상을 신규/기존 고객으로 쪼개보기로 했습니다.

✅ 기존 전환율

-> 프로모션 전환율

→ 신규고객 : 5% -> 6%

→ 기존고객 : 15% -> 22%

놀랍게도 신규고객과 기존고객에서 동일한 효과가 나타나지 않았습니다.

기존고객의 전환율과 매출이 훨씬 개선된 것을 알 수 있었습니다. 확인해 보니 이번에 준비한 프로모션 상품이 기존고객들에게는 매력적이었지만 신규 고객들은 해당 상품의 가격측면에 유인이 되지 않았습니다. 프로모션은 묶음 상품 위주의 객단가 플레이를 했기 때문입니다. 또한 신규고객 향 광고에서도 문제가 있었습니다. 프로모션 페이지로의 유입이 아닌 앞서 언급했던 묶음 상품으로 랜딩이 되다 보니 랜딩 후 이탈이 높아졌습니다.

다음에 동일한 프로모션을 준비했다면 아마 높은 확률로 유사한 매출을 만들지 못했을 겁니다. '재철 커머스'는 신규고객 향 상품과 광고를 통해서 이후의 프로모션 매출을 더 높여 나갈 수 있을 것입니다.

앞서 언급한 프로모션의 성과 쪼개기는 흔히 보는 Cohort 분석의 예시입니다. 코호트 분석은 고객을 나누는 분석 방법을 의미하는 것으로, 우리가 아는 리텐션분석, 세그먼트 분석, 퍼널분석 모두 코호트 분석으로 이해할 수 있습니다. 가장 대표적인 예시로 날짜별로 들어오는 고객들을 나누어서 보는 아래의 그래프를 많이 보셨을 겁니다!

코호트 차트 예시 이미지

코호트 분석을 한다는 건 거창하고 대단한 분석 방법을 하겠다는 것이 아닙니다. 그저 분석의 기초적 방법인 현상을 쪼개는 원리를 따르겠다는 것입니다. 사실 그렇다고 코호트 분석이 쉬운 건 아니지만, 코호트 분석을 잘하는 방법은 딱 하나 있습니다. 어떻게 쪼갤지 더 많이 고민하는 것입니다.

👉 분석이 막막하다면 일단 한번 쪼개보시죠!

원본 포스팅 링크

🧩 코호트(Cohort) 분석이 뭐죠?

recent_thumbnail
FULL FUNNEL

사용자/제품 분석이란?

June 12, 2024

🤷 서비스 분석, 사용자 분석, 프로덕트 분석이 뭐죠?

사용자/제품 분석 설명 이미지

우리는 여러 이유들로 사용자 분석을 합니다!

- 퍼포먼스 마케터는 전환 최적화에 활용할 사용자 특징과 상품을 알기 위해

- CRM은 고객들이 다시 돌아오게 하기 위한 타이밍과 상품들을 알기 위해

- 서비스기획자,PM은 새로 런칭한 기능의 사용성을 측정하기 위해

서비스 분석, 사용자 분석, 프로덕트 분석 등의 용어로 직군이나 산업군마다 서로 다른 이름으로 분석을 수행합니다.

분석 방식이 조금씩 다를 순 있지만 분석 목적은 동일합니다. 결국 '유저'가 '서비스'를 사용하면서 서비스의 최종 목표(구매 or 사용)를 달성하는 이유를 알고 싶습니다.

✅ 사용자들이 서비스를 왜 사용(이탈)하는지

사실 동일한 물음이지만 분석 방향이 조금 달라질 수 있기 때문에 구분하였습니다.

개념과 목적은 간단하지만 막상 '분석 해줘'라고 하면 어디서부터 시작해야 할지 어렵긴 합니다. 분석은 현상을 특정 기준으로 쪼개고 나누어서 보면 쉬워집니다.

크게 아래 3가지 방식으로 사용자를 나눠가면서 분석 하시면 좀 더 쉽게 사용자 분석을 접근할 수 있을 겁니다.

1️. 사용자의 여정 기반 구분

- 서비스 랜딩 to 최종 목표 지점까지 지점별 분석

- 홈 -> 회원가입 -> 상세페이지 -> 장바구니 -> 구매

2️. 사용자의 특성 기반 구분  

- 사용자의 성별, 연령과 같은 데모  

- 사용자의 행동 누적 특성 (지금까지 구매한 브랜드명, 총 누적 구매액, 최근 구매일)

3️. 사용자의 행동 기반 구분

- 회원가입 후 구매하지 않은 유저

- 상품을 3번 이상 본 유저  

- 장바구니에 담고 30일 이내 구매하지 않은 유저

👉 여러분의 서비스에서는 사용자 분석을 어떻게 부르고 어떻게 나누어서 하고 계신가요? 각자 좋은 방법들을 공유해주세요!

원본 포스팅 링크

🤷서비스 분석, 사용자 분석, 프로덕트 분석이 뭐죠?

recent_thumbnail
FULL FUNNEL

데이터 스토리텔링과 LEGO

June 12, 2024

원시 데이터에서 데이터 스토리텔링으로 이어지는 분석 여정은 5개의 단계로 구분할 수 있습니다. 성공적인 데이터 스토리텔링을 위해 각 단계를 이해하고 잘 수행할 필요가 있습니다.

분석의 단계별 특징들을 레고블록으로 비유해서 설명해보려고 합니다.

데이터 스토리텔링 프로세스
데이터 스토리텔링과 LEGO

1) 데이터 수집 : 분석 목적에 맞는 데이터를 수집

2) 데이터 전처리 : 분석에 활용할 수 있도록 데이터를 정리, 변형

3) 데이터 시각화 : 서비스의 현황을 누구나 더 쉽게 모니터링하고 이해할 수 있도록 데이터를 시각화

4) 데이터 분석 : 분석 목표에 맞춰 인사이트를 찾기위해 데이터를 조사

5) 데이터 스토리텔링 : 내러티브와 시각적 자료로 발견한 인사이트 설명

1) 데이터 수집

레고 블록을 모으는 것 = 데이터를 모으는 작업 (source = ebay)
레고 블록을 모으는 것 = 데이터를 모으는 작업 (source = ebay)

오늘날 대부분 조직에서는 데이터를 수집하고 있습니다. LEGO 조각과 마찬가지로 데이터도 다양한 모양과 형태로 이루어져 있으며 데이터의 조합으로 다양한 결과(레고 조립 결과)를 만들 수 있습니다. 다만 데이터나 LEGO 조각을 원시 형태로 남겨두면 저장 공간을 차지하는 것 외에는 다른 목적으로 사용되지 않습니다. 그것들이 적절한 형태로 조합될 때만 의미 있고 유용한 것으로 바뀝니다.

비즈니스는 다양한 데이터 소스로부터 매일 데이터를 쌓고 있습니다. 물리적 서버나 데이터 웨어하우스에 집계되는 이러한 데이터는 시간이 지남에 따라 저장공간을 더 넓혀 갈 것입니다. 우리가 해야 할 것은 쌓여가는 데이터에서 유의미한 결과들을 만들어나가는 고민 일것입니다.

2) 데이터 전처리

레고 블록을 분류하는 것 = 데이터를 적절하게 정리하는 작업 (source = lego.com)
레고 블록을 분류하는 것 = 데이터를 적절하게 정리하는 작업 (source = lego.com)

다양한 LEGO 조각을 무작위로 쌓아두는 것보다 색상, 모양, 크기 또는 기능별로 정리하는 것이 좋습니다. 이 과정에서 LEGO가 아닌 항목이나 부서진 LEGO 조각을 제거할 수 있습니다. 무엇을 만들려는 지에 따라 둘 이상의 LEGO 세트에서 LEGO 부품을 결합해야 할 수도 있습니다.

수집한 데이터를 사용하려면 먼저 유사한 정리, 결합 과정을 거쳐야 합니다. 데이터를 시각화하고, 분석하고, 데이터 스토리로 활용하기 위해 데이터를 사용할 수 있게 만드는 데 상당한 시간과 노력이 소요됩니다.

LEGO를 비슷한 색상 모양 크기로 분류하는 방식은 데이터 Mart를 그리는 것과 유사합니다. 데이터 Mart는 원시 데이터에서 분석 목적에 맞는 데이터들을 따로 분류해서 모아놓은 것으로 데이터 검색과 활용 속도를 높이는 분류 방식입니다. LEGO를 분류하면서 불량을 발견하는 것은 데이터의 전처리 과정에서 이상치, 누락데이터, 중복 데이터 등과 같은 데이터 문제점들을 발견하는 과정과 같습니다.

Garbage In, Gargabe Out 의 이야기처럼 깨끗하게 처리되지 않은 데이터를 가지고 분석을 하게 되면 오리려 분석이 더 어려워지고 적절한 인사이트 도출도 어렵습니다.

3) 데이터 시각화

레고 블록 설명서 = 데이터의 상태를 설명하는 시각화 (source = lego.com)
레고 블록 설명서 = 데이터의 상태를 설명하는 시각화 (source = lego.com)

이제 여러분은 분류된 LEGO 더미를 뒤져 무언가를 만들 수 있습니다. 하지만 색상이나 기능별로 벽돌을 쌓아두었다고 해도 새롭게 무언가를 만드는데는 시간이 오래 걸립니다. 같은 레고 블록을 쥐여주어도 모든 사람이 같은 결과를 만들어 내지는 않습니다.

따라서 LEGO는 해당 블록들로 만들 수 있는 예시 설명서를 제공하고 있습니다. LEGO 블록 내의 특정 크기, 모양, 기능, 색상별로 어떤 상황에 어떻게 활용하면 좋은지 체계적으로 정리되어 있습니다. 설명서를 통해 무엇을 작업해야 할지 결정하기가 더 쉽고 완성물을 만드는 동안 필요한 블록을 빠르게 찾아낼 수 있습니다.

마찬가지로, 데이터 전처리를 통해 시각적 차트와 그래프가 포함된 대시보드를 구성한다면 비즈니스의 현상을 더 쉽게 이해할 수 있습니다. 데이터 시각화를 사용하면 데이터를 보다 명확하게 확인하고 정보를 쉽게 탐색하여 데이터에 숨어있는 단서를 더 쉽게 발견할 수 있습니다.

이러한 시각화는 데이터가 친숙하지 않은 구성원들에게 특히나 효과적일 것입니다. 데이터를 다루거나 시각화를 할 수 없더라도 이렇게 시각화가 구성된 환경하에서 간단하게 도메인 지식을 시각적 정보와 결합하여 인사이트를 도출하기는 훨씬 쉽기 때문입니다. 이러한 환경을 데이터 드리븐 환경이라고 합니다.

4) 데이터 분석

레고 블록으로 결과를 만드는 과정 = 데이터 분석 하기 (source = lego.com)
레고 블록으로 결과를 만드는 과정 = 데이터 분석 하기 (source = lego.com)

데이터 분석 단계에서는 특정 비즈니스 질문에 대한 답을 찾기 위해 데이터 분석의 목적을 잘 정의해야 합니다.

LEGO로 무언가를 만들 때도 무엇을 만들 것인지에 대한 명확한 아이디어가 먼저 있어야 합니다. 자동차, 보트, 비행기를 만들고 싶다면 우선 해당 결과물을 만들 수 있는 데이터 인지 확인하고 하나씩 만들어 나가야 합니다. 자동차를 만들다가 보트를 만들면 이상한 결과물이 만들어질 수 있습니다. 한 번에 하나의 목적에 맞는 결과물에 집중해야 합니다.

대부분의 분석 작업의 결과물은 유의미한 인사이트가 발견되지 않을 수 있습니다. 마찬가지로 LEGO 조립 과정에서 원하지 않는 조립품을 폐기하거나 다른 방식으로 재구성하기는 경우는 흔합니다.

가지고 있는 모든 레고 블록을 활용해서 결과물을 만들지 않는 것처럼 데이터 일부만으로 인사이트를 만들 수 있습니다.

레고 블록 전체로 만들 수 있는 가장 큰 구조물이 있다 하더라도 대부분은 일부 블록으로 부분적인 결과들을 만들어 냅니다. 이처럼 대부분의 분석은 일부 데이터를 활용하여 인사이트를 발견하며 이는 비즈니스의 모든 것을 설명하지는 않습니다. 우리가 하는 분석과 인사이트는 LEGO 구조물의 하위 조립품과 유사합니다.(레고로 집을 만든다고 한다면 지붕 조립물과 같은 중간 결과물이 분석의 결과물과 유사합니다)

LEGO를 사용하는 친구 혹은 부모 등 누군가를 위해 만들수도 있습니다. 이처럼 데이터 분석을 우리의 사용 목적 외에도 관리자, 팀, 부서, 회사 등 다른 사람에게 이익을 주기 위해 그들의 사용 목적에 맞춰 분석을 수해하는 경우가 많습니다. 주요 이해관계자의 관심 사항이나 요구 사항을 더 많이 알수록 분석의 목표가 더욱 명확해지고 인사이트의 가치도 높아집니다.

5) 데이터 스토리텔링

레고 블록의 결과물을 가지고 노는 것 = 데이터 인사이트로 스토리텔링 하기 (source = lego.com)
레고 블록의 결과물을 가지고 노는 것 = 데이터 인사이트로 스토리텔링 하기 (source = lego.com)

LEGO 블록을 통해 최종 결과물을 조립하더라도 그 자체로서 의미가 있지 않습니다. 다양한 조립물로 아이들이 이야기를 만들며 가지고 놀때 조립물은 그제야 매력적인 결과물이 되는 것입니다. 하나의 조립물보다 여러 조립물들이 합쳐졌을 때 이야기는 더욱 풍성해지고 놀이는 더욱 재밌어집니다.

마찬가지로 일련의 데이터 분석과 인사이트도 이들을 하나로 묶는 포괄적인 이야기 전개가 없으면 불완전할 것입니다. 숫자에 관련된 맥락과 의미를 이야기해야 비로소 청중은 인사이트의 진짜 의미를 깨달을 것입니다.

데이터스토리텔링은 레고를 만드는(데이터 분석 과정의) 마지막 단계입니다. 데이터 스토리의 가치는 각 단계에 따라 달라집니다. 데이터 스토리를 효과적으로 전달하지 못하면 이전 작업이 모두 물거품이 될 수 있습니다. 반대로 각 단계가 잘 수행되지 않는다면 마지막 데이터스토리텔링 단계도 매력적인 이야기를 만들 수 없습니다.
LEGO 구축과 데이터 스토리텔링 모두 계획, 창의성, 세부 사항에 대한 다양한 해결 기술을 요구합니다.

데이터 분석 과정을 레고에 비유한 다양한 자료들이 있습니다(출처 참고) 모두 각자의 방식으로 과정들을 설명하고 있으며 이를 참고하여 지금의 분석 환경에 맞는 예시들과 내용을 수정해 새롭게 정리하였습니다. 혹시나 관련한 내용이 궁금하신 분들은 출처에 있는 링크를 참고해주세요 😄

원본 포스팅 링크

데이터 스토리텔링과 LEGO

recent_thumbnail
FULL FUNNEL

차트를 보는 순서가 있으신가요? | 시각화 커뮤니케이션

June 11, 2024

📊 차트를 보는 순서가 있으신가요? | 시각화 커뮤니케이션

--

사람은,텍스트로부터 정보를 얻을 때 시선의 이동과 정보를 얻는 방식이 정해져 있습니다.

텍스트 정보 획득 순서 설명

✔️왼쪽에서 오른쪽으로

✔️위에서 아래로

이와 달리, 차트로부터 정보를 얻을 때는 시선의 이동 경로가 사용자마다 모두 다릅니다.

다만 몇 가지 시선이 시작하는 지점이 있다면 아래와 같습니다.

차트 정보 획득 순서 설명

✔️ 차트의 색상이 강조된 지점

✔️ 차트의 변화가 큰 지점

✔️ 차트의 기울기 변곡점

✔️ 차트의 교차점

✔️ 차트의 이상치

✔️ 차트의 최대점/최소점

우리의 눈은 시각 정보에서 의식적 경로가 아닌 시각적 자극이 더 높은 지점을 따라 무의식적으로 자연스럽게 시선이 이동하게 됩니다.

따라서 차트의 정보를 제공하는 관점에서 차트 제목과 설명하는 내용도 중요하지만 전달하려는 차트의 중요 인사이트가 시각적으로 눈에 띄게 하는 것도 매우 중요합니다.

이러한 시각적 정보를 획득하는 특징을 이용하면 차트를 이용해 사용자에게 메시지를 더욱 효과적으로 전달할 수 있습니다.

--

👉 여러분들의 차트를 보는 순서는 어떤가요?

👉 여러분들의 차트는 중요 정보를 잘 강조하고 있나요?

원본 포스팅 링크

📊 차트를 보는 순서가 있으신가요? | 시각화 커뮤니케이션

recent_thumbnail
FULL FUNNEL

비즈니스 분석을 위한 기초 통계

June 11, 2024

📈 비즈니스 분석을 위한 기초 통계

통계는 데이터 분석에 필수지만 항상 어려운 것 같습니다. 비즈니스에서 가장 많이 사용하는 통계와 간단한 예시로 비즈니스에서 통계를 활용하는 방법을 알아보겠습니다.

우리가 흔히 사용하는 평균값부터 가설 설정까지 사실 많은 것들이 통계적 지식을 필요로 하고 있습니다.

데이터 분석가에게 통계는 필수적인 역량입니다. 물론 데이터 분석가가 아니더라도 데이터를 다루는 많은 영역에서 통계는 데이터를 이해하는 중요한 무기가 됩니다.

데이터 분석을 위한 통계 Overview

우리가 비즈니스에서 사용하는 통계 영역은 응용통계(Applied Statistics) 분야입니다. 응용통계 하위 에는 추론통계기술통계로 나누어집니다.

1. 추론 통계 (인과분석)

- 수집한 데이터로부터 현상을 이해하기 위해 데이터의 발생원인을 추정하는 방법입니다.

- 관측된 형태나 효과의 재현성 평가. 유의성 검정, 신뢰구간 추정 등의 통계적 추론을 하는 분석 방법입니다.

- 일반적인 순서 : 가설 설정 -> 실험 -> 통계분석 -> 가설 검증(지표 확인)

2️. 기술 통계 (상관분석)

- 여기서 말하는 기술은 테크니컬 기술을 의미하는 것이 아니라 무언가를 설명하고 서술하다의 기술을 의미합니다. 즉, 현상을 설명하고 이해하려는 데 사용합니다.

- 원 데이터(Raw data)를 가지고 데이터를 탐색하고, 데이터의 특징과 구조로부터 얻은 정보를 바탕으로 자료의 특성을 확인하는 분석입니다.

- 가설을 미리 세우지 않고 전체 데이터를 탐색적으로 해석하는 접근법입니다.

- 일반적인 순서 : 데이터 수집 -> 시각화 탐색 -> 패턴 도출 -> 인사이트 발견

🆙 추론 통계와 기술 통계를 활용한 그로스 모델링

추론 통계와 기술 통계를 활용한 그로스 모델링

✔️ 비즈니스를 성장시키기 위해서는 실험을 기반으로 한 다양한 분석이 이루어져야 합니다. 그리고 중요한 건 이러한 사이클을 지속적으로 반복하는 것입니다. 이러한 성장 방법론을 그로스 모델이라고 하며 여기에는 앞서 살펴봤던 '추론통계'와 '기술통계' 2가지가 녹여져 있습니다.

✔️ 실험의 가설설정을 위한 통계는 기술통계(탐색적 데이터 분석)를 활용합니다. 예를 들어 유저가 특정 화면에서 이탈을 많이 한다는 것을 다른 화면 '평균' 대비 낮다는 것으로 정의합니다. 또한 빈도수를 기반으로 한 '히스토그램(분포)'으로 특정 화면의 기능이 어떤 빈도로 활용되는지를 확인해서 해당 기능을 강조하는 실험을 위한 재료로 활용할 수 있습니다.

즉, (기술 통계) 분석을 통한 인사이트 도출과 이를 활용하여 서비스 개선을 위한 가설 설정을 하는 것을 의미합니다.

✔️실험은 A/B 테스트와 같이 서비스의 주요 지점을 개선하는 활동들을 의미합니다. 특정 화면의 UI를 변경하는 테스트를 한다고 했을 때 우리는 A화면이 B화면보다 좋다는 것을 가설 검정이나 P-value 등과 같은 추론통계(확증적 데이터 분석 방법론)로 실험의 통계적 유의미를 확인합니다.

--

🌟 생각보다 비즈니스 분석에서 예측을 제외하곤 깊이 있는 통계를 요구하지는 않습니다. 평균과 분포와 같은 기본적 기술 통계만으로도 우리는 데이터의 인사이트를 충분히 도출 할 수 있습니다.

멋진 통계 기술보다 기본적 통계를 활용한 분석부터 시작해 보시죠! 통계를 너무 어려워하지 마세요!

원본 포스팅 링크

📈 비즈니스 분석을 위해 기초 통계

recent_thumbnail
FULL FUNNEL

우리 서비스의 어떤 지점이 문제일까? | 퍼널 분석 | Funnel analysis

June 10, 2024

📊 우리 서비스의 어떤 지점이 문제일까? | 퍼널 분석 | Funnel analysis

서비스를 사용하는 사용자의 여정을 이해하는 것은 매우 중요합니다. 서비스의 목표를 향해 유저는 다양한 경로로 서비스를 탐색하고 이동합니다.

대부분의 서비스 목표는 구매입니다. 다만, 서비스 내 기능이라는 관점에서 목표는 더 세분화 될 수 있습니다. 회원가입 단계, 검색 단계, 이벤트 페이지 단계 등 다양한 단계가 있습니다.

각 단계는 사용하는 고객으로부터 기대하는 최종적인 목표가 있다는 공통점이 있습니다.

회원가입을 예를 들면 회원가입 완료가 최종적인 목표이고, 해당 단계를 완료하기 위해 회원 & 로그인 페이지 진입 > 회원가입 페이지 도달 > 회원가입 정보 기입 등의 단계가 있습니다.

이제 단계를 정의했다면, 해당 단계의 최종 목적인 회원 가입 완료율을 올리기 위해 단계를 개선하는 다양한 방법을 고민하고 분석해야 합니다. 이때 가장 기본이 되는 분석 방법 중 하나는 퍼널 분석입니다.

각 단계를 진입하는 사용자 대비 다음 단계로 얼마 만큼의 유저가 이동하였는가를 보고 어떤 단계가 사용자의 이동에 문제가 있는지를 '단계별 전환율'이라는 지표로 확인을 하는 방법입니다.

퍼널 분석의 기초가 되는 5가지 고려 요소는 아래와 같습니다.

5가지 퍼널 분석 방법 및 시각화
*5 Funnel Analysis Ways

1️. 주요 이벤트 정의

↳ 개선을 위한 퍼널 단계와 단계의 주요 KPI 정의

서비스의 어떤 지점을 분석항지 정의 후 각 퍼널 별 주요 이벤트를 정의합니다.

e.g. 상품보기>장바구니>구매시작>구매

2️. KPI 분석 3요소

↳ 절대량, 비교, 트렌드

주요 지표를 평가하기 위해 측정 기간의 지표 집계 & 이전 기간대비 지표 증분, 집계 기간의 데이터 트렌드를 보면서 KPI를 평가합니다.

3️. 퍼널 시각화

↳ 단순 숫자보다 시각화는 더 극적인 효과를 보여줍니다

주요 퍼널의 전환 수치를 시각화하여 서비스 개선과 집중이 필요한 단계를 직관적으로 확안합니다.

4️. 직전 단계 대비 이탈

↳ 퍼널 단계 / 퍼널 전 단계

직전 퍼널 단계 대비 다음 단계의 이탈율을 점검합니다. 동일 기준으로 단계별 실질 이탈율을 비교하여 문제 지점을 명확하게 정의합니다.

5️. 퍼널 진입 대비 이탈

↳ 퍼널 단계 / 퍼널 최초 진입 단계

퍼널 시작점 대비 단계별 이탈율을 점검하고 최종 진입 대비 이탈은 퍼널에 대한 전체 전환율을 의미합니다. 퍼널 단계별 유저수를 함께 보면서 비율과 절대량을 동시에 확인합니다.

원본 포스팅 링크

📊 우리 서비스의 어떤 지점이 문제일까? | 퍼널 분석 | Funnel analysis

recent_thumbnail
FULL FUNNEL

Retention 지표 설계를 위한 4가지 요소

June 10, 2024

"우리 서비스의 고객은 얼마나 남아있나요?"

얼마 전 알고 지내는 마케팅 팀장님으로부터 고민이 있다고 해서 연락을 받았습니다.

그리고 물어보시던 질문은 '우리 서비스로 획득되는 고객이 얼마나 남아있는지 의사결정자분이 물어봐서 리텐션율을 포함한 다양한 지표들로 설명하였지만 제대로 설득이 되지 않아서 어떻게 해야 할지 고민이다' 라는 얘기였습니다.

막상 얘기를 들었을 때는 충분히 잘 설명하고 있는것 같은데 왜 설득이 되지 않을까 라는 궁금증을 가지게 되었습니다. 아마도 리텐션이라는 지표가 가지는 숨은 의미를 풀어서 다 설명하지 못했던 게 원인이라고 생각했습니다.

--

🌟 리텐션의 의미를 풀어보자면

많은 기업에서 '서비스를 사용하는 고객이 얼마나 남아있는지' 를 수치로 나타내기 위해 리텐션이라는 지표로 표현합니다.

리텐션은 내 서비스로 들어온 고객이 특정 기간 이후 다시 돌아오는 비율을 나타낸 지표입니다.
📄 이번 달 100명이 들어왔고 다음 달 그 중 50명이 다시 왔다면 : M+1 리텐션 50%

리텐션은 서비스의 건전성을 측정하는 강력한 지표입니다. 다만 문제는 리텐션으로 우리 서비스의 고객이 얼마나 남아있는지는 알 수 있지만 '서비스가 명확히 성장합니다' 를 확정 짓기 위해서는 몇 가지 기준과 지표가 더해져야 합니다.

--

🤷 M+1 10% 리텐션은 좋은건가요?

예를 들어 어떤 서비스의 리텐션을 구매 기준 한달 후 (M+1 리텐션)로 정했다고 하겠습니다. 그리고 해당 리텐션이 10% 라고 한다면 해당 리텐션은 좋은 건가요?

이 지표가 좋고 나쁨을 알기 위해서는 유저 획득 단가(CAC)유저로부터 얻게 되는 LTV 기준을 먼저 확인해야 합니다.

리텐션이 중요한 이유는 획득한 유저들이 지속적으로 우리 서비스를 이용하고 그 고객들로부터 얻게 되는 가치가 계속 더해진다는 것입니다.

📄 100명의 고객이 첫 달 만든 매출 100만원 + 100명중 10명이 다음 달 남아서 만든 매출 20만원 = 100명이 만든 누적 매출 120만원 = M+1 LTV = M+1 10% 리텐션의 가치

--

그러면 중요한 것은 최초에 유저를 획득하는데 들어간 비용이 회수되고 이를 상회하여 비즈니스를 건전하게 하는 지점이 어디인지를 아는 것입니다.

예를 들어 유저를 평균 10만 원에 데리고 왔다면, 해당 고객으로부터 이익이 나는 BEP 시점은 해당 유저가 반복 구매를 하면서 최소 10만원의 매출총이익이 발생하는 시점이 될 것입니다.
(여기서 BEP는 마케팅 비용으로만 계산하였지만 운영비와 쿠폰비 등 다양한 요소가 더해져야 합니다.)

만약 BEP 시점이 유저 획득 후 60일 이라면 이제 리텐션의 목표 지점은 M+1 이 아니라 M+2 or M+3을 기준으로 해당 지점의 리텐션율의 월별 트렌드를 확인하면서 그래프가 우상향하는지를 확인하면 됩니다.

그러면 이제 우리 고객의 획득단가를 넘어서는 지점이 개선되고 있고 이를 통해 비즈니스가 비로소 안정적으로 성장하고 있다고 얘기할 수 있습니다.

📄 이를 투자회수기간 Payback Period라고 부릅니다.

리텐션(Retention) 지표 설계를 위한 4가지 요소

--

이제 앞서 구한 CAC, LTV, Payback Period를 더해서 리텐션을 말한다면 의사결정자의 입장에서 좀 더 이해 가능한 지표가 완성될 것입니다.

아래 2가지 예시를 보면 비교가 더 쉬워집니다.

1️. "우리 서비스의 M+3 리텐션은 10% 입니다"
2. "우리 서비스의 유저 획득 단가는 3만 원입니다.
해당 유저를 통한 매출 총이익이 3만원이 되는 시점은 유저 획득 이후 평균 90일이 소요됩니다. 따라서 우리 서비스의 M+3 리텐션 10%는 BEP가 만들어지는 최소 기준이며 최근 6개월 기준 M+3 리텐션이 지속 우상향하면서 서비스가 안정적으로 성장하고 있습니다. 앞으로 M+3 리텐션에 긍정적인 영향을 주는 마케팅 요인을 찾고 개선하는 활동을 하도록 하겠습니다."

--

👉 여러분들의 리텐션은 잘 정의되어 있나요?

원본 포스팅 링크

Retention 지표 설계를 위한 4가지 요소

recent_thumbnail
FULL FUNNEL

그로스 마케팅 | 비즈니스 분석 | 유저 여정 분석 | Mar-tech

June 6, 2024

그로스 마케팅은 데이터를 활용하여 비즈니스 & 서비스를 개선시키는 마케팅 활동을 의미합니다.

그로스 마케팅에는 중요한 관점들이 많이 있지만 결국 서비스를 사용하는 유저의 여정과 그로부터 획득하는 데이터 2가지 관점으로 나눌 수 있습니다.

데이터는 획득과 저장 활용 관점에서 다양하게 도움을 주는 Solution들이 있으며 이를 Marketing + Tech = Mar-tech solution 이라고 부릅니다.

이러한 구분과 분석은 이후에 마케팅 액션과 전략에 대한 효과적 접근 방법이 됩니다.

그로스 마케팅 & 마테크 Landscape
*Growth Marketing & Mar-tech Landscape

✅ 유저 여정


1. Stage

↳ AARRR 프레임워크를 활용하여 유저를 서비스 인지와 획득, 활성화, 매출, 재방문, 추천 단계로 구분할 수 있습니다. 이외에도 다양한 프레임워크로 유저 단계를 구분할 수 잇습니다.


2. User Action

↳ 각 단계별로 중요하게 획득하는 유저의 행동들이 있습니다. 이를 각 단계별 주요 KPI로 볼 수 있습니다. 그리고 각 KPI를 기반으로한 분석과 액션을 진행할 수 있습니다.


3. Marketing

↳ 각 단계별로 맞춤화하여 효과를 높일 수 있는 마케팅 방법론들이 다양하게 있습니다.


✅ Mar- tech


1. Data Source

↳ 데이터를 최초에 수집하는 단계로 데이터 소유와 활용 관점에서 1st, 2nd, 3rd party solution으로 나눌 수 있습니다. 흔히 알고 있는 GA, MMP, CRM 솔루션은 3rd party solution으로 분류되며 각 단계별로 수집과 활용에 최적화되는 솔루션들이 달라집니다.


2. Data Warehous

↳ 앞서 수집된 데이터를 저장하는 단계입니다. 각 데이터는 여러 데이터 소스로부터 취합되기 때문에 적절한 처리를 통한 데이터 통합과 연결이 필요합니다. 이를 위해 Data Warehouse를 활용하여 데이터 ETL 과정을 진행합니다.


3. Data Analysis

↳ 이제 준비된 데이터를 가지고 Python, R, Excel 등과 같은 분석 solution으로 데이터를 탐색하고 인사이트를 도출합니다. 앞서 우리는 여러 단계로 수집되는 데이터를 통합하였기 때문에 통합 마케팅 관점의 분석이 가능해집니다.


4. Data visualization

↳ 데이터 분석을 통해 유의미한 인사이트가 발굴되었거나 각 단계별로 주요 KPI의 흐름을 직관적이고 빠르게 확인하기 위한 시각화 작업을 합니다. 이를 통해 구성원 누구나 데이터에 접근하고 데이터를 바라볼 수 있습니다.


5. Data-Driven

↳ 최종적으로 모든 단계를 마치면 조직에 데이터 기반의 의사결정을 할 수 있는 환경이 만들어집니다. 이를 Data-driven 환경이라고 합니다.

원본 포스팅 링크

📊 그로스마케팅 | 비즈니스 분석 | 유저 여정 분석 | Mar-tech

recent_thumbnail
FULL FUNNEL

고객관리 분석 | 파레토 분석 | ABC 분석

June 5, 2024

📈 고객관리 분석 | 파레토 분석 | ABC 분석

커머스의 경우 다양한 브랜드나 카테고리, 상품을 서비스 하는 경우가 많습니다.

만약 그 중 우리가 서비스하는 브랜드 가지수가 소수면 브랜드 관리에 큰 문제가 없지만 100개 혹은 1000개 이상 많은 브랜드를 가지고 있다면 모든 브랜드를 동일하게 관리하는 것은 어렵습니다.

이 때 집중해야 하는 브랜드와 아닌 브랜드를 통계적으로 나누는 방법을 쓴다면 좀 더 효과적으로 매출을 관리할 수 있습니다.

🔤 ABC 분석은 통계적 방법으로 전체 집단을 A,B,C 그룹으로 나누어 관리효율을 높여 매출 효과를 높이는 분석 방법입니다.

ABC 분석에서 그룹을 나누는데 활용하는 방법은 파레토 법칙 입니다. 때문에 파레토 분석이라고 부르기도 합니다.

파레토 ABC 분석 - Target % 0.8
*Target % 0.8

파레토 ABC 분석 - Target % 0.5
*Target % 0.5

파레토 법칙은 20% 소수가 80% 다수에 영향을 준다는 법칙입니다. 해당 법칙을 활용하여 80% 매출을 발생시키는 소수의 브랜드를 최우선 관리그룹으로 분류하고 나머지 그룹을 95% 기준으로 구분하는 방식입니다.

🔵 A 그룹 : 매출 누적기준 80% 발생시키는 상위 브랜드 그룹 A

파레토 ABC 분석 - 매출 누적기준 80% 발생시키는 상위 브랜드 그룹 A
*그룹 A

🟡 B 그룹 : 매출 누적기준 80% 이상 95% 미만 발생시키는 일반 브랜드 그룹 B

매출 누적기준 80% 이상 95% 미만 발생시키는 일반 브랜드 그룹 B
*그룹 B

🟠 C 그룹 : 매출 누적기준 95% 이상 발생시키는 하위 브랜드 그룹 C

파레토 ABC 분석 - 매출 누적기준 95% 이상 발생시키는 하위 브랜드 그룹 C
*그룹 C

이렇게 브랜드를 매출기준으로 세분화하여 A 그룹에 집중한 매출 전략을 구현한다면 B그룹이나 C그룹에 대한 동일 관리 대비 높은 매출을 기대할 수 있습니다.

👉 예시는 브랜드 하나만 활용하였습니다. 이를 카테고리나 상품 혹은 고객 분류에도 활용해 볼 수 있습니다.

👉 파레토 분석을 활용하여 여러분의 서비스에 맞는 최적화 방식을 고민해보세요.

시각화는 루커스튜디오를 통해 만들어봤습니다. 추후에 필터나 대화형 시각화를 위한 추가적인 기능들이 좀 더 더해질 것 같습니다.

📊 BI : 루커스튜디오 / Lookerstudio

원본 포스팅 링크

📈 고객관리 분석 | 파레토 분석 | ABC 분석

recent_thumbnail
FULL FUNNEL

루커스튜디오 신규 릴리스 : 📅 타임라인 차트

June 4, 2024

루커스튜디오 신규 릴리스 : 📅 타임라인 차트

루커스튜디오 신규 릴리스 : 타임라인 차트 예시 이미지

👉 구현방법

프로모션 시작날짜, 종료날짜, 프로모션 이름만 있다면 간단하게 구현가능 합니다.

🙋 활용 방법

커머스 뿐 아니라 프로모션이 빈번한 서비스에서는 다양한 프로모션이 진행되기도 하고 심지어 겹쳐서 진행되기도 합니다.

프로모션은 매출에 직접적인 영향을 주는 중요한 요소이기 때문에 프로모션에 대한 매출 영향도를 잘 분석해서 프로모션 효과를 지속적으로 높여나가야 합니다.

다만, 앞서 말한 것처럼 여러 개가 동시에 진행되는 프로모션의 매출과 영향도를 구별해서 보는 것은 쉽지 않습니다.

아래의 루커스튜디오 차트를 활용하면 프로모션에 대한 타임라인을 간단하게 시각화할 뿐 아니라 각 프로모션 주요 지표도 동시에 확인 가능합니다.

차트 내 필터 클릭 시 발생하는 기능 오류가 있긴 하지만 추후 차트에 대한 완성도가 높아진다면 날짜별 액션에 대한 성과분석이 중요한 프로모션 & CRM 마케터 분들에게 유용한 방식이 될 것 같습니다.

원본 포스팅 링크

루커스튜디오 신규 릴리스 : 📅 타임라인 차트

recent_thumbnail
FULL FUNNEL

KPI 대시보드 | 루커스튜디오

June 3, 2024

KPI 대시보드 | 루커스튜디오

루커스튜디오 KPI 대시보드 메인 썸네일

비즈니스의 주요 지표를 파악하고 데이터 기반 의사결정을 하는 것은 매우 중요합니다.

다양한 기업들을 대상으로 데이터 드리븐 환경 구축을 목적으로 데이터 대시보드를 만들고 있습니다.

그 중 무엇보다 우선적으로 구축하는 것은 비즈니스 주요 지표를 한판에 보면서 전반적인 흐름을 살펴보는 KPI 대시보드 입니다.

KPI 대시보드를 구축하는 방법은 다양하지만 중요한 기준 중 하나는 지표의 표현 방식입니다.

비즈니스 주요 지표는 집계된 숫자로는 그 의미를 한눈에 알 수 없습니다.
(e.g.오늘의 매출 100만원)지표가 데이터로서 충분한 의미를 가지기 위해서는 비교와 비율이 필요합니다.

만약 해당 지표가 시계열 데이터라면 트렌드까지 더해주면 더욱 완벽한 지표 기준이 될 수 있습니다.

예를 들어 아래와 같이 해석할 수 있게 분석과 대시보드가 구성되어야 합니다.

"오늘 매출 100만원은 전일대비 30% 상승한 수치입니다. 다만 최근 1주일 트렌드 기준 하락추세이기 때문에 추가적인 매출 상승 전략이 필요합니다."

해당 내용을 담은 대시보드가 궁금하신 분들은 아래 링크를 확인해주세요.

📑 대시보드 보기

💡 데이터 : KR Superstore

📊 BI : 루커스튜디오

원본 포스팅 링크

KPI 대시보드 | 루커스튜디오

recent_thumbnail
GROWTH

이벤트 택소노미 완벽 설계하기(2) (ft.네이버 시리즈)

May 31, 2024

이벤트 택소노미 초기 설계 시, 어디에서부터, 무엇을, 어떻게 시작해야 할지 막막한 어려움을 조금이나마 해소해 드리고자, 밀리의 서재 · 버거킹 · 무신사 · 한샘 · 웍스아웃 · 발란 · KFC · 두나무 · 오늘의 집 등의 고객사들과 실제 프로젝트를 진행하며 얻은 인사이트를 공유드립니다.

2편에서는 <비용 최적화된 이벤트 택소노미를 설계하는 방법>을 상세히 다룹니다.

*보안상의 이유로 자료는 <네이버 시리즈>로 대체하였으며, 실제 데이터와는 무관한 자료임을 참고 부탁드립니다.

지난 글에서는 앞선 세 가지 단계를 통해 이벤트 택소노미의 정의와 설계 전 필독 유의사항을 살펴보았습니다.

이벤트 택소노미의 정의와 설계 전 필독 유의사항

본 글에서는 비용 최적화된 이벤트 택소노미를 설계하는 방법과 담당자 간 커뮤니케이션 단계를 다룰 예정입니다. 이벤트와 프로퍼티를 설계하는 단계부터는 단순히 내용과 방법을 나열하기보다, 실제 설계 사례를 중심으로 풀어보려 합니다.

비용 최적화된 이벤트 택소노미를 설계하는 방법과 담당자 간 커뮤니케이션 단계

비용 최적화된 이벤트 택소노미 설계하기

"이벤트 택소노미 설계 전 반드시 고려해야 할 필수 요소, 네이밍 컨벤션"
"1-2-3 퍼널에서 2 퍼널이 필요한가? Critical Path에 따른 필수 이벤트 설계하기"
"View 이벤트와 Click 이벤트를 동시에 추적해야 하는 경우"
"'구매(purchase)' 이벤트가 '무료'와 '유료'로 나뉘는 경우"
"개발자가 한 번에 알아보는 '이벤트 택소노미 시트'"
"전략에 녹일 수 없는 방대한 데이터는 묶음 처리"

4. 이벤트 & 프로퍼티 설계

많은 분들이 이벤트를 설계하고 난 다음 프로퍼티를 설계하는 순서로 이해하고 계시지만, 실제로 이벤트와 프로퍼티를 동시에 고려해야 하는 경우가 많습니다. 그러므로 본 글에서는 이벤트와 프로퍼티를 구분하지 않고 실제 현업에서 발생할 만한 택소노미 설계상 주요 이슈를 주제화하여 소개합니다.

이벤트 택소노미 설계 전 반드시 고려해야 할 필수 요소, 네이밍 컨벤션
네이밍 컨벤션(Naming Convention)이란? 하나 이상의 영어 단어로 구성된 식별자를 만들 때 가독성이 좋도록 한눈에 구분하기 위해 규정한 명명 규칙
이벤트 택소노미 설계 전 반드시 고려해야 할 필수 요소, 네이밍 컨벤션

이벤트 택소노미 설계 시 네이밍 컨벤셔닝은 선택이 아닌 필수입니다. 이벤트와 각 프로퍼티를 정의할 때는 명확하고 일관된 명명법을 사용해야 하며, 사용자 행동을 명확하고 구체적으로 표현해야 합니다. '어느 누가 보아도 유추할 수 있는' 규칙을 지정해야 추후 개발과 분석에 혼동이 없습니다. 네이밍 컨벤션의 정의와 종류를 참고하여 담당자 간 규칙을 합의할 수 있습니다. 다양한 방법이 있지만 저는 주로 스네이크 표기법을 통해 소문자와 언더바(_)를 조합하여 이벤트와 프로퍼티명을 정의합니다.

네이버 시리즈의 네이밍 컨벤션 적용 전후 비교 이미지

좌측의 네이밍 컨벤션을 적용하지 않은 경우 'first_login'이 '로그인 페이지 조회'인지, 페이지 내의 '로그인 버튼 클릭'인지 구별이 어렵습니다. 반면 우측의 네이밍 컨벤션을 적용한 경우 가장 앞단에 행동 조건(trigger)과 이벤트명, 그리고 추가 정보까지 규칙적으로 정의되어 있어 비교적 구별하기가 수월합니다.

** 스크롤 내리기 전 준비사항 **

본격적인 설계 과정을 정독하기 전 아래의 '구매 퍼널'에 본인만의 네이밍 컨벤션을 적용한 이벤트와 각 프로퍼티를 직접 정의해 보시길 바랍니다.

네이버 시리즈 구매 퍼널 예시
*네이버 시리즈 구매 퍼널 예시

ㅤ이벤트 택소노미를 설계하는 과정에서 중요한 것은 '생각하는 방법''반복된 경험'입니다. 다양한 설계 방안들을 반복하여 구상하다 보면 향후 좋은 방안들만 솎아낼 수 있는 경험치가 쌓여 나만의 노하우를 형성할 수 있습니다. 이미 설계된 택소노미를 먼저 접하게 되면 추후 스스로 생각을 떠올리기가 어렵습니다. 누군가의 '완성된 결과물' 보다, '완성하는 과정'을 함께하셨으면 합니다.

끊임없이 질문하고 끊임없이 생각하며 끊임없는 연결 고리를 찾아야 합니다.
- 어떻게 해야 분석에 특화된 택소노미를 설계할 수 있을까?
- 어떻게 해야 개발 편의적인 택소노미를 설계할 수 있을까?
- 어떻게 해야 지속적이고 확장 가능한 택소노미를 설계할 수 있을까?
- 어떻게 해야 모든 요구사항을 충족하되 깔끔한 택소노미를 설계할 수 있을까?
- 각 주요 퍼널들을 어떻게 분류하고 조합해야 비즈니스 KPI에 적합한 택소노미를 설계할 수 있을까?

1-2-3 퍼널에서 2 퍼널이 필요한가? Critical Path에 따른 필수 이벤트 설계하기

ㅤ네이밍 컨벤션을 정의하고 나면 전체 이벤트와 프로퍼티들을 설계해야 합니다. 이전에 정의했던 주요 이벤트를 기반으로 사용자의 여정을 그려봅니다. 이때 모든 이벤트는 중대한 경로(critical path)로 설계되어야 합니다. 즉 최종 전환 이벤트에 도달하는 퍼널이 반드시 필요한 이벤트로만 구성되어야 함을 의미합니다. 택소노미가 복잡해질수록 가독성이 떨어지고 이에 따라 보완 및 개선 작업이 까다로워질 수 있기 때문에 카테고리를 적절히 분류하는 것이 좋습니다. 아래 이미지는 '결제 완료' 카테고리를 기준으로 사용자가 자사 홈페이지에 진입하는 시점부터 결제를 완료하는 시점까지의 퍼널을 그린 예시입니다.

네이버 시리즈 구매 퍼널 간소화 전
*간소화 전


ㅤ 위 간소화 전 퍼널을 살펴보면 메인 페이지 내에 도서 상세 페이지까지 진입할 수 있는 경로가 다양합니다. 메인 페이지에서 개별 도서를 클릭하여 도서 상세 페이지로 곧바로 이동할 수도 있고, 'ㅇㅇ님이 좋아할 만한 작품', 혹은 '이번주 베스트셀러'와 같은 특정 카테고리 경로를 거친 후에 상세 페이지로 이동할 수도 있습니다. 그러나 이처럼 다양한 경우의 수를 각각의 이벤트로 설계하게 되면 효율성이 떨어지게 됩니다. 사용자가 메인 홈페이지에서 곧바로 개별 도서 클릭 시 'click_item_list'와 'click_item'의 클릭 이벤트가 동시 발생하게 되며, 이때 ‘click_item_list' 이벤트는 'null' 값으로만 채워지기 때문입니다.

ㅤ또한 도서 클릭 시 'click_item'과 'view_item'이 동시 발생하는 것을 볼 수 있는데, 마케터가 클릭 관련 성과를 분석하고자 하는 특정 페이지가 도서의 상세 페이지라면 그 외 페이지, 즉 메인 홈페이지에서 모든 클릭을 추적할 필요는 없습니다. 만일 모든 페이지의 이벤트를 조회와 클릭 이벤트로 동시 설계한다면 이벤트 발생 시마다 유사 이벤트가 중복 발생하므로 이 또한 매우 비효율적이게 됩니다. 모든 경로를 이벤트로 설계하기보다 프로퍼티를 이용하여 경로를 간소화하는 것이 비교적 효율적입니다. 아래 이미지는 '도서 카테고리(item_list)'와 '개별 도서(item)' 프로퍼티를 구분하여 이벤트를 간소화한 예시입니다.

네이버 시리즈 구매 퍼널 간소화 후
*간소화 후

위 간소화된 퍼널을 기반으로, '메인 홈페이지' 진입 > '베스트랭킹' 카테고리 클릭 > '특정 상품' 클릭의 상황을 가정한다면, 아래 이미지와 같이 'click_item_list', 'click_item' 이벤트 없이도 프로퍼티를 통해 중간 경로값을 얻을 수 있습니다.

필수 이벤트가 설계된 네이버 시리즈 구매 퍼널

View와 Click 이벤트가 동시에 추적해야 하는 경우

특정 프로모션 페이지 내에 '신작 첫 화 무료보기' 혹은 유료 광고의 '더 알아보기 버튼 클릭' 등 다양한 유입이 있을 수 있습니다. 이러한 경우 페이지 상의 유입 경로를 분석해야 하기 때문에 '조회'를 기준으로 추적합니다. 한편 클릭 혹은 스크롤 뎁스와 같이 특정 페이지에 한정하여 분석이 필요한 경우에는 페이지 내의 ‘액션‘을 기준으로 추적합니다.


View와 Click 이벤트가 동시에 추적해야 하는 경우 설명 이미지

ㅤ 네이버 시리즈의 도서 상세 페이지의 경우 view와 click이 동시에 필요합니다. 예를 들어 특정 도서의 상세 페이지 내에 '무료로 첫화보기' 혹은 '다음화 이어보기' 등의 버튼과 같이 결정적인 클릭 요소가 있는 동시에 신작 홍보 이벤트나 기간 한정 프로모션을 통한 유입 경로가 다양할 수 있습니다. 이러한 경우가 '조회'와 '클릭'을 동시 추적해야 하는 경우라고 볼 수 있습니다.

'구매(purchase)' 이벤트가 '무료'와 '유료'로 나뉘는 경우

ㅤ 지금까지 도서의 상세 페이지로 진입하여 충전과 구매가 이루어지는 단일 퍼널에 대해 살펴보았습니다. 그러나 일반적으로 단일 퍼널만으로 구성되는 경우는 드물며, 전환의 기준 또한 다양합니다. 도서 플랫폼의 경우 1화, 2화, 3화, ...로 이어지는 연재본이 있는 반면, 연재본의 묶음 단위인 단행본이 있습니다. 각각의 도서 유형 모두 '무료(혹은 미리보기)'의 개념이 있으며, 마케터는 무료와 유료 구매의 모든 경우를 분석하길 희망한다고 가정합니다. 이때 매우 다양한 경우의 수를 고려해 볼 수 있습니다.

  • 무료 회차를 열람하는 경우
  • 유료 회차를 열람하는 경우
  • 무료 회차를 열람한 후 유료 회차로 넘어가는 경우
  • 유료 회차를 열람한 후 상세 페이지에서 이전 페이지로 넘어가는 경우
  • 유료 회차를 열람한 후 상세 페이지에서 다음 페이지로 넘어가는 경우
  • 무료 회차를 열람한 후 다시 다른 무료 회차를 열람하는 경우

아래는 특정 도서의 상세 페이지에서 '무료' 전환과 '유료' 전환을 프로퍼티로 나눈 예시입니다. 사용자가 'click_episode'를 발생시킬 시 'item_preview'가 True(무료 회차)인 경우 즉시 도서 열람 페이지로, False(유료 회차)인 경우 구매 결정(click_purchase) 페이지로 이동하게 됩니다. 단, 유료 회차이지만 해당 회차를 이미 구매한 경우 무료 회차와 동일하게 즉시 열람 페이지로 이동합니다.

'구매(purchase)' 이벤트가 '무료'와 '유료'로 나뉘는 경우 설명 이미지

이처럼 프로퍼티를 잘 활용하면 택소노미의 설계를 간소화할 수 있습니다.

프로퍼티를 잘 적용시킨 네이버 시리즈의 택소노미 설계 로드맵

개발자가 한 번에 알아보는 '이벤트 택소노미 시트'

ㅤ마케터와 마찬가지로 개발자 역시 마케터와 설계자의 관점을 알지 못하기 때문에 개발자 편의적인 택소노미(Dev. Sheet)를 별도로 작성하여 전달하여야 하며, 이러한 세부 자료를 전달함과 동시에 충분한 구두 설명이 뒷받침되어야 합니다. 네이버 시리즈 웹/앱 내에서 사용자가 상호작용을 일으키면 개발자는 설계자가 요청한 정보(미리 정의해 둔 이벤트나 프로퍼티)들을 데이터 레이어 형태로 푸시해 줍니다. 그러면 우리는 디버깅을 통해 요청한 데이터가 올바르게 푸시되는지 실시간 로그로 확인할 수 있습니다. 데이터 레이어란 웹사이트에서 정보를 담고 있는 자바스크립트 배열입니다. 쉽게 말해, '데이터 송수신을 하기 위한 매개체'로, 백단에서 특정 이벤트 데이터를 푸시(push)하면 디버깅 시 프론트에서 확인 가능한 형태로 전달받는 식입니다. 일반적으로 속성(key)과 속성값(value)이 아래와 같은 형태로 구성되어 전달됩니다.

*빠른 이해를 돕기 위해 최소한의 단계로 표현한 점 참고 부탁드립니다.
이벤트 전송 과정의 예시
*이벤트 전송 과정의 예시
파이어베이스의 디버깅 예시
*파이어베이스의 디버깅 예시

이때, 클릭(click) 또는 조회(page_view)와 같은 일반적인 이벤트 외에 모든 In-web/app 이벤트의 하위 속성으로 호출되는 사용자 속성(user property)이나, 특정 데이터 타입(data type), 혹은 자료 구조(data structure hierarchy)가 통일되지 않고 다양할 경우 택소노미 설계 시 별도로  명시해 주는 것이 좋습니다.

(e.g. value 외 array 혹은 float 등 다양한 형태의 프로퍼티가 존재하는 경우)
프로퍼티 정보 입력 예시
*프로퍼티 정보 입력 예시

ㅤ 이전 글에서 언급했듯 이벤트 택소노미를 설계할 때는 마케팅 관점과 개발 관점을 별도로 이해하고 적용해야 합니다. 예를 들어, 마케터에게는 유저 플로우를 이해하는 데 초점을 맞춘 시각화된 자료(피그마 등)를 제공하되, 개발자에게는 데이터 로그를 이해하는 데 도움될 만한 정리된 자료를 제공합니다. 이때 시트의 유형은 이벤트 프로퍼티(Event Property)와 유저 프로퍼티(User Property) 두 가지로 분류됩니다.

Event Property란? 이벤트가 수집되는 시점의 이벤트에 대한 자세한 속성 정보
User Property란? 유저의 속성 정보로 서비스를 사용하는 각 개인의 특성을 반영하여 보다 세분화된 수준에서 유저 분석에 도움을 주는 정보
e.g.  "'2024-01-01' 일자에 '홍길동' 사용자가 '회원가입'을 완료했습니다."
- Event: '회원가입'
- Event Property: '2024-01-01'
- User Property: '홍길동'
개발팀 전달용 택소노미 시트(Event Property)
*개발팀 전달용 택소노미 시트(Event Property)
개발팀 전달용 택소노미 시트(User Property)
*개발팀 전달용 택소노미 시트(User Property)

각 시트 내에는 아래와 같은 항목들이 포함됩니다. 필수 항목은 아니며, 자사의 서비스 특성을 고려하여 필요한 항목으로 구성할 수 있습니다.

[Columns of Event Propery Sheet]

  • No: 행 번호
  • Label: 이벤트 카테고리
  • Event Name: 이벤트 이름
  • Trigger: 이벤트 조건(행동 조건)
  • Required: 필수 개발 여부
  • Importance: 우선 순위(중요도)
  • GA4 Event: GA4 전자상거래 이벤트
  • Event Property: 이벤트 프로퍼티 이름
  • Description: 프로퍼티 설명
  • Data Type: 데이터 유형
  • Value Type: 데이터 형태
  • Value Example: 데이터 예시
  • Analysis: 분석 방안
  • Note: 비고(기타 특이사항)

[Columns of User Propery Sheet]

  • No: 행 번호
  • Event Property: 이벤트 프로퍼티 이름
  • Value Type: 데이터 형태
  • Value Example: 데이터 예시
  • Analysis: 분석 방안
  • Note: 비고(기타 특이사항)

*제가 사용했던 택소노미 템플릿 양식은 아래 링크를 통해 다운받으실 수 있습니다. 이외에도 웹사이트 내에 다양한 템플릿이 존재하니 용도에 맞는 템플릿을 적절히 커스텀하여 사용하시길 바랍니다.

▶︎ Event Taxonomy Template (soyun)

ㅤ개발 지식이 부족하더라도, GA4 기반의 이벤트와 파라미터를 잘 정리해 놓은 자료를 참고하여 약간의 시간만 투자하면 주니어 마케터(혹은 엔지니어 등) 분들께서도 충분히 이와 같은 설계가 가능합니다. 또한 GA를 이용하는 경우가 아니라 하더라도 보편적으로 쓰이는 이벤트와 프로퍼티 (해당 페이지에서는 파라미터로 구분됩니다)의 예시를 살펴볼 수 있습니다.

전략에 녹일 수 없는 방대한 데이터는 묶음 처리

ㅤ택소노미 설계에 참여하는 담당자가 마케터와 개발자, 그리고 설계자 외에도 기획자나 상품 개발팀이 참여한다면 택소노미의 방향성이 현재와는 완전히 달라질 수 있습니다. 마케터가 아닌 기획자나 MD의 입장에서는 UI/UX상의 노출이나 클릭과 같은 단순 행동 추적을 넘어 특정 회차의 반응 정도가 중요할 수 있습니다. 그러나 연재본의 모든 회차를 추적하기란 비용상의 어려움이 있습니다. 아래 이미지와 같이 결정적인 지표의 경우 하나의 페이지를 추적하기 위한 다양한 프로퍼티가 존재하는데, 100화가 넘는 연재본이 무수히 존재하기 때문에 회차를 기준으로 실시간 추적하는 경우 서버 과부하로 비용이 과다하게 발생하여 관리상의 어려움이 있을 수 있습니다.

전략에 녹일 수 없는 방대한 데이터는 묶음 처리한 예시 이미지

위 예시에서 수시로 발생하는 이벤트 중 'click_charge_cookie_tried'와 'charge_cookie_completed'와 같이 프로퍼티 데이터의 양이 상당한 경우를 예로 들 수 있습니다. 퍼널을 간소화하거나 프로퍼티를 줄일 수도 없는 상황이라면 최소한 이벤트 발생 횟수를 감소시키는 방안이 있을 수 있습니다. 예를 들어, 연재본을 10화씩 그룹으로 묶어 이벤트 발생횟수를 단축시킴으로써 서버상의 관리가 비교적 원활하게 이루어질 수 있도록 강제하는 방법이 있습니다.

e.g.) 변경 전 택소노미

- 연재 1회차당 1번 기록하는 경우

  • 연재본 100화의 이벤트 발생 수: 100회
  • 연재본 100화의 프로퍼티 적재 수: 150회
  • 연재 100화분의 총 데이터 적재 수: 250회

e.g.) 변경 후 택소노미

- 연재 10회차당 1번 기록하는 경우

  • 연재본 100화분의 이벤트 발생 수: 10회
  • 연재본 100화분의 프로퍼티 적재 수: 15회
  • 연재 100화분의 총 데이터 적재 수: 25회

5. 마케터 협의

ㅤ택소노미를 지속 수정 및 개선하기 위해 마케터와 정기적인 미팅을 진행합니다. 택소노미상의 모든 이벤트를 실제로 조합하고 분석하며 직접적으로 개입하는 당사자이자 결정권자이기 때문에, 설계의 전/중/후 모든 단계에서 끊임없는 QnA를 진행하게 됩니다. 설계 전 초기에 진행한 사전 인터뷰를 통해 이미 많은 정보를 얻었다고 생각할 수 있지만 더는 구체적일 수 없을 정도로 자세한 정보를 얻어야 합니다. 마케터의 관점을 정확히 파악해야 설계상의 번거로운 수정 작업을 최소화할 수 있습니다. 앞서 언급했듯 담당자 간 의견 차이는 매우 주관적이므로 지속적인 꼬리 질문을 통해 애매한 기준을 제거하는 것이 최선의 방법입니다.

ㅤ한 가지 좋은 예로, 담당자에게 Daily Check List를 실시간으로 공유하는 방법이 있습니다. 클라이언트 측에서는 택소노미상의 진행 상황과 상세 내용을 실시간으로 확인할 수 있고, 설계자 입장에서는 커뮤니케이션에 소요되는 시간을 절약할 수 있어 효율적입니다.

이벤트 택소노미 데일리 체크리스트
*Daily Check List

6. 개발자 협의

ㅤ1차 설계안에 대한 협의가 완료되었다면 백엔드에서 데이터 작업을 해 줄 개발팀과 협의를 해야 합니다. 이때 1차 설계안은 '대략적으로 설계'하여 이후 개발팀과의 미팅을 통해 택소노미를 구체화하는 것이 좋습니다. 개발자와의 협의 없이 마케터의 모든 요구사항을 즉시 반영하기 위해 한 번에 많은 에너지를 쏟게 되면, 이후 택소노미를 전면 수정하는 참사가 일어날 수 있기 때문입니다.

ㅤ 서비스마다 사용하는 분석 도구(analytics tool)와 데이터 구조가 저마다 상이하기 때문에 이를 먼저 파악해야 합니다. 일반적으로 타사(구글 애널리틱스, MMP 등) 애널리틱스를 사용하거나, 자사 자체 구축 애널리틱스를 사용하는 경우로 나뉘는데, 두 가지를 병용하는 경우도 다분합니다. 예를 들어, 자사 애널리틱스의 로그 이용 시 경로 추적에 한계가 있기 때문에 이에 최적화되어 있는 GA4와 병용하는 경우를 흔히 볼 수 있습니다. *GA4와 GTM을 사용한다면 [구글 애널리틱스] 데이터 레이어 (Data Layer) 총 정리 (1) 내용을 참고 바랍니다.

자사 자체 애널리틱스의 경우에는 개발상에 제약이 거의 없기 때문에 내부 개발 리소스만 충분하다면 설계와 분석이 매우 수월합니다. 단, 개발자에게 보다 명료한 자료를 제공해야 개발자와의 커뮤니케이션 오류를 최소화할 수 있습니다.

[택소노미 설계 시 사용 플랫폼]

다음 글에서는 QA를 통해 발생 가능한 개발상의 이슈와 이를 통해 얻을 수 있는 인사이트를 공유드릴 예정입니다.

원본 포스팅 링크

https://brunch.co.kr/@soxxun/8

recent_thumbnail
GROWTH

이벤트 택소노미 완벽 설계하기(1) (ft.네이버 시리즈)

May 30, 2024

이벤트 택소노미 초기 설계 시, 어디에서부터, 무엇을, 어떻게 시작해야 할지 막막한 어려움을 조금이나마 해소해 드리고자, 밀리의 서재 · 버거킹 · 무신사 · 한샘 · 웍스아웃 · 발란 · KFC · 두나무 · 오늘의 집 등의 고객사들과 실제 프로젝트를 진행하며 얻은 인사이트를 공유드리게 되었습니다.

본 1편에서는 <이벤트 택소노미의 정의와 설계 전 필독 유의사항>에 대해 다룹니다.

*보안상의 이유로 자료는 <네이버 시리즈>로 대체하였으며, 실제 데이터와는 무관한 자료임을 참고 부탁드립니다.

이벤트 택소노미란?

ㅤ이벤트 택소노미는 크게 '이벤트 유형(Event Category)', '이벤트(Event)', '이벤트 속성(Property)'의 세 가지 항목으로 구성됩니다. '이벤트 카테고리'는 유저의 최종 행동 목적이며, '이벤트'는 이러한 목적을 달성하기 위한 주요 액션들의 묶음입니다. 그리고 각 이벤트 내에는 이벤트 발생 시 ‘추가적으로 수집하고 싶은 정보‘의 '속성'들로 구성됩니다. 이러한 이벤트와 프로퍼티를 특정 규칙에 따라 분류한 데이터 분류 체계를 ‘택소노미(Taxonomy)'라고 부릅니다. 즉, ‘이벤트 택소노미 설계'한다는 것은 자사 서비스 분석에 필요한 이벤트를 식별하고, 이벤트별로 어떤 속성이 들어가야 하는지 고민하여 데이터를 설계하는 작업을 의미합니다. 이를 통해 우리는 사용자의 행동 패턴을 이해하고, 그에 따른 마케팅 전략을 수립할 수 있습니다.

이벤트 카테고리 분류 예시

  • 이벤트 유형(Event Category)
'이벤트 카테고리'란 이벤트의 유형을 정하기 위한 단위로, 유사한 이벤트를 하나로 묶어 관리할 때 유용한 요소입니다.
'이벤트 카테고리'는 주로 최종 전환 이벤트로 정의되어 전환까지의 하나의 퍼널을 총칭합니다.
예를 들어 이벤트 카테고리가 ‘회원가입’인 경우, 이벤트 카테고리 내에는 홈페이지에 접속하여 특정 서비스를 이용하고자 회원가입 버튼을 클릭하여 회원가입 완료 페이지까지 이어지는 퍼널이 포함됩니다.
즉 ’이벤트 카테고리‘ = ‘최종 전환 이벤트의 퍼널’이라고 생각하시면 이해가 수월합니다.
  • 이벤트(Event)
‘이벤트’란 사용자가 프로덕트를 사용하는 과정에서의 행동이나 그 결과로 발생하는 사건을 가리킵니다.
예를 들어, '로그인 버튼 클릭', ‘관심상품 추가', ‘장바구니 담기', ‘구매 완료' 등과 같은 일련의 사용자 행동이 이에 해당하며, 그 외에 ‘주문서 로딩 시간’, ‘서버 API 처리 시간’ 등도 이벤트로 볼 수 있습니다.
  • 속성(Property)
프로퍼티란, 웹 문서의 동적인 객체 속성을 의미합니다.
쉽게 말해, 사용자나 이벤트가 가진 동적인 특성을 의미하며 사용자 행동에 대한 세부 분석을 위해 이벤트와 함께 수집됩니다.
예를 들어, '회원가입일자', '회원가입 방법', '회원가입 페이지 유입 경로' 등의 속성값이 이에 해당합니다.
  • 이벤트(Event) vs. 속성(Property)
아래의 그림은 오프라인에서 우리의 행동을 온라인에서 발생하는 이벤트로 전환하여 표현했을 때 어떻게 정리할 수 있는지 보여주는 표입니다. 이를 통해 우리는 이벤트와 속성 간의 차이를 확인할 수 있습니다.

이벤트(Event) vs. 속성(Property)

이벤트 택소노미 구축 프로세스 개요

이벤트 택소노미 구축 프로세스 개요

1. 택소노미의 목적 및 방향성 수립

이벤트 택소노미를 설계하기 위해서는 먼저 이벤트의 목적과 방향성을 분명히 해야 합니다. 단순히 데이터 분석을 위해 택소노미를 설계한다는 것보다는 보다 명확하고 구체적인 목적이어야 합니다.

2. 주요 지표(이벤트 카테고리) 설정

다음으로 첫 미팅 시 담당자와 진행될 질의사항을 사전에 작성하여 공유합니다. 첫 협업인 만큼 질문자의 의도가 명확히 전달되지 않거나 답변자의 답변 내용이 충분히 공유되기 어려울 수 있습니다.

3. 사용자 여정(User flow) 스케치

서비스의 주요 지표를 설정하고 나면 주요 지표로 도달하기까지의 대략적인 유저 플로우를 그립니다. 실제 사용자 입장으로 퍼널에 진입하여 최종 전환까지의 최소한의 경로를 그립니다.
사용자 여정(User flow) 스케치

4. 이벤트 & 프로퍼티 설계

유입부터 최종 전환까지 이어지는 단일 퍼널을 그렸다면, 각 단계별로 노드를 추가해 줍니다. 특히 반드시 선택해야 하는 옵션이 있는 단계일 경우 필수로 추가해 주어야 퍼널상의 누락을 방지할 수 있습니다.
이벤트 & 프로퍼티 설계

5. 마케터 협의

5-6번 프로세스의 경우 수차례 반복될 수 있습니다. 모든 담당자들과의 합의점이 반영된 택소노미를 설계하기까지란 많은 소통과 협의가 필요한 데다, 마케터의 요구사항을 운 좋게 완벽히 반영했다고 하더라도 기능상 점검과 동작 검증이 불가피하기 때문입니다.

6. 개발자 협의

마케터와 협의 하에 설계된 1차 택소노미를 바탕으로 개발자와 검토하는 단계입니다. 개발자에게 택소노미의 전반적인 프로세스를 설명하면 개발자는 애널리틱스를 토대로 구현 가능성을 판단합니다. 일반적으로 마케터와 함께 미팅에 참석해 개발상의 이슈를 파악하고 개선점을 논의합니다.

7. QA 테스트

QA 테스트는 서비스 론칭 전 전반적인 개발 프로세스를 점검하고 개발상의 이슈를 조기 발견하여 조치하는 단계로, 담당자와 최종 협의된 논리적 설계에 따라 데이터 로그가 올바르게 적재되는지 확인합니다. 이 단계에서 잔존된 오류 및 결함을 발견하게 되거나, 더욱 효율적인 방안을 제안할 수도 있기 때문에 놓치는 부분이 없는지 특히 유의하여야 서비스 론칭 이후의 이슈를 최소화할 수 있습니다.

*QA(Quality Assurance)란?
사전적 의미로 '품질보증'을 의미하며, 일정 기간을 두고 프로덕트의 기능 검증 및 품질 테스트를 의미합니다. 단순한 기능 동작 통합 테스트뿐만 아니라 프로덕트의 시작과 마무리까지 모든 과정을 함께 기획하고 품질을 저하시키는 결함 요소들을 찾아 전체적인 품질을 향상하는 데 주목적이 있습니다

8. 최종 수정

모든 설계 과정과 QA까지 마무리되었다면, 전반적으로 개선해야 할 작업이 있을지 최종적으로 점검합니다. 이후 광고를 운영할 수도 있고 신규 기능을 출시할 수도 있으며, 신규 서비스가 론칭할 수도 있습니다. 최종 수정을 마친 후의 액션에 따라 위 단계를 반복하거나 건너뛸 수도 있습니다.‍

본 글에서는 1번(이벤트 택소노미의 목적 및 방향성 수립)부터 3번(사용자 여정(User flow) 스케치)까지의 프로세스를 다룹니다.

4번(이벤트&프로퍼티 설계)부터의 프로세스가 궁금하시다면 아래 다음 글을 참고해 주세요.

▶︎ 다음 글 : 비용 최적화된 이벤트 택소노미 설계하기

이벤트 택소노미 설계 전 필독 유의사항

1. 이벤트 택소노미의 목적 및 방향성 수립

ㅤ사실 이벤트 택소노미는 본격적으로 설계하는 당시보다, 설계하기 전 목적과 방향성을 분명히 하는 데 더 중점을 두어야 합니다. 목적과 방향성이 불분명한 상태로 설계를 시작하면 추후 수정이 잦아지고 설계가 복잡해지면서 혼동이 잦을 수 있기 때문입니다. 또한 복잡해진 설계를 해결하기 위해 수정을 지속 거치다 보면 택소노미 자체에 의미를 두게 되면서 정작 본연의 목적이 흐려질 수도 있습니다. 이벤트 택소노미는 데이터 분석을 위한 하나의 도구일 뿐이며, 택소노미를 설계하는 것 자체가 목적이 되어서는 안 됩니다. 마케팅 관점에서 분석이 용이해야 하고, 개발 관점에서 구현이 가능해야 하는 점을 기억해야 합니다.

마케팅 관점
*편의상 '마케팅'으로 총칭했으나, 실제로는 다양한 영역이 있을 수 있습니다. (e.g. 기획, 분석, 상품 개발 등)
마케터는 엔지니어가 택소노미를 설계하기 위해 필요한 정보가 무엇인지 알 수 없습니다.엔지니어 역시 마케터가 광고 운영 성과를 개선하기 위해 필요한 분석 항목이 무엇인지 알 수 없습니다.

ㅤ그러므로 최종 대시보드에서 데이터를 마주하게 될 관련 담당자들과 충분한 논의가 이루어져야 합니다. 네이버 시리즈의 경우 사용자가 회원가입 → 쿠키 충전 도서 구매 → 도서 열람의 퍼널이 매끄럽게 이어지도록 하는 것이 최종 목표라고 가정합니다. 여기에서 주요 이벤트는 각각 sign_up, charge_cookie, purchase_completed, view_episode가 될 수 있습니다. 이를 파악하기 위해서는 먼저 서비스에 대한 이해가 선행되어야 합니다. 핵심은 양 당사자(사용자와 플랫폼)의 입장을 모두 고려하여 서비스를 이해해야 한다는 점입니다.

첫 미팅 전 웹사이트를 점검하며 어떤 애널리틱스를 사용하고 있는지 확인하고 해당 애널리틱스 구조에 맞게 주요 지표들을 스케치해야 합니다.

ㅤ통상적으로 '구매(purchase)'하는 행위를 최종 전환 기준으로 보기 마련이지만, 전환의 기준은 서비스마다 천차만별입니다. 네이버 시리즈의 경우 실제로 카드에서 결제 내역이 기록되는 시점은 도서를 구매하기 위해 쿠키를 '충전(charge_cookie)'하는 시점이기 때문에 설계자 입장에서는 '결제'를 중점으로 퍼널을 설계할 가능성이 다분합니다. 그러나 마케터 입장에서는 도서 플랫폼 특성상 충전을 하더라도 실제로 도서를 소비하는 행위, 즉 도서를 '구매'하고 '열람'하지 않는다면 의미가 없을 수 있습니다.

설계자 관점의 최종 퍼널 )
네이버 시리즈 퍼널

마케터 관점의 최종 퍼널 )
네이버 시리즈 이벤트 프로퍼티 설계 예시

ㅤ네이버 시리즈의 경우 ‘쿠키 충전, ‘도서 결제’ 후에도 실제로 전자책을 읽는 ‘소비’의 기준까지 있기 때문에 설계자는 어느 지점이 최종 전환의 기준인지, 2개 이상의 전환 기준이 있다면 우선순위는 어떻게 되는지 파악해야 합니다. 예를 들어, 네이버 시리즈의 사용자 입장에서는 '구매 완료(purchase_completed)' 이벤트가 중요할 수 있습니다. 결제가 완료되고 다운로드를 완료한 시점부터 서비스를 이용하고 있다는 인지를 하기 때문입니다. 반면 플랫폼 입장에서는 '도서 열람(view_episode)' 이벤트가 중요할 수 있습니다. 구매(purchase_completed)를 하더라도 실제로 상품(도서)을 소비(열람) 하지 않으면 ‘도서를 읽은 사람’이 아니라 단순히 ‘도서를 구매만 한 사람’이기 때문입니다. 그러나 이 두 경우 모두 동일하게 최종 구매 완료(purchase_completed) 이벤트로 카운트되기 때문에 플랫폼 입장에서는 purchase_completed 뿐만 아니라, 실제로 도서를 열람하는 view_episode까지의 퍼널이 필요합니다.

*도서 구독 플랫폼의 경우 도서를‘대여(혹은 소장)’하는 특정 횟수를 기준으로 출판사와 일정 비율 배분하여 정산하는 수익 구조라 다소 복잡한 부분이 있습니다. 만약 도서를 15회 대여 시 네이버 시리즈 측에서 80%의 수익을 창출할 수 있는 구조라고 가정했을 때, 충전을 하더라도 실제로 도서를 구매하고 열람하지 않으면 출판사 측과의 정산 기준을 충족하지 않기 때문에 충전 자체만으로는 의미가 없게 됩니다. 또한 구매 횟수를 기준으로 카운트되기 때문에, 한 사용자가 각종 도서를 15회 다운로드 하더라도 실제로 열람하지 않으면 출판사(혹은 작가) 입장에서의 판매 관점에서는 이 역시 의미가 없습니다.

ㅤ이렇듯 데이터를 바라보는 관점은 직무에 따라, 혹은 서비스 행태에 따라 모두 상이합니다. 따라서 가급적 제품이나 서비스에 대한 이해가 최우선 되어야 하고, 꼬리 질문을 통해 담당자 측으로부터 분석하고자 하는 지표에 대한 정보를 이끌어내어 이러한 간극을 좁혀나가는 것이 중요합니다.

개발 관점

ㅤ마케터와 충분한 논의가 되었다면 개발 관점에서는 실제로 추적 가능한 데이터인지, 혹은 표현 가능한 데이터 형태인지를 판단해야 합니다. (*개발 관점에서의 택소노미 설계 방안은 다음 글에서 상세히 다룰 예정입니다) 만일 마케터의 관점만을 중점으로 택소노미를 설계한다면 추후 설계안 전체를 뒤엎어야 할 수도 있습니다.

- 마케터: "A 데이터와 B 데이터가 필요합니다."

- 엔지니어: "A, B 데이터 기반으로 택소노미 설계 완료되었습니다."

- 개발자: "택소노미상의 로직은 구현이 불가합니다."

이례적인 경우이긴 하나, 위와 같은 상황이 닥치면 완전히 다른 형태의 택소노미를 처음부터 다시 설계해야 할 수도 있습니다. 따라서 택소노미를 설계하기 전 어떠한 분석 툴을 사용하고 있으며, 어떠한 지표들을 추적할 수 있는지에 대한 개발팀과의 커뮤니케이션 역시 매우 중요합니다.

2. 주요 지표(이벤트 카테고리) 설정

ㅤ이벤트 카테고리를 설정하기 위해 서비스의 유저 플로우를 상상하며 아이데이션을 진행합니다. 서비스에 대한 시장 조사를 통해 이용자의 특성을 고려하여 실제 사용자 관점에서 퍼널에 유입되어 보기도 합니다. 일반적인 주요 지표로는 '회원가입(sign_up)', 장바구니 담기(add_to_cart)', '구매(purchase)'가 있으며, 이는 서비스마다 매우 다양하게 분류될 수 있습니다. 네이버 시리즈의 경우 '쿠키 충전(charge_cookie), '도서 다운로드(download_book)', '도서 열람(view_book)'의 추가적인 주요 지표가 있을 수 있습니다. 각각의 주요 지표들은 2-3가지를 하나의 카테고리로 묶을 수도 있고, 각각의 퍼널로 분류할 수도 있습니다.

[이벤트 카테고리 분류 예시]

  • Case.1 ) 모두 각각의 퍼널로 분류
이벤트 카테고리 분류 예시 - 모두 각각의 퍼널로 분류

  • Case.2 ) 장바구니와 구매 퍼널 병합
이벤트 카테고리 분류 예시 - 장바구니와 구매 퍼널 병합

  • Case.3 ) 충전과 구매 퍼널 병합
이벤트 카테고리 분류 예시 - 충전과 구매 퍼널 병합

  • Case.4 ) 장바구니, 충전, 구매 퍼널 병합
이벤트 카테고리 분류 예시 - 장바구니, 충전, 구매 퍼널 병합

  • Case.5 ) 모든 퍼널 병합
이벤트 카테고리 분류 예시 - 모든 퍼널 병합

이외에도 매우 다양한 경우의 수가 존재합니다. 다만 다섯 번째 케이스와 같이 하나의 퍼널에 모든 주요 카테고리를 연결하여 설계하게 되면 택소노미의 가독성이 현저히 떨어질 수 있어 권장하지는 않습니다.

ㅤ첫 미팅 전 인터뷰 질문을 사전 공유하여 답변을 미리 생각할 수 있도록 하는 것도 좋은 방법입니다. 특히 이미 론칭된 기존 서비스의 경우 접속에 제한이 없기 때문에 정보를 습득하기 수월하지만, 론칭 전 신규 서비스의 경우 내부 보안 문제로 접속이 불가하여 미팅 전 사전 자료 조사가 어려운 경우 사전 인터뷰지를 작성하는 것은 더욱 유용합니다. 인터뷰 질문의 경우 앞서 미팅 전 가정했던 주요 지표들을 기반으로 작성한다거나, 홈페이지의 UI/UX상으로는 명확히 파악하기 어려운 사항들을 리스트업 하고, 론칭 전 서비스의 경우 자사의 기존(과거) 서비스를 참고하거나, 경쟁사의 레퍼런스를 참고하여 설문지를 작성하는 것도 하나의 방법입니다.

이때 각 질문들은 가능한 구체적으로 풀어 작성하는 것이 중요합니다.

[인터뷰 질문 유형 예시]

  • 유형 1 ) 자사 내부의 주요 지표
  • 유형 2 ) 지표별 데이터의 집계 기준
  • 유형 3 ) 데이터 분석의 성공/실패 사례
  • 유형 4) 기존(혹은 현재)의 최종 KPI
  • 유형 5) 서비스 특성
  • 유형 6 ) 서비스 기능
  • 유형 7 ) UI/UX상 주요한 부분
  • 유형 8 ) 사용자 분류 기준
  • 유형 9 ) 택소노미로부터 얻고 싶은 분석 데이터
  • 유형 10 ) 서비스 기능상의 추가 개발 계획 여부

사전 인터뷰 설문지 예시
*사전 인터뷰 설문지 예시

3. 사용자 여정(User flow) 스케치

ㅤ마케팅과 개발 모두의 관점에서 택소노미의 목적과 방향성을 분명히 하고 사전 자료 조사에 따라 인터뷰를 원활히 진행하여 택소노미의 뼈대를 완성했다면, 이제 설계에 돌입하여 주요 지표 사이 사이에 살을 붙여야 합니다. 예를 들어 '회원가입 완료(sign_up)'를 위해서는 회원가입 페이지에 진입하여 회원가입 시작을 클릭하고, 사용자 정보를 입력하여 최종적으로 회원가입 완료하기 버튼을 클릭하면 회원가입의 퍼널이 완성됩니다. 이러한 유저 플로우의 간략한 아키텍처를 스케치해 두면 추후 택소노미를 구체화하기가 훨씬 수월합니다.

사용자 여정(User flow) 스케치

--

다음 글에서는 본격적으로 이벤트 택소노미를 설계하는 방법과 실제 플랫폼 서비스의 택소노미 설계 사례를 자세히 다루어 볼 예정입니다.

▶︎ 다음 글 : 비용 최적화된 이벤트 택소노미 설계하기

[비용 최적화된 이벤트 택소노미 설계하기]

"이벤트 택소노미 설계 전 반드시 고려해야 할 필수 요소, 네이밍 컨벤션"
"1-2-3 퍼널에서 2 퍼널이 필요한가? Critical Path에 따른 필수 이벤트 설계하기"
"View와 Click 이벤트가 동시에 추적해야 하는 경우"
"'구매(purchase)' 이벤트가 '무료'와 '유료'로 나뉘는 경우"
"개발자가 한 번에 알아보는 '이벤트 택소노미 시트'"
"전략에 녹일 수 없는 방대한 데이터는 묶음 처리"


원본 포스팅 링크

https://brunch.co.kr/@soxxun/7

recent_thumbnail
EVENT

브레이즈 개인화 마스터 클래스 Review (24.5.29)

May 29, 2024

마티니와 함께 Braze 개인화 기능 정복하기

브레이즈 개인화 마스터 클래스 메인 썸네일

행사명 : Braze Personalization Master Class 세미나

장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F

일시: 2024년 5월 29일 수요일 오후 7시

초청 대상:

  • Braze 도입 후 실무 활용법을 배우고 싶으신 분
  • Braze 개인화 기능을 전문적으로 활용하고 싶으신 분
  • 유저 개개인에게 최적화된 개인화 메시지를 발송하고 싶으신 분

어떻게 진행하였나요?

브레이즈 개인화 마스터 클래스 리셉션 및 음식 사진
브레이즈 개인화 마스터 클래스 수강생 모습

이번 세미나의 경우, 직접 Braze 개인화 기능을 활용하고 실무에 적용해보실 수 있도록 직접 실습을 진행하였으며 각 자리에 모니터를 배치하여 충분히 따라오실 수 있게 했습니다.

수강자분들이 배우신 내용을 복습하실 수 있도록 강의자료를 현장에서 공유해드렸고, 해석본까지 세션 종료 후에 추가 공유해드렸습니다.

어떤 것들을 배웠나요?

Braze 개인화 기능에 첫 걸음 내딛기

브레이즈 개인화 마스터 클래스 인덱스
브레이즈 개인화 마스터 클래스 강사 CRM 팀 리더 이건희

첫 번째 Step인 개인화 태그는 Braze에 유저별로 다르게 수집된 데이터를 메시지에 적용하여 개인화된 메시지를 보낼 수 있게 해주는 역할을 합니다.

개인화 태그 적용 가능 영역은 문구 입력부분과 이미지 영역, 랜딩 영역, 키값 영억(Key-Value Pair) 4가지로 구분되어 있으며, 데이터 타입 (Data Type)별로 Braze에서 가지는 특성이 다릅니다.

  • String/Number/Date/Boolean - 일반적인 데이터들이 하나의 값을 가짐.
  • Array - 복수의 값을 나열형 형태로 가짐.
  • Object - 한 가지 속성에 대한 상세 정보를 속성 하위의 속성으로 저장함.
  • Array of Object - 하위 속성을 가진 복수의 데이터를 나열형으로 수집함.

이처럼 데이터 타입에 따른 특성이 다르기 때문에 잘 숙지해야 합니다.

Braze 개인화 기능의 심화, Liquid에 익숙해지기

브레이즈 개인화 마스터 클래스 Level 2 리퀴드(Liquid)
브레이즈 개인화 마스터 클래스 Level 2 리퀴드(Liquid) 강의 모습

개인화 태그의 역할과 기능을 이해하고 나서 본격적인 개인화 기능을 학습하기 위해 Liquid 구문에 대해 배워보았으며 Braze에서 다양한 조건별 메시지 설정이 가능합니다.

원하는 Depth에 따라 제품 카테고리를 구분해서 발송하거나, 쿠폰 만료 하루 전 안내 메시지를 발송하거나, Braze 카탈로그를 활용한 추천 기능을 구현하는 등 설정한 메시지 내 변수를 지정하고 호출하는 과정에서 실제로 어떻게 출력되는지 이해하실 수 있도록 다양한 Liquid 활용 사례를 통해 설명해드렸습니다.

Braze Connected Content 익히기

브레이즈 개인화 마스터 클래스 Level 3 커넥티드 콘텐츠 (Connected Content)
브레이즈 개인화 마스터 클래스 Level 3 커넥티드 콘텐츠 (Connected Content) 실습 사진

마지막으로 Braze 커넥티드 콘텐츠 (Connected Contents)의 개념과 활용방법, 사례에 대해 배워보았습니다.

커넥티드 콘텐츠는 API를 호출(request)하고 그에 대한 응답값(response)을 받아와 메시지에 활용할 수 있는 Braze의 강력한 개인화 기능입니다.

데이터 베이스로부터 요청한 Data값을 받아온 API를 호출하는 방식이기에 커넥티드 콘텐츠의 기본 문법을 정확하고 올바르게 숙지해서 입력해주어야 합니다.

커넥티드 콘텐츠 기능 사용에 적절한 상황들도 Liquid 세션과 마찬가지로 다양한 사례들과 함께 살펴보았습니다.

CRM 커뮤니티에서 CRM 스킬 UP하기

브레이즈 개인화 마스터 클래스 브레이즈 배민지 연사

Braze와 Martinee가 야심차게 준비한 CRM 커뮤니티는 Braze 뿐만 아니라 다양한 CRM 툴에 관련된 내용이나 CRM 마케팅을 하면서 생기는 궁금증과 인사이트를 원활하게 공유하고 소통하기 위한 공간을 마련하고자 소개드렸습니다.

소통 및 공유에 있어 불편함이 없도록 참여자 ‘익명’으로 운영될 예정입니다.

CRM 커뮤티니 신청 링크는 세션에 참여해주신 분들께 공유드렸고 추가로 참석하지 못하신 분들께서는 아래 링크를 통해 신청하실 수 있습니다 😊

👉지금 바로 신청하기!

브레이즈 개인화 마스터 클래스 추후 커리큘럼

마티니가 Braze를 활용하는 방법을 아낌없이 공유해드리는 세션에서 CRM 스킬을 업그레이드 하고 싶으시다면 7월에 진행 예정인 Braze Personalization Master Class Advanced 세미나에 신청하세요!

(자리가 한정되어 있습니다!)

마티니가 여러분의 비즈니스 성공을 위해 언제나 함께 합니다.

recent_thumbnail
CRM

앱 행동 데이터가 말해주는 것

May 20, 2024

원시그널 마티니 앱 사용자 데이터 분석

*본 게시물은 원시그널 OneSignal의 기능을 중심으로 작성되었습니다.

모바일 앱의 성공을 단순히 매출로만 측정하는 경우가 많아요. 하지만 지속 가능한 비즈니스의 진정한 지표는 사용자가 돈을 어떻게 쓰는지보다 시간을 어떻게 쓰는지에 달려 있어요. 사용자는 앱을 사용할 때마다 소중한 데이터를 제공하죠. 이를 통해 문제점과 성공 요인을 발견할 수 있어요. 사용자 행동를 분석하면 매출 보고서보다 더 정확하게 앱의 상태를 진단할 수 있답니다.

앱 행동 분석: 무엇을 추적해야 할까요?

사용자 행동을 추적하는 것은 단순히 참여율을 측정하는 것보다 더 복잡해요. 단기 유지율, 네비게이션 패턴, 오류 보고서 등을 포함해야 하죠.

주요 사용자 행동 지표

  • 유지율(Retention): 특정 기간 동안 앱을 계속 사용하는 사용자 비율을 측정해요.
  • 클릭률 (CTR): 메시지 내 링크나 버튼을 클릭하는 사용자 비율을 추적해요.
  • 전환율(CVR): 메시지와 상호작용한 후 원하는 행동을 완료한 사용자 수를 측정해요.

모바일 메시지 캠페인은 사용자와 소통하는 주요 방법이자 효과를 측정하는 명확한 지표예요. 대부분의 모바일 분석 도구에서 전환율 추적 기능을 제공하지만, 클릭률은 추적하기 어려울 수 있어요.

OneSignal 같은 모바일 메시지 분석 도구를 사용하면 Confirmed Delivery 기능을 통해 실제로 알림을 받은 기기만을 추적해요. 더 정확한 클릭률 측정을 통해 앱 내 광고 배치를 최적화하고, 사용자가 어디서 이탈하는지 파악할 수 있어요.

사용자 상호작용 추적

  • 기능 모니터링: 사용자가 가장 많이 사용하는 기능을 모니터링해요.
  • 세션 길이, 빈도, 이탈: 사용자가 로그인하고 머무르는 시간과 빈도를 추적해요.
  • 네비게이션 패턴: 사용자가 앱에서 어떻게 상품/기능을 탐색하는지 확인해요.

주요 기능에 대한 이벤트 추적을 구현하고, 각 기능과 관련된 다양한 행동을 구분하기 위해 고유한 이벤트 이름을 사용해야 해요. 또한 모바일 히트맵 도구를 사용해 스와이프와 탭 같은 제스처를 시각화할 수 있어요.

원시그널 사용자 상호작용 데이터 추적

앱 성능 및 기술 지표

  • 앱 로딩 시간: 앱 로딩 시간을 측정해요. 로딩 시간이 길어지면 이탈율이 증가해요.
  • 오류 보고서: 앱 오류와 충돌 사례를 모니터링해요.
  • 기기 및 운영체제 버전: 사용자가 사용하는 기기와 운영체제를 파악해요.

퍼포먼스 모니터링 SDK를 통합해 앱 로딩 시간을 데이터로 확인하고, Android Profiler와 iOS의 Xcode Instruments 같은 도구를 활용해요. 느린 로딩 요소를 최적화하면 앱 실행 시간이 빨라지고 사용자 만족도와 참여도가 높아져요.

기타 주목해야 할 사용자 행동 지표

  • 오픈율: 특정 푸시나 SMS 알림을 연 사용자 비율을 측정해요.
  • 가입/장바구니 이탈율: 가입 과정이나 장바구니에 상품을 넣고 완료하지 않은 사용자 비율을 확인해요.
  • 최고 사용 시간: 사용자 활동이 가장 높은 시간대를 파악해 리소스 할당과 콘텐츠 제공을 최적화해요.
  • 사용자당 평균 매출 (ARPU): 사용자 한 명당 평균 매출을 측정해요.
  • 이탈율: 특정 기간 내 앱 사용을 중단한 사용자 비율을 파악해요.
  • 사용자 추천율: 앱을 다른 사람에게 추천하는 사용자 비율을 확인해요.

사용자 행동 지표 해결하기

1. 5일 리텐션이 낮아요

5일 리텐션이 낮다는 것은 앱을 처음 설치하거나 초기 단계에서 사용한 많은 사용자가 첫 주 내에 이탈하고 있다는 것을 의미해요. 이 문제는 온보딩 과정에서의 혼란, 가치 부족, 과도한 커뮤니케이션, 성능 문제 등이 원인일 수 있어요.

이를 해결하기 위해서는 문제점을 파악하는 것이 중요해요. 사용자 피드백을 수집하고, A/B 테스트를 통해 개선할 부분을 찾아보세요.

새로운 사용자가 온보딩 절차의 절반만 진행하는 경우, 환영 흐름을 재구성할 필요가 있을 수 있어요. 템플릿 기반의 인앱 캐러셀은 참여를 유도하는 좋은 방법이에요.

원시그널 마티니 앱 온보딩

또한, 푸시 알림을 최적화하고, 개인화된 재참여 캠페인을 시행하며, 사용자에게 교육 콘텐츠를 제공해보세요. 사용자 친화적인 경험은 장기적인 리텐션을 높여 지속적인 수익을 가져와요.

2. 단기 리텐션은 높지만 장기 리텐션은 낮아요

이 경우는 반대의 문제를 나타내요. 단기 리텐션이 높지만 장기 유지율이 낮다면, 사용자가 초기에는 앱에 참여하지만 장기적으로 관심을 유지하는 데 어려움을 겪고 있다는 뜻이에요.

이는 지속적인 가치 부족, 사용자 기대에 못 미치는 기능, 기능 관련성 문제 등이 원인일 수 있어요. 또는 초기 목표를 달성하고 나서 정기적으로 사용할 이유가 없기 때문일 수도 있어요.

예를 들어, 피트니스 앱이 운동 루틴과 진행 상황을 추적하는 기능을 제공한다면, 처음에는 사용자가 흥미를 느낄 수 있어요. 하지만 새로운 도전 과제나 명확한 지침이 없다면 사용자는 초기 목표를 달성한 후 앱을 계속 사용할 이유를 찾지 못할 수 있어요.

이럴 때는 충성도 프로그램이나 지속적인 인센티브가 도움이 돼요. 잘 설계된 충성도 프로그램은 사용자에게 독점 혜택, 할인, 프리미엄 기능 접근 등을 제공해 장기적인 참여를 유도해요.

사용자에게 앱을 계속 사용할 가치를 제공하는 것이 중요해요. 푸시 알림, 인앱 메시지, 이메일 캠페인을 통해 앱의 장기적인 혜택을 효과적으로 전달하세요.

예를 들어, 피트니스 앱에서 상위 충성도 프로그램을 통해 고급 운동 계획, 영양 가이드, 라이브 트레이닝 세션 등의 독점 콘텐츠를 제공할 수 있어요. 또한, 연속 보너스나 월간 성실도 보상 등을 통해 사용자에게 장기적인 습관을 형성하도록 유도해보세요.

3. 월간 활성 사용자(MAU)가 안정적이에요

월간 활성 사용자(MAU)가 안정적이라는 것은 여러분의 앱이 충성도 높은 사용자 기반을 유지하고 있다는 뜻이에요! 이는 기능 업데이트나 적극적인 크로스 채널 메시징 전략을 통해 사용자가 개인적으로 보상을 느끼도록 하고 있다는 의미일 거예요.

하지만 참여 유도에 대한 노력을 완전히 멈추면 안 돼요. 이제는 앱 UX를 최적화하고 지속적인 성장을 촉진하는 데 집중할 수 있어요.

이 시기에 모바일 A/B 테스트를 진행해 인앱 인터페이스와 메시징을 세밀하게 조정하고, 새로운 사용자를 유치하면서 기존 사용자를 유지할 혁신적인 방법을 모색해보세요. 어떤 이미지, 이모지, 언어가 사용자의 반응을 끌어내는지 테스트하면 유용한 인사이트를 얻을 수 있어요.

원시그널 마티니 인앱메시지 IAM ABtest

안정적인 MAU 기간은 사용자 커뮤니티와 소통하고 피드백을 받아 앱을 개선하는 데 좋은 기회예요. 커뮤니티 이벤트를 통해 공동 참여를 보상하거나, 추천 프로그램을 통해 새로운 사용자를 유치하고 입소문을 통해 성장을 촉진할 수 있어요.

4. 사용자들이 푸시나 이메일 구독을 하지 않아요

사용자들이 푸시 알림이나 이메일 구독을 거부하는 경우, 이는 가치 제안이 명확하지 않거나, 개인정보 보호에 대한 우려, 과도한 커뮤니케이션 때문일 수 있어요. 사용자 피드백을 분석하고, 구독 요청 시점과 맥락을 재평가해보세요. 사용자가 매일 여러 개의 푸시 알림을 받으며 정보 과부하를 느끼고 있지는 않은가요?

사용자는 자신의 인구통계, 선호도, 앱 내 행동에 맞춘 알림에 더 많이 반응해요. OneSignal의 보고서에 따르면, 개인화된 메시지는 일반적인 콘텐츠보다 참여율이 259% 증가한 것으로 나타났어요.

비활성 사용자에게는 더 많은 알림을 보내고, 이미 적극적으로 참여하는 사용자에게는 덜 보내고 있나요? 사용자의 관심사에 따라 메시지 캠페인을 맞춤화하고 있나요? 사용자의 구매 이력이나 앱 내 과거 행동을 활용해 예측 가능한 참여 패턴을 공략하고 있나요? 푸시와 이메일 캠페인을 개인화할 때 이런 점들을 고려해야 해요.

원시그널 마티니 세그멘테이션 화면

또한, 푸시 알림 요청 시 단순히 권한을 요청하는 것보다 구독의 가치를 설명하는 인앱 메시지를 활용해보세요.

5. 결제나 가입 도중 이탈율이 높아요

결제나 가입 도중 이탈율이 높다는 것은 많은 사용자가 과정을 시작하지만 완료하지 못하고 있다는 뜻이에요. 이를 해결하려면 결제나 가입 흐름에서 마찰 지점을 파악하고, 길고 복잡한 양식, 불명확한 지침, 예상치 못한 요구사항 등을 해결해야 해요. 복잡한 가입 과정이나 결제 과정이 사용자를 혼란스럽게 하여 앱을 삭제하게 만들 수 있어요.

이를 해결하려면 가입이나 결제 과정을 간소화하고 양식 필드를 최소화하세요. 사용자가 완료하면 받을 가치를 명확히 전달하고, 데이터 보안을 보장해야 해요. 진행 표시기, 안내 도구, 게스트 체크아웃 옵션 등을 통해 사용자의 부담을 줄일 수 있어요.

장바구니를 자주 포기하는 앱의 경우, 장바구니 구매 유도 캠페인을 실행해보세요. 개인화된 메시지를 통해 사용자가 놓칠 수 있는 상품을 상기시키고, 몇 시간 내에 메시지를 보내고 다음 날 추가 팔로우업을 하세요. 긴급감을 조성해 즉각적인 행동을 유도하는 것도 중요해요. 카운트다운, 독점 제안, 재고 업데이트 등으로 사용자에게 FOMO(놓칠까 봐 두려운 마음)를 유발하세요!

사용자 행동을 이해하는 모바일 메시징 플랫폼

OneSignal을 사용하면 원활한 옴니채널 솔루션으로 사용자 생애 가치를 높일 수 있어요.

앱을 손쉽게 통합할 수 있는 SDK, 자동화된 캠페인을 추적할 수 있는 강력한 메시지 분석 도구, 수집한 사용자 행동을 최대한 활용할 수 있는 세분화 도구를 제공해요.

마티니와 상담하시면 OneSignal에 대해서 더 자세히 안내받으실 수 있어요.

마티니와 상담하기

*원문 출처 : https://onesignal.com/blog/app-user-behavior-analysis/

*본 게시물은 Onesignal이 작성한 글을 참고하여, Onesignal의 공식 파트너인 마티니가 한국어로 편집 및 재구성하였습니다.

recent_thumbnail
CRM

사용자 여정 지도로 CRM 마케팅 전략을 기획하는 방법

May 20, 2024

원시그널 사용자 여정 지도 마티니

*본 게시물은 원시그널 OneSignal의 기능을 중심으로 작성되었습니다.

모바일 사용자 여정에 대해 많이 들어보셨을텐데요, 현재의 참여 전략에 얼마나 적용되고 있는지 궁금하실 겁니다. 전체 사용자 여정에 대한 개요 대신, 최대한의 효과를 위해 참여 캠페인을 우선해야 하는 중요한 순간들을 짚어볼게요.

어떤 행동 지표가 참여 기회를 나타낼까요?

사용자 행동 분석은 사용자 여정에서 중요한 순간을 포착하는 데 강력한 도구입니다. 모바일 사용자 분석 플랫폼을 통해 사용자 상호작용, 세션 시간, 클릭률, 전환 퍼널 등의 지표를 추적하세요. 패턴과 트렌드가 나타나면, 중요한 참여 지점을 발견할 수 있을 거예요.

각 사용자 여정 단계를 분석하기 전에, 다음 세 가지 사용자 참여 지표를 통해 가장 강력한 참여 기회를 찾아보세요.

신호 #1:
모바일 앱 리텐션

리텐션이 낮다는 것은 사용자 경험, 콘텐츠나 기능 부족, 비효율적인 온보딩 프로세스에 문제가 있음을 의미해요. 이 문제를 찾아내어 사용자 재참여를 유도하고 앱의 가치를 재정립하는 캠페인을 진행해야 해요.

앱 내 메시징은 유지율을 27% 개선할 수 있어요. 이 메시징 채널을 사용하여 사전 권한 요청, 새로운 기능 발표, 실시간 사용자 설문조사를 할 수 있습니다.

신호 #2:
전환율

전환율은 또 다른 중요한 참여 기회입니다. 전환율은 사용자가 앱 내에서 원하는 행동을 완료하는 비율을 측정해요. 예를 들어, 많은 사용자가 무료 플랜을 고수하고 프리미엄 구독으로 업그레이드하지 않는다면, 이를 해결하기 위해 앱 내 알림, 이메일 마케팅 캠페인, 푸시 알림을 활용할 수 있어요.

특정 세션 수를 완료한 무료 사용자에게는 할인된 구독 업그레이드 제안을 할 수 있어요. 이러한 제안은 비용 걱정이나 프리미엄 기능의 가치에 대한 불확실성을 해소하는 데 중점을 둡니다.

신호 #3:
사용자 이탈률

마지막으로, 사용자 이탈 패턴을 분석하면 효과적인 참여 전략을 개발하는 데 중요한 통찰을 제공합니다. 이탈률은 사용자가 플랫폼을 떠나는 비율을 나타내요.

사용자 이탈 이유와 패턴을 분석하면, 사용자 기반의 특정 문제점을 파악하고 재참여 기회를 찾을 수 있어요.예를 들어, 사용자가 일정 기간 비활성화 후 이탈한다면, 자동 재참여 이메일이나 푸시 알림을 통해 제품의 가치를 상기시키고 돌아오도록 유도할 수 있어요.

사용자 세분화를 통해 다양한 사용자 그룹의 선호에 맞춘 재참여 콘텐츠를 제공하세요. 앱의 최신 기능, 산업의 새로운 트렌드, 이전 사용자 활동 기반의 맞춤형 추천 등을 공유할 수 있어요.

사용자 여정 단계에 맞춘 맞춤형 참여 전략

모바일 메시징 전략은 사용자 여정의 각 단계에 맞춰 사용자의 필요와 기대에 부응해야 해요. 이러한 요소는 항상 변화하므로, 캠페인도 유연하게 운영해야 최대한의 참여를 이끌어낼 수 있습니다.아래는 모바일 사용자 여정의 각 단계와 단계별로 적용해야 할 세 가지 참여 전략입니다.

1. 발견 및 인식 단계 참여 전략

소셜 미디어를 통해 앱 홍보하기

타겟 소셜 미디어 광고 캠페인을 통해 잠재 사용자들에게 앱을 알리세요. 예를 들어, 새로운 피트니스 앱은 인스타그램이나 페이스북에서 건강과 운동에 관심 있는 사용자들에게 독특한 기능과 혜택을 홍보할 수 있어요.이 단계에서는 리타게팅 광고를 활용하여 이전에 앱과 상호작용했지만 원하는 행동을 완료하지 않은 사용자들을 다시 참여시키세요.

예를 들어, 사용자가 앱의 웹사이트를 방문했지만 앱을 다운로드하지 않았다면, 앱의 주요 기능을 강조하거나 한정된 시간 동안 프로모션을 제공하는 광고를 통해 재참여를 유도하세요.

앱 스토어 최적화 (ASO)

앱 스토어에서 앱의 가시성과 검색 가능성을 높이기 위해 관련 키워드, 매력적인 비주얼, 상세한 앱 설명을 사용하여 앱 목록을 최적화하세요. 키워드 연구와 A/B 테스트와 같은 도구를 사용하여 앱 스토어 최적화 전략을 개선하고, 사용자가 앱을 검색할 때 더 쉽게 찾을 수 있도록 하세요.

 Myfitnesspal의 앱은 하이라이트부터 후기까지 다양한 목록으로 구성되어있습니다.
Myfitnesspal의 앱은 하이라이트부터 후기까지 다양한 목록으로 구성되어있습니다.

레퍼럴 마케팅

기존 사용자에게 친구나 지인에게 앱을 추천하도록 유도하세요. 성공적인 추천에 대해 할인, 크레딧, 독점 보상을 제공하여 참여를 촉진할 수 있어요.

예를 들어, 여행 예약 앱은 추천 링크를 통해 신규 사용자가 가입하면 추천인과 신규 사용자 모두에게 다음 예약 시 할인 혜택을 제공할 수 있습니다.

2. 획득 단계 참여 전략

프리미엄 구독 - 짧은 기간 동안의 혜택 제공사용자가 앱을 다운로드하도록 유도하기 위해 한정된 시간 동안 할인이나 무료 체험을 제공하세요.

예를 들어, 30일 무료 체험을 제공하여 사용자가 프리미엄 기능을 경험하고 앱의 가치를 직접 느낄 수 있도록 하세요.

임신출산 앱 Peanut의 실시간 카운트다운 포함 구독 플랜 제시 화면
이 결제 화면(paywall)은 임신과 출산 앱인 Peanut에서 제공하는 것으로, 구독 플랜을 명확하게 제시하면서 상단에 '실시간 카운트다운' 타이머를 포함해 업그레이드 할인의 한정된 시간 특성을 강조하고 있어요.

소셜프루프 강조

잠재 사용자와의 신뢰를 구축하기 위해 앱의 랜딩 페이지나 마케팅 자료에 긍정적인 후기나 사용자 리뷰를 보여주세요. 실제 성공 사례나 만족한 사용자의 추천을 강조하면 사용자의 걱정을 덜어주고 앱을 다운로드하거나 가입하도록 유도할 수 있습니다.

타겟 재참여 이메일

앱에 관심을 보였지만 아직 행동을 취하지 않은 잠재 사용자에게 이메일 마케팅을 통해 연락하세요. 개인화된 메시지, 제안, 또는 리마인더를 보내어 앱을 다운로드하거나 가입하도록 유도하세요.

예를 들어, 여행 앱은 웹사이트를 방문했지만 아직 여행을 예약하지 않은 사용자에게 독점 할인이나 여행 팁을 제공하는 이메일을 보낼 수 있어요.

The Outbound Collective의 이메일
The Outbound Collective의 이메일은 깔끔한 야외 이미지로 모바일 경험을 돋보이게 하고 있어요.

3. 온보딩 및 탐색 단계 참여 전략

개인화된 온보딩 제공

사용자가 앱의 기능과 사용법을 잘 이해할 수 있도록 개인화된 온보딩 경험을 제공하세요.사용자의 행동에 따라 트리거되는 컨텍스트 기반 온보딩 메시지를 활용하세요. 모든 정보를 처음부터 제공하는 대신, 사용자가 필요할 때 적시에 관련 팁, 설명, 또는 안내 메시지를 제공하세요.

예를 들어, 사용자가 특정 기능을 처음 사용할 때 해당 기능의 목적과 사용 방법을 설명하는 짧은 툴팁이나 메시지를 표시하세요. 이렇게 하면 사용자가 필요한 순간에 안내를 받아 주요 기능을 잘 이해하고 기억할 수 있어요.

한 번에 하나의 앱 영역만 강조한 암호화폐 거래 앱 Binance의 점진적인 온보딩 시퀀스
암호화폐 거래 앱인 Binance는 점진적인 온보딩 시퀀스를 사용하여 신규 사용자가 부담을 느끼지 않도록 한 번에 하나의 앱 영역만 강조해 안내해요.

사용자를 천천히 앱에 적응시키기

점진적 프로파일링 기법을 사용하여 초기 등록 과정에서 사용자를 압도하지 않고 시간이 지나면서 사용자 정보와 선호도를 수집하세요. 온보딩 중에는 기본 정보만 요청하고, 사용자가 앱을 더 많이 사용할수록 추가 정보를 요청하세요.

예를 들어, 피트니스 앱은 처음에 나이, 성별, 운동 목표 등의 기본 정보를 요청하고, 사용자가 앱을 더 많이 사용할수록 운동 선호도나 식이 제한과 같은 세부 정보를 입력하도록 할 수 있어요.

신규 사용자에게 다양한 지원 제공

앱을 탐색하는 동안 사용자에게 지원과 안내를 제공하기 위해 앱 내 메시징과 지원 옵션을 제공하세요. 라이브 채팅 지원, FAQ, 또는 도움말 기사를 앱 내에서 직접 접근할 수 있도록 하여 사용자가 온보딩 및 탐색 중에 자주 겪는 질문이나 문제를 해결할 수 있게 하세요. 이렇게 하면 사용자가 지원받는다는 느낌을 받고 앱의 기능을 탐색하는 데 있어 부담을 덜 수 있어요.

4. 재사용 단계 참여 전략

계속해서 돌아오도록 유도하기사용자에게 푸시 알림이나 이메일을 보내 앱을 다시 방문하고 새로운 콘텐츠나 기능을 탐색하도록 유도하세요.

예를 들어, Adobe Photoshop은 새로운 생성 AI 기능을 강조하는 이메일을 보내 사용자가 새로운 사진 편집 방법을 발견하도록 유도합니다.

원시그널 마티니 포토샵 ai

참여를 재미있게 만들기

도전 과제, 배지, 보상 등의 게임 요소를 도입하여 지속적인 참여와 상호작용을 유도하세요. 특정 작업을 완료하거나, 목표를 달성하거나, 앱 내 커뮤니티 활동에 참여하도록 하는 성취 기반 시스템을 만드세요.

모두가 좋아하는 미스터리 박스예상치 못한 보상, 선물, 또는 개인화된 메시지로 사용자를 놀라게 하고 앱에 대한 긍정적인 경험을 강화하세요. 랜덤 할인, 무료 혜택, 또는 특별 제안을 제공하는 깜짝 캠페인을 통해 사용자의 지속적인 충성도와 참여를 감사하는 표시로 활용하세요.

5. 수익화 단계 참여 전략

체계적인 유지 전략

충성도 프로그램을 도입하거나 프리미엄 기능에 대한 독점 할인 혜택을 제공하여 사용자가 인앱 구매를 하도록 유도하세요. 예를 들어, 게임 앱은 특정 레벨을 완료하거나 이벤트에 참여한 사용자에게 가상 화폐나 특별 아이템을 보상으로 제공하여 추가 구매를 유도할 수 있어요.

투명성 유지

사용자의 돈과 관련된 문제에서는 명확성과 정직함이 중요해요. 구독 관리 프로세스를 간소화하고 구독 플랜, 청구 주기, 갱신 날짜에 대한 투명한 정보를 제공하세요. 다가오는 구독 갱신, 가격 변경, 또는 체험 기간 만료에 대해 사용자에게 미리 알림을 보내 사용자가 구독 상태에 대한 결정을 준비할 수 있도록 하세요.

재정 계획 앱 Monarch의 무료 체험 페이지
재정 계획 앱 Monarch의 무료 체험 페이지는 사용자가 제한된 접근이 어떻게 작동하는지 정확히 안내해 주어 매우 효과적이에요. 모호함 없이 명확하게 설명해 주죠!

플랜 간의 가치 강조

업셀링과 크로스셀링 기법을 도입하여 사용자가 프리미엄 또는 상위 티어 구독 플랜으로 업그레이드하거나 앱 내 추가 제품이나 서비스를 구매하도록 유도하세요. 프리미엄 기능이나 추가 기능의 혜택과 가치를 강조하고, 사용자가 구매하도록 특별 프로모션이나 할인을 제공하세요.예를 들어, 생산성 앱은 무제한 저장소나 협업 도구와 같은 고급 기능이 포함된 프리미엄 플랜을 할인된 가격으로 제공하여 사용자가 추가 기능을 잠금 해제하고 경험을 향상시키도록 유도할 수 있어요.

6. 재구매 단계 참여 전략

사용자 이해하기

사용자의 과거 구매 기록을 바탕으로 개인화된 추천을 제공하여 재구매를 유도하세요. 예를 들어, 패션 앱은 사용자의 이전 구매 기록과 선호도를 기반으로 큐레이션된 컬렉션이나 제품 추천을 포함한 개인화된 이메일이나 푸시 알림을 보내어 재구매를 유도할 수 있어요.

Ray-Ban의 이메일은 사용자의 마지막 쇼핑 기록을 기반으로 개인화되어 있으며, 무료 배송과 간편한 반품과 같은 인센티브를 강조하여 쉬운 쇼핑 경험을 제안합니다.

사용자의 마지막 쇼핑 기록 기반 Ray-Ban의 개인화 이메일

“지금 당장!”

재구매 고객을 위해 한정된 시간 동안 제공되는 할인이나 플래시 세일을 도입하여 긴급함과 흥분을 유발하세요. 시간 제한 할인, 번들, 또는 단기간 동안만 제공되는 특별 프로모션을 통해 사용자가 제안을 이용하도록 유도하세요. 예를 들어, 모바일 게임 앱은 한정된 시간 동안 인게임 화폐나 특별 아이템을 할인된 가격에 판매하는 플래시 세일 이벤트를 개최하여 재구매 고객의 참여와 수익을 창출할 수 있어요.

미리보기와 티저로 기대감 유지

재구매 고객에게 다가올 제품, 기능, 또는 프로모션의 독점 미리보기나 예고를 제공하여 충성도를 보상하고 브랜드에 대한 참여를 유지하세요. 신규 출시, 베타 버전, 또는 아직 일반에게 공개되지 않은 비하인드 콘텐츠에 대한 조기 접근을 제공하여 재구매 고객에게 독점적이고 내부적인 접근 권한을 제공하세요.

7. 충성도 및 유지 단계 참여 전략

사용자들을 하나로 모으기

사용자 포럼, 소셜 미디어 그룹, 또는 독점 콘텐츠를 통해 커뮤니티 감각과 지속적인 참여를 촉진하세요. 예를 들어,명상 앱은 사용자가 경험을 공유하고, 비슷한 생각을 가진 사람들과 연결하며, 가이드 명상 세션이나 전문가와의 라이브 Q&A 세션에 참여할 수 있는 전용 커뮤니티 공간을 만들 수 있어요. 이를 통해 소속감을 느끼게 하고 장기적인 참여와 유지를 유도할 수 있어요.

유명인 파트너십 기반 지역 커뮤니티 이벤트 예시

또는 독립 전기 자전거 회사가 새로운 유명인 파트너십을 지역 커뮤니티 이벤트를 통해 홍보할 수도 있어요.이 전략의 목표는 커뮤니티를 하나로 모으고, 참여하는 사람들을 교육하고 보상하면서 즐겁게 하는 것입니다. 가족처럼 느끼는 사용자 기반은 단지 익명의 고객으로 느끼는 사용자보다 이탈할 가능성이 훨씬 적습니다.

VIP 사용자에게 보상하기

VIP 프로그램이나 충성도 등급을 만들어 가장 충성도가 높고 참여도가 높은 사용자에게 독점 혜택, 특전, 또는 보상을 제공하세요. 조기 세일 접근, VIP 고객 지원, 또는 멤버 전용 이벤트와 같은 특별 권한을 제공하여 지속적인 참여를 유도하고 충성도를 보상하세요.

기념일 축하하기

사용자의 기념일, 이정표, 또는 업적을 축하하여 지속적인 충성도와 참여를 보상하세요. 사용자의 회원 기념일, 생일, 또는 일정 구매 횟수나 포인트 도달 등의 이정표를 기념하는 개인화된 메시지, 가상 배지, 또는 특별 제안을 보내세요.

OneSignal로 사용자 참여 극대화

앱 내 온보딩 시퀀스를 설계하든, 이메일 재참여 캠페인을 자동화하든, 크로스채널 메시징 여정을 시도하든, OneSignal에선 모두 가능합니다.

사용자 여정의 어디에 있든, 강력한 옴니채널 메시징은 장기적으로 개인화된 콘텐츠를 제공하는 데 중요한 역할을 합니다.

마티니와 상담하시면 Onsignal에 대해서 더 자세히 안내받으실 수 있어요.

마티니와 상담하기

*원문 출처 : https://onesignal.com/blog/how-your-user-journey-should-inform-your-engagement-strategy/

*본 게시물은 Onesignal이 작성한 글을 참고하여, Onesignal의 공식 파트너인 마티니가 한국어로 편집 및 재구성하였습니다.

recent_thumbnail
EVENT

브레이즈 개인화 마스터 클래스 모집!

May 16, 2024

브레이즈 개인화 마스터 클래스 메인 배너
브레이즈 개인화 마스터 클래스 교육 소개 이미지

[MartineeXBraze] Braze Personalization Master Class는 Braze 도입을 고민하고 계시거나 도입 후 잘 활용하고 싶으신 고객사를 대상으로 Braze 개인화 기능인 Personalization 활용 노하우를 공유하는 교육 세미나입니다.

브레이즈 개인화 기능, 여러분도 잘 활용할 수 있습니다.

“Braze 도입은 했는데.. 어디서부터 어떻게 해야 하지?”
“Braze 개인화, 더 깊고 세부적으로 사용하려면 개발이 필요하지는 않을까?”

Braze 개인화 기능, 여러분도 개발없이 전문가처럼 매우 세부적으로 활용할 수 있습니다.

이번 세션에서는 참여자들이 충분히 실무에 활용할 수 있도록 실습에 포커싱하여 구성하였으며, 성공적인 CRM 캠페인을 위한 브레이즈 개인화 기능 활용 비법을 공유해드립니다.

마티니와 함께한 고객사

마티니와 함께한 고객사들

마티니는 버거킹, 오늘의집, 무신사, KFC, 쏘카, 알라미(딜라이트룸), 발란, 칼하트, LG전자, 넷마블, 크래프톤, 머스트잇, 동원F&B, 이랜드폴더, 네오위즈, IBK기업은행, 밀리의서재 이외에도 다양한 고객사와 여정을 함께하고 있습니다.

실무에 바로 적용할 수 있는 활용 노하우, 마티니와 함께한 고객사들이 만족하는 이유입니다.

참여했던 고객사들의 생생한 후기

브레이즈 부트캠프에 참여한 고객사 후기 모음

지난 브레이즈 부트캠프에 참여해주신 분들의 생생한 후기를 확인해보세요.

“ 실제 사용 사례에 대해 많이 들을 수 있어서 좋았고 브레이즈 시현 과정을 볼 수 있어서 좋았습니다. “
“ 라이브 데모를 통해 어떻게 활용하는지 상세하게 알 수 있었습니다. “
“CRM 고도화에 Braze가 어떻게 기여할 수 있을지에 대한 궁금증을 해소할 수 있었습니다. “
“Braze 개인화를 위한 Liquid의 개념과 구조 설명이 있어서 이해하기 좋았습니다. “

이런 분이 오시면 좋아요

브레이즈 개인화 마스터 클래스 타겟
  • Braze 도입 후 실무 활용법을 배우고 싶으신 분
  • 개발없이 Braze 개인화 기능을 전문적으로 활용하고 싶으신 분
  • Event Taxonomy를 효율적으로 설계하여 비용을 줄이고 싶으신 분
  • 유저 개개인에게 최적화된 개인화 메시지를 발송하고 싶으신 분

브레이즈를 잘 활용하면?

이런 것들이 가능해요

브레이즈를 잘 활용하면 가능한 이점
  • 고객 특성에 따른 개인화 메시지를 구성하고 최적의 시점에 발송할 수 있습니다.
  • 웹과 앱에서의 고객 여정 경우의 수를 확인하고 그에 따른 맞춤 캠페인 기획이 가능합니다.
  • 유저의 이탈 시점과 경로를 확인하여 재방문 시킬 수 있는 캠페인 기획이 가능합니다.
  • 다양한 API를 활용하여 트리거 기반으로 알림 및 메시지 자동화를 구축할 수 있습니다.

세션 커리큘럼

브레이즈 개인화 마스터 클래스 세션 커리큘럼

Braze Personalization Use Cases | 배민지 연사, Braze Head of Account Management

  • 브레이즈 개인화 기능을 활용한 후 비포/애프터를 살펴봅니다.
  • 브레이즈 개인화 기능을 활용한 Creative한 해외 Usecase들을 살펴봅니다.

Braze Personalization Master Class | 이건희 연사, Martinee CRM Team Lead

  • Personalization Master Intermediate
    • 개인화태그부터 Liquid, Connected Content까지 기본 문법을 배웁니다.
    • 배운 문법을 바탕으로 과제를 수행하고, 캠페인에 응용하는 다양한 케이스를 살펴봅니다.

추후 진행예정

브레이즈 개인화 마스터 클래스 추후 커리큘럼

7월

Braze Personalization Master Class | 이건희 연사, Martinee CRM Team Lead

  • Personalization Master Advanced
    • Liquid, Connected Content를 활용한 심화된 캠페인 사례를 배웁니다.
    • 개인화가 적용된 다양한 캠페인 사례를 확인합니다.

9월

Braze Automation Master Class | 이건희 연사, Martinee CRM Team Lead

  • Automation Planning Deep Dive
    • 캠페인/캔버스 기획에서 중요한 포인트들을 점검합니다.
    • 목적별로 다양한 캠페인 기획 사례를 살펴봅니다.

11월

Braze Data Analytics Master Class | 이건희 연사, Martinee CRM Team Lead

  • Data Analytics / Utilization
    • CRM 캠페인의 다양한 분석 방법을 확인합니다.
    • Braze의 데이터 활용을 극대화하는 방법들을 살펴봅니다.

브레이즈 개인화 마스터 클래스 개요

When

2024년 5월 29일 수요일 오후 7시 - 9시‍

Where

서초구 서초대로 38길 12 마제스타시티 타워2, 12층 마티니 오피스

  • 서초역 4번 출구 도보 5분 소요

네이버 지도로 확인하기

브레이즈 개인화 마스터 클래스 참여 혜택 및 안내사항

참여자 혜택

📢 혜택 1. Martinee CRM 커뮤니티 초대

📢 혜택 2. 마티니 CRM POC 추첨 무료 1회 제공

📢 혜택 3. Braze Bootcamp Advanced 초청권 제공

안내사항

  • 참가 인원이 한정되어 있어 별도 참석 확정 연락을 드릴 예정입니다.
  • 실습이 포함된 교육으로 개인 노트북 지참이 필요합니다.
  • 주차권 제공 가능하며 리셉션 데스크로 문의 부탁드립니다.
  • 신청시 기입한 이메일이 회사 이메일이 아닐 경우 선정이 불가할 수 있습니다.
  • 참석자분들에게 간단한 음식이 제공될 예정입니다.
  • CRM POC의 경우 추첨을 통해 선정되신 분께 별도로 안내드릴 예정입니다.

Contact

mkt@martinee.io

이번 세미나에 꼭 참석하셔서 CRM 캠페인의 성과와 비즈니스 개선을 마티니와 함께 이뤄보세요!

recent_thumbnail
GROWTH

AARRR 프레임워크로 앰플리튜드 대시보드 만드는 방법

May 10, 2024

마티니는 최근 버거킹 코리아와 함께 Amplitude를 활용한 그로스 프로젝트를 진행하고 있습니다.

고객의 참여를 유도하고 장기적으로 수익 증대를 실현하는 그로스 마케팅의 첫 단추인 AARRR 퍼널 구현 사례를 공유하고자 합니다.

이 글에서는 AARRR 프레임워크의 정의부터 해당 프레임워크를 적용하여 어떻게 대시보드 목차를 구성하고 직접 구현하는지에 대한 플로우를 설명하였습니다. 차트 예시는 Amplitude의 데모 계정의 데이터를 활용하여 구현하였습니다.

1. AARRR은 무엇인가요🧐? 중요하게 생각해야 하나요?

‘그로스 해킹’이라는 단어를 처음으로 만들어낸 션 앨리슨은 비즈니스가 성장하기 위해서는 ‘좋은 제품을 사람들이 어떻게 사용하게 만들지’를 고민하는 것이 매우 중요한 시작점이라고 했습니다. 그는 비즈니스가 최대한으로 성장할 수 있는 방법을 계속해서 실험하여 그로스 해킹의 프레임워크가 있다고 주장했습니다.

실제로 이러한 프레임워크를 활용해서 Dropbox는 10명의 직원에서부터 지금은 10억 달러 (한화 1조원)이 넘는 초 대기업이 되었습니다.

그로스 분석의 목적 사이클

그로스 분석의 목적은 서비스별 지속 가능한 선순환의 비즈니스 사이클을 만드는 것입니다.

그럼, 이 사이클은 어떻게 찾아낼 수 있을까요? 지금까지 해왔던 대로의 ‘관습’은 새로운 소비자의 변화를 쫓아가기에 느리고, ‘감’은 불확실합니다. 이때 우리는 ‘데이터’를 활용하게 됩니다.

과학적으로 접근해서 이러한 사이클의 단서를 찾을 수 있습니다. 즉, 션 앨리스가 강조하는 ‘과학적 접근’의 ‘그로스 해킹 프레임워크’가 바로 ‘AARRR’입니다.

그로스 해킹 퍼널인 AARRR은 Acquisition(유입), Activation(활성화), Retention(리텐션), Revenue(매출), Referral(추천)의 5단계로 이루어져 있습니다.

AARRR 프레임워크
AARRR 프레임워크

버거킹 서비스에 대조해 보면 아래와 같은 질문들을 나열해 볼 수 있으며, 해당 질문들이 바로 각 단계별로 고려해야 하는 지표를 의미합니다.

📝 AARRR Funnel

(1) Acquisition (유입, 획득)

  • 고객들이 얼마나 버거킹 앱에 접속(설치, 방문, 가입) 하나요?
  • 어떤 고객들이 버거킹 앱에 접속하나요?
  • 어떻게 고객들이 버거킹 앱을 알게 되었을까요?
  • 고객들이 어떤 프로모션을 보고 앱에 접속하나요?

(2) Activation (활성화)

  • 고객들은 버거킹에서 첫 주문을 할 때 좋은 경험을 했나요?
    • 첫 주문 시 어떤 아이템을 구매하나요?
    • 첫 주문 시 어떤 쿠폰을 쓰나요?
    • 첫 주문 시 어떤 플랫폼을 많이 이용하나요?
    • 첫 주문 시 어디서 이탈을 많이 하나요?

(3) Retention (리텐션)

  • 우리 고객들의 리텐션은 어떻게 되나요? 급격하게 감소하나요? 완만한 평행선을 이루고 있나요?
  • 재구매 리텐션은 어떻게 되나요?
  • 재구매 주기는 어떻게 되나요?
  • 서비스 별로 리텐션이 다른가요?
  • 리텐션이 높은 고객들이 많이 하는 특정 행동이 있나요?

(4) Revenue (매출)

  • 앱 주문 고객과 일반 고객들의 매출은 어떻게 되나요?
  • 앱 주문 고객들이 어떤 상품 종류를 많이 구매하나요?
  • 매장별로 매출이 어떻게 다른가요?
  • 어떤 쿠폰을 구매할 때 가장 많이 쓰나요?
  • 주문을 많이 하는 고객들이 많이 하는 특정 행동이 있나요?
  • 앱 주문의 건단가는 어떻게 되나요?
  • 앱 주문의 객단가는 어떻게 되나요?
  • 주문자 당 구매 평균금액(ARPPU)는 어떻게 되나요?

(5) Referral (추천)

  • 바이럴 마케팅의 효과가 있나요? 유입이 있었나요?

그럼 우리는 위 질문에 대한 답을 어떻게 찾을 수 있을까요? Amplitude라는 프로덕트 분석 툴을 활용하여 AARRR 대시보드를 구현하여 확인할 수 있습니다.

📝 AARRR Funnel에 따른 대시보드 목차 구성

(1) Acquisition (유입, 획득)

  • DAU (Daily Active User, 일별 활성 유저)
  • MAU (Monthly Active User, 월별 활성 유저)
  • 회원가입
  • 설치

(2) Activation (활성화)

  • 첫 주문
    • 상품 항목(아이템)
    • 쿠폰, 프로모션
    • 플랫폼
  • 첫 주문 경로 (퍼널)

(3) Retention (리텐션)

  • 방문 리텐션
  • 구매 리텐션
  • 코호트별 리텐션 Engagement Matrix

(4) Revenue (매출)

  • 주문
    • 주문 건수
    • 신규 유저, 기존 유저의 주문 건수 비중
    • 주문 이벤트 Engagement Matrix
    • 주문 이벤트 Compass
  • 매출
    • 일별 매출
    • 상품 항목별 매출
    • 쿠폰별 매출
    • 플랫폼별 매출
  • 주문 수
  • 고객 수
  • 건단가
  • 객단가
  • ARPPU (주문자의 주문 평균 금액)

(5) Referral (추천)

  • 입소문 계수 (WOM, Word of Mouth)

2. Amplitude를 활용하여 AARRR 대시보드 구현하기

우선 서비스 특성에 맞춰 유저 코호트를 생성합니다. 예를 들면 앱 주문, 웹 주문과 같이 주문 채널, 주문 횟수, 연령대, 주문 금액대, 성별 등 특성을 기반하여 유저 코호트를 생성하고 코호트와 전체 유저별 차이를 확인합니다.

더불어 프로모션의 주기, 사용 주기를 바탕으로 각 차트의 기간을 정합니다. 최근 30일 자, 일자별 혹은 최근 90일, 월별 등의 날짜 옵션으로 정할 수 있습니다.

*Amplitude 차트는 목업 데이터를 활용하였습니다.

*각 항목별 주요 테이블 차트만 예시로 설명하였습니다.

(1) Acquisition (유입, 획득)

1️. DAU (Daily Active User, 일별 활성 유저)

앰플리튜드(Amplitude) DAU 확인 화면
  • Segmentation 차트를 활용하여 DAU, WAU, MAU 차트를 만들 수 있습니다.
  • Start Session, 메인 페이지 뷰 등 유입으로 인정하는 이벤트를 기준으로 잡습니다.
  • 대시보드에 내가 만든 DAU 차트를 추가하고 > Show summary matrics 를 클릭하면 현재 활성 유저 수, 증감률을 차트와 함께 대시보드에서 즉시 확인할 수 있습니다.
앰플리튜드(Amplitude) Show summary matrics 화면
앰플리튜드(Amplitude) 유입 획득 DAU 대시보드 스코어카드

📌  체크 포인트

  • DAU, MAU 평균, 최고치, 최저치
  • 프로모션 전후 증감률
  • 유저 코호트와 전체 유저 차이

2️. 회원가입

  • 회원가입률

3️. 설치

  • AppsFlyer, Airbridge와 같은 MMP와 Amplitude를 연동하면 Amplitude 대시보드에서 인스톨과 미디어 소스 값을 확인할 수 있습니다.
앰플리튜드(Amplitude) MMP 데이터 연동 대시보드 예시

📌  체크 포인트

  • 설치 평균, 최고치, 최저치
  • 프로모션 전후 증감률
  • utm 소스 별 설치 수

(2) Activation (활성화)

1️. 첫 구매 경로

앰플리튜드(Amplitude) 활성화(Activation) 차트 화면
  • 만약 구매 경로가 View Item DetailsAdd to CartCheckoutComplete Purchase 순이라고 가정했을 때, 첫 구매 경로를 구하기 위해서는 기준이 되는 이벤트에 Historical Count = 1 조건을 걸어 확인할 수 있습니다.
    • Historical Count란 (링크): 특정 이벤트를 N번 수행한 횟수를 기준으로 고객을 식별할 수 있는 필터링 조건입니다.
  • Measured as 조건으로 Completed within 5 days으로 확인하였습니다.
    시작 이벤트인 View Item Details에서 마지막 이벤트인 Complete Purchase까지 대부분의 유저가 5일 내에 전환을 완료했기 때문입니다. 이는 Time To Convert 측정을 통해 확인할 수 있습니다.
  • 만약 더 보수적으로 경로 전환율과 이탈률을 확인하고 싶을 경우 Measured as 조건을 1일 이내 등 제한을 걸어 확인이 가능합니다. 보수적인 조건, 전환 완료 시간 조건 등 두 가지의 조건을 각각 비교하여 확인할 수도 있습니다.
앰플리튜드(Amplitude) 활성화(Activation) 구매 과정 확인 차트

📌  체크 포인트

  • 각 퍼널 단계의 전환율과 이탈률
    • 유저 코호트별 비교 가능
  • 전환 소요 시간

(3) Retention (리텐션)

1️. 리텐션 Engagement Matrix

  • 방문 이벤트와 관련된 이벤트의 수와 빈도에 있어서 연관성을 가진 다른 행동(이벤트)를 확인할 수 있는 차트입니다.
  • A > B > C > D 순으로 사분면을 확인하여 방문과 관련된 중요 이벤트들을 확인할 수 있습니다.
  • x축은 빈도(얼마나 더 자주 한 행동인지)를 나타내며, y축은 수(얼마나 더 많은 유저가 한 행동인지)를 나타냅니다. 따라서 A면에 있는 이벤트는 평균보다 더 많은 유저가, 더 높은 빈도로 수행한 이벤트라는 것을 의미합니다.
  • App Push, In_App_Message Impression과 같은 분석과 관련도가 낮은 이벤트는 수동으로 체크박스 해지하여 필터링 적용할 수 있습니다.
앰플리튜드(Amplitude) 리텐션(Retention) 차트 화면

📌  체크 포인트

  • 리텐션 주기 (방문/주문)
  • 코호트별 리텐션
  • 코호트별 자주 방문하는 요소(이벤트) 찾기

(4) Revenue (매출)

1️. 주문 이벤트 Compass

앰플리튜드(Amplitude) 매출(Revenue) 차트 화면
  • 7일 이내 어떤 특정 이벤트가 선택한 코호트 그룹(위 그래프 내 ❷번, Users who complete purchase ≥ 1x)과 상관관계를 가지고 있는지 히트맵 형태로 확인할 수 있는 차트입니다.
  • 상관관계 지수에 따른 해석
    • Highly Predictive(예측성 높음): correlation ≥ 0.4
    • Moderately Predictive(중간 예측성): correlation ≥ 0.3
    • Slightly Predictive(약간 예측 가능): 0.3 > correlation ≥ 0.2
    • Not Predictive(예측되지 않음): correlation ≤ 0.2

2️. 건단가

앰플리튜드(Amplitude) 건단가 확인 차트
  • 매출이 발생하는 이벤트 (구매, 주문완료)의 매출 이벤트 프로퍼티($revenue: 주문금액)를 기준으로 건단가를 계산합니다. Measured as 에서 주문 금액의 평균값을 구해 건단가를 구할 수 있습니다.
  • 만약 총매출 추이에 대해서 확인하고 싶을 경우, Measured as에서 Average of Property Value 대신 Sum of Property Value로 선택하여 확인이 가능합니다.
    • Property Value는 상단 Event 영역에서 선택한 이벤트의 프로퍼티의 값을 뜻합니다.

3️. 객단가

  • 객단가는 고객 1명의 평균 구매 금액을 의미합니다.
    일반적으로 객단가는 매출액 / 주문자수로 나누어 계산합니다. Amplitude에서는 주문 완료(구매) 이벤트를 통해 구할 수 있습니다.
  • 수식을 적용해야 하므로 Measured as 하단의 Formula를 클릭하여 수식을 적용해야 합니다.
앰플리튜드(Amplitude) 객단가 확인 차트
  • 적용 수식
앰플리튜드(Amplitude) 객단가 적용 수식 설명
  • A: Complete Purchase, B: Complete Purchase로 선택합니다. (주문 금액을 확인할 수 있는 주문 완료 이벤트를 클릭합니다.)
  • 매출액 = 주문 완료 이벤트의 주문 금액의 총합 = PROPSUM(A)
  • 주문자수 = 주문 완료 이벤트를 발생한 유니크(사용자) 수 = UNIQUES(B)
  • Formula = PROPSUM(A) / UNIQUES (B)

📌  체크 포인트

  • 매출
  • 카테고리별 매출
  • 주문 건수
  • 주문 고객 수
  • 객단가
  • 건단가
  • LTV
  • 주문 완료 이벤트에 영향을 끼치는 요소(이벤트) 찾기

(5) Referral (추천)

1️. 입소문 계수 (WOM, Word Of Mouth) (출처:Reforge)

  • Amplitude에서 쉽게 구현할 수 있는 바이럴 지표로 아래와 같이 계산할 수 있습니다.
입소문계수(WOM) 수식
  • New Organic Users, Non-Organic New Users 구하는 방법
    • MMP를 연동하여 UTM 값으로 앰플리튜드에서 확인이 쉽게 가능합니다.
    • Organic User: 주로 (none), direct, search domain 값으로 확인할 수 있습니다.
    • Non-Organic User: 광고 채널 값으로 확인할 수 있습니다.
  • WOM 구하는 방법
앰플리튜드(Amplitude) 입소문 계수 (WOM) 확인 차트
  • Events 설정 영역에서 A: New User (utm_source: (none), Direct), B: Any Active Event를 선택합니다.
  • Measured as에서 Formula를 클릭하고 아래 수식을 입력합니다.
    • UNIQUES(A) / (UNIQUES(B)-UNIQUES(A))
  • UNIQUES(A)
    • A는 utm_source가 (none), Direct로 들어온 신규 오가닉 유저라고 할 수 있습니다.
  • UNIQUES(B)
    • B는 앱 또는 플랫폼 내에서 일정 기간 동안 Active Event를 발동 시킨 유저의 유니크(사용자) 수를 뜻하므로 신규 유저(오가닉+논 오가닉)+복귀 유저의 합산 수를 의미합니다.
  • (UNIQUES(B)-UNIQUES(A))
    • (신규 유저(오가닉+논 오가닉)+복귀 유저)-(신규 오가닉 유저) = 신규 논 오가닉 유저+복귀 유저

3. 끝으로

Amplitude는 프로덕트를 이용하고 있는 고객을 이해할 수 있도록 도와주는 매우 유용한 분석 툴입니다. 하지만 동시에 처음 시작하기에 어려운 툴이기도 합니다. 어떠한 데이터 차트를 만들고 무슨 지표를 봐야 할지 결정하기란 쉽지 않기 때문입니다.

이때 그로스 해킹의 AARRR 프레임워크를 기반으로 질문들을 써 내려가다 보면 답을 얻기 위해 필요한 데이터와 지표가 눈에 보이기 시작할 것입니다. AARRR 대시보드를 통해 서비스의 성장을 확인하고 추가적으로 시도해 볼 만한 인사이트를 얻으시길 바랍니다.

4. 참고 자료

- AARRR: Come Aboard the Pirate Metrics Framework

- Engagement Matrix: discover what your users love (and don't love) about your product

- Reforge

- How to Calculate The Word of Mouth Coefficient in Amplitude