Recent
[Review] 그로스 캠프 2기
Amplitude, 아직도 어렵다면?
행사명 : [그로스 캠프] Ep.2 - Amplitude by Martinee
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2024년 6월 5일 ~ 6월 26일 매주 수 오후 7시
대상
- Amplitude의 주요 기능들을 포함하여 기초 개념부터 실무 활용까지 배우고 싶은 분
- Amplitude 기반 그로스 마케팅에 관심이 있으신 분
어떻게 진행하였나요?
![[그로스 캠프] Ep.2 Amplitude by Martinee 수강생](https://cdn.prod.website-files.com/656d3c53a795ed37cbbc9e32/66a75eb14b12ce73f3383363_667d2bab0aba24c743ba89ea_DSC04058.jpeg)
그로스 캠프 2기는 웨비나 없이 LV. 1, LV. 2, LV. 3, LV. Expert 총 4번의 세션으로 진행되었고, 레벨이 올라갈수록 실무에 활용가능한 앰플리튜드의 고급 기능까지 배웠습니다.
실습 세션의 경우, 실무에 바로 적용 가능하도록 데모 계정을 통해 직접 앰플리튜드의 차트와 기능을 살펴보았습니다.
세부적으로 확인하고 싶은 유저 데이터를 직접 세팅해보고 집계 기간에 따른 차이를 살펴보며 앰플리튜드 차트 활용 시 주의할 점들까지 알아보았습니다.
![[그로스 캠프] Ep.2 Amplitude by Martinee 퀴즈 화면](https://cdn.prod.website-files.com/656d3c53a795ed37cbbc9e32/66a75eb14b12ce73f338335d_667d2c857390803b3d43d8b8_%25EC%258A%25A4%25ED%2581%25AC%25EB%25A6%25B0%25EC%2583%25B7%25202024-06-27%2520180738.png)
각 세션 이후에는 간단한 퀴즈를 통해 배웠던 내용을 쉽게 잊지 않을 수 있었습니다.
후기 포스팅을 포함하여 적극적으로 참여해주신 분들께는 마티니가 직접 만든 108장 분량 앰플리튜드 가이드북까지 전달드려서 캠프 종료 후에도 앰플리튜드 기능들을 하나씩 적용해보실 수 있습니다.
이렇게 아낌없이 전수해드리는 그로스 캠프, 다음 번엔 놓치면 안되겠죠?
어떤 것들을 배웠나요?
앰플리튜드 필수 차트 살펴보기
![[그로스 캠프] Ep.2 Amplitude by Martinee 강사 이재철](https://cdn.prod.website-files.com/656d3c53a795ed37cbbc9e32/66a75eb14b12ce73f3383367_667d2db3cf699c9d09db859f_DSC04103.jpeg)
LV.1 ‘탐색적 데이터 분석(EDA)과 가설 발견을 위한 분석 기초’ 세션에서는 앰플리튜드를 다루기 전에 알아야 할 사항과 앰플리튜드의 활용 목적, 구조, 데이터 택소노미 (Data Taxonomy) 설계에 대해 알아보았고 앰플리튜드의 필수 차트인 세그멘테이션 (Segmentation)과 퍼널 (Funnel), 리텐션 (Retention) 차트를 활용하여 분석 기초를 진행해보았습니다.
차트 기능들을 활용할 때는 앰플리튜드에서 정의한 모듈과 필터의 역할을 명확하게 이해해야 하는데요. 이벤트, 유저, 메트릭 모듈 등 그룹을 쪼개고 측정 기준을 정의할 때 Uniques, Active %, Average, User & Event Property 등이 각각 어떤 의미를 가지고 있는지와 라인, 영역, 바 차트들을 어떤 상황에서 활용하는지 배웠습니다.
세부적으로 예시 사례를 기반으로 한 예제 문제 실습을 통해 각 차트별 적합한 활용법을 익혀보는 시간이었습니다.
- 구매가 많이 발생하는 날의 브랜드별 매출 비중 차이를 확인
- 프로모션 진행 전후 매출 차이 확인
- 푸쉬 메시지 타입별 구매 영향도 확인
- 유저별 구매 전환까지 걸리는 시간을 확인
- 전환까지의 유저 여정 분석
- 이벤트가 가장 많이 일어나는 파트 확인
- 주요 이벤트 및 서비스 사용 간격 및 빈도 점검
- 핵심 이벤트(Critical Event) 유효성 점검
- 측정 기준을 통한 시계열 트렌드 확인
내 유저 살펴보기
LV.2 ‘Cohort / LTV / Lifecycle 분석을 활용한 제품 분석 & 유저 분석 심화’ 세션에서는 DAU & MAU와 LifeCycle, Revenue와 LTV, Sign up과 Engagement를 살펴보고 코호트 (Cohort) 분석 정의와 활용에 대해 알아보았습니다.
MAU를 확인할 때는 실질적으로 성장하고 있는지 잘 확인해야 하는데 Formula 기능을 사용하여 서비스의 MAU가 성장하고 있는지를 세그먼트 차트(Segment Chart)를 직접 활용해보며 확인해보았습니다. 라이프사이클 차트(Lifecycle Chart)를 통해서 휴면, 이탈, 유입 사용자의 비중을 살펴보며 실질적으로 MAU가 성장하고 있는지 점검할 수 있었습니다.
하지만 유저 라이프사이클은 매출을 보장해주지 못하기에 LTV까지 꼭! 확인해야 한다는 사실을 잊지 마세요!
코호트 차트 기능을 통해서는 유저의 시계열 데이터를 확인하고 인사이트를 도출할 수 있는데요.
- 음악 스트리밍앱에서 7일차에 3곡을 즐겨찾기한 사용자
- 온보딩 중 푸시 알림을 활성화한 사용자
- 커머스 웹사이트에서 가입 후 7일 내 구매한 사용자
위 예시와 같이 유저 별 행동들을 상세하게 쪼개서 살펴볼 수 있습니다.
지난 한 달 동안 장바구니에 상품을 담았지만 구매는 하지 않은 유저 분석, 회원가입 이후 7일 이내 구매를 하는 유저와 아닌 유저를 비교해보는 예제를 통해 코호트 차트를 활용해보았습니다.
코호트를 메타나 CRM툴로 보내주기까지 한다면 매우 잘 활용할 수 있게 되겠죠!
내 서비스 성장시키기
LV.3 ‘비즈니스 성장을 위한 유저 여정 분석(AARRR)과 그로스 모델링’ 세션에서는 앰플리튜드에서 대시보드를 구축하는 과정과 AARRR 프레임 워크(Framework)의 각 단계인 획득 (Acquisition) , 활성화 (Activation), 수익 (Revenue), 재방문 (Retention), 추천 (Referral)의 유저 여정 분석과 그로스 모델링에 대해 배우는 시간을 가졌습니다.
- LTV/CAC 확인
- DAU/MAU 확인
- 퍼널 별 전환율 확인 후 개선
- 아하 모먼트(Aha moment) 찾기
- ARPU & ARPPU 확인
- 내 서비스 주요 이벤트 찾기
- 제품 사용 간격 찾기
- 입소문 효과 계수 측정
환경 구축하기
LV. Expert 'Performance & CRM & Growth 분석에 대한 실행을 위한 마케팅 분석 & 자동화 Case Study' 세션에서는 MMP & PA & CRM 솔루션의 연동을 통한 통합 마케팅 환경을 구축하는 이유와 방법에 대해 그 중요성과 과정을 세부적으로 실제 기업 사례를 통해 알아보았습니다.
제품을 많이, 잘 판매하기 위해서 프로모션을 진행하는데 발생하는 매출에 대해 정말 프로모션의 영향인지 확인하기 위해 증분 분석을 진행합니다. Amplitude 퍼널 차트를 통해 실험 집단을 분리해서 A/B 테스트를 진행하여 프로모션의 유효성을 검증하는 과정 공유해드렸습니다.
이외에도 클러스터링 기능을 통한 라플 유저와 일반 유저의 여정 분석 및 비교 방법과 연관 규칙 분석을 통한 카테고리 내 상품별 연관성을 파악하는 방법에 대해서도 배웠습니다.
궁금한 것이 있다면?
살펴본 데이터가 비즈니스에 따라 상이하거나 세션 중 어려운 부분이 있어도 QnA를 통해 상세하게 답변드리고 함께 살펴보며 자신의 비즈니스에 적합한 최적의 활용법을 익힐 수 있는 시간이었습니다.
참여자 후기를 확인해보세요!
![[그로스 캠프] Ep.2 Amplitude by Martinee 종료 후 단체사진](https://cdn.prod.website-files.com/656d3c53a795ed37cbbc9e32/66a75eb14b12ce73f338337b_667d30bff326c55e01c91c48_DSC04402.jpeg)
그로스 캠프가 1기에 이어 2기까지 1달 동안 많은 분들의 적극적인 참여 속에 마무리 되었습니다.
LV. 1 세션부터 마지막까지 많은 분들깨서 남겨주신 후기를 확인해보세요!
![[그로스 캠프] Ep.2 Amplitude by Martinee 만족도 결과](https://cdn.prod.website-files.com/656d3c53a795ed37cbbc9e32/66a75eb14b12ce73f338336a_667d33d59fe896ae536e6d77_%25EC%258A%25A4%25ED%2581%25AC%25EB%25A6%25B0%25EC%2583%25B7%25202024-06-27%2520183636.png)
마티니가 여러분의 비즈니스 성공을 위해 언제나 함께 합니다.
마티니가 진행한 다른 세미나들이 궁금하다면?
앰플리튜드(Amplitude) Segment Chart
프로덕트 분석/성과 분석 툴
그로스마케팅의 기본은 분석입니다. 분석 툴, 주로 Analytics라고 많이 이야기하죠. Google Analytics가 대표적이고요. 이외 Product Analytics라고 했을 때 Mixpanel(믹스패널), Amplitude(앰플리튜드) 등의 솔루션이 있습니다.
프로덕트 분석이 뭔가요?
프로덕트 분석은 사용자들이 디지털 프로덕트를 쓰는 방식을 이해해보는 것입니다. 사용자의 행동 데이터를 분석하고, 전환 기회를 파악하고, 사용자의 평생 가치(LTV: Long Time Value)를 높이는 경험을 만들어 사용자를 비즈니스의 핵심으로 만듭니다.
프로덕트 분석을 통해 사용자의 실시간 참여 및 행동 데이터를 추적, 시각화, 분석하여 전체 고객 여정(User Journey)을 최적화할 수 있습니다. 사용자의 라이프사이클 모든 단계를 데이터로 확인하여 디지털 경험을 개선하고, 충성도를 확보하고, 비즈니스 성과로 연결하도록 지원합니다.
(사용자 여정 예시) 광고를 클릭하고 ~ 계정을 생성하고(Onboarding Process라고 함) ~ 가입하고 ~ 기능 A를 경험하고 ~ 모바일로 로그인하고 ~ 첫구매를 하고 ~ 기능 B를 경험하고 ~ 기능 C를 경험하고 ~ 앱푸시를 받고 ~ 구독할 것 같은데 ~ A/B 테스트를 경험하고 ~ 파워 유저가 되고 ~ 남에게 추천하고...
위와 같은 사용자 여정 중에서 하기 질문에 앰플리튜드를 통해서 답할 수 있습니다.
- Why do users convert or dropoff? (사용자가 전환하거나 이탈하는 이유는 무엇일까요?)
- Which featurees predict likelihood to buy? 구매 가능성을 예측하는 기능은 무엇인가요?
*커머스라면 대개 상품/브랜드 찜하기, 장바구니에 상품 담기가 그 기능입니다.
- What is the cross-device user journey? 크로스 디바이스 유저의 여정은 무엇인가요?
보통 Web to App으로 Mobile/Web에서 프로덕트를 경험하다가 App을 설치하고 App으로 넘어갑니다.
*대개 여기서 데이터가 유실됩니다.
- How did our launch impact monetization? 출시가 수익 창출에 어떤 영향을 미쳤나요?
- Who are our highest value customers? 우리의 최고 가치 고객은 누구입니까?
*가치가 가장 높은 고객군의 특성을 알아야, 그 고객군과 유사한 고객들을 더 데려올 수 있고 혹은 기존 고객들이 그 고객과 유사한 행동을 하게끔 유도해야합니다.
- How likely is churn within user cohorts?사용자 집단 내에서 이탈할 가능성은 얼마나 되나요?
*이탈 지점과 시점을 알고 있어야 이를 방지하거나 개선할 수 있습니다.
커머스의 필수 지표: 매출, 주문수, 건단가, 객단가
프로덕트 분석이라고 하면 거창해 보이지만 실전은 생각보다 단순합니다. 커머스에서 가장 중요한 지표가 무엇일까요? 바로 매출/주문수/객단가/건단가입니다.
매출=주문수X건단가, 매출=주문자수X객단가 개념으로, 결국 '매출'이 가장 중요한데요.
동일한 매출을 기준으로 주문수가 많아지면 건단가가 낮아지고, 건단가가 높아지면 주문수가 적어집니다. 아주 당연한 얘기지만, 이 내용이 무엇과 연관이 있을까요? 바로 물류비입니다.
건단가가 낮아서 주문수가 많아지면 택배 물량이 많아집니다. 물론 합배송이 가능하냐, 물류 체계가 자체 배송이냐 위탁 배송이냐, 물류 센터가 있느냐 등에 따라 상황은 다를 수 있겠지만 대개 커머스는 주문수와 건단가 중 굳이 택한다면, 건단가를 높이고 주문수를 줄이는 것이 좋습니다. (객단가는 유저수와 객단가를 둘 다 올리는 게 좋고요...ㅎㅎ)
앰플리튜드(Amplitude)의 Segment Chart 만들기: 매출, 주문수, 객단가, 건단가
*매출, 주문수, 객단가, 건단가 차트 모두 '주문 완료'/'구매 완료'/'결제 완료' 와 같은 이벤트와 '주문 금액'/'구매 금액'/'결제 금액'을 뜻하는 이벤트 프로퍼티가 필수입니다.
*여기서 이벤트와 프로퍼티는 모두 개별적으로 설정되는 것으로 통용되는 단어가 아님을 참조해주세요.
1️. 매출 차트 그리기
1. Segmentation by 에서 주문 완료 이벤트를 설정해줍니다.
해당 택소노미에서는 total_items_order_completed 가 주문 완료/결제 완료 이벤트입니다.
그리고 by order_total 이라는 이벤트 프로퍼티를 사용하여 값을 표현해줍니다.
2. ...performed by Any Users는 따로 설정하지 않아도 됩니다. (전체 유저의 매출을 보는 것이고, 특정 유저의 행동을 보고자 하는 것이 아니니까요.)
3. ...measured as 에서 'Properties'를 선택하고 Sum of Property Value를 설정합니다.
4. 일자까지 설정해주면 그래프가 구현됩니다!
5. 그래프 하단에는 데이터 테이블이 표 형식으로도 나오고, 이는 CSV로 다운로드 받을 수 있습니다.
2️. 주문수 차트 그리기
주문수는 쉽습니다! ...measured as Sum of Property Value를 Event Property로 바꿔주면 됩니다.
매출이 구매 이벤트의 금액의 총합이었다면, 주문수는 이벤트가 발생한 수이기 때문입니다.
Event Totals로 바꿨는데 그래프가 조금 이상하죠? order_total이라는 주문금액값이 grouped by 필터로 걸려있어서 그렇습니다. 금액값 별로 어떻게 구성되어져있는지 보여주는 거죠. 해당 필터를 지워주면 됩니다.
3️. 객단가 차트 그리기
객단가는 매출/주문자수입니다. 그러므로 매출=주문완료 이벤트(+order_total 프로퍼티)의 PROPSUM (PropertySUM)/주문완료 이벤트의 유니크(사용자수)로 수식을 만들어서 적용하면 됩니다. 즉 객단가는 PROPSUM/UNIQUES입니다.
객단가의 추이를 과거와 비교할 수도 있습니다. Comparing to date range ending _ 여기서 일자를 설정하여 두 개의 그래프로 구현되도록 할 수 있습니다. 과거 일자와 비교하면 그 시점의 유저가 **[Previous]**로 표시되고, 이후 시점의 유저가 All User로 표시됩니다.
4️. 건단가 차트 그리기
건단가는 매출/주문수입니다. 그러므로 주문완료 이벤트의 속성값, 주문액 평균을 확인하면 됩니다. ...measured as Average of Property Value로 설정해줍니다.
건단가는 주로 프로모션을 진행할 때 부차적으로 확인합니다. 평상시 대비 프로모션 진행 시에 카테고리/브랜드/상품/장바구니 할인 쿠폰이 발급되어 건단가가 낮아지는 경우가 많기 때문입니다.
건단가/객단가는 대개 유사합니다. 다만 예외도 존재합니다. 리셀러가 커머스에 많은 경우, 상품을 대량하는 구매하므로 경우 주문수가 주문자수보다 월등히 많아 건단가는 낮고, 객단가는 높을 수 있습니다.
건단가/객단가는 시즈널리티를 탑니다. 특히 의류 커머스의 경우 S/S에는 반팔 티셔츠가 주가 되기에 객단/건단이 낮아지고, F/W에는 아우터 상품이 메인이 되면서 객단/건단이 높아집니다.
앰플리튜드 대시보드 예시
대시보드 한 판에 차트들을 모을 수 있습니다. 매출도, 구매전환율도, 상품수도 여러 필터로 쪼개보면서 프로덕트의 현황을 확인할 수 있습니다.
분석 내용 공유하기
앰플리튜드 차트로 확인한 데이터들은 구글 스프레드시트로 이전 성과들과 비교하거나, 노션으로 정리하거나, 간단하게는 슬랙으로 정리하여 공유합니다.
그로스마케터가프로모션/쿠폰 분석을 하는 과정 중에 앰플리튜드로 세그먼트 차트 (커머스에 꼭 필요한 매출, 주문수, 건단가, 객단가) 그리는 법을 알아보았습니다! 감사합니다.
풀스택 마케팅 컨설팅펌 마티니아이오
원본 포스팅 링크
그로스마케팅과 AARRR : Acquisition 획득
그로스해킹은 Growth와 Hacking의 조합, 그로스마케팅은 Growth와 Marketing의 조합으로 두 개념 다 '성장'을 위함이지만 해킹은 어떤 수단을 동원할지 한정짓지 않는 것이고 마케팅은 마케팅 측면에 집중한 것입니다.
AARRR 프레임워크가 왜 중요할까요? 그로스마케팅의 범위가 모든 마케팅을 포괄하는 만큼, 업무의 우선순위를 정해야 하기 때문입니다. 비즈니스의 특성, 규모, 성숙도에 따라 AARRR 중 현재 집중해야하는 단계를 파악하고 그 부분을 활성화하기 위한 마케팅 캠페인을 운영해야 합니다.
(1) A: Acquisition 획득
(2) A: Activation 활성화
(3) R: Retention 유지(리텐션)
(4) R: Revenue 수익화(매출)
(5) R: Referral 추천
▶️ AARRR 프레임워크 관련된 더 자세한 글은 여기서 확인해주세요.
https://brunch.co.kr/@marketer-emje/11
AARRR의 1단계: Acquisition 획득
AARRR 프레임워크의 첫번째 약자인 Acquisition(획득)을 알아보겠습니다. 사용자 획득을 위한 마케팅을 UA 마케팅 (User Acquisition Marketing)이라고 자주 부르는데요. UA마케팅에서 사용하는 광고 매체, 성과 분석 툴, KPI(유입, 가입, 앱설치, 첫구매 등)에 따라 봐야하는 지표, 실제 사례 등을 공유해보겠습니다.
잡코리아에 'UA마케팅'을 검색했을 때의 결과페이지입니다. 넷마블, 크래프톤 등 유명 게임 회사가 좀 보이고, 이외 앱 중심의 커머스 회사인 브랜디도 있네요. UA 마케팅이란 단어를 게임 업계에서 많이 쓴다고는 하는데요, UA 마케터라는 포지션명은 잘 쓰지 않기 때문에 UA 마케팅을 하는 퍼포먼스마케터로 생각할 수 있겠습니다.
UA 마케팅이란, User Acquisition: 사용자 획득
AARRR의 첫 단어인 만큼 '획득'은 마케팅 초기 단계로, 유저(사용자)가 서비스에 '획득'되게 만드는 것입니다. 여기서 획득은 서비스 내에서 정의하기 나름이지만 단순히 유입(Traffic, 트래픽)이 될 수도 있고 유입 이후의 가입(Signup, 등록/계정 생성) 혹은 앱 설치 (App Install) 혹은 첫구매 (1st Purchase)일 수도 있습니다. KPI가 무엇이냐에 따라 주의 깊게 봐야하는 지표 또한 달라집니다.
주요 광고 매체와 성과 분석 툴/솔루션
사용자를 획득하고자 하는 UA 마케팅에서는 주로 어떤 광고 매체를 활용할까요? 힌트는 UA마케팅을 검색했을 시 나오는 퍼포먼스마케터의 채용 공고에 있습니다!
1. 넷마블의 UA마케팅 담당자 채용 공고
· 글로벌 UA 매체 Self-serve: Google, Meta 등
Self-serve: 광고 대행사를 통한 운영이 아닌 직접 운영을 말합니다.
· 마케팅 성과 분석 툴 활용 역량 (Singular, Appsflyer, Firebase, Gamesight, GA 등)
MMP(Mobile Measurement Partners)인 싱귤러와 앱스플라이어가 등장하네요.
· 1st Party Data 활용을 통한 광고 <> 내부 성과 분석
1st Party Data란 우리 서비스에 쌓이는 데이터를 기반으로, 자사 내부 데이터라고 할 수 있습니다. 이에 반대되는 개념이 3rd Party Data로 외부 데이터로, 광고 매체들의 데이터들을 예시로 들 수 있습니다.
2️. 브랜디의 퍼포먼스마케터 채용 공고
· 광고 매체: 메타, 구글, 네이버 SA/DA, 카카오 등
DA는 Display Advertisement(Ads)로 배너 광고, SA는 Search Advertisement(Ads)로 검색 광고를 뜻합니다.
· 분석 트래킹 툴 활용 통한 데이터 분석 (Appsflyer, GA 등)
MMP(Mobile Measurement Partners)인 앱스플라이어가 등장하네요.
· User Acquisition - Activation 퍼널 단계에서 KPI 달성
그로스마케팅은 그로스(Growth)를 위해 무엇이든 하기에 AARRR 프레임워크의 모든 단계와 관련된 업무를 하지만 주로 퍼포먼스마케팅은 AARRR 중의 초기 단계인 Acquisition과 Activation 위주의 업무를 합니다.
3️. 야나두(야핏)의 퍼포먼스 마케터 채용 공고
· 주요 매체 (Google, NAver, Meta, Kakao) Self-Serve
(*Self-serve: 광고 대행사를 통한 운영이 아닌 직접 운영을 말합니다.)
· 3rd + 1st Party 데이터 분석을 통한 UA 성과 관리
1st Party Data란 우리 서비스에 쌓이는 데이터를 기반으로, 자사 내부 데이터라고 할 수 있습니다. 이에 반대되는 개념이 3rd Party Data로 외부 데이터로, 광고 매체들의 데이터들을 예시로 들 수 있습니다.
보통의 광고 매체(3rd Party)에서는 자신의 매체를 기준으로 성과를 측정하기 때문에 내부 데이터(1st Party)와 수치가 맞지 않는 경우가 많습니다.
ex. 사용자가 3일 전 인스타 배너 광고를 보고 클릭해서 유입되었다가 이탈된 후 다시 네이버 검색 광고를 통해 오늘 유입되어 가입한 경우를 생각해봅시다. 기여기간이 7일이라고 할 때, 인스타그램 및 네이버 매체의 광고 관리자에서 해당 가입이 모두 각자의 성과라고 계수할 수 있습니다. 이렇게 되면 광고 관리자에서 확인된(3rd Party) 가입자 수치는 2명이고, 실제 내부 데이터(1st Party)에서는 1명이겠죠?
광고 매체로의 메타(Meta), 네이버(Naver), 구글(Google), 카카오 (Kakao)
메타(Meta)
- 인스타그램/페이스북 광고로 배너 광고의 가장 대표적인 매체입니다.
- 페이스북 광고 관리자에서 캠페인 - 광고 세트 - 광고 소재 의 위계로 이미지/영상 광고를 세팅하여 운영할 수 있습니다.
- 페이스북 광고 라이브러리에서는 키워드를 검색하여 유관 광고 소재를 참조할 수 있습니다.
네이버 배너 광고 (GFA) 및 검색 광고 (파워링크, 쇼핑 검색)
- 네이버는 배너 광고와 검색 광고를 모두 가지고 있습니다.
- 배너 광고는 네이버 메인이나 웹툰, 기사 등을 볼 때 주로 뜨는 광고이고요.
- 검색 광고는 특정 키워드 검색 시 상위에 노출되는 '파워링크' 영역과 '쇼핑검색' 영역 등에 노출됩니다.
KPI와 지표
'지표'는 특정 현상을 나타내는 수치입니다. 쉽게 말하면 클릭률(CTR:Click-Through Rate)), 클릭당비용(CPC:Cost Per Click), CPM(노출당비용), CPI(설치당비용), PV(페이지뷰), CAC(가입당비용).. 이런 것들 인데요. 배너 광고 및 검색 광고의 효율을 판단할 때 지표들을 기준으로 성과가 좋다/나쁘다를 이야기할 수 있습니다.
지표를 AARRR 프레임워크에 맞추어 구분하고 확인할 수도 있습니다.
Acquisition 관련 대표 지표들
- CTR: Click-Through Rate, 클릭률
- CPM : Cost per mille 노출 1,000회당 비용
- CPC: Cost per Click 클릭당 비용
- CPI: Cost per Install 설치당 비용
- CPE: Cost per Engagement 실행당 비용
- CPA 액션당 비용
액션을 무엇으로 설정해두었느냐에 따라 달라집니다.
- CPS: Cost Per Sales 구매 전환당 비용
- PV
Page View 페이지뷰 (=조회수) - 세션당 단가
한 명의 세션을 만들어내는 데에 드는 비용 (유입당 비용, CPC와 다르게 보는 이유는 클릭하고 유입되기 전에 이탈할 수 있기 때문입니다.) - 세션 시간
오래 체류할수록 좋겠죠? - 세션당 페이지뷰
한 번 들어와서(=유입되어서) 여러 페이지를 볼 수록 좋겠죠? - CAC 가입당 비용 (Customer Acquisition Cost)
- DAU/WAU/MAU
- Daily/Weekly/Monthly Active User 일간/주간/월간 활성 사용자수
- New/Return 새로 들어온 사용자/다시 돌아온 사용자
UA 마케팅 사례: 유입/가입/첫구매/앱설치 캠페인
보통 유입/트래픽 캠페인은 일회성 모수인 경우가 많아 (즉 사용자가 서비스를 장기적으로 사용하지 않고 유입만 되었다가 이탈하는 경우) 커머스에서는 가입 및 첫구매를 독려하고, 앱의 중요도가 큰 경우는 앱설치까지 유도하는 경우가 많습니다.
- 컬리, 무신사, 지그재그 모두 신규 고객이라면/가입하면/처음이라면 > 1만원 할인, 990원 상품 등으로 혜택을 제공하고 있으며
- 29CM의 경우 앱에서만 사용할 수 있는 쿠폰을 제공하여 앱 설치를 유도합니다.
그로스해킹과 그로스마케팅 그리고 그로스마케팅에서의 AARRR 프레임워크 개념을 넘어서 이제는 조금 더 구체적으로 Acquisition 단계의 UA마케팅에 대해서 다뤄봤습니다. 광고 매체나 성과 분석 툴의 경우는 다른 단계에서도 크게 달라지지 않지만 그만큼 중요한 내용이기에 계속 이야기하겠습니다!
풀스택 마케팅 컨설팅펌 마티니아이오
원본 포스팅 링크
링크드인 통계 분석 대시보드 만들기
📊 링크드인 통계 분석 대시보드 만들기
데이터를 다루다보니 링크드인 컨텐츠도 데이터로 관리하고 싶은 마음이 컸습니다.
링크드인에서 가장 많이 들어가는 항목이 통계 부분인데 들어갈때마다 아쉬운건 제공 되는 데이터가 너무 제한적이라는 것이었습니다.
링크드인이 제공해주지 않아서 직접만들어 봤습니다.
1️. 평균/누적 컨텐츠 노출, 참여도(좋아요, 댓글), 팔로워에 대해서 알 수 있습니다.
2️. 노출, 참여도, 팔로워에 긍정적인 컨텐츠 종류를 확인할 수 있습니다.
3️. 컨텐츠 개별 누적 지표와 계정 지표를 분리해서 볼 수 있습니다.
링크드인이 제공하는 API가 페이지 데이터다 보니 개인용 컨텐츠에 대한 통계를 자동화 하지 못한 게 아쉽긴 하지만 주기적으로 데이터를 다운받아서 스프레드시트에 올리기만 하면 자동으로 시각화에 업데이트가 되게 했습니다.
<추가할 것들>
+ Social Selling Index (SSI)와 같은 지표를 추가하면 좋을 것 같아 점진적으로 추가할 계획입니다.
+ 각 콘텐츠 유형에 대한 레이블을 추가하여 분석을 다양화하려고 합니다.
+ 링크에서 썸네일 이미지 자동으로 가져올 수 있게 하는 방법 없을까요?! 고민중입니다.
👉 혹시나 더 보면 좋을 지표와 내용들이 있을까요?
👉 대시보드 링크 : https://lnkd.in/gRGdQE2i
원본 포스팅 링크
그로스마케팅과 AARRR 퍼널 분석 (ft. 29CM)
그로스마케팅이란?
그로스해킹은 말 그대로 성장(Growth)을 위해서 어떤 수단(Hacking)이든 동원하여 문제를 해결한다는 뜻입니다.
즉 그로스마케팅 또한 성장을 위해 하는 모든 마케팅이라 해석할 수 있습니다. 그로스마케팅의 세부 방법으로는 유입을 증가시키는 노출/트래픽 캠페인(퍼포먼스마케팅)이 될 수도 있고, 메인페이지의 배너 클릭률을 높이는 콘텐츠 제안이 될 수도 있고, 장바구니에서 결제 전환율을 높이는 UIUX 개선이 될 수도 있습니다. 이를 위해서는 사용자의 반응을 확인할 수 있는 데이터가 중요합니다.
최근 그로스마케팅의 중요성은 원티드의 채용 직무만 봐도 알 수 있습니다. '그로스'를 검색해보세요!
그로스마케팅이랑 AARRR 프레임워크가 무슨 상관인가요?
그로스마케팅을 한다고 할 때, 성장을 위해 어떤 일을 먼저 해야할까요?
대다수의 스타트업에서는 개발팀 인력이 소중합니다. 소위, 개발팀의 인풋이 부족하다고 많이들 이야기합니다. 마케팅팀에서도, 서비스기획팀에서, 디자인팀에서도, 상품팀에서도 개발팀에게 요청을 하기 때문이죠. 그렇다면 개발팀은 이들의 요청 중 누구의 업무를 먼저 해야 할까요?
- 나랑 친한 팀 사람의 업무 요청
- 매출에 기여를 많이할 것 같은 기획 구현 요청
- 사용자에게 영향을 줄 것 같은 기능 개선 요청
- 개발팀 상반기 KPI와 맞물려있는 요청
정답은... 알 수 없습니다. 이 회사의 최우선순위 목표(OKR: Objective and Key Results)를 모르기 때문입니다. 목표를 정하기 위해서 AARRR Framework를 사용할 수 있습니다. AARRR의 단계 중 어느 단계를 목표로 해야할지 대략적으로 정해보는 것이죠. 우리 회사의 OKR이 '매출'이라면 2.의 업무가 우선이 되겠습니다.
AARRR 퍼널이란?
마케팅을 할 때에도 이 단계에 맞춰 업무의 우선순위를 정해 일할 수 있습니다. 퍼널(Funnel)이라고도 부르는 이유는 깔대기 형태이기 때문입니다. 초반 사용자들은 많으나 단계를 거치며 사용자들의 이탈이 반복되어 마지막 지점에 남는 사용자는 급격히 적어집니다.
- Acquisition: 획득
- Activation: 활성화
- Retention: 유지 (재방문, 재구매)
- Revenue: 매출 (혹은 전환)
- Referral: 추천
- (Acquitision) 29CM에 들어갑니다. 가입도 합니다.
- (Activation) 이굿위크 기획전도 구경하고 상품 상세페이지도 봅니다. 마음에 드는 브랜드를 찾아서 좋아요도 합니다. 그리고 안 사고 나옵니다. (이탈)
- (Retention) 다시 29CM에 들어갑니다. 할인하는 상품들도 더 찾아보고 상품 좋아요도 누르고 이번엔 장바구니에 상품을 담습니다.
- (Revenue) 구매합니다.
- (Referral) 29CM가 마음에 들어서 친구한테도 추천하고, 상품 후기도 작성합니다.
1. Acquisition: 획득 (ex. 트래픽 캠페인)
그냥 데려오기만 하는 (=유입시키는, 트래픽을 발생시키는) 것이 있고 데려와서 가입을 시키는 것 (=계정을 생성하는 것)을 포함하기도 합니다.
토스에서 진행하는 머니알림이 '트래픽'을 위한 경우가 많습니다. 토스의 앱푸시를 누르면 토스로 트래픽이 발생하고 (10원) 토스가 유도하는 외부 페이지로 랜딩되면 트래픽이 발생하니까요. (10원!) 이렇게 토스는 한 명의 사용자를 유입시키는 데에 20원이라는 가격을 책정하고 있는 것입니다. (물론 업체에게는 더 많이 받죠!)
2. Activation 활성화 (콘텐츠, CRM 캠페인)
29CM에 핸드폰으로 (앱을 깔지 않고) 들어가면 앱설치를 하라는 팝업이 뜹니다. 앱설치를 유도하여 이후 29CM를 더 자주 들어오기를 장려하는 것이죠.
이외 29LIVE 라는 기능을 콘텐츠로 소개하는데요. 이 때 혜택을 위해 '알림 신청'을 하게끔 합니다. 알림 신청을 해두면 앱푸시나 카카오 플러스친구로 메시지를 받게 되어 또 들어오게 되겠죠!
3. Retention 유지 (CRM 캠페인, 리타겟팅 캠페인)
CRM으로 높은 할인율의 프로모션을 홍보하면서 다시 방문해달라고 유도합니다. 토스의 경우 만보기 같은 기능을 통해 사용자가 매일 매일 들어오게끔 하구요.
CRM 외에도 리타겟팅 캠페인은 퍼포먼스마케팅으로도 많이 활용됩니다. 그래서 한 번이라도 들어갔던 웹사이트의 광고가 나에게 계속 계속~~~ 뜨는 것이죠!
4. Revenue 수익화(매출, 전환)
커머스라면 구매 전환이겠죠. 최종 목표인 만큼 이전 단계와도 밀접하게 연관되어 있습니다. 활성화(Activation)나 유지(Retention)에서도 방문으로 그치는 것이 아닌 구매 전환까지 일어날 수 있도록 혜택을 촘촘히 설계하는 것이죠.
보유한 쿠폰의 만료일이 얼마 안 남았다고 카카오톡으로 알림을 주는 CRM 캠페인도, 블랙프라이데이라고 인스타 스토리에도 광고가 엄청 뜨는데요. 이런 것이 바로 전환 캠페인이라고 할 수 있겠습니다.
5. Referral 추천
카톡으로 친구에게 상품을 추천하기도 하고, 서비스 내에서 후기 작성을 독려하기도 합니다. 작성된 후기는 아직 상품을 사지 않은 사용자들에게 좋은 추천 콘텐츠가 되기 때문입니다.
AARRR 프레임워크 활용하기
위는 사용자 측면에서의 AARRR 프레임워크가 적용되는 상황이었다면, 마케터의 측면에서는 AARRR 관점에서 어떻게 업무해야할까요? 간단하게는 문제 정의와 현황 분석, 측정 지표 이해, 목표 수준 설정 및 개선안 실행으로 AARRR 프레임워크를 활용할 수 있습니다.
단계별 문제를 확인합니다.
- e.g. 최근 7일 가입자수가 전주 대비 줄었네?
핵심 주요 지표를 선정하고 현황을 확인합니다.
- e.g. 광고 매체 별 가입수와 가입당 비용을 확인해보자.
측정 지표의 의미를 이해합니다.
- e.g. 가입자수는 GA 기준으로 측정하고, 가입당 비용용은 광고관리자에 들어간 예산으로 적용하자.
목표 수준을 정하고 실험을 통해 개선합니다.
- e.g. 가입당 비용(CAC)를 GA 기준으로 20,000원 이하가 되게끔 목표를 정하자. 현재 운영 중인 광고 매체 중 카카오는 CAC가 40,000원이라 너무 높고, 유튜브가 30,000원이네. 카카오는 끄자. 상대적으로 효율이 괜찮은 유튜브 광고 소재와 세팅에 변화를 줘서 가입당 비용을 낮춰보자!
AARRR 퍼널은 단계일 뿐, 순서는 아닙니다.
추천을 받고 유입된다면 Referral이 먼저, Acquisition이 후자가 되는 것이고요. 가입하지 않고 비회원으로 상품을 구매한 후에 상품이 마음에 들어 가입을 하고 다른 상품도 차차 둘러본다면, Revenue > Acquisition > Activation의 단계를 밟은 것으로 볼 수도 있습니다.
AARRR 프레임워크를 발표한 Dave McClure도 활성화(Activation)와 유지(Retention) 이후 고객 유치(Acquisition)과 추천(Referral) 마지막으로 수익화(Revenue)의 순서를 추천하기도 했습니다. 회사의 상황에 따라 더 중요한 AARRR 단계가 있을 수 있습니다.
우리 회사는 어떤 단계의 AARRR이 가장 중요할까요? 리텐션은 나날이 감소하는데 획득에만 치중하고 있는 것은 아닐까요?
풀스택 마케팅 컨설팅펌 마티니아이오
원본 포스팅 링크
Figma가 고객을 찾는데 걸린 시간 = 5년
🧩 Figma가 고객을 찾는데 걸린 시간 = 5년
최근 새롭게 시작하는 IT 기반의 기업들 혹은 일반 제품들도 PMF 찾는 것을 중요 단계로 생각합니다.
PMF
PMF는 제품 - 시장 적합성으로 제품이 시장에서 매력적인 상품인지 찾는 단계를 의미합니다. 매력이라는 모호한 단어만큼 PMF는 명확한 순간을 정의하는 것은 쉽지는 않습니다. 많은 경우 유저들과 인터뷰를 통해서 단계의 달성을 가늠합니다. 충분한 PMF를 찾았다면 그 때부터 비즈니스 스케일업을 본격적으로 하게됩니다. 이렇게 하면 제품 개발과 제작에 들이는 리소스를 줄여서 제품 출시에 따른 위험성을 최소화할 수 있다는 장점을 가지고 있어 특히나 스타트업에서 각광받는 방식입니다.
우리가 흔히 아는 Canva, Notion, Figma 의 기업들의 인터뷰로 PMF 달성 소요기간을 확인해보니 대부분 1년~2년 이상의 시간이 걸렸다는 것을 알 수 있었습니다.
평소 PMF는 빠르게 시장을 찾는게 중요하다라고 생각했는데 유수의 기업들도 PMF를 찾는데 오랜기간이 걸렸다는게 너무나 놀라웠습니다. PMF의 기준이 높았을 수도 있고 기술 기반의 기업이다보니 더 많은 시간이 주어졌을 수 도 있습니다. 그럼에도 불구하고 좋은 제품으로 성장하기 위해서는 분명히 고객이 제품을 사랑하게 만들고, 지속적으로 제품을 사용하도록 유도하는데 충분한 시간과 고민이 필요하다는 것을 다시 생각하게 되었습니다.
얼마전부터 집으로 가는 길에 작은 건물이 지어 지고 있었습니다. 처음엔 공사를 하는 것 같은데도 한참동안이나 건물은 올라갈 기미가 보이지 않았습니다. 아마도 지반공사와 기초 공사만 이루어졌던것 같습니다. 그리고 기초공사가 마무리되니 체감은 하루에 한 층 씩 빠르게 집이 올라가면서 공사가 마무리 되었습니다. 건물을 만들때 가장 많은 시간을 투자하는 것은 외형적 모습이아닌 기초 공사 기간입니다.
제품의 기초공사가 PMF를 찾는 과정이라면 PMF를 찾는데 충분한 시간과 고민이 필요하지 않을까요? 그리고 그 시간이 결국 안정적 비즈니스를 찾는데 중요한 기준이 되지 않을까요?
빠르게 문제를 찾는 것과 견고한 기초를 만드는 것, 정답이 있기보다 상황에 따라 선택을 하는 문제라고 생각합니다. 다만, '빠름' 이라는게 언제나 정답처럼 생각한 저에게 좀 더 새로운 시각을 준 것 같습니다.
👉 여러분 서비스의 PMF는 어떤가요?
원본 포스팅 링크
그로스마케팅이란? 콘텐츠도 퍼포먼스도 UIUX 개선도!
그로스마케팅이란? 비즈니스의 성장을 위한 마케팅
성장을 위해서 모든 수단을 총 동원하는 그로스 해킹에서 유래된 마케팅 방법론입니다. 성장의 목표는 매출, 앱설치수, 회원수, 리드 확보(B2B) 등이 될 수 있겠죠.
그로스마케팅의 수단은 다양합니다. 전환율 개선을 위해서는 UIUX 개선이 필요할 수도 있고, 사용자의 획득 및 유입을 위해서는 퍼포먼스마케팅이 그로스마케팅의 수단이 될 수도 있습니다.
그로스마케팅의 목표와 수단의 예시
- 목표: 브랜드 인지도 향상
- 수단: 브랜드/콘텐츠 마케팅
세부 업무 1. 자사 SNS 관리
- 인스타그램 피드 기획 및 제작
- 유튜브 콘텐츠 기획 및 촬영, 편집
- 블로그 콘텐츠 기획 및 작성
- 목표: 결제 전환율 개선
- 수단: UIUX 개선
세부 업무 2. 장바구니 페이지 UIUX 요소 변경
- 장바구니 할인율 표기
- 최대 할인 혜택 표기 방식 변경
- 목표: 유입수 증대
- 수단: 퍼포먼스마케팅
세부 업무 3. 인스타그램 광고용 소재 기획 및 제작, 세팅 및 효율 관리
- 페이스북/인스타그램 광고 소재 기획
- 소재 제작
- 세팅 및 효율 관리
퍼포먼스마케팅에 대해 더 알고 싶다면?
https://brunch.co.kr/@marketer-emje/9
그로스마케팅의 퍼널 분석과 A/B 테스트
즉 정성적 감에 의존하기 보다는 내부 데이터를 분석하여 정량적인 근거를 기반으로 합니다. 일례로 퍼널(Funnel) 분석을 통해 사용자들이 이탈하는 구간을 찾아내고 A/B 테스트를 통해 개선안을 운영하여 수치를 개선시키고 성장을 만들어냅니다.
그로스 스프린트의 일환으로 UIUX 개선안을 적용할 시, 기존 UI와 성과를 비교할 수 있도록 A/B Test를 진행하는 것이 좋습니다. 마티니에서는 세 가지의 방안을 고객사에게 제안했습니다.
방안 1. 전후 비교하기: 1주씩 기존안/개선안 반복하며 2개월 간 운영
기존 장바구니>구매 전환율의 변동 폭이 주간/월간 기준으로도 큰 편임을 감안하였을 시, 기간을 길게 잡고 진행하는 것이 다른 변인을 감안할 수 있을 것으로 예상됩니다. 개발적 공수가 제일 적을 수 있습니다.
방안 2. 내부 개발
동일한 페이지(장바구니페이지/결제페이지)를 분기하여 기존안과 개선안, 두 개로 운영하는 것입니다. (cart_page vs. cart_page_test 및 order_page vs. order_page_test)
방안 3. 외부 tool 사용
Heckle (핵클) 링크
자체 개발보다는 개발 인풋이 적게 들어갈 것이라고 판단되나 SDK 연동은 필요합니다. 노출될 페이지를 개별 제작해야합니다. 핵클은 A/B 테스트 운영 시 필요한 개발 인풋과 분석 환경 인풋을 줄여주는 툴입니다.
그로스마케팅과 퍼포먼스마케팅
메타 광고를 예시로 한다면 매출 증대를 목표로 하는 전환 캠페인에서는 광고 비용과 ROAS 등의 수치를 중요시할 것이고요. 그로스마케팅의 경우 리텐션(재방문율/재구매율)을 개선하고자 했을 때는 재방문수, 재구매수의 절대적인 수치와 전체 방문 중 재방문수의 비중, 전체 구매 중 재구매수의 비중 등 상대적인 수치를 봐야할 것입니다.
진짜 그로스마케팅은 어려운 것이 당연합니다.
Growth Marketing이 '성장'을 위한 마케팅인 만큼 그리고 그 수단으로 여러 업무들과 범위가 겹치는 만큼 혼자서는 하기 어려운 것이 당연합니다.
UIUX 개선의 경우 서비스기획 부문과 겹치고, 퍼포마의 효율화를 위해서는 그 많은 광고 매체들을 커버해야하며, 콘텐츠 마케팅을 위해서 주요 키워드를 찾고 크리에이티브를 짜고, CRM 마케팅을 한다면 메세지를 수신할 타겟 대상을 세분화하고 메시지 구성을 짜고 보내는 시점을 정하고 혜택을 구성하는 등 해야할 일이 끝이 없겠죠.
그로스마케팅 부문에 컨설팅 회사가 존재하는 이유라고 생각합니다. 그로스를 경험한 인력들에게 레버리지를 시킬 수 있으니까요.
풀스택 마케팅 컨설팅펌 마티니아이오
원본 포스팅 링크
2024 마티니 데이터 캠프 RFM 기반 고객 세그멘테이션과 멤버십 전략
마티니와 함께 RFM 분석해보기
행사명 : 2024 마티니 데이터 캠프 RFM 기반 고객 세그멘테이션과 멤버십 전략
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2024년 6월 18일 화요일
주제
1차 온라인 웨비나 : RFM 기반 고객 세그멘테이션과 멤버십 전략
2차 오프라인 세미나 : RFM 실습 및 분석
웨비나로 이론을 배워보자!
오프라인 세미나에서 RFM 분석 실습을 진행하기 전 웨비나에서 RFM 기반 고객 세그멘테이션과 멤버십 전략에 대한 이론과 사례들을 살펴보았습니다.
고객 세분화 분석방법 RFM은 개념과 특징을 간단한 예시를 통해 쉽게 이해하실 수 있도록 설명해드렸고, 본격적으로 설계하는 단계에서 RFM 점수 및 모델 활용법과 집계 기간 등 유용한 꿀팁들을 공유해드렸습니다.
마지막으로 RFM 분석을 기반으로 멤버십의 혜택과 구간 기준, 구간별 유저 특징을 확인하는 과정 등 멤버십 전략을 설계하는 방법과 단계에 대해서도 알아보는 시간을 가졌습니다.
어떻게 진행하였나요?
오프라인 세미나는 실습 위주 세션으로 직접 RFM 분석을 진행하고 실무에 적용해보실 수 있도록 공유해드린 RFM 템플릿을 통해 실습을 진행하였으며 각 자리에 모니터를 배치하여 충분히 따라오실 수 있게 했습니다.
웨비나에서 설명해드린 이론과 내용을 직접 적용해볼 수 있는 시간도 충분히 가지며 RFM 분석을 완전히 이해하는 시간을 가졌습니다.
어떤 것들을 배웠나요?
RFM 항복 별 기준 정의해보기
RFM 고객 세분화를 통해 고객 등급을 정하기 전에 기준을 정의하고 데이터를 수집해야 합니다.
고객 ID별 최근 구매일, 구매금액 등이 포함된 로데이터 (Raw Data)를 준비하고 나서 데이터의 모양을 학인하는 과정을 알아보았습니다. 구매가 일어나지 않는 커뮤니티와 같이 비즈니스별로 데이터 모양이 다를 수 있기 때문에 자신의 서비스 데이터 모양을 확인하고 등급 구간의 갯수를 정해야 합니다. 등급을 너무 많이 쪼개거나 적게 쪼갠다면 고객들을 명확하게 관찰하기 어려워지겠죠?
RFM 가중치 부여하기
등급 구간을 얼마나 쪼갤 것인지 정했다면 이후에는 비율을 정하는 단계입니다. 이때 가중치를 부여하고 계산하여 등급별 비중과 등급 누적 %를 정하게 됩니다. 모든 멤버십의 등급이 가중치를 적용하지 않고 일정하게 설정한다면 멤버십 설계의 의미가 없어지겠죠?
따라서 가장 중요하다고 할 수 있는 단계가 RFM 가중치를 부여하는 것입니다. 이 단계도 RFM 기준을 정의하는 것과 마찬가지로 각 비즈니스별로 상이할 수 있기 때문에 자신의 서비스에 가장 알맞게 설계하는 것이 중요합니다.
마티니 교육 세션, 왜 들어야 할까요?
마티니는 이론만 공유해드리는 것이 아니라 참여하신 분이 실제 각자의 실무에 바로 적용해보실 수 있도록 실습 위주 세션으로 구성합니다. 배웠던 이론들을 직접 적용해보고 분석하며 참여자분들이 자신의 서비스에 가장 알맞는 분석 및 적용 방법을 체화하는 것에 집중하고 있습니다.
이번 RFM 기반 고객 세그멘테이션과 멤버십 전략 세션에서는 혼자서도 천천히 복습하며 적용하실 수 있도록 RFM 분석 엑셀 템플릿과 루커 스튜디오 RFM 시각화 대시보드 템플릿을 공유해드렸습니다.
여러 번 듣지 않아도 충분히 가능합니다.
RFM 기반 세밀한 고객 분석을 통해 비즈니스를 성공시키고 싶으시다면 마티니와 함께 하세요!
퍼포먼스마케팅이란? 성과 측정이 가능한 것!
소위 퍼포마 라고도 부르는 퍼포먼스마케팅에 대해서 얘기해보려고 합니다. 마케팅이라는 개념이 워낙 넓어서인지 다소 모호하게 느껴질 때가 많은데요.
현직 그로스마케터의 입장에서 퍼포먼스마케팅의 개요와 사례에 대해 최대한 구체적으로 소개해보겠습니다. 퍼포먼스마케터를 준비하시는 취준생 분들 혹은 이미 마케터로 일하는 분들께도 도움이 되었으면 합니다.
일상에서 쉽게 만나볼 수 있는 마케팅
마케팅은 모든 곳에 있습니다. 출근 길, 지하철에서 본 스크린도어 광고도 마케팅이고요. 인스타그램 스토리를 넘기다보면 나오는 브랜드의 블랙프라이데이 할인 광고도 마케팅이죠.
거실 방에 틀어져있던 TV에서 본 TV CF도 마케팅, 핸드폰으로 뉴스를 볼 때 옆에따라다니는 이미지들도 마케팅입니다. 엊그제 무심코 온라인 커뮤니티 글에서 읽었던 글이 마케팅일 수도 있을겁니다.
퍼포먼스마케팅이란? 성과 측정이 가능한 마케팅!
Performance Marketing이란 '성과'에 초점을 맞춘 마케팅입니다. 위에 예시로 들었던 마케팅들 중에서 성과를 명확히 알 수 있는 마케팅은 무엇일까요?
1) 지하철 스크린도어
2) 인스타그램 스토리
3) TV CF
4) 온라인 뉴스 배너 광고
5) 온라인 커뮤니티 글
몇 명에게 보여졌을까요? 그리고 몇 명이 진짜로 '봤을까요?' 그리고 몇 명이 그냥 본 것 외에 (수동적 차원) 다음 행동을 했을까요? (적극적 차원)
1) 스크린도어, 3) TV CF, 5) 커뮤니티 글의 경우 광고 노출 = 광고 조회라고 보기 애매합니다.
1)의 경우는 지나쳤을 뿐 진짜 보지는 않았을 수 있으니까요.
3) 또한 마찬가지입니다. 광고가 틀어져있었을 뿐 시청자는 자리를 비웠을 수도 있고요.
5)의 경우는 글 내에 다음 행동을 유도하는 장치가 있냐 없냐에 따라 달라질 수 있겠네요.
2) 인스타그램 스토리, 4) 뉴스 배너 광고는 광고 노출수, 다음 행동을 유도하는 영역의 클릭수, 이후 전환수와 전환율 등 성과로 볼 수 있는 다양한 수치를 확인할 수 있습니다.
즉 여기서는 2) 인스타그램 스토리와 4) 뉴스 배너 광고를 퍼포먼스마케팅이라고 볼 수 있겠네요.
인스타그램 스토리나 뉴스 배너 광고의 경우 증명할 수 있습니다. 그 브랜드나 상품에 흥미가 생겼을 때, '클릭'하게 되니까요. CTA (Call To Action)이라고 하는 행동 유도 장치 버튼을 통해서요.
결론적으로 퍼포먼스 마케팅은 성과를 측정할 수 있는 마케팅을 말하며, 외부에 있는 사용자를 내부의 서비스로 유입시킬 때 주로 사용됩니다.
커머스를 예시로 들면 유입~가입~첫구매 혹은 유입~재구매를 위한 UA Marketing과 Retargeting Markteting이 있습니다.
- User Acquisition은 사용자 획득으로 외부에 존재하는 유저들을 서비스 내부로 데려오는 것이고,
- Retargeting은 유입된적 있지만 다시 떠나있는 이들을 다시 한 번 타겟팅하여 서비스 내부로 또 데려오는 것입니다.
퍼포먼스마케팅의 배너 광고와 검색 광고
1) 배너 광고는 불특정 다수에게 광고 콘텐츠를 노출시키는 것을 것입니다. 물론 대상의 타겟팅을 정교화할 수 있지만 (성별, 연령대 등의 인구통계학적 특징 외에 주요 관심사, 기타 행동) 최근에는 오픈 타겟이라고 하여 다른 조건 없이 광고의 모수로 삼는 경우가 많습니다. (광고 매체들의 머신 러닝이 정교화되어 알아서 타겟팅을 해주기 때문입니다.)
배너 광고 매체로는 페이스북/인스타그램(메타), 구글/유튜브, 네이버, 카카오 등이 있습니다. 페이스북 피드 광고, 인스타그램 스토리 광고, 구글/네이버/카카오의 배너 광고들이 그 예시입니다.
퍼포먼스마케팅의 주요 지표
배너 광고는 목표에 따라 중요하게 여기는 지표 또한 달라지는데요. 목표에 따른 캠페인으로는 브랜드 인지도 향상, 유입(=트래픽) 증대를 위한 트래픽 캠페인과 가입/앱설치/매출 증대 등을 위한 전환 캠페인이 있습니다. 주요 지표로는 도달수, 노출수, 노출당비용, 클릭수, 클릭율, 클릭당비용, 전환수, 전환당비용, 전환율 등을 통해 성과를 측정할 수 있습니다.
- 목표 (1) 브랜드 인지도 향상
- 세부 목표: 최대한 많은 사람들에게 보여지게 하기
- 주요 지표: 도달수, 노출수
- 목표 (2) 웹사이트의 유입 증대
- 세부 목표: 최대한 많은 사람들이 들어오게 하기
- 주요 지표: 클릭수, 유입수 트래픽 캠페인
- 목표 (3) 커머스 매출 증대
- 세부 목표: 최대한 많은 주문 발생시키기
- 주요 지표: 결제수
2) 검색 광고는 배너 광고보다는 고관여자에게 광고 콘텐츠가 노출됩니다. 보통 배너 광고를 통해 상품을 인지하고 이후에 그 상품군이 필요할 때 키워드를 검색하여 구매하기 때문이죠.
즉 검색을 했을 때는 구매 직전일 가능성이 높습니다. 검색을 하는 것 자체가 이미 구매 의도가 있다는 것이니까요. 그러므로 검색 광고는 배너 광고보다 대상 모수는 적고 경쟁도가 치열하여 비용이 높지만, 상대적으로 구매로 이어지는 전환율이 높습니다.
- 네이버 검색 광고: 파워링크, 쇼핑검색 등
- 구글 검색 광고
퍼포먼스마케팅에서 주의할 점!
제일 조심해야하는 점은 '숫자'입니다. 가장 중요한 만큼 가장 위험할 수 있는데요. 성과 측정에 초점을 맞추기 때문에 숫자에 현혹되기 쉽기 때문입니다. ROAS: Return On Ad Spend, 광고 수익률 - 가 주요 지표로 여겨지는 만큼 이 숫자'만을' 보게될 때를 주의해야합니다.
여기서 ROAS 1000%의 광고가 무조건 좋은 소재라고 판단할 수 없습니다. 기간과 비용 등 다른 수치들을 함께 봐야죠.
- 최근 7일 간 100만원의 마케팅 비용을 집행하여 ROAS 1000%가 나왔다면 매출은 1,000만원일 것입니다.
- 어제 1일 간 1,000만원의 비용을 써서 ROAS 200%가 나왔다면 매출은 2,000만원일 것입니다.
마케팅은 비용을 많이 쓸수록 난이도가 높아지므로 ROAS 수치만으로 판단할 수는 없습니다.
퍼포먼스마케팅도 그로스마케팅도 중요한 것은 데이터
퍼포먼스마케팅과 그로스마케팅의 가장 큰 공통점은 '숫자'로 대변되는 데이터를 근거로 한다는 것입니다. 메타 광고의 매출 증대를 목표 전환 캠페인에서는 광고 비용과 ROAS 등의 수치를 중요시할 것이고요.
그로스마케팅의 경우 리텐션(재방문율/재구매율)을 개선하고자 했을 때는 재방문수, 재구매수의 절대적인 수치와 전체 방문 중 재방문수의 비중, 전체 구매 중 재구매수의 비중 등 상대적인 수치를 봐야할 것입니다.
마케팅을 하는 경우는 크게 인하우스와 대행사(에이전시)로 나뉩니다. 인하우스에서 퍼포먼스마케터로 광고 매체를 직접 운영하거나 (self-serving이라고 많이들 표현합니다.) 대행사와 논의하며 일하는 경우가 있고요. 대행사에서 퍼포마를 한다면 여러 고객사들을 맡아서 다양한 광고매체를 경험할 수 있습니다.
보통 전자(인하우스)에서 퍼포먼스마케터로 일하는 경우 그로스마케터처럼 일하는 상황도 자주 발생합니다. 매출 성장에 필요한 모든 마케팅들을 도맡아서 하다보면 꼭 유상 광고 매체만 운영하는 것이 아닌, 인스타그램도 관리하고, 제휴 마케팅도 진행하고, 프로모션도 관리하고, 자사몰 상세페이지를 기획할 수도 있기 때문이죠.
Data-driven Marketing
데이터를 기반으로 한 의사결정과 마케팅을 하기 위해서 데이터 환경이 구축되어 있어야 합니다. 퍼포먼스마케팅에서 주로 다루는 광고 매체들의 성과의 명확한 분석을 위해서는 기여(Attribution)와 접점(Touchpoints)에 대한 결정과 설정이 필요하기 때문입니다.
이를 위해 MMP(Mobile Measurement Partner)인 에어브릿지(Airbridge)나 앱스팔라이어(Appsflyer), 애드저스트(Ajdust)를 활용하는 것이고요. CRM 마케팅과의 연계 캠페인을 운영하기 위해서 브레이즈(Braze)와의 연동을 구현하기도 합니다.
그리고 결국 궁극적인 전환 성과를 판단하기 위해서 DB Data (User Data)를 연동하여 비교하기도 하죠. 데이터 분석의 깊이에 따라 사용자에 대한 이해도가 달라지는 만큼 데이터 파이프라인 구축은 중요합니다.
데이터파이프라인 구축을 지원하는
풀스택 마케팅 컨설팅펌 마티니아이오
원본 포스팅 링크
그로스 마케팅과 그로스해킹은 뭐가 다를까?
그로스마케팅이란?
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.)
어쩌다 그로스 마케터
전 지금이야 그로스마케터이지만 그전에는 그냥 마케터였고요. 매출을 올릴 수 있는 모든 활동이 마케팅이라고 생각했고요. 실제로 18년도 글을 보니 다양한 일을 한다고 써뒀네요.
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...
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?
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
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?
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/
비즈니스 프로세스의 변화: 선형에서 원형으로
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.
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.
예약구매, 클릭, 후기 등으로 소비자들의 피드백을 반영, 개선점을 보완하여 상품을 재생산하거나 서비스를 재배포하며 원형의 프로세스를 구성하죠.
그로스해킹/그로스마케팅의 스프린트(실험)
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!
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?
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
제품의 기획-생산-판매 외에 우리에게 더 친숙하고 유명한 서비스들의 사례를 들어볼게요.
- 에어비앤비는 숙소 사진의 퀄리티가 올라갈 때 예약률 또한 올라가는 사용자의 반응을 확인하여, 호스트와 포토그래퍼를 매칭하는 프로그램을 도입합니다.
- 드롭박스는 친구 추천 시, 양쪽에게 베핏을 줘서 빠른 성장을 달성합니다. 초대받은 친구가 가입하면 500MB 저장용량을 줬고 이를 통해 280만 명의 신규 회원을 얻습니다.
그로스해킹과 그로스마케팅의 상관관계
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!
그로스마케팅을 위해 필요한 직무들
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.
크로스펑셔널한 직군의 팀원들이 모여서
핵심지표를 중심으로 실험(스프린트)을 통해 배우고
이를 빠르게 반복하며 제품/서비스를 성장(Growth!)시키는 것
그로스해킹, AARRR, 지표, 스프린트...
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!
풀스택 마케팅 컨설팅펌 마티니아이오
원본 포스팅 링크
분석이 뭔가요?
✂︎ 분석 = 나눌 분(分) + 쪼갤 석(析)
데이터 분석 관련 강의를 하게 되면 항상 하는 질문 입니다. '분석이 뭔가요?'
아마 이 글을 보는 많은 분들은 각자의 경험으로 답변들을 생각 하셨을 겁니다. 분석은 딱 떨어지는 정의가 아닌 일 하기 방식과 관련이 있다 보니 다양한 답변이 등장할 수 있고 그 답변이 모두 정답이 됩니다.
그러다 보니 분석을 처음 시작하는 사람들 혹은 이제 분석을 한지 얼마 안 된 분들은 분석이 막막하고 거창해 보입니다. 저 역시도 분석을 시작하고 한참 동안이나 분석을 멋진 무언가로 생각했습니다.
물론 데이터 사이언스와 같이 어려운 지식들을 가지는 예측이나 고급 통계적 지식을 활용하는 분석도 있지만 우리 일상적 비즈니스의 분석은 생각보다 어렵지 않습니다.
분석은 나눌 (분)에 쪼갤 (석) 한자로 구성되어 있습니다.간단한 풀이는 나누고 쪼개는 걸 분석이라 정의하고 있습니다.좀 더 덧붙이자면, 복잡한 내용을 이해하기 위해 대상을 이루는 요소로 나누어서 생각하는 것을 '분석'이라고 합니다.
얼마전 패스트 푸드 서비스의 앱 구매 활성화를 목적으로 분석을 진행하였습니다. 먼저 특정 시간대 별 매출 차이가 있는지 확인했습니다. 앱 매출은 점심, 저녁 시간에 활발해지는 것을 확인했습니다.
앱의 어떤 주문이 활성화되는지 확인해보니,배달 주문과 원격 주문 모두에서 점심 저녁 시간대 활발해지는 것을 확인했습니다. 배달과 원격 주문은 지역과 연령에 따라 주문 형태가 달라질 수 있을 것 같았습니다. 지역별로 나누어서 분석을 해보니, 배달 주문은 직장인들이 모여있는 여의도, 강남, 구로, 종로 일대에서 주문이 더 많았고, 원격주문은 학생들이 많은 대학가 지역에서 높았습니다. 거기에 시간을 기준으로 다시 나누어 보니,배달 주문과 원격주문이 상승하는 시간대가 다른 것을 확인했습니다. 직장인들이 대상이 되는 배달 주문은 11시 주문이 높았고 원격주문은 12시가 높아졌습니다. 직장인과 대학생들이 주문 패턴이 높다면 주말 / 주중으로 나누어 보면 또 다른 패턴이 나올 것 같습니다.주말은 베드타운 위주에서 주문이 높아지는 것을 확인하였습니다. 이제 나누어진 조건을 조합하여 우리 고객의 특성을 분류하고 거기에 맞는 CRM 전략을 세울 수 있었습니다.
전체 고객
= 배달 주문 고객 + 원격 주문 고객
= 지열별 주문 고객
= 시간대별 주문 고객
= 요일별 주문 고객
+날씨별 고객, 쿠폰별 고객, 상품별 고객, 프로모션별 고객, 단품/세트 고객, 가격대별 고객, 주문횟수별 고객
앞서의 예시와 더해서 나누어서 분석해 볼 조건들은 무수히 많습니다.
특별히 대단한 분석을 진행한 건 아닙니다. 그저 전체 고객이라는 복잡한 내용을 적절한 기준으로 나누어서 생각해보니 고객 특성을 이해할 수 있었습니다.
👉 분석을 너무 어렵게 생각하지 마세요. 그저 나누는 것 뿐입니다.
원본 포스팅 링크
앰플리튜드(Amplitude), 왜 쓰는 걸까?
왜 유니콘 스타트업에서는 앰플리튜드를 쓰는 그로스마케터를 구할까?
앰플리튜드란?
웹/앱 서비스 내에서 사용자들의 행동을 분석할 수 있는 프로덕트 애널리틱스(Product Analytics), 서비스 분석 툴입니다.
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.
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.
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
- 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?
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.
(*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.
채널톡의 마케팅 매니저 채용 공고 내에도 우대사항으로 세일즈포스(아마 태블로겠죠?), 앰플리튜드 등 데이터 솔루션을 통한 성과 측정이 언급됩니다.
왜 앱 데이터를 분석해야 할까요? 더 좋은 앱을 만들기 위해서겠죠. 앱 데이터는 무엇으로 구성될까요? 사용자들의 정보와 행동에 의해서 앱 데이터가 쌓입니다.
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
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.
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.
마지막으로 데이터의 연동이 빠르다는 것 또한 장점입니다. 어제의 매출 데이터도, 오늘 오전의 유입 데이터도 바로 확인할 수 있습니다.
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.
앰플리튜드 어떻게 쓰나요?
무료 버전이나 구독 모델을 사용해볼 수 있습니다.
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
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
'지표' 대화를 위한 넓고 얕은 지식
📊 '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
태블로 대시보드, 왜 구축하는 걸까?
01. 데이터드리븐이 도대체 뭐길래
왜 다들 데이터드리븐을 이야기할까요?
데이터드리븐의 중요성을 논하기 전에, 어제 회의를 떠올려 보면... 회의 때 다들 어떤 이야기를 하고 계신가요?
- 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.
- 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.
- 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.
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
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.
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.
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!
원본 포스팅 링크
A+AARRR로 지표 바라보기
📊 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.
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
코호트(Cohort) 분석이 뭐죠?
🧩 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 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
Log 설계 = Event 설계 = Taxonomy 설계
🤷 '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.
.jpeg)
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
데이터 스토리텔링과 LEGO
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.
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
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
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
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
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 전체 로 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
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
사용자/제품 분석이란?
🤷 서비스 분석, 사용자 분석, 프로덕트 분석이 뭐죠?
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
비즈니스 분석을 위한 기초 통계
📈 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.
우리가 비즈니스에서 사용하는 통계 영역은 응용통계(Applied Statistics) 분야입니다. 응용통계 하위 에는 추론통계와 기술통계로 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
✔️ 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
차트를 보는 순서가 있으신가요? | 시각화 커뮤니케이션
📊 차트를 보는 순서가 있으신가요? | 시각화 커뮤니케이션
--
사람은,텍스트로부터 정보를 얻을 때 시선의 이동과 정보를 얻는 방식이 정해져 있습니다.
✔️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.
✔️ 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
Retention 지표 설계를 위한 4가지 요소
"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)와 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.
--
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
우리 서비스의 어떤 지점이 문제일까? | 퍼널 분석 | Funnel analysis
📊 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.
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
그로스 마케팅 | 비즈니스 분석 | 유저 여정 분석 | Mar-tech
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.
✅ 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
고객관리 분석 | 파레토 분석 | ABC 분석
📈 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 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
🟡 B 그룹 : 매출 누적기준 80% 이상 95% 미만 발생시키는 일반 브랜드 그룹 B
🟠 C 그룹 : 매출 누적기준 95% 이상 발생시키는 하위 브랜드 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
