5. 그로스 해킹이란? (feat. AARRR)

카테고리 없음

by 꽃담25 2024. 12. 12. 23:39

이번 포스팅에서는

효율적인 지표 관리를 위해 'AARRR 프레임 워크'가 무엇인지,

그 중 'AA' 에 대해 알아보며
어떤 관점으로 지표를 바라보고 설정해야 하는지 알아보는 시간을 가져보겠습니다!

지표를 바라보는 관점 : 과업기반 vs. 프레임워크 기반

과업 기반 (Task-based)관점은 조직별 담당 업무를 우선 정의한 후,
해당 업무를 통해 발생하는 수치들을 지표화 해서 관리하는 것입니다.

예를 들면,
마케팅팀은
- 검색 마케팅: "지난 달 네이버 검색광고 키워드별 CTR은 평균 3.5% 입니다"

- SNS마케팅: "이번 주 페이스북 광고의 ROAS는 200%입니다."

- 이벤트 관리 : "신학기 할인이벤트 참여자는 1200명입니다."

운영팀은
- 사용자 문의/신고사항 처리 : "오늘 처리한 CS 문의 수는 300건입니다."
- 강성 CS 중재 : "지난 주 강성 CS가 2건 발성했으며, 보상액은 60만 원입니다."

- 스토어 리뷰 관리 : "신학기 할인이벤트 참여자는 1200명입니다.

개발팀은
- 앱 업데이트 : "월요일에 배포한 버전 3.0의 채택율은 60%입니다."

- 버그 fix : "이번 배포에는 총 12건의 버그 수정이 포함돼 있습니다."
- 모니터링 시스템 구축 : "서버 모니터링을 통해 총 35개 지표에 대해 얼럿을 받습니다."

이런 과업 기반의 관점에 몇 가지 단점이 있습니다.
1, 전체의 비중에서 각 지표가 차지하는 중요도를 판단하기가 어렵습니다.
2, 특정 지표가 뒤늦게 발견되어 놓치는 경우가 발생합니다.
3, 이 지표들은 '성장'을 위한 지표가 아닌 '일을 했다'를 증명하기 위해 사용됩니다.

그렇기에 효율적인 지표 관리를 위해 고안된 것이 "AARRR"입니다.

AARRR

AARRR은 : 프레임워크 기반(Framework-based)의 지표를 개선하기 위한 과업을 수행하는 것으로,
사용자의 서비스 이용 흐름 (use flow)에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의하는 것입니다.

또한, AARRR은 스타트업과 마케팅에서 자주 사용되는 그로스 해킹(Growth Hacking) 프레임워크로,
고객의 라이프사이클 단계를 분석하고 최적화하기 위해 사용됩니다.

AARRR의 특징을 살펴보면 다음과 같습니다.
1, 사용자 서비스 흐름을 기반으로 다섯가지 카테고리를 정의합니다.
각 카테고리에서 핵심 지표를 발굴하고, 이를 측정/개선하는 지표 관리 방법론 입니다.

2. AARRR은 단계별로 풀어야 하는 문제를 확인해야 합니다.
각 단계의 핵심이 되는 주요 지표를 선정하고, 해당 지표의 현재 수준을 측정합니다.

3. 측정된 지표가 가지는 의미를 이해한 후, 개선해야하는 목표 수준을 정하고 실험을 통해 단계적으로 개선합니다.

AARRR만 보고서 이게 무슨 약자인지 궁금하셨을텐데요. 아래와 같은 5가지 단계의 프레임워크로 보시면 됩니다.

Acquisition (획득)
고객이 처음으로 제품이나 서비스에 유입되는 단계입니다.
예: 광고, SEO, 소셜 미디어, 이메일 마케팅 등을 통해 트래픽을 유도.
Activation (활성화)
고객이 제품이나 서비스를 처음으로 경험하고 만족을 느끼는 단계입니다.
예: 회원 가입, 첫 구매, 제품의 주요 기능 사용.
Retention (유지)
기존 고객이 제품이나 서비스를 계속 사용하도록 유지하는 단계입니다.
예: 리텐션을 높이기 위해 푸시 알림, 이메일 캠페인, 신규 기능 제공.
Revenue (수익)
고객이 서비스나 제품을 통해 실제로 결제하거나 매출을 발생시키는 단계입니다.
예: 구독료, 구매, 업셀링.
Referral (추천)
기존 고객이 다른 사람들에게 제품이나 서비스를 추천하여 신규 고객을 유입시키는 단계입니다.
예: 추천 프로그램, 소셜 공유 기능.

이 중, 초기 카테고리 단계에 해당하는 'AA'에 대해 자세히 알아보겠습니다.

고객유치 (Aquistion)

* 고객유치 (Aquisition)를 하기 위한 방법으로는
1) 많은 마케팅 채널 + 여러개의 캠페인을 동시에 진행하는 방법이 있습니다.
이러한 환경에서는 어떤 채널에서 진행한 어떤 캠페인이 효과적이었는지 측정하는 것이 복잡합니다.

2) 유료 광고가 아닌 초대, SNS 채널 등으로 유입된 트래픽 성과를 확인하는 방법이 있습니다.
이러한 '자연 유입 트래픽'은 파라미터 정보가 없거나 유실되는 경우가 많으므로 주의해야 합니다.

3) 채널별 '유입 사용자 수'를 확인하는 방법이 있습니다.

채널을 통해 들어온 사용자들이 꾸준히 남아서 활동하는지, 결제 전환 비율이 얼마나 되는지 파악할 필요가 있습니다.

Q. 그렇다면 고객 유치의 성과를 판단하는 기준은 무엇일까요?
A. 두가지를 기준으로 판단할 수 있습니다. [오가닉, 페이드]

1. 오가닉 ( 자발적으로 우리 서비스를 찾아온 고객) 이 얼마나 많은가?

2. 페이드 ( 유료 마케팅 채널을 통해 찾아온 고객) 로 보았을 때 유료 마케팅 채널을 얼마나 효율적으로 사용했는가?

Q. 과연 오가닉 고객은 자발적으로 우리 서비스를 찾아온 것일까?

A. 구글 애널리틱스 유입 식별 분류를 기준으로 살펴보자면,
구글은 유입된 트래픽이 '특정 파라미터' 값을 가지고 있으면 이를 통해 유입 출처를 분류합니다.
그러나 구글에서 아무 파라미터도 가지지 않은 트래픽은 '오가닉'으로 분류합니다.
실제 트레킹 서비스에서의 '오가닉'이라는 분류는, 자발적 유입 사용자가 아니라 '유입된 채널을 식별할 수 없는 사용자'에 가깝습니다.
극단적인 예로, 유료 마케팅 채널을 통해 들어온 트래픽도 파라미터를 가지고 있지 않다면 '오가닉'으로 분류 되는 것이죠.

Q. 그렇다면 (진짜로) 고객 유치의 성과를 판단하는 기준은 없을까요?
A. 어떻게 하면 사용자의 유입 채널을 정확하게 추적하고,
각 채널별 성과를 정확히 판단할 수 있을지 고민해야 합니다.

* 고객 획득 비용 (CAC, Customer Acqusition Cost) : '한 명의 사용자를 데려오기 위해 지출하는 평균 비용' 의 뜻으로,
= (마케팅에 사용한 비용) / (가입한 유저수) 로 계산할 수 있습니다.
'어느 채널에 얼마 기간 동안 어떤 캠페인으로 얼마의 예산을 집행할 것인가'가 중요합니다.

채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 CAC 계획을 수립합니다.

*UTM 파라미터 (UTM parameter): 사용자의 유입 채널을 최대한 누락없이 추적할 수 있는 방법입니다. 3가지의 파라미터로 판단할 수 있습니다.
1)소스(source): 유입효과를 판단할 장소 정보, 2)캠페인(campaign): 유입하게 할 이벤트, 3)매체(medium): 유입하게 할 매체/수단

*모바일 앱 어트리뷰션 (Attribution) : 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별해 모바일 앱의 마케팅 성과를 판단하는 과정입니다.

웹과 앱의 차이 (웹 UTM 파라미터 vs 모바일 앱 어트리뷰션)

앱 어트리뷰션 프로세스 [ 페이스북 광고 클릭 -> 앱설치 -> 앱실행 ]로 구성되는데요.
❓이 프로세스에서 여러 가설을 내려 볼 수 있습니다.

Q1. 페이스북 광고를 클릭하고 바로 앱을 설치하지 않고, 다음날 생각이 나서 클릭했다면?
A1. 어트리뷰션 윈도우 (Attribution window) : 기여 이벤트가 발생한 후 어느 정도 기간 내 발생한 어트리뷰션을 성과로 인정할 것인가? -> 어트리뷰션 윈도우 기간 안에 앱설치 & 실행이 발생하지 않으면 해당 채널의 어트리뷰션 성과로 인정하지 않습니다.

Q2. 유튜브에서 영상을 보고 나서 (클릭은 안했지만) 좋은 인상이 남아서 따로 설치했다면?
A2. 어트리뷰션 유형 : [클릭 - 스루]와 [뷰 - 스루]
* [클릭 - 스루] : 클릭을 통해 발생하는 기여 (앱스플라이어 7일)
* [뷰-스루] : 조회를 통해 발생하는 기여 (앱스플라이어 1일)

Q3. (복잡한 시나리오) 페이스북 광고를 클릭하고 스토어로 다시 이동했는데, 거기서는 설치하지 않았다가 잠깐 유튜브를 보면서 광고 를 클릭하고 다시 스토어로 이동해 앱을 설치했다면?

A3. 어트리뷰션 모델 (Attribution Model)로 5가지 정도가 있습니다.

퍼스트 클릭 모델 (First-Click): 첫번째 매체의 성과 100%
라스트 클릭 모델 (Last Click): 맨 마지막 상호작용에 기여한 매체의 성과 100%
선형 어트리뷰션 모델 (Linear) : 접점이 발생한 모든 매체에 동일한 가중치를 부여하는 방식
( ex. 네이버광고 20%, 구글광고 20%, 트위터 광고 20%, 페이스북 광고 20%, 유튜브 광고 20%)
타임 디케이 어트리뷰션 모델 (Time Decay) : 기여한 모든 채널의 기여도를 인정하지만, 시간의 흐름에 따라 가중치를 부여하는 방식
( ex. 네이버 광고 5% -> 구글광고 10%-> 트위터광고 15% -> 페이스북광고 20% -> 유튜브광고 50%)
U자형 어트리뷰션 모델 (U-Shape) : 시간 흐름에 따른 기여도 가중치를 인정하지만, 처음과 끝에 더욱 많은 가중치를 부여
( ex. 네이버 광고39% -> 구글광고7%, -> 트위터광고 7% -> 페이스북광고 7% -> 유튜브 광고 40%)

❓ 그래서 '어트리뷰션 기준'을 어떻게 정의해야 할까요?
1. 정량적으로 나타나는 수치 외에도 각 마케팅 채널이 어떤 지면을 가지는지
2. 어떤 사용자층을 보유하고 있는지
3. 어떤 식으로 사용자를 타겟팅 하는지
4. 광고와 사용자의 인터렉션이 어떤식으로 이루어지는지.
  어트리뷰션은 정답이 없습니다! 나름의 주관과 철학으로 어트리뷰션 기준을 세우는 과정이 필요합니다.
  채널의 특성을 고려하지 않고 모든 공통의 기준을 잡아서는 안됩니다!!

✅ 고객 유치 (Acquisition) , 알아야할 결론
1. 빠지기 쉬운 함정은 기존 채널의 최적화가 아닌 새로운 채널을 찾는 것.
2. 스타트업은 많은 채널보다 '영향력 있는' 소수의 채널을 찾아서 효과를 극대화한다.
3. (예산 규모가 늘어나면) 채널 확장은 예산이 아니라 채널의 포화도를 바탕으로 결쟁해야 한다.
4. 오가닉과 미식별을 혼동해서는 안된다.
5. UTM 파라미터와 어트리뷰션으로 모든 조건에서 완벽하게 측정할 수 없다. 채널의 특성을 고려해 어트리뷰선의 기준을 세우는 것이 중요하다.
6. 우리는 눈앞의 지표가 아니라 '고객'에 대한 폭넓은 이해가 필요하다.

활성화 (Activation)

1. 활성화란? 고객유치로 유입된 사용자가 우리 서비스의 핵심 가치를 경험하게 하는 것입니다.
* 활성화 핵심 : 사용자의 경험 단계를 도식화해, 각 단계의 전환율 측정 및 분석을 경험해야 합니다.
- 핵심 가치를 경험하는 시점과 그곳으로 연결되는 각 단계를 잘 정의했는지?
- 각 단계별 전환율을 어떤 기준으로 측정할지?
- 코호트(cohort)에 따른 퍼널별 전환율을 보이고 있는지?

* 회원가입 퍼널 예시 : 앱다운로드 -> 앱 실행 -> 튜토리얼 페이지 확인 -> 회원가입 시작-> 전화번호 인증 -> 가입 완료

2. 퍼널의 세부단계 정의하기

1) 핵심 가치 구체화 [아하 모먼트 (aha moment), 머스트 해브(must have)]
= 사용자가 우리 서비스를 이용하며 목적을 달성하거나 기대를 충족한 순간
2) 사용자들이 핵심 가치를 경험하는 정확한 순간을 정의

* 크리티컬 패스 (critical path) : 서비스에 진입하는 순간부터 ~ 핵심가치 경험하기 까지의 경로

3. 전환율 측정하기

예시1)
- 사용자 1 ) 다섯개 상품 페이지 보고 마지막 상품페이지에서 결제 -> 전환율 20%?
- 사용자 2) 똑같이 다섯개 상품페이지를 봤지만 결제 하지 않고 이탈 -> 전환율 0%?
- 사용자 3) 상품 A의 페이지만 다섯 번 접속했고 맨 마지막에 결제 -> 전환율 20%(1/5)? 또는 100%?
- 사용자 4) 3개 상품 A,B,C에 대해 5번에 걸쳐 접속했고 상품 B를 두번 결제 -> 전환율 40%(2/5)? 또는 33%?

전체 서비스 단위로 보았을 때, 우리 서비스의 결제 전환율은 얼마일까?

(1안) 총 20회 상품 페이지 조회, 결제 4번 → 전환율 20%
(2안) 중복 제거하고, 14개 상품 조회되었고 3개 결제 → 전환율 21%
(3안) 총 4명의 사용자 중에서 3명이 결제 했으니 → 전환율 75%

Q. 그럼 트래픽을 기준으로 / 사용자를 기준으로 전환율을 살펴보는 것에는 어떤 차이가 있을까?
A. → 상품 페이지에서 쿠폰 페이지를 건너갔다오는 (매우 불편한) 서비스가 있다!
- (사용자 1) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
  (사용자 2) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
  (사용자 3) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
  (사용자 4) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
  (사용자 5) 상품 페이지 → 쿠폰 페이지 → 이탈
- (트래픽 기준 계산) 전환율 4/9 = 44%, 상품페이지 9번 노출, 결제페이지 4번 노출
  - 상품 페이지에서 결제로 바로 넘어가기 전에 거쳐야 하는 다른 페이지가 있어서 직접 전환되는 비율이 떨어짐
  - 쿠폰 페이지에 가기 위해 상품 페이지를 이탈하는건 어쨌든 좋지 않으니 UI 개선을 통해 결제 동선상에서의 이탈을 최대한 줄이자
- (사용자 기준 계산) 전환율 4/5 = 80%, 5명의 사용자가 진입, 결제완료는 총 4명
  - 상품 페이지에서의 결제 동선이 이렇게 불편함에도 불구하고, 많은 사용자가 쿠폰 발급 후 다시 상품 페이지로 와서 결제를 완료한다
  - 상품의 매력도도 높고, 전체적인 전환율이 좋다고 볼 수 있다.
  - 물론 사용자 기준으로 보면 전환율이 좋긴한데 프로세스가 훌륭하다고 볼 수는 없다. 결제 프로세스를 개선하면 전체 전환율은 더 좋아질 수도 있을 것 같다

4. 코호트별 전환율 쪼개보기

* 코호트(cohort) : 공통적 특성에 따라 여러 집단으로 분류한 사용자 그룹

- 전체 사용자 대상으로 한 주요 단계별 전환율은 큰 인사이트를 주지 못함.
- 전환율 지표는 전체 사용자보다 여러 그룹으로 쪼개서 볼 때 더 강력한 의미를 지님.

"우리 서비스 사용자들의 평균 결제 전환율은 50%"
= 페이스북 광고를 통해 가입한 사용자의 결제 전환율은 40%이고
친구초대를 통해 가입한 사용자의 결제 전환율은 60%이다.

퍼널분석의 진정한 가치는 주요 퍼널에서 단편적 전환을 계선하는 데 있지 않습니다.
전환율에 영향을 미치는 유의미한 선행지표를 발견하는데 있습니다.

=> 핵심 질문 : 전환된 사용자와 전환되지 않은 사용자는 무엇이 다른가?

5. 퍼널의 전환율을 높이는 방법

1) 개인화

- 서비스의 주요 화면을 개인화해 사용자 개개인의 맥락에 맞는 정보를 보여줍니다.
- (사소하게는) 사용자들의 이름을 명시합니다.
- 사용자 개개인의 서비스 사용내역 참고 데이터를 보여줍니다. (최근 본 상품, 비슷한 상품)
- 특히 추천 영역 (규칙 기반 추천, 머신러닝 활용 추천)

2) UI/UX (user interface/user experience) 개선

- 주요 화면의 디자인 변경 or 구성요소를 바꾸는 것은 전환율을 '변화'시키는 방법
- 디자인 변경 초기에는 사용자들이 익숙치 않아 일정 기간 지표가 낮아지는게 자연스러움
- 변경 전/후 효과 측정은 A/B 테스트 참조

3) 적절한 개입

- CRM 채널 활용 (메일, 푸시, 인앱 메시지 등)
- 메시지 발송 맥락에 따라 효과가 극적으로 달라질 수 있음 -> 양날의 검
- 논 타겟팅 메시지는 보수적으로 판단하고 보내는 것이 전략.

✅ 활성화 (Activation) 알아야 할 결론
1. 활성화 단계는 돈이 아닌 실력으로 간다. (지름길은 없다)
2. 퍼널의 최적화 ≠ 각 단계별 전환율 높이는 것 -> 다릅니다.
3. 실제 퍼널 개선 시, 전환율을 높이는 것 보다 퍼널에 속한 각 단계의 수를 줄이는 것이 효과적입니다.
4. 개별 단계의 전환율을 살펴보기에 앞서, 필요없는 단계를 줄이거나 통합하는 과정이 반드시 필요합니다.
5. 때로는 퍼널 자체를 재설계하는 것이 새로운 대안이 될 수 있습니다.

참고자료

https://product.kyobobook.co.kr/detail/S000001766457

그로스 해킹 | 양승화 - 교보문고

그로스 해킹 | 그로스 해킹에 대한 실용적인 지침서! 성장하는 서비스를 만들기 위해서는 필요한 데이터를 정의하고, 수집하고, 분석 환경을 구축하고, 실험하고, 서비스에 반영하는 일련의 과

product.kyobobook.co.kr

이상 AARRR에 대한 포스팅이었습니다 :)