그로스 해킹
| 그로스 해킹 : 핵심 지표 찾고 지표 성장시키는 방법을 찾는 활동 |
1. 지표를 바라보는 관점 : 과업 기반(Task-based) vs 프레임 워크 (Framework-based)
| 설명 | Task based | Framework based |
|---|---|---|
| 정의 | 각 조직별로 담당하는 업무를 우선 정의한 후 해당 업무를 통해 발생하는 수치들을 지표화해서 관리 | AARRR : 사용자의 서비스 이용 흐름(Use Flow)에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의 |
| 방향 | 과업 -> 지표 | 지표 -> 과업 |
| 특징 | - 전체적으로 서비스 관점에서 무엇이 중요한 지표인지 판단하기가 어려움(전사 관점에서 지표 우선순위를 정의하기 어려움) - 모니터링 지표가 수시로 달라질 수 있음 |
- 지표 우선 정의, 해당 지표 원하는 방향 움직이게 하도록 어떤 과업이 필요한지 |
2. AARRR
| 사용자가 서비스에 진입, 핵심 기능 사용, 결제, 이탈 하는 라이프사이클 전반의 핵심 지표 관리 |
| 활성화, 리텐션 -> 고객 유치, 추천 -> 수익화 |
A : Acquisition 고객 유치
Organic vs Paid
- Organic : 유입된 채널 식별할 수 없는 사용자(자발적 사용자 포함)
- Paid : 마케팅을 통한 고객
CAC (Customer Acquisition Cost)
- 고객 획득 비용
- (일반적으로) 지출 비용 / 회원 수
- 하지만, 이렇게 보다 채널별로 세분화해서 어느 채널, 어느 마케팅에서 고객 획득 비용이 낮았는지 분석해야한다.
- Web : UTM Parameter, App : Attribution
UTM Parameter (Web 트래픽 추적)
| UTM : Urchin Tracking Module |
- Source : 페이스북, 인스타그램, 네이버 등 각 포털 혹은 SNS 중 어느 경로를 통해 왔는지?
- Campaign : 어떤 내용을 보고 왔는지 ?
- Medium(매체) : 사진인지 영상인지 ?
| UTM Parameter 구조 |
<URL>?utm_source=<utm_source>&utm_medium=<utm_medium>&utm_campaign=<utm_campaign>&utm_term=<utm_term>&utm_content=<utm_content>
- term : 검색어, contents : 컨텐츠
- 여러개 파라미터 사용할 때
&으로 연결 - Google이 제공하는 URL 생성기 사용
- Google Analytics 에서 확인 가능 :
획득-전체 트래픽-소스/매체
Attribution (App 트래픽 추적)
- 대부분 유료
- Install referrer, device ID mapping, Fingerprinting 기술 사용
- 클릭 통해 앱스토어로 이동한 사용자와 스토어에서 앱 설치하고 실행한 사용자를 기술적으로 매핑
Attribution Window(Lookback window)
- 기여 이벤트 : 앱을 설치하는 데 영향을 미친 이벤트
- Attribution Window : 기여 이벤트 발생 이후 발생환 전환에 대해 며칠까지 인정할 것인가?
Click-through vs View-through
- Click-through : 클릭을 통해 발생하는 기여
- View-through : 조회를 통해 발생하는 기여(Like 유튜브)
- 두 가지 Window 측정 다르게 되어야한다. (일반적으로 Click > View)
Attribution Model
- Attribution 이 두 가지 이상 발생한 경우 어느 것을 인정할 것인가
Ex) Facebook 광고 클릭 -> 유튜브 시청 -> 앱 설치 - First Click, last Click, Linear, Time Decay, U-Shape
| - | 설명 | Model |
|---|---|---|
| Single touch Attribution | - 여러 채널 중 하나만 채택 - 결과 왜곡 가능 |
First Click, Last Click |
| Multi touch Attribution | - 전체 기여도를 분배 | Linear, Time Decay, U-shape |
- First Click : 첫 기여 이벤트만 인정
- Last Click : 마지막 기여 이벤트만 인정
- Linear : 모든 기여 이벤트에 동일한 가중치 부여
- Time Decay : 최근 기여이벤트일수록 높은 가중치 부여
- U-shape : 첫, 마지막 기여 이벤트 높은 가중치 부여, 중간 기여이벤트는 낮은 가중치 부여 (👀 첫: 서비스 인지, 😎 마지막: 최종 전환)
Deep Link VS Deferred Deep Link
| - | 설명 |
|---|---|
| DeepLink | - 링크 클릭 시 모바일 내 특정 페이지으로 이동 - 앱이 설치되어있을 때만 정상 작동 |
| Deferred Deep Link | - 딥링크와 동일하나 앱 설치 안되어있을시 앱 설치 -> 특정 페이지 이동 |
Attribution에 대한 고찰
- 무조건적인 Last Click
- 자신 혹은 기업의 주관과 철학을 바탕으로 기준 세워야
- Attribution을 raw 데이터 레벨로 받아서 분석할 수 있어야함
Acquisition 요약
채널 확장 시 고려 사항
- 기존 채널 최적화가 충분히 잘 되어있는지?
- 기존 채널이 포화 상태인지?
- Organic 유저를 줄이자 ! (미식별 유저)
A : Activation 활성화
| 고객이 우리 서비스의 핵심 가치를 경험하게 만드는 것
Funnel
- [사용자] 서비스 진입 ~ 최종적인 핵심 기능 사용 여정을 도표로 나타낸 것 Funnel Analysis (퍼널 분석)
- 사용자들이 경험하는 단계를 도식화, 각 단계의 전환율 측정, 분석하는 과정
- 전환율에 영향을 미치는 유의미한 선행지표 발견
- 🤗 퍼널 단계별 코호트 분석을 하자 🤗️
퍼널 분석시 고려 사항 - 핵심 가치를 경험하는 시점, 핵심 가치까지 연결되는 단계, 과정을 잘 정의했는지
- 단계별 전환율은 어떤 기준으로 측정하는지
- Cohort에 따른 퍼널별 전환율을 보고 있는지
1. 퍼널 세부 단계 정의
- Moment(=Must have) : 핵심 가치 정의
- 단, 사용자 입장에서 정의
- 회사와 사용자간 가치 일치해야 (마케팅 메시지 ~ 사용자 리뷰 키워드 일치 여부 분석)
- Critical Path : 서비스 진입하는 순간부터 핵심 가치 경험하기까지 경로
2. 전환율 측정
| 트래픽 기준 | 사용자 기준 |
|---|---|
| - UX/UI 개선점 찾는 데 도움 - 특정 시나리오에서 사용성 개선 목적 |
- 다양한 요소(상품 매력도, 가격, UX/UI 등) 찾는 데 도움 |
3. 코호트(Cohort)별 전환율
| 사용자를 그룹별로 분석
Example
- 가입 시점
- utm parameter (source, medium, campaign)
- 특정 이벤트 경험 유무
- 시간, 요일, 계절 등 외부 변수
- 성별, 나이 등 인구통계학적 정보
✨전환되지 않은 사용자 vs 전환된 사용자 : 전환율에 차이를 만드는 코호트를 먼저 찾자✨
4. Funnel 전환율 올리기 ⤴
- 개인화 : 사용자 개개인의 맥락에 맞는 정보 노출 (사용자 이름, 추천)
- UI/UX 개선 : 전환율 나빠질 수도 있음 (변경 전, 변경 후 효과 면밀하게 측정해야함)
초기에는 사용자들이 익숙하지 않아 지표 낮아지는 것이 당연하다. - 적절한 개입 : CRM(Customer Relationship Management)
이메일, 푸시, 인앱 메시지 활용 (단, 전체 대상 ❌ 타겟 회원 👌️)
5. 주의 사항
- 단계별 전환율 높이는 것보다 퍼널에 속한 각 단계의 수를 줄이는 것이 더 효과적인 경우가 많음
EX: 전환율 50%인 5개의 단계로 이뤄진 퍼널보다 전환율 20%인 2개 단계 퍼널이 최종 전환율이 높음 - 결국, 쓸모없는 것은 줄이는게 낫다.
- 혹은 퍼널 재설계도 대안이 될 수 있다.
R : Retension 리텐션(지속성)
| 유지율 : 활성화 과정을 통해 경험한 핵심 가치를 꾸준히 경험하게 하고, 수준 측정할 수 있는 지표 정의하고 관리해야한다.
시간의 흐름에 따라 확인해볼 이벤트
- 상품 페이지 5개 이상 방문
- 구매하기 클릭
- 구매 완료
- 재구매
- 친구초대
- 메시지 주고 받기
- 콘텐츠 시청
리텐션을 측정하는 세가지 방법
1. 클래식 리텐션(Classic Retention)