데이터/데이터 분석
그로스해킹, AARRR 프레임워크
성장하기
2023. 8. 24. 21:09
- 참고 : 그로스해킹 - 양승화
A : Acquisition
A : Activation
R : Retention
R : Revenue
R : Refferal
- 엑셀러레이터 500 startups의 창업자 데이브 맥클루어가 주장
개요
- AARRR이란, 고객 여정의 단계로
- 그로스 해킹은 핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾는 활동
- 활성화와 유지율을 가장 우선적으로 개선
Acquisition 고객 유치
- 고객 유치 과정의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것
- 일반적으로 자발적으로 찾아온 고객(Organic)과 마케팅으로 찾아온 고객(Paid)으로 분류하나, GA등에서는 미식별 고객들도 Organic으로 표기한다.
- 따라서, 가능한 한 많은 트래픽을 식별해서 미식별 트래픽의 비중을 최대한 줄이는 방향으로 가야한다.
고객획득비용
- 채널별 성과를 측정하는 기준은 일반적으로 고객획득비용(CAC, Customer Acquisition Cost)를 사용한다.
- 마케팅에 사용한 비용을 가입한 유저 수로 나누는 방법이다.
- 핵심은, 채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 보는 데 있다.
- $$
CAC =\frac{마케팅,사용,비용}{가입한,유저,수}
$$
UTM파라미터
- 소스(utm_source) : 유입 효과를 판단하기 위한 장소정보 → 광고주(naver, google 등)
- 헬스장에서 신규 고객을 위해 전단지를 나눠주는 경우, 지하철역, 학교 앞, 근처 골목 중 어디에서 전단지를 받고 왔는지
- 캠페인(utm_campaign) : 어떤 캠페인을 통해 왔는 지 → black_friday 할인 등
- 매체(utm_medium) : 어느 매체를 통해 오는 지 → email, display 등
모바일 앱
- 모바일 앱의 경우 앱 어트리뷰션을 사용
- 어트리뷰션 윈도우 : 기여 이벤트가 발생한 이후 얼마만큼의 기간 동안 발생한 전환에 대해 어트리뷰션을 인정할 것인가
- 클릭-스루 : 클릭을 통해 발생하는 기여
- 뷰-스루 : 조회를 통해 발생하는 기여
- 어트리뷰션 모델 : 다수의 채널에서 조회가 발생할 때, 어떻게 기여도를 판단할 것인가에 대한 모델로써, First click, Last click, Linear, Time Decay, U-Shape등이 있음
많은 채널을 찾으려고 하기보다는 영향력 있는 소수의 채널을 찾아서 해당 채널의 효과를 극대화하는 것을 목표로 삼는 것이 바람직하다. 채널 확장은 예산이 아니라 채널의 포화도를 바탕으로 결정해야한다.
Activation - 활성화
- 활성화는 고객 유치를 통해 데려온 사용자가 우리 서비스의 핵심 가치를 경험하게 만드는 것이 중요한 포인트다.
- 핵심 → 퍼널에 대한 분석
- 퍼널 분석을 위해 우선적으로 할 일은 우리 서비스가 줄 수 있는 핵심 가치를 구체화 하고 사용자들이 핵심 가치를 경험하는 정확한 순간을 정의하는 것이다.
- 핵심 가치를 경험하는 지점까지 연결되는 세부적인 단계를 하나하나 정의하고 연결 경로를 도식화하는 과정이 필요하다. → 이 경로를 크리티컬 패스라고 한다.
코호트별 전환율 쪼개보기
- 전환율 지표는 전체 사용자를 대상으로 확인할 때보다 여러 그룹으로 쪼개서 볼 때 훨신 더 강력한 의미를 지닌다.
- ’전환된 사용자와 전환되지 않은 사용자는 무엇이 다른가?’
퍼널의 전환율을 높이는 방법
- 개인화 → 추천 등
- UI/UX 개선
- 적절한 개입 → 맥락을 잘 반영한 인앱메시지, 이메일, 푸시 등
Retention - 리텐션, 유지율
- 활성화 과정을 통해 경험한 핵심 가치를 꾸준히 경험하게 하고, 그 수준을 측정할 수 있는 지표를 정의하고 관리해야 한다.
- 일반적으로 접속을 기준으로 측정하나, 꼭 접속으로 한정할 필요는 없다.
리텐션 측정 방법
- 클래식 리텐션
- 특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식
- 클래식 리텐션 = Day N에 서비스를 이용한 사람 / Day 0에 처음 서비스를 이용한 사람
- 특정일만 기준으로 하기 때문에 매일 접속해서 사용할 것으로 기대되는 서비스에 적절함
- 범위 리텐션
- 특정 기간에 이벤트를 발생시킨 유저의 비율을 계산하는 방식
- 범위 리텐션 = Range N에 서비스를 이용한 사람 / Range 0에 처음 서비스를 이용한 사람
- 매일 접속하지 않더라도 일정 간격으로 꾸준히 사용하는 가계부나 음식배달 서비스에 적합
- 롤링 리텐션
- ‘더이상 해당 이벤트가 발생하지 않는 비율은 얼마인가’를 살펴봄으로써 계산
- 특정일을 기준으로 남아있는 유저를 세는 게 아니라, 반대로 떠나버린 유저를 집계해서 리텐션을 계산
- 롤링 리텐션 = After N day에 서비스를 이용한 유저 / Day 0에 처음 서비스를 이용한 유저
- 마지막 로그인 날짜를 이용해 리텐션을 계산
- 사용자들의 이후 접속 패턴에 따라 기존에 계산했던 리텐션 값이 얼마든지 달라질 수 있다.
- 사용 빈도가 높지 않는 서비스에서 활용
리텐션 분석하기
- 코호트에 따른 차이 분석하기
- 일반적으로 날짜를 활용
- 리텐션 차트
- 코호트, 볼륨, 기간, 유지율 4가지 요소로 이루어짐
-
리텐션 개선하기
- 초기에 리텐션이 떨어지는 속도를 늦추기
- 리텐션이 안정화된 이후에는 기울기를 평평하게 유지해서 오래 유지되게 하기
Revenue - 수익화
- 사업의 성패를 가르는 요소
수익화 관련 지표
ARPU(Average Revenue Per User)
- $$
ARPU = \frac{Revenue}{User}
$$ - 이후 사용자가 늘어난다면 매출이 어떤 속도로 증가할지를 가늠하는 데 좋은 기준
- ARPU는 시작과 끝이 있는 특정 기간에 대한 지표다.
- 일반적으로 월 기준 집계
ARPPU(Average Revenue Per Paying User)
- ARPU와 유사하지만 전체 사용자가 아닌 결제자만을 대상
$$
ARPPU = \frac{Revenue}{Paying User}
$$
고객 생애 가치 (Lifetime Value, LTV)
- 한명의 사용자가 진입하는 순간부터 이탈하는 순간까지의 전체 활동 기간에 누적해서 발생시키는 수익으로 정의할 수 있다.
$$
고객 생애 가치(LTV) =\frac{(M - c)}{1-r+i} - AC
$$
- M : 1인당 평균 매출
- c : 1인당 평균 비용
- r : 고객 유지 비율
- i : 할인율
- AC : 고객획득 비용
- 하지만 현실적으로 계산하기 어렵기에, 고객 생애 매출을 많이 사용한다.
고객생애매출(Liftime Revenue, LTR)
- 고객 한 명에 대한 기대 매출
- 고객 생애 매출은 코호트를 잘 나누고 코호트별 고객 생애 매출 추이가 어떻게 변화하는지 살펴보는 편이 훨신 더 유용하다.
- 일반적으로 활용되는 코호트 분류 기준은 ‘가입시점’이 된다
- 건강하게 성장하고 있는 서비스라면 LRT이 CAC를 빠르게 따라잡고 장기적으로 CAC의 몇배수까지 높아져야한다.
- 같은 비율이라면 고객 생애 매출을 늘리는 편이 고객 획득 비용을 줄이는 것보다 효과적이다.
수익화 쪼개서 보기
- 아이템별 매출의 합계
- 사용자별 매출의 합계
- 결제자수 X ARPPU
- 수식의 변수들을 치환해 가면서 퍼널 분석이 가능하다.
- 매출 = 결제자수 X ARPPU
- 매출 = 활동회원 X 결제비율 X ARPPU
- 매출 = 가입자 X 리텐션 X 결제비율 X ARPPU
- 매출 = 설치 수 X 가입전환율 X 리텐션 X 결제비율 X ARPPU
- 이런 식으로 매출을 퍼널에 따라 쪼개보면 매출이 증가하거나 감소하는 패턴을 훨신 더 세부적으로 파악할 수 있게 된다.
요약된 수익화 지표 하나만 보고 의사결정을 내리기 보다는 사용자를 다양한 방식으로 그루핑하고 각 그룹에 맞는 운영 및 수익화 전략을 세우는 것이 중요하다.
Referral - 추천
- 말 그대로 기존 사용자의 추천이나 입소문을 통해 새로운 사용자를 데려오는 것을 말한다.
바이럴 계수
$$
바이럴 계수 = \frac{사용자,수 \times 초대 비율 \times 인당, 초대한, 친구, 수 \times 전환율}{사용자, 수}
$$