AARRR 개요
그로스 해킹의 근간이 되는 프레임워크는 AARRR이다.
AARRR은 결국 지표에 대한 이야기를 한다. 그로스 해킹에서 지표를 바라보는 관점에 대해 살펴보자.
그로스 해킹은 핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾는 활동이다.
우리는 지표를 통해 서비스의 성장 속도와 방향을 가늠할 수 있다. 일반적으로 지표는 서비스에서 쌓이는 로그를 특정 기준에 따라 요약한 숫자의 형태로 만들어진다.
지표를 잘 관리하고 활용한다는 것을 다음을 의미한다.
- 현재 우리 제품의 상황을 정확하게 이해할 수 있다.
- 목표가 명확하다.
- 의사결정을 내리는 데 참고할 수 있는 명확한 기준이 있다.
그렇다면, 우리 서비스의 지표를 측정하고 관리하는 방법에 대해 알아보자.
지표를 바라보는 관점은 크게 두 가지가 있다.
- 과업 기반(Task-based)
- 프레임워크 기반(Framework-based)
같은 지표를 확인하더라도 어떤 틀안에서 살표보느냐에 따라 활용 형태가 달라질 수 있다.
과업 기반(Task-based)의 지표 관리
각 조직별로 담당하는 업무를 우선 정의한 후 해당 업무를 통해 발생하는 수치들을 지표화해서 관리하는 것
위처럼, 조직은 각 업무를 진행하면서 만들어지는 수치를 집계하고 모니터링하는 식으로 지표를 관리한다.
하지만, 이런 식으로 팀별 지표를 선정하고 관리하는 데는 몇 가지 문제점이 있다.
1. 전체적으로 서비스 관점에서 무엇이 중요한 지표인지 판단하기 어렵다.
마케팅 팀이 담당하는 키워드 별 CTR 지표와 운영팀이 담당하는 CS 문의 처리 수 지표 중 어떤 것이 중요한지 판단할 수 있을까?
CTR : 광고 노출 수 대비 클릭 수의 비율을 말한다.
CS : 고객 서비스, 고객 만족을 의미한다.
검색 광고 CTR 개선을 위한 키워드 관리 기능 개발과 CS 처리를 효율적으로 하기 위해 관리자 화면 기능 개선을 동시에 요청받았다면, 개발팀은 어떤 업무를 우선적으로 처리해야 할까?
이처럼 팀의 과업 기반으로 주요 지표를 모니터링하는 환경에서는 전사 관점에서의 지표 우선순위를 정의하기가 어렵다.
서비스의 핵심 지표가 전체적인 서비스 관점에서 최적화되지 않고 팀별로 각각 관리되고 있다는 점은 굉장한 비효율을 야기한다.
이는 팀별 KPI도 마찬가지.
KPI : 핵심 성과 지표. 전략적 목표를 달성하기 위해 계획대로 진행 중인지 파악할 수 있는 지표.
2. 팀별로 진행 중인 업무의 변동사항이 있을 경우, 모니터링하는 지표가 수시로 달라질 수 있다.
모니터링 대상이 되는 지표가 달라지는 것 자체보다는 놓치고 있던 중요한 지표가 뒤늦게 발견된다는 문제점이 더 크다.
운영팀에서 앱스토어 리뷰와 사용자 CS 지표에 초점을 맞춰 업무를 진행하고 있었는데, 나중에 보니 상품 페이지에 올라오는 사용자 후기 정보가 더 중요하다는 점을 놓치는 점을 예로 들 수 있다.
팀별로 진행하는 업무 외에 더 중요한 업무가 여기저기서 생겨날 수도 있고, 중요하지만 놓치고 있던 업무가 뒤늦게 생길 수 있는데, 경직된 과업 위주로 지표를 모니터링하는 경우 팀이 봐야 하는 지표가 계속 흔들리게 된다.
이런 방식으로 지표를 관리하여 만들어진 보고서에는 지표가 '성장'을 위해 활용되기보다는 '놀지 않았다는 것을 증명하기 위해' 사용된다.
하지만, 중요한 것은 일을 "많이"하는 것이 아닌, "지금 가장 필요한"일에 집중해서 성과는 내는 것이다.
프레임워크 기반(Framework-based)의 지표 관리 - AARRR
어떻게 하면 더 효율적으로 지표를 관리할 수 있을까?
우선적으로 고려해야 하는 점은 사용자의 서비스 이용 흐름(Use Flow)에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의해야 한다는 점이다.
유저가 들어오는 순간부터 나가는 순간까지를 모두 포괄하는 일종의 퍼널(funnel, 깔때기)을 만들고, 각 단계에서의 핵심 지표가 무엇인지 찾아야한다.
과업에서 출발해서 지표를 정의 (x)
지표를 우선 정의한 후 해당 지표를 원하는 방향으로 움직이게 하기 위해 어떤 과업이 필요할지를 고민 (o)
AARRR 이란?
- 고객 유치(Acquisition)
- 활성화(Activation)
- 사용자의 지속적인 방문(Retention)
- 수익화(Revenue)
- 추천(Referral)
AARRR은 단순히 단계별로 지표를 모니터링하는 데서 그치지 않는다. (단순히 어디서 어떤 지표를 봐야하고... 같은 식의 진행은 잘못되었다) 다음을 고려해야 한다.
- 서비스의 특성에 따라 카테고리별로 어떤 지표를 봐야 할지를 선정하는 과정
- 지표를 개선하기 위해 어떤 실험을 어떤 우선순위에 따라 진행할지를 결정하고 실행할 것인가
AARRR에 해당하는 지표들은 평면적이지 않고 굉장히 입체적이다.
리텐션을 어떻게 정의하느냐에 따라 다양한 형태의 정보를 얻을 수 있고, 수익화를 어떻게 쪼개서 보느냐에 따라 같은 데이터를 가지고도 전혀 다른 인사이트를 찾아낼 수 있다.
그렇다면 5개의 카테고리는 그림 3-3 처럼 퍼널로 연결되어 있으니, 맨 앞의 고객 유치부터 개선하면 되지 않나?
라는 의문이 들 수 있다.
소중한 팬을 분노한 안티로 만드는 가장 빠른 방법은, 활성화와 유지율이 잘 준비되지 않았는데 고객 유치 채널을 활짝 열어버리는 것이다.
따라서,
- 활성화와 유지율을 가장 우선적으로 개선하고
- 그 다음으로는 고객 유치와 추천을 개선하고
- 마지막으로 수익화를 챙겨야 한다.
라고 AARRR의 주창자인 데이브 맥클루어는 말했다.
AARRR을 실무에서 잘 활용하기 위한 4단계
- 각 단계별로 풀어야 하는 문제를 확인한다.
- 각 단계의 핵심이 되는 주요 지표를 선정하고, 해당 지표의 현재 수준을 측정한다.
- 측정된 지표가 가지는 의미를 이해한다.
- 개선해야 하는 목표 수준을 정하고 실험을 통해 단계적으로 개선한다.
고객 유치(Acquisition)
고객 유치는 사용자를 우리 서비스로 데려요는 것과 관련된 활동을 의미한다.
고객 유치 과정의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것
일반적인 서비스는 고객 유치를 위해 굉장히 많은 마케팅 채널을 활용하고, 여러 개의 캠페인을 동시에 진행한다.
한 채널 안에서도 여러 영역에서 서로 다른 메시지를 전달할 수 있다.
마케팅 용어 정리
채널 : 기업이 제품이나 서비스를 대상 고객에게 전달하고 소통하는 다양한 경로나 플랫폼. (TV, 인쇄매체, SNS, 이메일 등)
캠페인 : 기업이 특정 기간 동안 제품 또는 목표를 홍보하고 판매 또는 인지도 제고를 위한 종합적인 전략. 광고를 운영하기 위한 가장 상위 단위의 전략이다. 단순하게는 그냥 하나의 광고를 생각하면 될 듯하다.
채널 = 페이스북, 인스타그램, 구글 같은 플랫폼(+ TV 등의 매체)
캠페인 = 채널 내에 올리는 광고
같은 느낌인 것 같다.
Organic 유저와 Paid 유저
유입 채널에 따라 사용자를 구분할 때 사용하는 일반적인 분류 기준은, 자발적으로 우리 서비스를 찾아오는 고객(Organic)과 비용을 집행한 마케팅 활동을 통해 우리 서비스를 찾아온 고객(Paid)을 나누는 것
고객 유치 성과를 판단하는 기본적인 출발점은 다음과 같다.
- 자발적으로 우리 서비스를 찾아온 고객이 얼마나 많은가?
- 유료 마케팅 채널을 얼마나 효율적으로 사용했는가?
구글 애널리틱스나 앱스플라이어(AppsFlyer)같은 서비스에서는 유입에 대한 데이터를 분석해서 Organic 가입자의 비중이나 유료 마케팅 채널의 성과를 모니터링할 수 있게 해준다.
구글 애널리틱스는 유입된 트래픽이 특정 파라미터 값을 가지고 있으면 해당 파라미터 값을 기반으로 유입 출처를 분류한다.
일반적으로 Organic이라는 분류는 "자발적으로 유입된 사용자"라는 의미로 사용되지만 실제 트래킹 서비스에서 이 분류를 나눌 때의 기준은 "유입된 채널을 식별할 수 없는 사용자"에 가깝다.
이러한 의미에서 고려하면 고객 유치 채널을 구분할 때 Organic이라는 용어보다는 Unknown이라는 용어가 더 적합하다.
위 그림에서는 보면, 관점 1보다 2의 관점에서 바라봐야 한다는 뜻이다.
즉, 가능한 많은 트래픽을 식별해서 미식별 트래픽의 비중을 최대한 줄이는 방향으로 고객 유치 데이터를 분석해야한다.
결론적으로 고객 유치와 관련해서 풀어야 하는 문제는 다음과 같다.
- 어떻게 하면 사용자의 유입 채널을 최대한 누락 없이 정확하게 추적하고
- 각 채널별 성과를 정확히 판단할 수 있을까?
고객 획득 비용(Custom Acquisition Cost, CAC)
한 명의 사용자를 데려오기 위해 지출하는 평균 비용을 의미한다.
고객 유치 과정에서의 채널별 성과는 어떤 기준으로 측정할 수 있을까?
이때 사용되는 개념이 고객 획득 비용이다.
고객 획득 비용을 계산하는 방법
고객 획득 비용의 지표를 활용하는 것의 핵심은 채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 보는 데 있다.
여러 가지 조건에 따라 고객 획득 비용을 각각 쪼개서 계산할 수 있다면 "어느 채널에 얼마의 기간 동안 어떤 캠페인으로 얼마의 예산을 집행할 것인가"라는 질문에 답할 수 있게 된다.
고객 획득 비용에 대한 구체적인 논의를 하기 위해서는 우선적으로 각 채널별, 캠페인별, 광고별로 얼마의 예산을 집행했고 각 경로를 통한 유입이 정확이 어떻게 되는지 정확하게 추적할 필요가 있다.
웹에서는 UTM 파라미터, 앱에서는 어트리뷰션이 그 역할을 한다.
UTM 파라미터
헬스장에서 신규 고객을 유치하기 위해 전단지를 나눠준다고 가정해보자. 어디서 나눠주는 게 효과적일까? 유동인구가 많은 지하철역? 사람들이 멈춰서 기다리는 횡단보도 앞?
웹 트래픽에서는 유입 효과를 판단하기 위한 장소 정보를 소스(Source)라는 용어로 표현한다.
장소 외에도 테스트할 수 있는 요인으로는 캠페인, 매체 등이 있을 것이다.
전단지 마다 "30%할인" 혹은 "3개월 등록시 1개월 무료"라는 캠페인을 다르게 나눠주거나, 전단지 외에 부채를 나눠준다던가 하는 등을 할 수 있을 것이다.
온라인 유입의 경우, 새로운 회원이 가입할 때 어떤 파라미터가 달린 URL로 접속했는지를 확인하여 이와 같은 정보를 더욱 정확하게 파악할 수 있다. 온라인의 경우 UTM 파라미터만 잘 설정돼 있으면 누락 없이 모든 데이터를 측정할 수 있다.
UTM 파라미터(Urchin Tracking Module)는 서비스로 인입된 트래픽이 어느 경로를 통해 들어왔는지 그 출처를 확인할 수 있도록 URL 뒤에 추가된 파라미터를 의미한다.
주요 데이터 분석 서비스에서 거의 표준처럼 활용되고 있다.
UTM 파라미터 구조
- 소스 (utm_source)
- 매체 (utm_medium)
- 캠페인 (utm_campaign)
- 검색어 (utm_term)
- 콘텐츠 (utm_content)
위에 해당하는 파라미터를 추가해서 새로운 URL을 생성하기만 하면 된다.
각 광고 채널이나 친구 초대 등 고객 유치 목적으로 사용되는 링크마다 고유한 UTM 파라미터가 붙은 별도의 링크를 사용해야 한다.
사용자가 이렇게 생성된 URL을 클릭하면, UTM 파라미터 값이 구글 애널리틱스 등 분석 서비스에 전달되어 어느 경로로 웹사이트에 진입했는지 식별할 수 있다.
모바일 앱 어트리뷰션(Attribution)
모바일 앱의 경우에는 UTM 파라미터 형태로는 유입 기여도를 확인할 수 없다.
모바일 앱은 링크를 클릭한 후 앱스토어로 이동한 다음, 앱을 설치하고 실행하는 과정이 필요한데, 앱스토어로 이동하는 과정을 거치면서 URL에 지정된 UTM 파라미터가 유실되기 때문이다.
모바일 앱에서의 유입 기여를 살펴보기 위해서는 어트리뷰션이라는 개념이 사용된다.
어트리뷰션 : 사용자가 앱을 설치하고 사용하는 데 어떤 채널이 기여했는지를 식별함으로서 모바일 앱의 마케팅 성과를 판단하는 과정
UTM 파라미터 방식에 비해 훨씬 복잡하며, 이를 위한 기술적 뒷받침이 필요하다. 그래서 보통 유료 서비스를 이용한다.
어트리뷰션 서비스
- AppsFlyer
- Adjust
- Branch
- Kochava
- Airbridge
- Adbrix
서비스 별로 조금씩 다르지만 보통 어트리뷰션 서비스에서는 사용자 식별을 위해
- Install referrer
- device ID mapping
- Fingerprinting
등의 기술이 활용된다.
어트리뷰션에 관한 개념들
어트리뷰션 윈도우(Attribution window)
사용자가 페이스북 광고를 클릭하고 앱을 설치했다면, 일반적으로 페이스북 광고가 앱 설치에 기여했다고 판단할 수 있다. 앱을 설치하는 데 영향을 미친 이벤트를 기여 이벤트라고 한다.
어트리뷰션 윈도우는 기여 이벤트가 발생한 이후 얼마만큼의 기간동안 발생한 전환에 대해 어트리뷰션을 인정할 것인가를 의미한다. (lookback window라고도 한다)
기여 채널의 성과를 판단하기 위해서는 기여 이벤트(위에서는 페이스북 광고 클릭)가 발생한 후 어느 정도의 기간 내에 발생한 어트리뷰션을 해당 채널의 성과로 인정할 것인가에 대한 기준이 필요하다.
만약 페이스북 광고 클릭에 대한 어트리뷰션 윈도우가 7일이라면 페이스북 광고를 클릭하고 6일이 지난 뒤에 앱 설치를 한 것은 페이스북 광고 성과로 인정받는다. 반먼 8일이 지나면 인정하지 않는다.
"어트리뷰션 윈도우를 ㅇ일로 해야한다"는 식의 일반화된 규칙이 있는게 아니기 때문에 각 채널별로 어트리뷰션 윈도우를 어떻게 정의할지에 대한 기준을 잘 세우는 것이 중요하다.
어트리뷰션 유형 : 클릭-스루, 뷰-스루
어트리뷰션은 클릭에 의해 발생하지만은 않는다. 유튜브에서 광고 영상을 보고 나서(클릭은 안함) 좋은 인상이 남아서 나중에 앱스토어에 직접 들어가서 앱을 설치하는 경우, 유튜브 광고가 기여한 것으로 볼 수 있을 것이다. 클릭만이 아닌, 광고를 조회한 것도 기여 이벤트로 인정한다.
클릭 스루(click-through) : 클릭을 통해 발생하는 기여
뷰 스루(view-through) : 조회를 통해 발생하는 기여
클릭-스루와 뷰-스루도 매체별로 설정 가능하기 때문에 성과를 측정하는 데 적합하다고 판단되는 측정 기준을 잘 정의해야 한다.
클릭-스루/뷰-스루 중 하나만 인정하거나, 모두 인정하되 두 기여에 대한 어트리뷰션 윈도우를 다르게 책정하기도 한다.
일반적으로 클릭-스루의 어트리뷰션 윈도우는 뷰-스루의 어트리뷰션 윈도우 대비 길게 가져간다.
어트리뷰션 모델(Attribution Model)
페이스북 광고를 클릭하고 스토어로 이동했지만 거기서는 앱을 설치하지 않았는데, 잠시 후 유튜브 광고를 클릭하고 다시 스토어로 이동해서 앱을 설치했다면 여기서 발생한 앱 설치는 어떤 광고의 기여로 판단해야 할까?
이처럼 어트리뷰션 접점이 2개 이상인 경우 기여도를 판단하기 어렵다.
여러 개의 어트리뷰션 접점이 발생하는 경우에 기여도에 대한 판단을 내릴 수 있는 기준을 어트리뷰션 모델이라고 한다.
대표적인 어트리뷰션 모델은 다음이 있다.
- First click
- Last click
- Linear
- Time Decay
- U자형(U-shape)
등이 있다.
퍼스트 클릭과 라스트 클릭은 대표적인 싱글 터치 어트리뷰션이다. (여러 매체 중 한 가지의 성과를 100%로 인정하는 것)
멀티 터치 어트리뷰션은 기여도를 나름의 기준에 따라 2개 이상의 채널에 분배하는 형태를 말한다.
그렇다면, 어트리뷰션 기준을 어떻게 정의해야 할까?
이 단계에서 필요한 것은 "정답"을 찾는 것이 아니라 "원칙"을 세우는 일이다.
우리 서비스의 고객 유치 성과를 어떤 기준으로 측정할지에 대해 서비스 담당자들 안에서 공감할 수 있는 명확한 기준이 있어야 한다.
UTM이나 어트리뷰션 서비스의 사용은 그러한 기준을 바탕으로 활용되어야 한다.
다음과 같은 질문에 대해 사내에서 합의된 기준이 필요하다. (예시이다. 질문은 달라질 수 있다)
여기서는 이거 하나만 기억하자. 채널 특성을 고려하지 않고 모든 채널에 일관된 기준을 적용하는 것은 좋은 판단이 아니다.
위 그림에서 사용자 A는 왼쪽 인스타그램에 노출된 햄버거 광고 영상을 끝까지 봤지만 클릭하지 않았고, 사용자 B는 오른쪽 뉴스 사이트의 복권 광고 팝업 광고를 클릭했다고 가정하자. 이 경우, 개별 광고의 어트리뷰션을 어떻게 판단하는 것이 합리적일까?
단순히 봐서는 A는 뷰-스루에 대한 어트리뷰션 1일만 인정하고, B는 클릭-스루에 대한 어트리뷰션 7일을 인정하는 식의 계산이 맞을 것이다.
하지만, 햄버거 광고 영상을 끝까지 본 사용자 A는 광고주의 메시지를 충분히 전달 받았고, 복권 광고를 클릭한 사용자 B는 광고 창을 닫다가 실수로 복권 광고를 클릭했다고 볼 수도 있지 않을까?
이처럼 각 채널마다 노출되는 광고 영역의 크기, 지면의 형태, 타겟팅 알고리즘, 사용자층이 모두 다르기 때문에 채널이 가진 특성을 고려해야한다. (+ 사용자의 인터렉션이 어떤 식으로 이루어지는지)
마케터가 대시보드에 나타난 수치만 보고 의사결정을 하다 보면 이런 부분을 놓치기 쉽다.
딥 링크(Deep Link)와 디퍼드 딥 링크(Deferred Deep Link)
딥 링크 : 모바일 앱 안의 특정 화면(Activity)으로 이동하는 링크
사용자가 딥 링크를 클릭하면 브라우저 대신 모바일 앱이 실행되면서 앱 내의 적합한 랜딩 페이지를 보여줄 수 있다.
사용자가 웹에서 앱으로 전환되는 과정에서 맥락(context)이 잘 유지되기 때문에 랜딩 페이지에서의 전환율을 크게 향상시킬 수 있다.
디퍼드 딥 링크 : 모바일 앱 설치 유무와 상관없이 사용할 수 있는 딥 링크
딥 링크의 경우, 링크를 클릭하는 사람의 휴대폰에 해당 앱이 설치되어 있을 때만 정상하는 한계를 극복하기 위해 나온 기술
디퍼드 딥 링크의 가치는 "사용 맥락 유지"이다. 디퍼드 딥 링크를 활용하면 맥락이 유지된 채로 자연스럽게 앱으로 진입할 수 있기 때문에 사용자 경험 측면에서 장점이 있다.
하지만, 중요한 가치가 하나 더 있다.
디퍼드 딥 링크를 활용하면 어트리뷰션을 측정할 수 있는 범위가 넓어진다는 점이다.
웹에서 UTM 파라미터를 활용하는 것과 유사하게 딥 링크를 생성할 때 적절한 파라미터를 추가하면 어떤 채널에서 활용된 딥 링크를 통해 앱을 설치하고 사용했는지 측정할 수 있다.
어트리뷰션 관련 고려사항
고객 유치 성과를 정확히 이해하려면 어트리뷰션에 대한 깊이 있는 이해가 필요하다.
마케팅 채널별 성과를 어떻게 판단할지, 이를 감안한 마케팅 전략은 어떻게 세워야 하는지와 같은 문제는 모두 어트리뷰션과 연결되어 있다.
어트리뷰션을 잘 활용하려면 철학적인 측면과 기술적인 측면을 모두 챙겨야 한다. 각 서비스에 맞는 어트리뷰션 원칙을 잘 정의해야 하고, 상용 어트리뷰션 툴에 대한 기술적인 이해도도 높아야 한다.
단순히 수치만 들여다보지 않고, 어트리뷰션 서비스에서 제공하는 다양한 기능을 깊이 있기 이해하고 잘 사용할 수 있어야 의미가 있다.
필요하다면 어트리뷰션 데이터를 raw data로 받아서 확인하고 분석할 수도 있어야 한다. 어트리뷰션 데이터는 단독으로 보는 것보다 서비스에 직접 쌓이는 데이터와 결합해서 분석함으로써 훨씬 더 많은 인사이트를얻을 수 있다.
가령 광고 성과 측정을 위해 ROAS를 살펴볼 때 어트리뷰션 기간 안에 있는 7일 동안의 결제액만 보는 것이 아닌, 서비스 데이터를 기반으로 유저의 전체 활동 기간을 고려한 고객 생애 가치를 살펴본다면 훨씬 신뢰할 만한 분석 결과를 얻을 수 있다.
ROAS(Return on Ads Spending) : 특정 광고나 캠페인에서 발생한 수익을 계산한 값(광고에 지출된 1달러당 얻은 수익)
고객 유치(Acquisition) 정리
고객 유치 단계에서의 목표는 사용자의 유입 채널을 최대한 누락없이 정확하게 추적하고, 각 채널별 성과는 정확히 판단하는 것이다.
많은 마케팅팀에서 빠지기 쉬운 함정 중 하나가, 고객 유치 성과가 정체된 것처럼 느껴질 때 기존 채널에 대한 최적화를 고민하기보다는 새로운 채널을 찾고 테스트하는 데 지나치게 많은 리소스를 쓰는 것. 무작정 새로운 채널을 추가한다고 해서 고객 유치 성과가 개선되는 것은 아니고, 채널을 계속 늘려가는 것은 관리해야 할 포인트도 함께 증가한다는 의미이다. (새로운 채널의 특성 공부, 테스트 진행, 결과 분석을 하는 과정은 많은 시간과 노력을 필요로 한다)
스타트업이라면 단순히 많은 채널을 찾으려고 하기보다는 영향력있는 소수의 채널을 찾아서 해당 채널의 효과를 극대화하는 것을 목표로 하자.
또한, 채널 확장은 예산이 아니라 채널의 포화도(Saturation)를 바탕으로 결정해야 한다.
채널 포화도 판단을 위해서는 각 채널 운영이 충분히 최적화되어 있는지 점검해야 한다.
- 기존 채널에서의 최적화가 충분히 잘 되어 있는가?
- 마케팅 예산이 켜저서 기존 채널에서 모두 소화하기에는 비효율적인가?
고객 유치와 관련된 업무를 할 때 빠지기 쉬운 함정 중 하나는 각 마케팅 채널의 관리자 화면이나 리포트에 지나치게 매몰되는 것이다. 마케팅 팀의 목표는 단순히 ROAS를 20% 더 올린다거나, 고객 획득 비용(CAC)을 1,000원 낮추는 것에 그쳐서는 안된다.
광고 채널의 세사한 설정이나 기능을 다루는 것도 중요하지만 전체적인 관점에서 우리 서비스의 마케팅 데이터를 어떻게 통합해서 정리할지에 대한 고민이 함께 이루어져야 한다.
더 크게는 우리 서비스의 핵심 가치가 무엇인지, 고객들은 어떤 특성을 가지고 있고 어떤 메시지를 통해 이들을 찾고 관계를 유지할 수 있는지에 대해서도 잘 알고 있어야 한다.
숫자 하나하나에 연연하기보다는 한 걸음 물러서서 넓은 시야를 가지고 데이터를 들여다볼 필요가 있다.
데이터를 통해 확인하려고 하는 것은 눈 앞에 있는 지표 몇 개가 아니라 "고객"에 대한 폭넓은 이해라는 점을 기억하자.
간단 정리
AARRR
AARRR은 "프레임워크 기반 지표관리 방법"으로 지표를 우선으로 정의한 후, 지표를 원하는 방향으로 움직이게 하기 위한 과업을 정의한다.
- 고객 유치(Acquisition)
- 활성화(Activation)
- 사용자의 지속적인 방문(Retention)
- 수익화(Revenue)
- 추천(Referral)
AARRR을 실무에서 잘 활용하기 위한 4단계
- 각 단계별로 풀어야 하는 문제를 확인한다.
- 각 단계의 핵심이 되는 주요 지표를 선정하고, 해당 지표의 현재 수준을 측정한다.
- 측정된 지표가 가지는 의미를 이해한다.
- 개선해야 하는 목표 수준을 정하고 실험을 통해 단계적으로 개선한다.
AARRR에서의 우선순위는 활성화, 유지율 > 고객 유치, 추천 > 수익화 순으로 우선해서 지표를 개선한다.
고객 유치
고객 유치 과정의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것
목표 : 가능한 많은 트래픽을 식별해서 미식별 트래픽을 최대한 줄이는 방향으로 고객 유치 데이터를 분석하는 것
채널 별 성과는 고객 획득 비용(1명의 사용자를 데려오기 위해 지출한 비용)으로 측정한다.
고객 획득 비용 판단은 각 채널별, 캠페인별, 광고별로 얼마의 예산을 집행했고 각 경로를 통한 유입이 정확이 어떻게 되는지 정확하게 추적하는 것에서 시작한다. 그리고 이것을 위해 UTM 파라미터, 어트리뷰션을 사용한다.
UTM 파라미터 : 웹에서 url의 파라미터를 통해 사용자의 유입 경로를 식별하는 방법
어트리뷰션 : 모바일 앱에서 사용자의 유입 경로를 식별하는 방법
어트리뷰션에 대한 개념들
- 어트리뷰션 윈도우 : 얼마만큼의 기간 동안 전환에 대한 기여를 인정할 것인가?
- 어트리뷰션 유형 : 뷰-스루(유튜브 광고 시청), 클릭-스루(팝업 광고 클릭) 등의 유형이 있다.
- 어트리뷰션 모델 : 어트리뷰션 접점이 2개 이상인 경우 기여도를 판단하는 기준을 말한다.
어트리뷰션에서 고려할 사항
- 각 채널별로 어트리뷰션 윈도우를 어떻게 설정할 것인지에 대한 기준을 세우는 것
- 각 채널이 가진 특성을 고려하여 어트리뷰션 모델을 설정하는 것
- 디퍼드 딥 링크 같은 기술을 사용하여 "사용 맥락 유지"을 유지한 채로 어트리뷰션 측정 범위를 넓히자.
마지막으로, 고객 유치에서 가장 중요한 것은 "지표"가 아닌, "고객"에 대한 폭넓은 이해라는 것을 명심하자.
'마케팅' 카테고리의 다른 글
| #5. 그로스 해킹 : AARRR - 수익화(Revenue) (0) | 2024.11.09 |
|---|---|
| #4. 그로스 해킹 : AARRR - 리텐션(Retention) (0) | 2024.10.13 |
| #3. 그로스 해킹 : AARRR - 활성화 (Activation) (0) | 2024.09.29 |
| #1. 그로스 해킹 : 그로스 해킹의 전체조건 (Product-Market Fit) (0) | 2024.09.08 |
| #0. 그로스 해킹 : 그로스 해킹이란? (0) | 2024.09.08 |
