Data Driven Marketing/Growth Marketing (Growth Hacking)

LV. 3 비즈니스 성장을 위한 유저 여정 분석(AARRR)과 그로스모델링

maron2ee 2024. 11. 1. 09:01

분석과 지표의 관계

  • 지표(Metrics): 비즈니스와 캠페인의 현재 상태와 성과를 수치로 나타내며, 데이터 기반 의사 결정을 가능하게 하는 중요한 요소
  • 지표 설정 프로세스:
    • 비즈니스 목표 수립 → 지표 확인 → 데이터 수집 → 데이터 처리 → 데이터 분석 → 인사이트 도출 → 실험→ 개선 → 지표 점검 
      1. 비즈니스 목표 수립: 달성하려는 최종 목표 설정
      2. 지표 확인: 목표 달성을 측정할 수 있는 적절한 지표 선정
      3. 데이터 수집 및 처리: 필요한 데이터 수집 및 분석 가능한 형태로 정제
      4. 데이터 분석: 수집한 데이터 분석 및 결과 도출
      5. 인사이트 도출: 분석 결과에서 유의미한 인사이트 도출
      6. 실험 및 개선: 도출된 인사이트 기반 개선 사항 테스트
      7. 지표 점검: 개선 결과를 반영하여 지표의 변화 점검 및 목표 달성 지속
      -> 반복적인 과정으로 실험과 개선을 통해 비즈니스 목표 달성에 점진적으로 가까워짐

 

지표 설정의 중요성과 방법

  • 지표 설정의 중요성:
    • 명확한 지표는 비즈니스 목표와 성과를 측정하고 최적의 의사 결정을 내리는 데 필수 요소
    • 지표를 통해 데이터 기반 인사이트를 얻고, 실험을 통해 개선 사항 적용 후 성과 점검 가능
  • 지표 설계 시 고려사항:
    • 비즈니스 모델: 서비스의 비즈니스 모델 기반
    • 라이프사이클 단계: 서비스의 라이프사이클상 현재 위치
    • 우선 해결해야 할 문제: 가장 시급한 문제
    • 사용자 행동 분석: 원하는 행동을 하는 사용자와 그렇지 않은 사용자 간 차이
  • Metric 정의의 3가지 구성 요소:
    1. 기간: 매월, 매주, 매일과 같은 측정 주기
    2. 깊이: 한 번에 수행하는 행동의 양 (예: 한 번에 몇 개의 상품을 구매했는가)
    3. 빈도: 여러 번 수행하는 횟수 (예: 한 달 동안 몇 번 구매했는가)
    예시: 커머스에서 "한 달 동안 5개의 서로 다른 상품을 구매한 고객 수"는 한 달(기간), 5개 상품(깊이), 한 번 이상의 구매(빈도)를 고려한 지표

 

목표와 일치하는 지표 설정 및 관리

  • 지표의 변화: 비즈니스 상황에 따라 지표가 변화하므로, 목표와 일치하는 지표를 지속적으로 업데이트 필요
  • 지표 관리 프레임워크:
    • Metric Hierarchy: 지표의 계층 구조를 설계하여, 매출에 영향을 주는 주요 인풋 지표 선별 및 배치
    • AARRR 프레임워크 (유저 라이프사이클 기반): 고객 여정을 다음 5단계로 구성
      • 획득(Acquisition) → 활성화(Activation) → 매출(Revenue) → 유지(Retention) → 추천(Referral)
      • 적용 사례: 커머스 및 구독형 비즈니스에 주로 적용, 광고 기반 비즈니스에는 부적합

 

주요 지표와 분석 방법

  • 획득 (Acquisition):
    • DAU (Daily Active Users) 및 MAU (Monthly Active Users): 유저 수 기준 유저 활동 파악
    • CAC (Customer Acquisition Cost): 유저 획득 효율성 평가 지표
  • 활성화 (Activation):
    • Aha Moment: 고객이 제품의 가치를 처음 인식하는 순간
    • XaY 공식: 핵심 행동이 특정 기간에 얼마나 자주 발생하는지 측정
      • X: 행동 빈도, a: 핵심 행동, Y: 기간 (예: "첫 7일 동안 3회 접속")
    • 예측 분석:
      • Correlation: 1에 가까울수록 예측력 우수
      • Positive Predictive Value (PPV): 특정 행동을 수행한 유저가 계속 활동할 확률
      • Negative Predictive Value (NPV): 특정 행동을 수행하지 않은 유저가 이탈할 확률
    • Activation 지표 분석: 상관관계 분석 가능, 인과관계 증명 불가
  • 유지 (Retention):
    • Stickiness: 유저가 반복적으로 사용하는 정도로 커뮤니티 기반 서비스에서 중요
    • 퍼널 최적화: 유저 여정의 각 단계에서 이탈 이유 분석 및 개선
    • Engagement Matrix: MAU와 사용 빈도를 통한 유저 참여도 및 유지율 분석
  • 매출 (Revenue):
    • 주요 지표: 총 수익, 비용, 전환율 등
    • LTV (Lifetime Value): 고객 생애 주기 동안 발생하는 총 수익을 특정 기간 기준으로 추정

 

LTV 및 CAC 분석

  • LTV (고객 생애 가치): 고객이 첫 구매부터 이탈까지 발생시키는 총 수익을 ARPU 또는 ARPPU 기준으로 측정
    • LTV/CAC 비율: 이상적으로 3~5 이상일 때 건강한 비즈니스 모델로 간주, ROI 극대화에 유리
    • 회수 기간: CAC 회수 최소 기간 설정 후 이 기간 내 LTV가 CAC를 초과하도록 목표 설정
  • ARPU 및 ARPPU:
    • ARPU (Average Revenue Per User): 전체 사용자(유료+무료)당 평균 매출 측정
    • ARPPU (Average Revenue Per Paying User): 결제 사용자당 평균 매출 측정으로 결제자의 기여도 평가
    • MAU 및 ARPPU 트렌드 분석:
      • MAU 증가: 신규 유저 유입 및 기존 유저 활성화 의미
      • ARPPU 감소: 활성 사용자는 증가했으나 구매자 수 또는 객단가 감소 상황

 

코호트 분석 (Cohort Analysis)

  • 코호트 정의: 비슷한 특성을 가진 유저 집단을 그룹화하여 리텐션 및 전환율 분석
    • 예시: 특정 광고 채널로 유입된 유저 그룹을 코호트로 설정하여, CRM 전략 및 광고 캠페인을 조정하고 유저 유지율 최적화

 

퍼널 최적화 및 리텐션 설계

  • 퍼널 최적화: 유저 여정 내 제품 퍼널의 각 단계에서 이탈이 심한 구간 분석 및 개선
    • 예: 장바구니 이탈률 높은 경우, 결제 과정 개선을 통한 전환 촉진
  • 리텐션 지표 설계:
    • 주요 이벤트와 사용 간격을 고려하여 리텐션 기준 설정
    • Engagement Matrix: MAU, DAU 등을 활용한 유저 반복 사용 평가, Stickiness와 주요 이벤트 기준 리텐션 개선 전략 수립

 

지표 관리 프레임워크

지표 관리는 비즈니스 목표와 분석 범주에 따라 다양한 프레임워크를 적용할 수 있음. 주요 프레임워크는 다음과 같음:

  • HEART Framework: UX 및 사용자 경험 평가 중점, Task Success, Engagement, Adoption, Retention 등의 지표 관리
  • AARRR Framework: 고객의 전체 여정을 Acquisition, Activation, Retention, Revenue, Referral로 나누어 각 퍼널 최적화
  • North Star Metric: 회사의 성장을 나타내는 핵심 지표 설정 후 목표 달성 집중
  • OKR Framework: Objective와 Key Results로 목표 설정 및 성과 지표 측정하여 성과 관리 및 팀 협업 강화
  • Metric Hierarchy Framework: Focus Metric 설정 후 이를 구성하는 Level 1 및 Level 2 지표를 계층 구조로 관리하여 세부 분석 가능