[책 : 그로스 해킹] 전환율과 AARRR에 대하여

"제품은 가설의 조합으로 이뤄져야 하며, 그러한 가설을 테스트하기 위한 최소한의 기능으로 제품은 이뤄져야 한다. 기능이 많은 제품이 성공하는 것이 아니라 최소한의 기능으로 사용자에게 가치를 전달할 수 있는 제품이 성공하는 것이다."

"우리가 데이터를 통해 확인하려고 하는 것은 눈앞의 지표 몇 개가 아니라 '고객'에 대한 폭넓은 이해라는 걸 잊지 말자."

---

전환율

전환율을 구하려면 목표로 하는 이벤트를 정의하고 이를 위해 거쳐야 하는 경로를 먼저 구체화해야 한다. 경로를 구체화한다는 것은 전환 퍼널을 그리는 것이다.

 

전환율 지표의 특징

전환율은 카테고리 외에도 다양한 변수에 영향을 받는다. 똑같은 상품에 대한 전환이라도 친구 초대를 통해 들어온 사람과 디스플레이 광고를 통해 들어온 사람은 전환율에 차이가 난다.

이처럼 전환율을 전체 대상으로 확인할 때보다 여러 그룹으로 쪼개서 볼 때 더 강력한 의미를 지닌다. 이처럼 공통적인 특성에 따라 여러 집단으로 분류한 사용자 그룹을 코호트라고 한다. 이처럼 퍼널 분석의 진정한 가치는 주요 퍼널에서의 단편적인 전환율을 계산하는 데 있는 것이 아니라 전환율에 영향을 미치는 유의미한 선행지표를 발견하는 데 있다. 

우리 서비스 사용자들의 평균 결제 전환율을 50% 이지만,
페이스북 광고를 통해 가입한 사용자의 결제 전환은 40%이고 친구 초대를 통해 가입한 사용자의 결제 전환은 60% 임을 확인했다.
* '가입 방법'이라는 선행지표가 결제 전환율에 영향을 주는구나! 이것이 유의미한 선행지표를 발견하는 것

 

효율적인 지표 관리: AARRR

회사 조직도에 따라 지표를 나눠서 제각각 관리하지 말고 사용자의 서비스 이용 흐름에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의해야 한다.
* 사공이 많으면 배가 산으로 간다. (지표가 많으면 제품이 산으로 간다는 얘기)

 

유저가 들어오는 순간부터 나가는 순간까지를 모두 포괄하는 일종의 퍼널을 만들고, 각 단계에서 핵심이 되는 지표가 무엇인지 찾아야 한다.

• 고객 유치: 사용자들을 어떻게 데려올 것인가?
• 활성화: 사용자들이 우리 서비스의 핵심 기능을 잘 사용하는가?
• 리텐션: 사용자들이 우리 서비스에 지속적으로 방문하는가?
• 수익화: 사용자들이 우리 서비스의 핵심 기능을 사용하기 위해 결제를 하는가?
• 추천: 사용자들이 우리 서비스를 주변 지인들에게 소개, 추천하는가?

 

AARRR의 가치

AARRR은 단순히 단계별로 지표를 모니터링하는 데서 그치지 않는다. 특히 "고객 유치에선 DAU를 봐야 하고, 활성화에선 이탈율을 봐야 하고.." 같은 식으로 서비스의 특성이나 포지셔닝을 고려하지 않고 단계별로 무조건 정해진 몇 개의 지표가 있다고 설명하는 건 AARRR을 완전히 잘못 이해한 것이다.

가장 중요한 건 서비스의 특성에 따라 카테고리별로 어떤 지표를 봐야 할지 선정하는 과정, 그리고 지표를 개선하기 위해 어떤 실험을 어떤 우선순위에 따라 진행할지를 결정하고 실행할 것인가다.

 

AARRR을 활용하는 방법

1. 각 단계별로 풀어야 하는 문제를 확인한다.
2. 각 단계의 핵심이 되는 주요 지표를 선정하고, 해당 지표의 현재 수준을 측정한다.
3. 측정된 지표가 가지는 의미를 이해한다.
4. 개선해야 하는 목표 수준을 정하고 실험을 통해 단계적으로 개선한다.

실무에서 AARRR을 잘 활용하려면 위와 같은 4단계를 통해 사용자와 서비스에 대해 깊이 있게 고민하는 과정이 필요하다.

AARRR의 각 부분에 대해서 하나씩 확인해 보자.

 

고객 유치

고객 유치 과정의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것이다. 채널별 성과를 판단할 때에는 데려온 사용자 수를 보는 것이 아니라, 어떤 채널을 통해 들어온 사용자들이 꾸준히 활동하는지, 결제로 전환되는 비율이 얼마나 되는지를 바탕으로 각 채널의 가치를 정확히 판단할 수 있어야 전체적인 마케팅 전략을 수립하거나 예산을 분배할 수 있다.

고객 유치 데이터를 분석할 때 중요한 포인트는 오가닉 트래픽의 비중을 높이는 것이 아니라 가능한 한 많은 트래픽을 식별해서 미식별 트래픽의 비중을 최대한 줄이는 방향이어야 한다.

 

온라인에서 유입 경로를 확인하기 위해 가장 널리 사용되는 기능은 UTM 파라미터다. UTM 파라미터란 서비스로 유입된 트래픽이 어느 경로로 들어왔는지 출처를 확인할 수 있도록 URL 뒤에 추가된 파라미터를 의미한다.

모바일 앱 경우 UTM 파라미터 형태로 유입 기여도를 확인할 수 없다. 모바일 앱은 링크를 클릭한 후 앱스토어로 이동한 다음에 앱을 설치하고 실행하는 과정인데, 앱스토어로 이동하는 과정에서 URL에 지정된 UTM 파라미터가 유실되기 때문이다. 그래서 모바일 앱에서의 유입 기여를 살펴보기 위해서는 어트리뷰션이라는 개념이 사용된다. 어트리뷰션이란 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별함으로써 모바일 앱의 마케팅 성과를 판단하는 과정이다.

 

파라미터는 손쉽게 만들어서 GA를 통해 성과를 측정할 수 있지만, 어트리뷰션을 확인하기 위해선 대부분 유료로 제공되는 별도의 서비스를 사용해야 한다. 어트리뷰션을 잘 활용하기 위해서는 정량적으로 나타나는 수치 외에도 각 마케팅 채널이 어떤 지면을 가지고 있는지, 어떤 사용자층을 보유하고 있으며, 어떤 식으로 사용자를 타기팅 하는지, 광고의 사용자의 인터랙션이 어떤 식으로 이뤄지는지 등 채널의 특성을 잘 이해하고 있어야 한다.

 

활성화

활성화 단계의 핵심은 퍼널에 대한 분석이다. 퍼널 분석을 진행할 때 고려해야 하는 세 가지 요소는 다음과 같다.

1. 핵심 가치를 경험하는 시점과 그곳으로 연결되는 각 단계를 잘 정의했는가?
* 우리 서비스가 줄 수 있는 핵심 가치를 구체화하고 사용자들이 핵심 가치를 경험하는 정확한 순간을 정의하는 것이다.
2. 각 단계별 전환율을 어떤 기준으로 측정하는가?
3. 코호트에 따른 퍼널별 전환율을 보고 있는가?

리텐션

리텐션은 사용자들이 특정 서비스를 얼마나 꾸준히 남아서 활동하는지 보여주는 지표이다. 리텐션은 대표적으로 잘하고 있을 때일수록 더 세심하게 측정하고 관리해야 하는 지표에 속한다. PMF를 만족하는 서비스는 초기 일정 기간이 지나면 그래프의 기울기가 완만해지면서 리텐션이 안정적으로 유지되는 패턴을 보인다. 반면, 그렇지 못한 서비스는 리텐션 그래프의 기울기가 꾸준히 우하향하는 패턴을 보인다.

 

리텐션이란 지표는 서비스가 속한 카테고리의 영향을 크게 받는다. 매일 새로운 콘텐츠를 보기 위한 뉴스 서비스와 1년에 한두 번 떠나는 해외여행을 준비하기 위해 들어오는 여행 서비스는 리텐션을 판단하는 기준이 다를 수 있다.

언제나 리텐션 수치를 확인할 때에는 단순 비교 대신 해당 서비스가 속한 카테고리를 감안해서 지표의 건전성을 판단하는 것이 필요하다.

 

퍼널 분석과 마찬가지로 리텐션을 분석할 때도 코호트에 따른 차이를 확인하고 그 원인이 되는 요소를 구명하는 것이 대단히 중요하다. 리텐션은 쪼개서 볼 때 의미 있는 지표라는 점을 기억하자. 일반적으로 리텐션을 분석할 때 활용하는 코호트의 기본은 날짜다.

 

만약, 리텐션이 가파르게 떨어지는 구간을 지난 후 안정화되는 단계에서는 사용자와의 관계를 잘 유지하는 것도 중요하다. 그래서 정기적인 커뮤니케이션 플랜이나 CRM 마케팅 활동, 주기적으로 진행하는 프로모션 등이 도움이 된다. 특히 일정 기간 미사용 후 휴먼 고객이 되는 사용자들을 대상으로 적절한 복귀 명분을 만들어주는 리마케팅 등을 꾸준하게 해야 한다.

 

수익화

수익화 관리를 위해서는 서비스가 어떤 비즈니스 모델을 가지고 있는지 명확히 이해하고, 비즈니스 모델이 잘 작동하는지, 비용 대비 수익이 안정적인지를 데이터로 확인할 수 있어야 한다.

 

수익화 관련 주요 지표는 ARPU(Average Revenue Per User, 인당 평균 매출)이다. ARPU 지표 개념을 보면, 정말 단순해 보이지만 그렇지 않다. ARPU는 시작과 끝이 있는 특정 기간에 대한 지표다. 즉, '현재 시점 APRU'이란 것이 존재하지 않는다는 말이다. APRU을 세우기 위해서는 다음과 같은 여러 질문들을 던져야 한다.

- APRU를 구할 때 사용하는 사용자는 누적 가입자 전체일까?
- DAU나 MAU로 봐야 할까?
- 결제에 대한 지표니깐 가입자가 아니라 결제자를 봐야 할까?
- 마찬가지로 매출의 기준이 되는 기간은 언제부터 언제까지일까?
- 지금까지의 누적 매출을 봐야 할까?
..

 

APRU 지표를 정의하는 데 있어서 여러 가지 질문들을 던질 수 있는 만큼, 먼저 해야 할 것은 전사적으로 통용되는 명확한 기준을 세워야 한다.

 

두 번째 주요 지표는 ARRPU(Average Revenue Per Paying User, 결제자 인당 평균 매출)이다. 어라, ARPU와 상당히 유사해 보이지만 전체 사용자가 아닌 '결제자'만을 대상으로 한다는 점이 다르다. ARRPU도 명확한 기준을 세워야 하는데, 보통 월간 매출과 월간 결제자 수를 바탕으로 계산하는 것이 일반적이다.

* ARRPU = Revenue / Paying User

 

세 번째 주요 지표는 고객 생애 가치(Lifetime Value, LTV)이다. 고객 생애 가치는 한 명의 사용자가 진입하는 순간부터 이탈하는 순간까지의 전체 활동 기간에 누적해서 발생시키는 수익으로 정의할 수 있다.

* 고객 생애 가치 = (1인당 평균 매출 - 1인당 평균 비용) / (1 - 고객 유지 비율 + 할인율) - 고객 획득비융

 

그러나, 현실에서는 이런 식의 계산은 사실상 불가능하다. 왜냐하면 우리는 경제학 시험문제를 푸는 것이 아니라 비즈니스 현실에 마주한 문제를 풀어야 하기 때문이다.

 

그래서 고객 생애 가치 대신 고객 생애 매출을 활용하는 것을 저자는 추천한다. 고객 생애 가치가 고객 한 명에 대한 기대 수익이라면 고객 생애 매출은 고객 한 명에 대한 기대 매출이다.

* 고객 생애 매출 = 평균 구매 금액  x 구매 빈도 x 고객 유지 기간

 

고객 생애 매출을 활용할 때의 중요한 포인트는 우리 서비스의 전체적은 고객 생애 매출을 딱 떨어지는 숫자로 요약하는 것에 집착할 필요가 없다는 점이다. 고객 생애 매출은 전체 회원을 대상으로 하는 하나의 지표로 계산하여 관리하기보다는 코호트를 잘 나누고 코호트별 고객 생애 매출의 추이가 어떻게 변화하는지 살펴보는 것이 훨씬 유용하다. 이 경우 가장 일반적으로 활용되는 코호트 분류 기준은 '가입 시점'이 된다.

건강한 서비스라면 가입 시점을 기준으로 3개월가량 되는 시점이 되면 고객 생애 매출이 고객 획득 비용을 크게 넘게 될 것이다.

* 하나의 수식으로 건강한 서비스인지 알 수 있다. "CAC + a < LTR"

 

수익화 쪼개서 보기

데이터를 쪼개서 확인하는 것은 많은 인사이트를 얻을 수 있는 하나의 방법이다. 수익화(매출)도 쪼개서 보는 방법을 함께 살펴보자!

1. 아이템별 매출의 합계
* 매출 = 아이템 A + 아이템 B + 아이템 C + ..
2. 사용자별 매출의 합계
* 사용자 세그먼트를 분류하고 각 세그먼트별 매출의 합계를 통해 전체 매출을 계산할 수 있다. '신규 회원 매출 + 기존 회원 매출' 등..
3. 결제자 수 x ARPPU
* ARPPU는 결제자의 인당 결제액을 의미한다. 따라서 ARPPU에 결제자 수를 곱하면 전체 매출이 된다.
* 여기서 결제자 수는 활동회원 중 얼마나 결제를 했느냐에 따라 달라지는 지표이기 때문에 여기서 한 번 더 쪼갤 수 있다. 예를 들면 '결제자 수 = 활동회원 x 결제비율'로 쪼개고 다시 보면, 매출 = 활동회원 x 결제비율 x ARPPU로 볼 수 있다.

이처럼 매출을 퍼널에 따라 쪼개 보면 매출이 증가하거나 감소하는 패턴을 훨씬 더 세부적으로 파악할 수 있게 된다.

예를 들어, 매출이 증가하거나 감소했을 때 그 원인이 가입전환율이 좋아서인지, 잔존율이 좋아져서인지, 유저가 결제하는 비율이 높아져서인지, 혹은 평균적으로 더 비싼 제품을 샀기 때문인지를 판단할 수 있게 되는 식이다.

이처럼 가입 기간에 따른 월별 코호트 기준으로 매 코호트의 데이터를 이렇게 쪼개서 확인하면 기간에 따른 효과와 퍼널에 따른 효과를 결합해서 훨씬 입체적으로 매출을 분석할 수 있다.

추천

AARRR에서의 추천은 일회성 이벤트를 의미하는 것이 아니라, 서비스 내에 입소문을 통한 선순환 구조를 어떻게 구축할 것인가라는 구조적인 문제에 가깝다. 대표적인 예시로는 친구 초대가 있다. 친구 초대에 대한 보상은 고객 획득 비용(CAC)에 따라 달라진다. 보통은 CAC의 60 - 70%를 친구 초대 보상 금액으로 선정한다.

 

추천에 대한 카카오뱅크의 사례를 하나 보자.

카카오뱅크의 모임 통장은 소모임 등에서 회비 관리를 쉽게 할 수 있게 만든 통장이다. 카카오뱅크는 모임 통장에 초대된 모든 회원들이 실시간으로 입/출금 내역을 확인할 수 있게 한다. 별도의 보상이 없음에도 실제 카카오뱅크 모임 통장 이용자의 30%는 별도의 카카오뱅크 계좌가 없는 신규 회원으로 알려졌다.

 

추천에서 가장 핵심이 되는 지표는 바이럴 계수(Viral Conefficient)이다. 각 서비스는 바이럴 개수를 통해 추천 엔진이 얼마나 효과적으로 동작하는지 확인할 수 있다.

* 바이럴 계수 = 사용자 수 x 초대 비율 x 인당 초대한 친구 수 x 전환율 / 사용자 수

바이럴 계수를 높이기 위해서는 아래 조건을 충족해야 하며, 현재 지표를 확인하고 무엇을 먼저 개선할지를 명확하게 정의한 후 그곳에 집중하는 것이 좋다.

1. 친구 초대와 같은 추천 액션에 참여하는 사용자의 비율 높이기
2. 한 사람이 평균적으로 초대하는 친구의 수 늘리기
3. 초대받은 친구가 가입으로 전환되는 비율 높이기