<그로스 해킹> 'A'ARRR, UTM 파라미터, 어트리뷰션

 

 

 

 

그로스 해킹

그로스 해킹에 대한 실용적인 지침서! 성장하는 서비스를 만들기 위해서는 필요한 데이터를 정의하고, 수집하고, 분석 환경을 구축하고, 실험하고, 서비스에 반영하는 일련의 과정이 잘 갖춰져야 합니다. 또한 성장을 위한 효율적인 조직 구조와 문화를 만들어야 합니다. 그로스 해킹은 엄청난 리소스나 시스템이 갖춰져야만 시작할 수 있는 것은 아닙니다. 작은 스타트업이라고 하더라도 환경이나 여건에 맞춰 작은 것부터 하나씩 준비해 나갈 수 있습니다.

저자

양승화

출판

위키북스

출판일

2021.01.14

 

 

저번에는 리뷰를 작성하였고, <그로스 해킹>을 읽으면서 다시 공부한 내용들을 정리해 보았습니다. 양이 많아서 우선 Acquisition(고객 유치)에 대한 부분을 다뤄보고자 합니다.

 

 

우선 그로스해킹은 핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾는 활동입니다. 지표를 측정하고 관리하는 방법은 크게 두 가지이나, 사용자의 서비스 이용 흐름(User Flow)에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의해야 합니다. = 프레임워크 기반 지표 관리

 

프레임워크 기반 지표 관리

서비스 이용 흐름에 따른 핵심 퍼널과 지표를 정의하고, 해당 지표를 개선하기 위한 과업을 수행 (<-> 과업 기반 지표 관리)

지표 -> 과업 

 

 

 

 

사용자의 이용 흐름에 따른 핵심 지표를 정의하는 데 매우 효율적으로 활용할 수 있는 프레임워크가 AARRR입니다.

AARRR = Pirates Metrics 해적 지표

그로스 해킹 기반의 대표적인 지표 관리 방법론

• Acquisition 고객 유치
• Activation 활성화
• Retention 리텐션
• Revenue 수익화
• Referral 추천

다섯 가지 카테고리에서 핵심이 되는 지표를 정의 및 발굴하고 이를 측정/개선하는 지표 관리 방법론

 

 

사용자가 서비스에 진입하고, 핵심 기능을 사용하고, 결제하고, 이탈하는 라이프사이클(lifecycle)
전반에 걸친 핵심 지표를 찾고 관리해야 합니다.

 

 

 

AARRR 프레임워크에서 집중해야 하는 순서

AARRR 활용하려는 스타트업에서는

활성화, 유지율을 가장 우선적으로 개선하고,

그다음으로 고객 유치와 추천을 개선하고,

마지막으로 수익화를 챙겨야

 

오타 발견! AAARR이 아니라 AARRR입니다

 

 

 

AARRR 활용 방법

• 각 단계별로 풀어야 하는 문제 확인
• 각 단계의 핵심이 되는 주요 지표 선정, 해당 지표의 현재 수준 측정
• 측정된 지표가 가지는 의미 이해
• 개선 목표 수준 정립, 실험 통한 단계적 개선

 

 

Acquisition 고객 유치

고객 유치에 기여(Attribution)한 채널의 성과를 판단할 수 있는 모델을 만드는 것이 고객 유치 과정의 핵심

 

유입 유저 분류 (Organic <-> Paid User)

** Organic/Direct != 자발적으로 서비스를 찾아온(본 뜻)

Organic = 아무런 파라미터 값도 갖지 않은 트래픽(분석 서비스)

 

 

오가닉이라는 분류는 실제 트래킹 서비스에서 '유입된 채널을 식별할 수 없는 사용자'에 가깝다
= 미식별 Unknown

 

고객 유치 데이터를 분석할 때 중요한 포인트는 오가닉 트래픽의 비중을 늘리자!

가능한 한 많은 트래픽을 식별해서 미식별 트래픽의 비중을 최대한 줄이는 방향이어야 한다는 것이다.

 

 

고객 획득 비용 Customer Acquisition Cost, CAC

고객 유치 과정에서의 채널별 성과(핵심 지표)

한 명의 사용자를 데려오기 위해 지출하는 평균 비용 의미

 

그러나 단순히 마케팅 비용을 가입 유저 수로 나눠서는 인사이트를 얻기 어려움
-> 고객 획득 비용 지표를 활용하는 핵심은 "채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 보는 데 있다"

 

 

 

추적 과정으로, 웹에서는 UTM 파라미터, 앱에서는 어트리뷰션이 그 역할을 합니다.

 

 

 

UTM 파라미터 UTM parameter

• 소스 Source : 웹 트래픽에서 유입 효과를 판단하기 위한 장소 정보 ex. 지하철역, 골목, etc.
• 캠페인 Campain : 제공하는 마케팅 ex. 30% 할인 vs 3개월 등록 시 1개월 무료
• 매체 Medium : 제공 방식 ex. 전단지 vs 부채

서비스로 인입된 트래픽이 어느 경로를 통해 들어왔는지 그 출처를 확인할 수 있도록 URL뒤에 추가된 파라미터

 

UTM 파라미터의 구조

웹페이지 URL 뒤에 '?' 붙인 후 소스, 매체, 캠페인, 검색어, 콘텐츠에 해당되는 파라미터 추가해서 새로운 URL 생성

 

ex. class101.net/~!@~!#~@#
?utm_soruce=facebook&utm_medium=cpm&utm_campaign=career&utm_term=interest&utm_contet=img2

 

구글 애널리틱스 확인

[획득] -> [전체 트래픽] -> [소스/매체]

보조 측정기준 선택하면 세분화해서 확인 가능

 

ex. google/organic = 구글 검색, Partners/affiliate = 제휴 파트너

 

 

 

 

모바일 앱 어트리뷰션

사용자가 앱을 설치하고 사용하는 데 어떤 채널이 기여했는지를 식별함으로써 모바일 앱의 마케팅 성과를 판단하는 과정

UTM 파라미터 방식에 비해 훨씬 복잡, 기술적 뒷받침 필요하여 유료로 제공

ex. Appsflyer, Branch, Adjust...
: 클릭을 통해 앱스토어로 이동한 사용자와 스토어에서 앱을 설치하고 실행한 사용자를 기술적으로 매핑하고, 어떤 클릭이 앱 설치와 가입에 더 많이 기여했는지 확인 from install referrer, device ID mapping, Fingerprinting 등의 기술 활용

 

 

어트리뷰션 관련 개념

어트리뷰션 윈도우 Attribution window = 룩백 윈도우 lookback window

기여 이벤트가 발생한 이후 얼마만큼의 기간 동안 발생한 전환에 대해 어트리뷰션을 인정할 것인가를 의미하는 용어 

*기여 이벤트: 앱을 설치하는 데 영향을 미친 이벤트 ex. 페이스북 광고

 

기여 이벤트 발생 후 어느 정도 기간 내에 발생한 어트리뷰션을 해당 채널의 성과로 인정할 것인가에 대한 기준 필요

 

어트리뷰션 유형: 클릭-스루와 뷰-스루

• click-through: 클릭을 통해 발생하는 기여
• view-through: 조회를 통해 발생하는 기여

뷰 스루를 인정하지 않거나, 모두 인정하되 어트리뷰션 윈도우를 다른 책정하기도 합니다.

일반적으로 클릭-스루 어트리뷰션 윈도우 > 뷰-스로 어트리뷰션 윈도우 ex. 앱스플라이어 기본값: 7일/1일

 

 

 

어트리뷰션 모델 Attribution Model

어트리뷰션 접점이 여러 개 발생하는 경우 기여도에 대한 판단을 내릴 수 있게 하는 기준

대표적인 어트리뷰션 모델로는 퍼스트 클릭 First click, 라스트 클릭 Last click, 선형 Linear, 타임 디케이 Time Decay, U자형 U-Shape

 

 

싱글터치 어트리뷰션 Single-touch attribution

= 퍼스트 클릭과 라스트 클릭

여러 채널 중 가장 기여도가 높다고 판단되는 하나의 채널을 선정 후 해당 채널의 어트리뷰션만 인정

가장 첫/맨 마지막 매체의 성과를 100% 인정하는 방식

 

단순, 계산 용이하지만 간접적인 성과가 반영되지 않는다는 한계

하나의 매체가 독점적으로 기여도를 가져가기 대문에 결과가 왜곡될 수 있다는 점에 유의해야

 

멀티 터치 어트리뷰션 Multi-touch attribution

어트리뷰션 접점이 발생한 모든 매체에 동일한 가중치를 부여하는 방식

• Linear: 모든 기여 이베트에 대해 동등한 가중치 부여
• Time Decay: 시간에 흐름에 따라 가중치 부여 = 최근 발생한 기여 이벤트일수록 높은 가중치 ex. 5-10-15-20-50->앱 설치
• U-Shape: 가장 먼저&최근에 발생한 기여 이벤트에 동일하게 가중치 부여 ex. 39-7-7-7-40->앱 설치

 

 

어트리뷰션 기준 정의

정답은 없고, 서비스의 고객 유치 성과를 어떤 기준으로 측정할지에 대해 담당자들끼리 공감할 수 있는 명확한 기준이 있어야 합니다.

ex. 동일한 사용자의 웹 어트리뷰션 로그와 앱 어트리뷰션 로그가 모두 남아있는 경우, 기여도 판단 방법?

 

어트리뷰션을 잘 활용하기 위해서는
각 마케팅 채널이 어떤 지면을 가지고 있는지, 어떤 사용자층을 보유하고 있으며, 어떤 식으로 사용자를 타깃팅하는지, 광고와 사용자의 인터랙션이 어떤 식으로 이뤄지는지 등의
채널의 특성을 잘 이해하고 있어야 한다.

 

 

딥 링크 Deep Link & 디퍼드 딥 링크 Deferred Deep Link

딥 링크: 모바일 앱 안의 특정 화면(Activity)으로 이동하는 링크

사용자가 웹에서 앱으로 전환하는 과정에서의 맥락(context)이 잘 유지되기 때문에 랜딩 페이지에서의 전환율을 크게 향상시킬 있다는 장점 <-> 해당 앱이 설치되어 있을 때만 정상적으로 동작

 

디퍼드 딥 링크: 앱 설치O - 딥 링크와 동일 / 앱 설치X - 스토어로 이동해서 설치하게 한 후 실행하면 그때 미리 정의한 랜딩 페이지로 이동

사용 맥락 유지, 자연스럽게 앱에 진입하므로 사용자 경험 측면에서 뚜렷한 장점

 

*딥 링크 생성 시 적절한 파라미터 추가하면 어떤 채널에서 활용된 딥 링크를 통해 앱을 설치하고 사용했는지 측정 가능

 

 

 

 

 

Acquisition 고객 유치 정리

목표: 사용자의 유입 채널을 최대한 누락 없이 추적 & 각 채널별 성과를 정확히 판단하는 것

 

채널 확장은 예산이 아니라 채널의 포화도(Saturation)를 바탕으로 결정 - 기존 채널에서의 최적화 확인 필요

 

데이터를 통해 확인하려고 하는 것은 눈앞에 있는 지표 몇 개가 아니라 '고객'에 대한 폭넓은 이해

 

 

 

 

 

 

 

그동안 몰랐던 광고와 관련된 새로운 내용을 학습하며, 지표에만 집중했던 저를 돌아보는 시간이 되었습니다. 결국 중요한 것은 지표 그 자체가 아니라, 고객과 채널의 특성을 깊이 이해하고 이를 효과적으로 활용하는 데 있다는 점을 깨달았습니다.

 

 

 

다음 포스팅에는 다음 단계인 Activation에 대해 정리합니다.

<그로스 해킹> A'A'RRR: Activation 활성화