그로스 해킹 스터디

AARRR 활용법
각 단계별로 풀어야하는 문제 확인
각 단계별로 활용되는 주요 지표 선별, 측정
측정된 지표가 가지는 의미 이해
현단계에서 개선해야하는 목표 지표 정하고 실험을 통해 단계적으로 개선
* 적합한 지표

1. retention
2. conversion
3. nps

* 부적합한 지표

1. install
2. signup
3. active user

[2-2-2] Acquisition 2 - 모바일앱 Attribution

2-1. 액퀴지션
사용자는 소스 단위로 구분해야함
유저 한명 데려오는데 얼마가 들었는지 = CAC
실제 광고비 대비 매출액이 얼마나 나왔는지 = ROAS = 광고로 인한 매출액 / 광고비
cac가 ltv(서비스에서 발생시키는 누적가치) 보다 많이 작아야한다. = 회사의 생존이 걸려있는 수식
사용자를 싸게 데려오는것도 중요하지만 사용자들이 여기서 많은 가치를 일으키고 결제하는 것이 중요하다.
현실은 둘중 어느 지표가 컨트롤러블한가..라면 cac
cac 가이드라인 설정 필요
유저는 어디서 데려온 유저인지가 엄청 중요함
UTM Parameter (=? 이후의 링크들)
파라미터를 들고와서 (source, medium 정도는 필수) 프로모션, 제휴마케팅 집행할때 utm 링크 여러개 만들었다가 여러 제휴사나 이 링크를 찍고 홈페이지에 들어온 사람들은 얼마인지 트래킹 가능
GA>획득>전체 트래픽>소스/매체
어떤 캠페인을 통해왔는지 확인하려면 '보조 측정기준 : 캠페인' 활용하기
웹 한정 유저의 accuisition은 utm 잘 활용해서 확인가능하다.

[2-2-3] Acquisition 3 - 어트리뷰션 이슈들

언노운을 줄일 수 있다는 장점을 가짐.
오가닉 대표 = 컨텐츠 마케팅(경로 최적화) / SEO / ASO
sensor tower > 앱스토어 최적화 > 키워드최적화
잘 정제된 메타데이터 입력
앱 타이틀 및 설명 - 깔끔 타이틀, 자세한 설명
아이콘, 스크린샷 - a/b test를 통해 가장 큰 효과볼 수 있는 영역
비디오 - 비디오 제공 시 앱 다운로듣 30%이상 증가시킨다는 리포트가 있음

애퀴지션 정리

* 사업 실패 이유 = 제대로된 채널 하나 확보 못해서
* 소수의 채널을 잘 관리하는 게 핵심
* 액쉬지션을 통해 데려온 사용자가 우리 서비스의 핵심 가치를 경험했는가? -> 액티배이션
이 단계의 핵심은 퍼널에 대한 분석

• 사용자들이 경험하는 단계 도식화
• 각 단계의 전환율 측정/분석

퍼널분석 고려요소

1. 핵심가치 경험시점과 연결되는 stage 잘 정의했는가?

회사에서 생각하는 가치와 유저가 생각하는 가치가 다른 경우가 있으니 고려해야함(이 둘이 일치하는가 정도는 고민해야함)

• a ha moment
• must have
• critical path

ex. 가입, 결제, 리뷰작성에서의 퍼널

2. 각 stage 별 전환율을 어떤기준으로 보고있나?

예. 상품a 5번 보고 결제 시
전환율은 5번봤으니 1/5=20%? 하나의 상품 봤으니 1/1=100%?
사용자 단위로 전환율 측정하는 방식을 추천 함

예2

다섯번 봤는데 두번 샀으니 2/5=40%? 세개 봤는 데 그중 하나 샀으니 1/3?

예3

1. 상품페이지 뷰 총 20회 중 결제로 넘어간거 4번 => 4/20?
2. 유니크한 상품 숫자 14개 상품 중 세개 상품에서 결제 => 3/14?
3. 4명 중 4명이 모두 상품페이지까진봣는데 결제페이지로 넘어간건 3명이니까 3/4? -> 선호

심플하게 보려면 사용자단위로 전환율 측정하는 것을 추천함
단, 전환율 보는 용도가 상품화면과 결제화면 단위로 넘어가는 ui/ux를 개선하는게 목적이라면 pv 기준으로 4/20 로 보는것도 나쁘지않음

3. 코호트를 쪼개서 보고있는가? (그룹)

'이페이지에서 이페이지의 전환율이 60%입니다' 라는 것은 많은 인사이트를 주진않음
이 그룹에서는 전환율이 60프론데
푸쉬받고 플레이송/푸쉬안받고 플레이송 그룹으로 나누고 전환율 확인하면
'푸쉬통해 플레이송하는게 이후 이어지는 퍼널로 연결될 확률이 높구나' 라는 판단 가능!
GA에서도 비교 가능
퍼널에 대한 분석은 전환>목표>유입경로 시각화/목표흐름
중요한건 어떤 사람들은 이렇게 잘 넘어가는데 어떤사람들은 왜 안넘어가지? 뭐가다르지? 이런 걸 확인해야함.
세그먼트를 나눠서 확인 가능!
다양한 코호트 생성 가능하다.
모바일 트래픽과 그렇지않은 유저비교하기 위해 => 모바일 yes 체크

모바일 사용자만 보면 더 낮네?

no 체크 후 'pc 유저' 네이밍
모바일에서는 카트에서 빌링은 어렵지만 그 다음부터는 잘넘어가는구나 라는식으로 구분 가능
세그먼트 기준은 자유로운데 즐겨사용하는건 이벤트 기준
특정 이벤트를 한사람과 그렇지않은 사람으로 나누기.
"이벤트 액션을 기준" 추천!
조건>이벤트 액션>퀵뷰클릭 한사람들 확인 : 퀵뷰클릭한 사람들은 잘 넘어가! 결제까지 높아지는 비율이 높아지는구나
퀵뷰를 온보딩할때 가이들라인에서 자세히 설명할까? 튜토리얼에 넣을까? 퀵뷰를 프로모션하는 푸쉬를 넣어볼까?
전환율이 높은 그룹은 어떤 특성이 있고, 이특성을 다른곳으로 전파할 수 있을까?
몇프로가 나오고는 누구나 할 수 있음
어떤 그룹은 안넘어가고 어떤그룹은 넘어가는데 그 차이가 뭘까?
소스 좌클릭 > 여기를 통과한 트래픽만보기
구글/을 통해서 들어온사람들은 뭔가 다른가? 하고 다양한 코호트에 따라 확인 가능
* 엠플리튜드 , 믹스채널 등 다양한 지능형 분석툴에서도 코호트 퍼널 분석 지원함

코호트를 어떻게 쪼개느냐

1. 특정 액션을 했는지 여부
2. 특정 액션을 한 시점 (언제 가입했는지/언제 첫결제했는지 1월 첫결제자, 2월 첫결제자 ...)

퍼널 분석의 가치

1. 각 스테이지 별 컨버전 확인 가능 (기본)
2. 컨버젼에 영향을 주는 선행지표 발견 가능 (예. 코호트 a는 스테이지1>스테이지2로 넘어오는 컨버전이 35프로인데 코호트 b는 왜 20프로지?)
3. 코호트별 분석 예시
   1. sign up cohort에 따라 다른가?
   2. UA medium / source / campaign 에 따라 다른가?
   3. Event 경험 유무에 따라 다른가?
   4. Demography에 따라 다른가? 

이탈의 원인 밝히기
* 데이터분석과 인터뷰

1. 정량데이터는 몇프로가 떨어져나갔어 는 알려주지만 왜 이탈했는지, 왜 넘어왔는지 까지는 알려주지않음
2. 사용자 인터뷰하다보면 왜 이탈했는지 알 수 있고, 한명한명 찾기 힘들다면 앱에서 설문으로 유저 리서치 간단하게 진행 가능

! 로우 데이터를 깊이 있기 확인할 수 있다면 역순으로 할 수 있음 !
=> 컨버전 한 사용자와 컨버전 하지않은 사용자는 뭐가 다른가? 라는 질문을 역으로 하고 하나하나의 코호트를 만들어서 시행착오 겪지않고 할수있음

퍼널 분석 정리
1. 컨버전이 중요함! 더 중요한건 글로벌리 옵티마이즈 되어야함
좁은 영역 퍼널을 최적화하다보면 사실 전체 퍼널의 최적화로 이어지지않는 경우가 있음
각 단계 집중해서 퍼널 최적화 하는 것도 중요하지만 작은 단계의 퍼널을 최적화했을 때 그게 전체 서비스 퍼널 최적화하는데 기여하는가? 보는 거 중요

2. 컨버전 rate를 높이는 것보다 스테이지를 줄이는 게 효과적인 경우도있음.
컨퍼전 80프로 짜리 단계 4개보다 50%짜리 2개가 더 호율적일 수도있다.
스테이지 자체가 꼭 필요한가? 1,2번 스테이지 통합할 수 없나? 이런것도 한번 고민해야함

2. Home Try ON : 깔대기 뒤집어보기(결제>배송x , 배송>결제로 퍼널을 만든다면?
ex. 사용자가 선택한 제품집에 보내버리기 > 맘에 안들면 반품/반품하지않으면 결제
코호트에 따른 차이와 그 원인 파악하는게 핵심 * 우수고객과 그렇지않은고객

여성 고객에게는 이 메시지 주고요
이런 행동을 한 사람에게는 이런메시지 보내주세요.

퍼널 개선하기

• 개인화
  • 머신러닝 활용한 모델링 이런것 가능하면 좋은정도. 처음부터 이렇게 안가도됨 > 굳이 이렇게 해야하나 라는 생각하셧다고함
  • 룰베이스로 규칙에 따라 (ex. 여성 고객에게는 이런 메시지, 이 채널 통해 들어온사람에게는 이런 메시지) 레코멘데이션도 초기에는 굉자히 잘 동작함
• UI/UX
  • UI 리 디자인은 컨버젼 레잇을 변화시키기 위한 대표적인 독립변수 이다. 
  • 전후 효과에 대한 정확한 측정과 검증 과정 필요
• 적절한 개입
  • 사용자가 혼자서 그 스테이지를 넘어오도록 관찰하는게아니라면 적절한 타이밍에 메일/푸시 보내며 유스플로우에 개입해서 사용자가 다음단계로 잘 넘어갈 수 있도록 유도하는 것 
  • 개입 같은 경우 맥락 정의 잘 한다면 굉장한 효과 보여줄 수 있음
  • 맥락 없이 추천, 사용자 귀찮게만들기.. 하면 사용자 바로 떠나보내기 하는 양날의 검 되어버림
  • 푸시나 이메일 타겟팅 잘 해서 보내는지가 개입에서 중요함
  • 푸시받고 앱삭제도 발생함 맥락 얼마나 잘 잡아서 적합한 사람에게 개입하느냐 > 10배 이상의 차이
  • 전체 푸시와 전체이메일은 진짜 보수적으로 보내야함.