돈버는 서비스가 되는 방법, "그로스해킹"
잔병아리의 북런치
안녕하세요 여러분,
여러분은 주로 이용하는 앱 서비스가 있을까요? 혹은 온라인 쇼핑몰은 있으신가요?
만약 여러분이 그 쇼핑몰의 주인이라면, 무엇을 먼저 하실껀가요?
당연히, 쇼핑몰 이름을 지을꺼구요, 뭘 팔지를 결정할꺼구요, 그리고 상품 소싱을 해오겠죠.
그리고나선, 판매할 상품을 등록할껍니다. 열심히 공들여서 상세페이지도 제작할꺼구요,
페이스북, 인스타 광고도 하겠죠.. 그리고 주변 지인들한테 홍보도 좀 해줍시다.
그러면, 사람들이 우리 서비스나 제품을 이용하러 들어오겠죠? 그럼, 그에 맞춰서 후기 이벤트도 진행해줄꺼구요.
그런데 광고를 여기저기 하다보니까, 비용이 너무 많이 드는거에요.
그래서 가장 효율이 높은 방법을 찾으려고 했는데, 어디서, 어떤 것을 보고 그 효율이 높은지 판단할 수 있을까요?
게다가 설상가상으로 우리 쇼핑몰에 들어오는 사람들의 수가 점점 줄어든다고 해봅시다.
우리는 사용자들이 얼마나 나가는지, 무엇이 문제인지, 또 개선시킬 포인트는 무엇일지? 망하지 않기 위해서라면 확인을 해야합니다.
이럴 때, 명확한 데이터를 근거로 의사결정을 내리고 개선할 수 있는 방법을 찾는 것을 “그로스 해킹” 이라고 합니다.
그리고 제가 오늘 소개해드릴 책이 바로 “그로스 해킹” 입니다.
지은이는 “양승화” 님으로 현재 마이리얼트립의 그로스실 실장으로 근무하고 계시고, 마이리얼트립의 데이터 분석과 마케팅, 구체적으로 데이터 파이프라인과 핵심 지표 관리, 가설 검증과 서비스 성장 실험을 담당하고 계시다고 해요.
그로스 해킹은 단어 그대로, 성장과 해킹을 합친 단어입니다. 성장을 위해서라면 해킹을 해서라도 목적을 달성하겠다는 “의지”가 담긴 거죠.
책의 내용을 소개드리기 전에, 그로스 해킹에 대해 먼저 간략히 설명드리겠습니다.
여러분은 이 “그로스” 라는 단어에 대해서 들어보셨나요?
“그로스”는 사실 페이스북의 피플팀에서 시작되었습니다.
미국 주식 관련 뉴스를 읽거나 경제 방송 CNBC 를 많이 보신 분이라면 차마스 팔리하피티야 를 한번쯤 보셨을 겁니다. 지금은 소셜 캐피탈의 CEO 이지만, 페이스북 창업 초기에 참여해 세계적인 회사로 키우는데 일조한 사람이기도 합니다.
2007년 페이스북 입사 후, 차마스 팔리하피티야는 기존에 페이스북에 없었던 새로운 직무를 맡게 되어 무려 피플(HR), 제품, 마케팅 세 분야에 걸쳐 근무하고 있었습니다.
하지만 어떠한 성과도 내지 못하고, 1년 만에 해고 당할 위기에 처합니다.
차마스는 스스로의 생존을 위해, 자신이 맡은 업무를 좀 더 전문적으로 실행할 수 있는 팀을 만들자고 회사에 제안합니다.
그러자 당시 막 최고 운영 책임자(COO)로 부임한 셰릴 샌드버그와, 최고 경영자 (CEO) 마크 저커버그가 질문했다고 합니다.
"SEO(Search Engine Optimization, 검색엔진최적화)나, SEM(Search Engine Marketing검색엔진 마케팅)도 하고 개발도 좀 배워서 알고리즘도 쓰고, 제품 개선도 하고...이런걸 다하는 팀을 그럼 뭐라고 부르나요?"
차마스는 이렇게 대답했다고 합니다. "모르죠, 그냥 뭐...그로스(growth)? 우리는 성장하기 위해 노력할테고, 저는 그 그로스 활동의 리더가 될게요."
그래서 탄생한 것이 바로 페이스북의 그로스 팀입니다. 뭐 생각보다 별거 없죠?
그로스 해킹은 한 마디로 “성장” 에 대한 이야기 입니다. 그럼, 어떻게 하면 우리 서비스나 쇼핑몰이 지속적으로 성장해서 돈을 벌 수 있을까요? 간단합니다. 소비자들의 마음을 얻는데 성공하면 됩니다. 그럼 어떻게 하면 성공하는 서비스가 될 수 있을까요? 그 조건에는 4가지가 있는데요, 그 중 첫번째는 “좋은 아이디어” 입니다. 서비스나 판매하는 제품이 시장에서 다른 경쟁 제품에 비해 차별화된 강점을 보유하면 소비자들은 우리를 찾습니다. 그런데 주변에 둘러보면 좋은 아이디어를 가진 제품들이 이미 너무 많죠? 그래서 우리는 차별화를 주기 위해 “디자인”을 예쁘게 만듭니다. 디자인을 예쁘게 할 수록 사람들의 이목을 끌 수 있고, 한 명이라도 더 방문할 수 있게 만드는 거죠.
성공하는 서비스 만들기 세번째로 고려해야할 요소는 “안정적인 개발” 인데요, 아무래도 시스템이 안정적이라면 많은 소비자들이 몰려도 무리가 없을테니까요, 하지만 이 세 가지 조건을 모두 충족하는 서비스들 역시 많이 있죠? 그래서 사람들은 저마다의 타겟 오디언스에 자신의 스토어를, 서비스를 알리기 위한 “마케팅”에 집중합니다. 그런데 문제는 마케팅까지 효과적으로 잘하는 서비스들이 시장에 많아졌다는 겁니다.
그렇다면 이제 우리는 어떻게 하면 성공할 수 있을까요?
이 해법을 잘 표현해주는 그림이 다음에 있습니다.
첫번째 그림은 프린세스 메이커라고 많이들 아시는 고전 게임일 겁니다. 딸을 공주로 키우는 게임이죠,
그리고 다음 그림은 “클래시 로얄” 이라는 슈퍼셀에서 제작한 모바일 게임 입니다.
여러분은 이 두 게임의 차이를 아시나요?
많은 부분에서 차이가 있지만, 가장 큰 차이점 중 하나는 성공하는 방식이 달랐다는 점 입니다.
프린세스메이커는 유저들이 한번 다운받아서 플레이를 즐기기 때문에 어떻게 하면 좋은 제품을 만들 수 있을까?에 집중했다고 한다면, 클래시 로얄은 유저들이 앱 내에서 유료 아이템을 계속적으로 결제할 수 있게, 계속해서 즐길거리를 추가하고, 반응이 별로였던 서비스는 바꾸고, 영상 컨텐츠를 만들어 홍보하는 등의 지속적으로 제품을 개선시키기 위한 방법에 집중한 것이죠.
이렇게 정리해서 만든 개념이 바로 “그로스 해킹” 입니다.
그로스 해킹에서는 기본적으로 사용자 중심으로 생각하고 있습니다.
사용자가 어떻게 우리 서비스를 알게 되었는지부터 시작해서 서비스를 사용하러 들어오고, 우리가 준비해놓은 기능들을 경험하고, 마음에 들어 구매하고, 다른 사람들에게 추천까지 하는 일련의 사용자 행동 과정에 대한 내용입니다. 그래서 그로스 해킹에서는 이러한 사용자들의 행동 흐름을 퍼널로 구분하고 있는데, 이것이 여러분들이 많이 들어보셨을 AARRR 입니다.
AARRR은 각 사용자 퍼널별로 핵심 지표들을 관리하는 프레임워크 인데요, 단순히 AARRR이 어떤 개념을 아는 것이 중요하다기보다는 실제로 이 개념이 어떤 맥락에서 나왔고, 이걸 효율적으로 분석하려면 어떤 과정들이 필요한지에 대해서 고민해보는 것이 중요해요.
그래서 오늘은 책 내용을 토대로 AARRR이 어떤 맥락에서 나왔고 무엇 때문에 필요한지 이런 것들을 한번 알아보겠습니다.
Dave McClure의 AARRR 에서는 유저 라이프사이클 을 기반으로 Stage를 구분해서 사용자가 들어오는 순간부터 나가는 순간까지를 모두 포함할 수 있도록 퍼널을 구성해서 각 퍼널 별로 중요한 지표들을 효율적으로 관리합니다.
Acquisition 에서는 사용자들이 우리를 어떻게 찾아서 들어오고 있는지, Activation 에서는 사용자들이 우리한테 들어와서 겪는 첫번째 경험은 어떠한지, 우리 서비스의 핵심가치를 잘 이용하고 있는지, Retention은 우리 서비스에 만족해서 재방문을 하는지, Revenue는 그래서 결제도 하는지, Referral은 친구를 초대하고 주변에 알리는지.. 이런 것들을 말하고 있구요, 이것은 단순히 서비스에만 적용되는 것이 아니라 쇼핑몰을 운영할 때에도 마찬가지에 해당됩니다. 예를 들어, 우리가 티셔츠를 판매한다고 생각해봅시다. 그러면, Acquisition 단계에서는 고객이 FB/Instagram 광고를 보고, 혹은 키워드 검색을 통해 상단 광고 구좌를 보고, 들어와서 Activation 에서는 랜딩한 스탠드의 상세페이지를 확인해보고, 혹은 상품 리뷰를 보고, 장바구니에 담아두었다가, 마음에 들면 상품을 구매하고, 주변 사람들에게 Referral 추천까지 한다면 우리 쇼핑몰의 매출과 브랜드 이미지 향상에도 큰 도움이 될 것입니다.
AARRR에서는 각 스테이지, Category별로 유저의 status를 굉장히 세분화해서 정의할 수 있고, 그 status에서 다음 status로 넘어오는 conversion 전환을 관리하는 것이 굉장히 중요하고, 그리고 각 status에 있는 유저가 얼마의 가치를 가지는지 Estimate Value를 계산해서 우리 서비스 혹은 쇼핑몰이 잘 운영되는지, 시장적합성(PMF)가 맞는지, 우리 서비스가 좋은 쪽으로 “성장”하고 있는지 등을 관리할 수 있습니다.
결국, AARRR은 각 스테이지별로 지표를 통해 서비스와 유저의 상태를 확인하며 개선을 위한 실험을 진행해보는 방법이라고 말씀드릴 수 있습니다. 여기서 중요한 것은 단순히 지표를 확인하는 것만이 아니라 개선을 위한 “실험” 을 한다는 부분에 있습니다.
따라서 그로스 담당자는 각 단계별로 현재 우리가 풀어야할 문제(이슈)를 확인하고, 우리 서비스와 각 단계별 적합한 주요 지표를 지정할 수 있어야 하고, 측정했을 때 그 수치가 어떤 의미를 가지는지, 어떤 식으로 더 쪼개서 어떤 인사이트를 더 도출할 수 있을지 분석해보는 일이 중요하고, 개선해야할 목표 지표를 정하고, 개선하려면 어떤 실험을 할 수 있을지 기획해서 단계적으로 목표 수준에 가깝게 개선해나가는 Task 가 필요합니다.
여기서 지표에 대한 이야기가 나와서 조금 더 말씀드리면,
지표는 속성에 맞게 크게 Stock 과 Flow 로 나누어져 있다고 합니다. Stock 은 카메라로 사진을 찍듯이 현재 그 상태를 뜻하는 것으로, 누적 가입자, 누적 회원 수 등 현재 우리 서비스 상태를 표현하는 지표이고,
Flow 는 시간이 지나면 물이 흐르듯이 얼마 기간 동안에 변화된 양을 뜻하는 것으로, 1월 한달 가입자, 월 평균 매출 등 특정한 시간 동안의 변화량을 표현하는 지표에 해당됩니다. 보통, 실제 서비스의 상태를 잘 보여주는 지표가 Flow에 해당되는 지표이며, Stock 지표는 허무 지표에 가까운 경우가 많다고 합니다.
그리고 지표를 활용할 때 또 한 가지 중요한 포인트는 지표는 명확하게 정의해야한다는 것입니다. 예를 들어, 구매전환율을 구하려고 할 때, “구매전환” 이 의미하는 바가 유저가 구매버튼을 클릭한 것인지, 결제까지 완료된 것인지, 결제했다가 취소분까지 반영된 것인지, 취소했다면 몇 일까지의 윈도우를 둘 것인지.. 를 정해두는 것으로 팀 내 모든 구성원이 공통적으로 이해하고 있어야 혼선을 막을 수 있습니다.
지표를 활용할 때 중요한 포인트 세번째는 선행 지표를 잘 찾아야 한다는 것인데요, 선행 지표란 현재 우리 서비스를 성장시키기 위해 반드시 개선해야하는 핵심 지표로 이해하시면 좋을 것 같습니다. 선행 지표를 개선하면 자연스럽게 개선이 이루어지는 것이죠.
여기서 OMTM(One Metric That Matter) 라는 개념을 설명드리면 좋을 것 같습니다.
OMTM 이란 성장을 위해 지금 우리가 꼭 집중해야하는 하나(혹은 소수)의 지표를 뜻합니다. 우선순위를 매겼을 때 가장 긴급하게 개선해야할 지표에 해당되지요. OMTM이 현 시점에서 가장 중요한 지표?
그러면, “매출” 을 OMTM으로 잡으면 되는거 아니야? 라고 생각하실 수도 있지만,
아닙니다.
항상 “매출”은 OMTM이 되어서는 안되는데요, 그 이유는 일단, 서비스의 핵심가치와 무관하기 때문입니다. 단기적으로 봤을 때, 서비스 매출이 늘고 있더라도 서비스의 어떤 부분에서는 잘못되고 있을 수 있다는 것에 있습니다. 매출을 올릴 수 있는 방법에는 여러가지가 있겠죠? 매출은 서비스의 어떤 부분을 개선했기 때문에 이루어지는 결과에 해당되는 완벽한 후행지표에 해당되기 때문에 매출을 끌어올리기 위한 선행 지표를 찾아 개선하는 것이 중요합니다.
그러면 우리는 OMTM을 어떻게 찾을 수 있을까요? OMTM을 정의하기 위해 도움을 받을 수 있는 질문을 예로 들어보면,
1. “현재 우리는 어떤 비즈니스 모델을 가진 서비스를 만들고 있는가?”
2. “서비스 라이프사이클에서 우리 서비스의 단계는 어디인가?”
3. “가장 신경쓰이는 단 하나의 문제를 찾아보면 어떤 문제인가?”
4. “우리가 원하는 행동을 하는 사용자와 그렇지 않은 사용자는 무엇이 가장 다를까?”
5. “4번 질문을 구분할 수 있는 이벤트나 속성은 무엇인가? 그 추세가 달라지는 기준점을 찾을 수 있는가?”
지표를 활용하는 마지막 포인트는 “데이터를 쪼개어 보자” 는 점에 있습니다. 전체 데이터를 놓고 보면 잘 드러나지 않는 특성들이 쪼개진 상태에서는 명확하게 드러나는 경우가 많은데, 책에서는 심슨의 역설(Simpson’s Paradox) 이라고 부르는 통계학 개념이 등장하고 있는데, 간단히 소개하면 1973년 UC 버클리 대학원 입시와 관련된 해프닝으로 입학에서 여학생을 부당하게 차별했다는 소송이 제기되었습니다.
실제로 남학생 지원자 수는 8,442명, 그 중 합격자 수는 3,714명으로 입학률이 44%에 해당되었지만, 여학생 지원자 4,321명 중 합격한 사람 수는 1,512명으로 입학률이 35%로 남학생에 비해 현저히 낮음을 확인할 수 있었습니다.
실제로 학교에서 남녀차별을 한 것일까요? 입학률을 학과별로 쪼개어서 보니, 오히려 여학생의 경우 입학률이 남학생들의 비해 높는 학과가 많았고, 6개 학과의 결과를 합산하다보니 여학생 전체 합격률이 낮아진 것이었습니다.
왜 이런 현상이 발생했을까요? 그 이유는 경쟁률이 높고 합격률이 낮은 학과에 여학생들이 상대적으로 더 많이 지원했기 때문이었습니다. 즉, 합격률이 낮은 경쟁이 치열한 과에 지원했다가 불합격한 지원자 수가 전체 여학생 지원자 그룹에서 높은 비율을 차지하면서 자연스럽게 전체 여학생 합격률을 끌어내리는 효과를 가져온 것이었습니다.
이처럼 전체 결과의 경향성이 부분 결과의 경향성과 일치하지 않을 수가 있는데, 이러한 이유로 데이터를 다양한 기준을 가지고 쪼개어서 보아야 실제 우리 서비스의 상태에 대한 인사이트를 얻어낼 수 있습니다.
여기까지 양승화님의 ‘그로스 해킹’ 책에 등장했던 개념들과 소개, 그리고 지표 활용에 대한 이야기를 하였고, 다음 시간에는 AARRR 프레임워크의 각각의 단계별로 살펴보아야할 부분들에 대해서 이야기 해보겠습니다.
