퍼포먼스 마케팅의 새로운 시대
Performance Transforms User Acquisition
본 사진은 청년마케터 강연에서 조덕윤님이 촬영해주신 사진입니다.작가의 편지,
안녕하세요. 현재는 유니콘 기업에서 그로스 컨설턴트로 일하고 있는 장용국입니다.
여러분이 알고 있으신 요즘 퍼포먼스 마케팅의 이슈라고 한다면 바로 애플 iOS의 ATT정책과 개인정보 보호정책 이슈를 바탕으로 마케팅을 하기 어려운 시대가 다가왔다는 것입니다.
퍼포먼스 마케팅은 고객 획득(Aquisition)을 위한 마케팅이라 생각하는데요. 비즈니스를 바라보는 시각과 데이터를 활용하는 방법을 안다면 앞으로의 퍼포먼스 마케팅은 미래가 더욱 기대되는 분야라 생각합니다.
따라서 본 글은 현 시대에 맞추어 퍼포먼스 마케터가 가져야 할 자세와 인사이트를 제공하자는 마음으로 작성하게 되었는데요. 방대한 이야기를 함축적으로 짧은 시간에 담고자 글과 그림으로 열심히 준비해보았습니다.
이와 더불어 본 글의 내용은 읽는데 약 62분 정도 소요가 되며, 단계적으로 이해가 필요한 내용입니다.
최대한 주니어와 시니어의 눈 높이에 맞추어 글을 작성했기에 처음 내용은 쉽지만, 점차 사고가 필요한 내용이 많아질거에요.
따라서 천천히 정독해주시면서 우리에게 맞는 마케팅 전략을 찾고 비즈니스의 성장을 만들어내셨으면 좋겠습니다.
매일 새벽 작성한 글이 누군가에게 작게나마 도움이 될 것이라 생각하며 열심히 써내려갔습니다. 본 브런치 글을 많이 공유해주시면 정말 저에게 힘이 많이 되어줄 것 같습니다.
감사합니다.
장용국 드림. (23.02.06.)
목차
■ 퍼포먼스 마케팅의 새로운 시대
- Performance Transforms User Acquisition
0. 글을 시작하면서
0-1) 퍼포먼스 마케팅 정의
0-2) 마케팅의 본질
0-3) 퍼포먼스 마케팅의 본질
0-4) 퍼포먼스 마케팅과 User Acquisition
1. What : User Acquisition?
1-1) User Acquisition
1-2) AARRR 정의
1-3) AARRR 이해
1-4) 고객 데이터의 이해
1-5) User Acquisition & Cycle
1-6) Retention & Cycle
2. Why : User Acquisition?
2-1) ATT & 개인정보 보호정책 이슈
2-2) 프로그래매틱(Programmatic)의 몰락
2-3) ATT & 개인정보 보호정책 피해
2-4) 고객 데이터 확보의 중요성
2-5) CAC(Customer Acquisition Cost) & LTV(Life Time Value)
3. How : User Acquisition?
3-1) 온라인 광고 지표 이해
3-2) 광고 머신러닝(Machine Learning) 이해
3-3) 고객 페르소나(Persona) 정의
3-4) LMF(Language Market Fit) 활용
3-5) 지속가능한 매체 전략 수립
3-6) CC(Carry Capacity)의 이해
4. How to do User Acquisition?
4-1) 끝 맺음. 그리고 여러분의 생각을 들려주세요
0. 글을 시작하면서,
커뮤니케이션을 통해 살아가고 있는 우리에게는 단어가 가진 본질적인 의미에 대해서 잘 이해해야 할 필요성이 있습니다.
만약 화자가 말하는 단어에 대해서 청중이 이해하기 어려워 한다면, 화자의 의도와 다르게 단어를 해석해버리는 경우가 발생되는데요.
따라서 본 글을 시작하기 전, 제가 생각하고 있는 퍼포먼스 마케팅에 대해서 먼저 정의를 내려보고자 합니다.
0-1) 퍼포먼스 마케팅을 정의해보세요
퍼포먼스 마케팅이란 단어는 온라인 마케팅이라는 단어에 비해 굉장히 생소적이긴 합니다.
상대적으로 퍼포먼스 마케팅이라는 용어가 대두된지 그리 오래되지 않았을 뿐더러, 사전적으로 정의되지 않은 용어이기 때문입니다.
이러한 상황에서는 퍼포먼스 마케팅이라는 단어가 왜 대두되었는가에 대해서 고민을 시작해봐야합니다.
예를 들어 퍼포먼스 마케팅 단어가 탄생한 이유에 대해서 알아야, 그 단어가 가진 고유한 목적을 알 수 있고 그 목적에 따라 우리는 퍼포먼스 마케팅이란 단어를 정의내려볼 수 있는 기회를 맞이할 수 있게 되기 때문입니다.
사실 퍼포먼스 마케팅이 탄생한 이유 중 하나는 기술의 발달에 따라 기록이 자동화되었다는 점도 있을 것입니다.
우리가 굳이 고객의 행동을 수기로 작성하지 않아도 기계는 아무런 목적을 가지지 않은 채 고객의 모든 행동을 데이터로 기록하고 저장하고 있습니다.
이렇게 모인 방대한 데이터는 숫자로 나타나며 이 숫자를 통해 우리는 인사이트를 만들 수도 있고, 전략이 성공했는지 실패했는지도 알 수 있게 됩니다.
If you can't measure it, you can't manage it. If you can't measure it, you can't improve it. - Peter Drucker
Peter Drucker (1909 ~ 2005)이러한 사실은 당연히 온라인 광고매체에도 적용이 되는데요. 우리는 숫자로 기록되는 방대한 광고 데이터 안에서 측정가능한 지표를 발굴해서 개선을 하고 있습니다.
이러한 개선은 어떻게 보면 클릭율, 클릭당 비용, 전환수, 전환당 비용, ROAS와 같은 결과 지표를 바탕으로 해서 말이죠.
퍼포먼스 마케팅에 대해 정의내린 학술적 자료는 굉장히 적은데요. 또 만약 정의를 내린 경우에도 의미는 또 제각각이랍니다.
iResearch의 ｢中国品效合一营销趋势展望白皮书｣ 학술적 자료에 따르면, 퍼포먼스 마케팅이란 마케팅 집행 결과에 집중한 마케팅 방식으로서 ‘인식’ 보다는 ‘행동’을 유도해 효율을 극대화하는 마케팅 기법이라 정의를 내리고 있고요.
동아 비즈니스 리뷰의 브랜드 마케팅+숫자, 퍼포먼스 마케팅+감성모바일 유저 를 사로잡는 방법이란 아티클에 따르면, 퍼포먼스 마케팅이란 소비자의 특정 행동을 유도하며 그 결과를 분석하고 검증해 개선시키는 온라 인 마케팅 활동이라 정의를 내리고 있네요.
여러분이 생각하는 퍼포먼스 마케팅이란 정의는 무엇일까요?
여러분의 생각을 듣고자, 직접 인하우스 및 에이전시에 종사하는 약 20명의 사람에게 물어보았습니다. 의견을 종합하니 퍼포먼스 마케팅은 크게 6가지로 분류되었네요.
① 퍼포먼스 마케팅은 특정 행동이 이루어졌을 때 광고비를 지불하는 형태의 마케팅을 지칭한다.
② 퍼포먼스가 ‘성과’를 뜻하기에, 퍼포먼스 마케팅에서 중요한 것은 바로 결과다
③ 퍼포먼스 마케팅은 온라인 광고 집행을 의미한다.
④ 퍼포먼스 마케팅은 온라인 광고 집행 뿐만 아니라 최적화를 의미한다.
⑤ 퍼포먼스 마케팅은 온라인 광고에서 측정가능한 지표를 기반으로 개선해나가는 행위다.
⑥ 퍼포먼스 마케팅은 최소의 비용으로 최대의 효과를 얻어내는 마케팅이다.
퍼포먼스 마케팅에 대한 해답이 과연 바로 위에 있는 것일까요. 사실 모두 정답 같아보이고, 정답이라 생각합니다.
하지만 모두 제각각 정의를 내렸기 때문에, 이제는 역순으로 퍼포먼스 마케팅이란 단어의 조상인 마케팅이란 단어의 본질에 대해 알아봐야할 필요성이 생겨보입니다.
0-2) 그럼 역순으로 마케팅의 본질은 무엇일까요?
마케팅을 정의내리는 학술적 자료는 많습니다.
사전에서 공통적으로 정의내리는 마케팅의 본질은 바로 비즈니스와 소비자를 연결시켜주는 역할인데요.
비즈니스가 매출을 발생시키려면 결국 소비자가 있어야하는데, 마케팅은 잠재고객이 소비자가 될 수 있도록 도와주는 브릿지 역할을 한다는 것이죠.
Marketing can be defined as the process by which companies create value for customers and build strong customer relationships to capture value from customers in return. - Philip Kotler
Philip Kotler (1931 ~)사전에 따르면?
① 생산자가 상품 혹은 용역을 소비자에게 유통시키는데 관련된 경영 활동
② 생산자가 상품 또는 서비스를 소비자에게 유통시키는데 관련된 모든 체계적 경영활동
③ 상품 또는 서비스를 생산자로부터 소비자에게 원활하게 유통하는데 관련된 모든 체계적 경영 활동
@amor30yk0-3) 퍼포먼스 마케팅의 본질
마케팅의 사전적 의미에 따라서 퍼포먼스 마케팅의 본질은 비즈니스와 소비자를 효과적으로 연결시켜주는 역할이라 정의해 볼 수 있겠는데요.
What?
퍼포먼스 마케팅의 본질은 비즈니스와 소비자를 효과적으로 연결시켜주는 역할
How?
매체 전략, 매체 데이터, 매체 최적화, 데이터 소프트웨어 툴 등
Result?
소비자가 발생시킨 측정가능한 지표를 최적화해서 성과를 개선 (CPC, CTR, CPA, CVR, ROAS 등)
@amor30yk우리가 온라인 광고를 하는 이유도 결국 웹사이트에 고객을 방문시키도록 하는 행위고, 양질의 고객을 유입시키거나 또는 적은 비용으로 고객의 유입시킬 수 있도록 측정가능한 지표 기반으로 최적화 하는 과정이 퍼포먼스 마케팅이라 정의내릴 수도 있기 때문입니다.
즉, 비즈니스와 소비자를 연결시켜주는 것을 더욱 효과적으로 도와주는 마케팅이 퍼포먼스 마케팅이라 볼 수 있겠네요.
0-4) 퍼포먼스 마케팅은 ‘User Acquisition’에 가깝다.
비즈니스 성장의 선결 조건은 고객의 ‘유입’이 있어야 한다.
매장을 오픈하였을때 상품이 판매되려면 고객이 방문해야하는 것처럼, 온라인 서비스를 오픈하였을 때 상품이 판매되려면 고객의 유입이 있어야 합니다.
이러한 유입을 발생시켜주게 하는 것이 바로 '매체'입니다.
우리는 ATL(Above The Line), BTL(Below The Line) 등의 매체 또는 SNS, 유튜브, 웹 서비스 매체를 활용해서 고객을 유입시키고 비즈니스를 성장시키고 있는데요.
여기서 퍼포먼스 마케팅은 주로 온라인 광고 매체를 다루었던 것은 사실입니다. 온라인 광고 매체의 장점은 광고를 통해 고객의 데이터가 즉각적으로 매우 방대하게 쌓인다는 점인데요. 이러한 데이터를 통해 우리는 광고를 최적화하고 성과를 만들어낼 수 있게 되었죠.
하지만 결국 퍼포먼스 마케팅이 측정가능한 정량화된 데이터로 매체를 운영한다고 하지만 이 데이터는 모두 고객이 광고를 봤을 때, 클릭 했을 때, 유입 했을 때, 전환 했을 때 나타나게 됩니다.
특히 우리는 주로 현업에서 온라인 광고 매체를 다룰 때, 광고를 봤을 때라는 목표를 가진 CPM(Cost Per Mile)캠페인 보다는 CPC(Cost Per Click), CPA(Cost Per Action)이라는 캠페인을 운영하게 되는데요.
이러한 캠페인 운영을 통해 나타난 데이터로 최적화한다는 것은 결국 고객이 '유입'되었을 때를 전제조건으로 삼게 됩니다. 따라서 퍼포먼스 마케팅은 어쩌면 User Acqisition Marketing에 가깝다 볼 수 있겠습니다.
또한, 비즈니스가 성장하기 위해서 또는 성장을 할수록 더 많은 잠재고객의 유입이 요구되는데, 필연적으로 온라인 광고 매체를 통해서 유입을 시켜야 되는 상황이 발생될 수 밖에 없는데요.
예를 들어 이미 PMF(Product Market Fit)이 검증된 비즈니스인데, 자연유입(Organic)으로만 고객을 유입을 의지하고 있다면, 현재 시장에 맞추어 폭발적으로 성장할 수 있는 기회를 놓치게 될 수 있고, PMF를 다시 찾아가야 하는 불필요한 과정이 생길 수 있기 때문입니다.
따라서 저는 퍼포먼스 마케터를 User Aquisition이란 직무로 조금 변경해서 UA 마케터라 정의내리려 합니다.
퍼포먼스 마케팅과 유입은 상관관계보다 다소 인과관계에 더 가깝기 때문이죠.
1. What : User Acquisition?
1-1) User Acquisition은 '유저 획득'을 의미합니다.
User Acquisition이란 '획득'이라는 정의는 우리가 마케팅으로 활용이 가능한 데이터를 얻었을 때 입니다.
보통 우리 서비스에 [고객이 방문했다 또는 앱을 설치했다. 회원가입을 했다.] 이럴 때 우리는 획득이라 용어를 정의해서 주로 사용하고 있습니다.
User Acquisition을 통해 수집되는 데이터는 다양한 형태로 우리가 이용하는 웹 또는 앱 서비스에 저장되게 되는데요.
이러한 데이터는 퍼스트파티 데이터, 서드파티 데이터, 이벤트, 쿠키, 기기ID 등 여러 형태가 있고, 이렇게 저장된 데이터를 바탕으로 기업은 비즈니스 분석부터 마케팅 활용까지 여러가지 전략을 구사할 수 있게 됩니다.
@amor30yk위 이미지를 통해 그로스해킹에서 대표적으로 사용되는 해적지표 AARRR에 따르면, 가장 첫 단계인 Acquisition이 있다는 것을 알 수 있습니다.
그만큼 고객의 유입 또는 획득은 비즈니스의 성장에 있어서 선결조건이라 말할 수 있겠지요. 이 부분은 뒷 부분에 상세하게 기술하였으니, 아래 내용을 먼저 쭉 읽어주시면 됩니다.
1-2) AARRR은 무엇일까요?
우리는 그로스해킹을 해보겠다하면서, AARRR 퍼널을 공부하려고 마음을 먹게 됩니다.
그렇다면, 국내외 아티클과 서적을 통해 해적지표 AARRR의 공부하기 시작합니다. 보통 이러한 리서치를 통해 아래에 정의된 내용으로 AARRR를 이해하게 되지요.
이미지 출처 : http://uidesignguides.com위 이미지처럼 항목 별로 영문을 한글로 그대로 해석해버리기 때문에 AARRR을 현업에 적용해볼 수 있는 시각과 기회를 놓치게 되는 경향도 있습니다.
① Acquisiton : Through which channels are customers initially finding your product or service? (고객이 귀사의 제품이나 서비스를 처음 찾는 경로는 무엇입니까?)
② Activation : Which actions are prospects taking when engaging with your business? (잠재 고객이 귀하의 비즈니스에 참여할 때 어떤 조치를 취하고 있습니까?)
③ Retention : Are you losing any customers? How can you ensure they stick around? (고객을 잃고 있는가? 그들이 계속 붙어 있는지 어떻게 확인할 수 있습니까?)
④ Revenue : Is your business bringing in any money? How can you boost your bottom line? (당신의 사업은 돈을 벌고 있습니까? 어떻게 수익을 높일 수 있습니까?)
⑤ Referral : Are there ways you could encourage existing customers to evangelize your brand? (기존 고객에게 귀사의 브랜드를 전파하도록 유도할 수 있는 방법이 있습니까?)
위의 AARRR 항목별 내용은 공통적으로 비즈니스가 AARRR을 이해하기 위한 가이드일 뿐입니다. 즉 정답이 아니라, 이렇게 이해하면 좋다.라는 방향성을 제시해주는 범용성을 가진 설명일 뿐이지요.
여기서 혼란이 가중될 뿐입니다.
1-3) AARRR 이해하기
AARRR을 잘 이해하려면, 직접 실무에 적용해봐야 합니다.
위와 같은 정의는 현업에서 비즈니스 유형 그리고 상황에 따라서 변화하기 마련인데요. 기본적인 순서는 변화하지는 않지만 각 항목 별로 의미가 다소 변화하면서, 변화된 의미에 따른 측정가능한 지표가 따라붙게 됩니다.
그렇기 때문에, 제가 실무를 통해 경험한 AARR 퍼널을 쉽게 이해해보도록 작성해보았는데요.
① Acquisition (유입)
정의는 고객을 유입시키거나 회원가입을 시킨다.
지표는 Acquisition은 CPA(Conversion Per Action), CAC(Customer Acquisition Cost), CPI(Cost Per Install), 방문 수, 가입 수, 설치 수 등 고객이 유입되었을때 또는 회원가입을 했을 때, 남겨진 데이터로 지표를 세울 수가 있습니다. 이 지표를 A라 칭해볼게요.
② Activaition (활성화)
정의는 고객이 유입 또는 회원가입 이후 KPI를 달성하기 위한 고객 행동을 설정한다. 이 조건은 고객이 구매를 하기 이전 단계인 상품조회라는 행위라 볼 수 있습니다.
지표는 Activation은 상품조회 페이지를 본 횟수, 장바구니 담은 수, 쿠폰 조회수, 좋아요를 누른 수, 댓글을 남긴 수, 구독신청 수 등, 고객이 유입 또는 회원가입 이후 하는 행동으로 남겨진 데이터로 지표를 세울 수가 있지요. 이 지표는 당연히 KPI와 연결된 것이여야 합니다.
예를 들면 상품조회 페이지는 최종 구매(KPI)가 이루어질 수 있는 고객의 행동입니다. 그리고 상품조회 페이지는 최종 구매에 있어 상관관계를 가지죠. 가장 좋은 Activation 지표는 KPI 달성에 있어 인과관계로 증명될 가능성이 높은 지표입니다. 이 지표를 B라 칭해볼게요.
③ Retention (재활성화)
정의는 고객이 재방문시키거나, 위 2번(Activation)의 행동을 반복시키는 고객 행동을 설정합니다. 고객의 재방문을 통해 KPI를 달성한 고객이 한번 더 KPI를 달성시킬 수 있게 도와준다거나 또는 KPI를 달성하지 않은 고객에게 2번(Activation)의 행동을 반복시켜서 KPI를 달성할 수 있도록 도와준다라는 것 입니다.
전자의 경우에는 구매를 이미 한 고객에게 재구매를 발생키기도록 재방문을 시키는 행위가 될 수 있을 것이고, 후자의 경우에는 구매를 시키기 위해 상품조회 페이지에 재차 방문시킬 수 있도록 하는 행위가 되는거죠.
즉, KPI를 달성시키기 위한 소비자 고객여정(Consumer Decision Journey) 또는 퍼널(funnel)의 각 단계에서 이탈된 고객을 다시 데려오는 것으로 생각하면 이해하기 쉽습니다.
지표는 Retention은 고객이 재방문한 횟수, 고객이 Activation을 다시 실행한 횟수 등으로 고객의 중복 행동으로 남겨진 데이터로 지표를 세울 수가 있습니다. 이 지표를 C라 칭할게요.
④ Revenue (매출/KPI)
정의는 비즈니스가 설정한 KPI인 고객 행동을 설정합니다. 우리의 비즈니스 KPI는 매출이라면, 고객의 결제 행위가 Revenue가 될 수 있지요. 또는 우리 비즈니스 KPI가 구독이라면, 고객의 구독 행위가 Revenue가 될 수 있습니다.
지표는 Revenue는 결제액, 구매수, LTV(Life Time Value) 등 우리가 설정한 KPI가 될 수 있습니다. 즉 고객이 Acquisition 통해 남긴 데이터를 기반으로 최종적으로 Revenue를 한 행동으로 남겨진 데이터로 지표를 세울 수가 있지요. 이 지표를 D라 칭해볼게요.
@amor30yk위의 이미지처럼 일련의 4과정에서 도출된 지표를 바탕으로 우리는 퍼널을 만들 수 있고, 각 퍼널별로 CVR(Conversion Rate, %)지표라는 것을 만들어 그로스를 시도해볼 수 있는 환경을 마주할 수 있게 됩니다.
이러한 CVR 지표라는 것은 위 4가지 단계에서 정의한 지표 A, B, C, D를 활용하는 것이며, 각각의 A, B, C, D는 서로 인과관계를 가져야합니다. 예를 들어, 고객이 D라는 행위를 했을 때, C라는 행위는 필수적으로 거치는 단계라 정의내릴 수 있어야 해요.
하지만 고객의 페르소나와 여정은 다양하고 변화하기 때문에, 사실 모든 지표는 인과관계로 정의내리기는 어렵습니다.
그렇기 때문에 아래 이미지처럼 최대한 인과관계로 정의내릴 수 있는 최종 KPI와 연관된 상관 관계를 가진 고객의 행위와 그에 따른 지표를 발굴해내야한다는 의미라 생각하시면 좋을 것 입니다.
@amor30yk그리고 이러한 퍼널과 CVR 지표는 모두 고객이 남긴 데이터를 기반으로 구축이 되는게 대다수죠.
1-4) 이러한 고객 데이터는 무엇일까요?
기술의 발달에 따라서 우리 서비스에 고객이 방문했을 때, 고객이 가입했을 때, 가입하고 행동했을 때 고객의 데이터를 손 쉽게 얻을 수 있게 되었습니다.
이렇게 얻은 고객 데이터를 활용해서 우리는 마케팅을 하고 있는데요. 그럼 이 고객 데이터를 활용해서 마케팅하기 위해서는, 고객 데이터가 무엇인지 이해를 할 필요성이 있습니다.
@amor30yk위 이미지처럼 먼저 고객 데이터 유형은 크게 4가지로 나뉘며, 이러한 유형은 '고객 데이터를 누가 제공했는가에 따른 주체'를 기준으로 나뉘게 됩니다. 그리고 이 4가지 유형의 데이터는 고스란히 우리 데이터베이스에 쌓이게 되는데요.
이미지 출처 : 넷플릭스먼저 제로파티 데이터란, 고객이 자발적으로 기업에게 제공하는 자신의 정보입니다.
쉽게 말해서, 우리가 넷플릭스를 가입하고 나면 어떤 유형의 콘텐츠를 좋아하나요? 라는 질문을 통해 우리는 우리가 보고 싶은 콘텐츠 카테고리 분야를 선택하게 되는 것 처럼요.
즉 넷플릭스는 이를 통해 고객이 어떤 콘텐츠를 좋아하는지 사전에 알게 되고, 그것은 고스란히 넷플릭스의 데이터베이스에 남겨져 추후 마케팅에 활용되게 되는데요.
아마 이메일에서 봤던 메세지가 있을거에요. 당신이 좋아하는 SF 분야의 OO 영화가 개봉되었습니다. 라는 메세지를 받아본 적이 있는 것 처럼 말이죠.
이러한 데이터는 고객이 직접적으로 제공한 데이터이면서 정확도가 높은 데이터이기 때문에, 추후 마케팅으로 활용할 가치가 높은 데이터입니다.
그래서 이러한 제로파티 데이터는 현재 그리고 앞으로에 있어서 굉장히 중요한 데이터 유형 중 하나라 볼 수 있습니다.
퍼스트파티 데이터란 우리가 잘 알고 있는 고객의 개인정보인 이름, 이메일, 핸드폰 번호 등 마케팅으로 활용할 수 있는 매개체를 제공하는 데이터라 생각하면 쉽습니다.
사실 이러한 것 외에도, 우리가 서비스를 이용하면서 남긴 구매이력, 댓글이력, 특정 버튼의 클릭, 상품 만족도 등 여러가지가 포함되는 데이터인데요.
그리고 이 데이터 역시 고스란히 기업의 데이터베이스에 쌓이게 되고, 추후 비즈니스 분석 또는 주로 CRM 마케팅에 활용이 됩니다.
세컨드파티 데이터는 기업간 기업이 공유하는 고객 데이터라 이해하면 쉽습니다. 예를 들어 우리가 A사의 카드 대출 상담을 받았을 때, 다음 날 B사의 보험 대출 연락이 오는 것인데요.
즉, A사와 B사가 서로 고객 데이터를 공유하고 있는 것을 의미합니다.
우리는 가끔 개인정보 제 3자 공유에 대한 메일 또는 가입시 체크항목을 경험해본 적이 있을거에요. 즉 내 개인정보가 기업간 기업으로 공유가 되어 마케팅으로 활용되고 있다라 이해하면 좋습니다.
여기서 우리가 주목해야할 것은 서드파티 데이터인데요. 서드파티 데이터는 고객의 특정 동의 없이 수집되는 데이터입니다.
예를 들어 고객의 실명과 주소, 이메일, 연락처와 같은 직접적인 데이터는 아니지만, 고객이 서비스에서 어떤 행동을 했는지에 대한 데이터라 이해하면 쉽습니다.
위 이미지처럼 단적으로 컴퓨터와 핸드폰을 사용하는 사용자라면 위와 같은 경우를 많이 겪었을 거에요. 이러한 경우는 우연이 아니라 주로 3rd party data가 활용되어 나타난 현상이라 볼 수 있습니다.
예를 들어, 저는 조명을 구매하고 싶어서 구글 웹사이트에서 인테리어 조명을 검색해서 A브랜드에 접속을 했는데요. 근데 사이트에 올라온 조명 상품들이 너무 많아서, 나중에 보기로 결정을 했습니다.
이후 유튜브 영상을 보고 있는데, A브랜드의 특정 조명 상품이 저에게 광고로 노출되었어요. 그래서 저는 꽤 괜찮은 조명이라 다시 A브랜드에 접속을 했고, 상품을 조회하기 시작했습니다.
다만 가격이 조금 비싼 편이라 구매를 보류하기로 했죠. 하지만 다음날 인스타그램 켜니, 브랜드A의 광고가 노출되기 시작했는데요. 어제 제가 봤던 유튜브를 통해 봤던 상품으로 말이죠.
이러한 서드파티 데이터는 고객의 동의 없이 수집되기 때문에, 시간 대비 빠르게 고객 데이터를 수집할 수 있고, 마케팅에 활용될 수가 있습니다.
하지만 이제 서드파티 데이터를 활용할 수 있었던 온라인 광고 시장은 이제 저물고 있는데, 여기에 대한 구체적인 내용은 아래 '2-2) 프로그래매틱(Programmatic) 광고의 몰락' 을 통해서 더 깊이 있게 이해할 수 있을거에요.
고객 데이터 유형에 대해서 좀 더 이해하고 싶다면 아래 아티클을 읽어보면 좋셔도 좋아요.
위의 맥락과 다소 빗나가지만, 많은 서비스가 이미 서드파티 데이터를 활용하고 있었는데요.
우리가 웹 또는 앱 서비스를 운영하는 소유자라면, 광고매체가 제공하는 코드를 프론트엔드 단의 <Head> 값 아래 넣어주기만 하면 우리는 광고로 활용할 수 있는 서드파티(3rd party data) 고객 데이터를 얻을 수 있게 되죠.
뿐만 아니라, 이러한 코드를 개발자 도움 없이 넣을 수 있도록 도와주는 Goolge Tagmanager와 같은 도구들이 있고 그러한 도구를 통해 많은 비즈니스가 서드파티 데이터를 수집해 마케팅을 하고 있습니다.
위에 말한 모든 데이터는 우리의 데이터베이스에 차곡차곡 쌓여가고 있습니다.
우리가 이 데이터베이스에 쌓인 고객 데이터를 확인하고 추출하려는 과정은 개발자의 도움이 필요한데, CAFE24와 같은 고도몰 또는 호스팅사를 이용하고 있는 서비스라면 개발자 도움 없이 기본적인 데이터를 확인하고 받을 수 있죠.
하지만 고객 데이터를 제한 없이 자유롭게 확인하고 추출하고 마케팅으로 활용하지 못한다는 한계점을 가집니다.
이러한 데이터는 우리 데이터베이스에 제로파티 데이터, 퍼스트파티 데이터, 서드파티 데이터 등의 종류로 쌓이고 쌓이게 됩니다. 우리는 이 데이터를 활용해서 고객의 유입부터 구매까지 모두 가능하도록 지원해주는 마케팅을 할 수 있게 되는 것이죠.
1-5) User Acquisition(획득)은 종료가 아닌 Cycle(순환)
퍼포먼스 마케팅이 단지 User Acquisiton에 무게가 있다는 것은 아닙니다.
즉, 광고매체 운영을 통해 고객을 유입시키는 사람으로 단순 치부가 되면 안된다는 말이 될 수 있지요. 그리고 그런 사람으로 치부되지 않도록, 다양한 전략을 구사할 줄 알아야 합니다.
이미지 출처 : Reforge blog그로스해킹 Education에서 가장 유명한 글로벌 서비스인 Reforge에 따르면, UA는 종료가 아닌 Cycle(순환)의 의미를 가집니다. 비즈니스 성장 속도가 빠른 서비스 일수록 서비스를 퍼널로 나타내기 어려워지는데, 이러한 상황에서 퍼널을 명료하게 표현한다면 바로 위의 Growth Loop이 만들어지죠.
Compound interest is man’s greatest invention. – Einstein
Einstein (1879 ~ 1955신규 고객이 우리 서비스에서 처음 획득되고 이 고객은 우리 비즈니스 목표를 달성하기 위해 단계적 스텝을 밟고 우리가 원하는 결과를 만들어내는데요.
결과를 만들어낸 고객은 이 과정에서 대다수 이탈하지만, 일부는 다시 단계적 스텝을 밟고 우리가 원하는 결과를 만들어낸다는 말입니다. 마치 복리처럼 말이죠.
이러한 현상을 우리는 데이터 기반으로 증명할 수 있는 요소가 있는데요.
기본적으로 우리는 퍼포먼스 마케팅을 할 때, 고객의 서드파티데이터를 활용해서 리타게팅 광고를 진행합니다.
그리고 ATT와 고객개인정보보호 정책에 따른 온라인 광고 성과의 하락을 방지하기 위해 퍼스트파티데이터도 함께 활용해서 리타게팅 광고를 하는 경우도 점차 많아지고 있습니다.
그 리타게팅도 결국에는 '퍼널'이라는 의미가 담겨있는데요
예를 들어 가입을 했지만 구매를 하지 않은 사용자를 Audience로 만들어 리타게팅 광고를 하는 것은 결국 가입과 구매라는 퍼널이 있다는 것이기 때문입니다. 그리고 이 퍼널이 점차 세분화되어진다면, 순환(Cycle)이라는 구조를 만들어낼 수 있게 됩니다.
@amor30yk위에 대한 이야기를 현업에서 활용되는 AARR 퍼널을 기반으로 해서 Acquisiton Cycle을 예시로 만들어보았는데요.
예를 들어 우리의 서비스는 앱기반 이커머스라면, 아주 단순하게 특정 행동 기반으로 4가지 퍼널을 만들 수 있습니다.
Aquisition이란 고객 획득은 앱 설치라는 지표로 Activation이란 활성화는 회원가입이라는 지표로 Retention은 상품조회로 Revenue는 구매(결제)로 각각의 단계를 구분해볼 수 있습니다.
User A는 한번의 이탈 없이 바로 구매하는 경우가 있을 것이고, User B는 구매하기까지 이탈과 유입을 반복하는 경우가 있겠죠.
이러한 상황에서 우리는 이탈된 고객을 유입시키기 위해서 온라인 광고매체와 CRM매체란 도구를 활용하게 되며, 이 것은 보통 퍼스트파티 데이터와 서드파티 데이터를 이용하게 됩니다.
최종적으로 데이터와 도구를 활용해서 각 단계별로 이탈된 고객을 다시 유입시킴으로써 최종적으로 Revenue란 KPI를 달성할 수 있게 되는 것이죠.
1-6) Retention 전략을 통한 Cycle
결국 위와 같은 행위는 고객이 이탈되었을 때, 다시 우리 서비스에 유입시키는 행위인 Retention이라 볼 수 있습니다.
이러한 Retention을 만들어주는 도구가 CRM이면서도, 퍼스트파티데이터와 서드파티데이터 인데요.
즉 CRM매체와 온라인 광고매체는 서로 상위호환 관계며, CRM 매체가 가진 이메일, SMS, 카카오톡과 같이 한정된 채널 이외에 온라인 광고매체가 가진 광범위한 노출구좌를 통해 이탈된 고객을 다시 데려올 가능성(%)을 높여주는 것이라 볼 수 있습니다.
@amor30yk앞서 위의 Cycle을 통해 Revenue를 User A와 User B가 Revenue란 KPI를 달성했다면, 이후에는 Referral이란 단계가 발동하게 됩니다.
위 이미지에 따르면, 구매를 경험한 User B는 2가지 행위를 하게 되는데요.
User B의 첫번째 행위는 구매를 한 이후 상품에 만족한 User B가 User C라는 새로운 신규고객을 데려오는 것 입니다. 그럼 이 User C는 앱 설치라는 우리가 앞서 정의한 Aquisition을 할 것이고, 우리는 이것을 Referral(추천을 통한 액션)이라 정의내릴 수 있어 보입니다.
이렇게 Aquisition된 User C는 최종적으로 구매라는 Revenue인 KPI를 달성하게 된 것이죠.
User B의 두번째 행위는 구매를 한 이후 상품에 만족하여 User C를 데려왔지만, 본인은 다시 구매를 하지 않은 상황입니다.
이 경우 우리는 다시 이탈한 User B에게 퍼스트파티와 서드파티데이터를 이용하여 CRM과 온라인 광고매체를 활용해 다시 유입을 시켜 구매를 만들어내는 것이죠.
결국에 User Aquisition이란 마케팅 전략은 Actvaition, Retention, Revenue, Referral 단계에 모두 영향을 줍니다. 그리고 이것은 즉 Cycle(순환)의 개념이 되어줍니다.
그렇기 때문에 퍼포먼스마케팅 그리고 User Aquisition이란 포지션은 단순히 고객의 첫 유입에서 종료되는 것이 아니라, 고객의 LTV(Life Time Value)를 높이기 위해 다양한 포지션을 담당하고 있다는 것입니다.
이러한 포지션 담당이란 비교적 무게가 낮은 퍼널이라 하더라도, 결국에는 비즈니스 성장을 위해서는 퍼널이 유기적으로 흘러갈 수 있도록 각 퍼널을 담당하는 담당자들과 커뮤니케이션을 잘 할 수 있어야 하는 역량이 있어야 한다는 것을 의미하기도 합니다.
결국 User Acquitstion이란 포지션은 각 단계를 잘 구분지어 UA를 잘 할 수있도록 하는 것이 중요합니다. 잘 할 수 있는 방법은 뒤의 How : User Acquisition를 읽어봐주세요..
2. Why : User Acquisition?
2-1) ATT와 개인정보보호정책의 이슈
개인정보보호정책이란 Apple의 ATT 정책에 따라서 우리가 겪는 현상은 위와 같습니다.
예를 들어 아이폰을 사용하는 유저라면 앱을 다운로드 받고 실행했을 때 "A앱이 다른 회사의 앱 및 웹사이트에 걸친 사용자의 활동을 추적하도록 허용하시겠습니까?"라는 메세지를 쭉 받아왔을거에요.
이러한 메세지에서 우리는 '앱에 추적 금지 요청' 또는 '허용'이라는 둘 중 하나의 선택을 하게 되고, 여기서 '앱에 추적 금지 요청'을 클릭하게 됩니다.
이렇게 된다면, 이전과 달리 우리는 서드파티 데이터를 수집할 수 없을 뿐만 아니라 활용할 수 없게 됩니다.
이전에는 비즈니스(웹 또는 앱 소유주)가 고객의 동의 없이, 고객이 비즈니스에 방문했다면 서드파티 데이터 형태로 고객의 행동을 추적하고 저장을 해서 온라인 마케팅을 효율적으로 진행했으나 이제는 불가능한 현실이 다가왔다는 것이죠.
특히 이러한 서드파티데이터는 Adnetwork인 광고매체의 경우 유사타겟(Alike)라는 오디언스로 활용되어 광고 성과를 극대화시켜주는데 앞으로는 이러한 오디언스의 효율은 점차 더 감소하게 될 것 입니다.
Adnetwork란 용어는 광고구좌와 오디언스를 제공하는 서비스인데, 이해하기 쉽게 역순으로 생각한다면 광고주는 적합한 잠재고객이 있는 곳에 광고를 노출 시킬 수 있는 매체를 찾고자하는 pain point가 있을 것이고, 그 pain point를 해결해주는 서비스가 바로 Adnetwork 서비스라 이해하면 좋습니다.
이러한 서비스는 우리가 알고 있는 메타(페이스북, 인스타그램), 구글(GDN, 유튜브 등)이 해당됩니다.
위에 대한 용어를 좀 더 깊게 이해하기 위해서는 광고 시장에 대해서 공부하면 좋은데, 본 글의 맥락과 벗어나면서도 실무와 거리가 멀기에 공부를 깊이 있게 하고 싶은 분은 위 유튜브를 시청해보면 좋답니다.
2-2) 프로그래매틱(Programmatic) 광고의 몰락
광고매체와 Adnetwork는 이렇게 수집된 고객의 서드파티 데이터를 하나의 그룹으로 분류하여 저장을 하고, 추후 저장된 그룹과 유사한 더 많은 잠재고객을 찾기 위한 방법으로 유사(Alike) 타겟을 만들 수 있도록 시스템을 제공합니다.
우리는 이러한 시스템 기반으로 우리 비즈니스에 유의미한 잠재고객을 더욱 효과적으로 찾을 수 있게 되면서 이전과 달리 광고 성과도 높아지게 되었죠.
사실 처음 고객에게 얻은 서드파티 데이터는 온라인 광고로 활용되기 어려울 정도로 양과 가치가 매우 적지만, 시간이 지나 데이터가 모이기 시작하면 그 안에 담긴 가치도 풍부해져 온라인 광고로 활용될 정도로 정교한 형태가 됩니다.
이러한 서드파티 데이터는 소비자를 통해 수집되기도 하고, 기업(웹 또는 앱 서비스 소유자) 또는 여러소스를 통해 수집되어 우리는 최소한의 리소스로 우리가 찾는 잠재고객을 맞이하여 온라인 광고의 성과를 극대화시킬 수 있었던 것입니다.
@amor30yk예를 들어 '장용국'이라는 사람이 A기업의 사이트에 방문했다면 A기업 사이트 소유자는 유저 이름이 '장용국'이라는 것을 모르기 때문에, '장용국'이란 이름을 저장하지 못하고 A기업이 식별할 수 있는 '별명'을 붙이게 됩니다.
이 '별명'은 '장용국'이라는 사람의 행동을 추적하기 위해 붙이는 것으로써, 영어와 숫자 등으로 하나의 단어로 정의내리게 되죠.
예를 들어 장용국이란의 사람의 별명을 'ac2ac3'으로 정의내렸고, ac2ac3이 A기업 사이트에서 '조명 상품'을 탐색했다면 이것은 그대로 A기업의 데이터베이스에 서드파티 또는 퍼스트파티 데이터로 저장되어버립니다.
그러면 추후 A기업은 조명 상품을 판매하기 위해서 조명 상품을 탐색한 사용자를 데이터베이스에서 추출해서 오디언스를 만들어 버리죠. 그 오디언스에는 당연히 'ac2ac3'라는 사용자가 들어가 있을 것 입니다.
그러한 오디언스는 마케팅으로 활용되기 위해서 온라인 광고매체(==Adnetwork)에 온보딩이 되는데, 이것을 실무적으로 리타게팅 광고를 하기 위한 맞춤타겟 오디언스 생성이라는 과정이라 생각하면 됩니다.
따라서 이렇게 온보딩이 된 오디언스를 바탕으로 광고가 노출되며, ac2ac3이라는 유저가 Adnetwork의 광고 매체에서 Active한 상태라면 당연히 ac2ac3에게 광고가 노출되게 되는 것입니다.
이 과정에서 Adnetwork는 A기업을 통해 서드파티 데이터를 전달 받게 됩니다. 그리고 그 서드파티 데이터는 온라인 광고로 활용되고 그 서드파티 데이터 안에 있었던 유저가 광고를 통해 '스탠드 조명'과 관련된 광고를 클릭했거나 이후 구매했다면, 이 서드파티 데이터는 온전히 다시 Adnetwork가 소유한 서드파티로 흡수됨과 동시에 '스탠드 조명에 관심있는 사용자'로 Adnetwork 오디언스로 저장이 됩니다.
즉, A기업이 갖고 있었던 서드파티 데이터를 Adnetwork에게 제공하게 되는 것이죠.
사실 이러한 현상은 A기업, B기업, C기업, D기업 그리고 무수히 셀 수 없는 광고주를 통해 서드파티 데이터가 Adnetwork에 저장이 되면서 Adnetwork가 제공하는 오디언스(타겟)는 더욱 방대해지고 정교화가 진행됩니다.
이미지 출처 : marketing charts이러한 메커니즘이 적용되어 판매되는 광고 상품을 Programmatic Ads(프로그래매틱 광고)라 일컫는데, 전 세계적으로 2012년부터 2021년도까지 프로그래미틱 광고에 들어가는 비용은 지속적으로 증가해왔습니다.
특히 2021년의 광고비의 약 72%가 프로그래매틱 광고에 사용되었을 정도로 서드파티 데이터를 이용한 광고는 많은 광고주, 광고에이전시에게 있어서 정말 중요한 광고도구 중 하나였지요.
2-3) 고객 개인정보 보호정책으로 인한 피해
하지만 애플의 ATT 정책인 개인정보 보호정책에 따라 고객의 서드파티 데이터를 수집하고 추적하는 환경이 자체가 어려워졌습니다.
실제 리서치 업체 플러리(Flurry)의 조사에 따르면 앱 추적 투명성 기능이 도입된 이후 아이폰 유저 중 단 5%만이 데이터 추적을 허용하였다는 근거에 따르면 앞으로 서드파티 데이터를 기반한 고객 데이터를 수집하고 추적하는 환경 그리고 그 데이터를 바탕으로 분석을 하거나 온라인 광고 매체에 활용하는 프로그래매틱 광고를 이전처럼 잘 사용하기 어려운 환경이 도래하게 되어버렸습니다.
이러한 상황에서 구글의 안드로이드도 내년부터 개인정보 보호정책이 시작될 가능성이 있기에 고객의 서드파티 데이터를 이용한 온라인 광고는 점차 내리막을 걷게 될 수밖에 없다는 것이 기정사실화가 된 셈이죠.
이로 인해 메타의 경우에는 ATT 정책으로 인해서 약 11조 5천억원이라는 매출 손실을 입었다는 조사 결과가 나오기 시작했음과 동시에, 기존에 고객의 동의없이 고객 개인정보를 수집하고 있다는 사실이 발견되어 과징금을 받기도 하였습니다.
Adnetwork 서비스 뿐만 아니라 실제 광고를 집행하고 운영하는 에이전시, 광고주, 인하우스 마케터를 대상으로 ATT로 인한 페이스북 광고 전/후 성과에 대해서 최근 아이보스에서 설문조사가 진행되었는데요.
여기에 대한 결과로 설문조사에 참여한 사람의 약 71.4%가 나빠졌다고 응답했으며, 광고 성과에서 가장 달라진 점은 전환율(Conversion Rate%)으로 약 41.2%가 응답하였습니다.
결론적으로는 ATT와 고객 개인정보 보호정책으로 인해 Adnetwork 서비스부터 광고 에이전시, 광고주 그리고 인하우스 마케터 등 온라인 광고를 이용하는 모두에게 많은 피해가 발생되었고, 이 현상은 우리 모두가 겪고 있다는 것입니다.
2-4) 고객 데이터 확보의 중요성 증대
서드파티 데이터의 유실과 확보가 어려워지는 상황에서 이제는 실제 마케팅으로 온전히 활용될 수 있고 유실되지 않는 정합성 높은 고객 데이터의 필요성이 증대되었습니다.
이런 데이터는 즉 퍼스트파티 또는 제로파티인데요. 그 중 요즘 가장 중요하게 이야기 되는 것이 바로 퍼스트파티 데이터입니다.
@amor30yk우리는 퍼스트파티 데이터 확보를 통해서 우리는 고객의 개인정보(이름, 연락처, 이메일 주소)를 이용해서 CRM이란 도구를 통해 마케팅을 할 수 있는데요. 특히 이러한 고객의 개인정보를 손 쉽게 얻을 수 있도록 카카오톡 로그인(카카오 싱크) 기능을 많은 기업이 사용하고 있습니다.
또한 제로파티 데이터를 활용해서 고객이 직접 기업에게 제공한 본인의 관심사 또는 여러가지 정보를 통해서 개인화 메세지 또는 프레임워크를 구축해서 이전보다 더욱 마케팅 성과를 높이는 전략을 구사하고 있습니다.
하지만 결국 제로파티와 퍼스트파티 데이터 마저도 User Aqusition이 없다면 확보할 수 없습니다. 따라서 User Aquisition을 잘하는 것이 더욱 더 중요해지겠죠.
2-5) CAC(Customer Acquisition Cost)와 LTV(Life Time Value)
이러한 퍼스트파티 데이터와 제로파티 데이터가 더욱 중요해진 이유는 무엇일까요? 바로 이전보다 우리가 찾고 있는 잠재고객을 얻을 가능성이 낮아지면서 고객을 획득하는 비용 CAC(Customer Acquisition Cost)이 점차 올라가고 있기 때문입니다.
이미지 출처 : WorldStream우선 고객 획득당 비용을 의미하는 CAC(Custoemr Aquisition Cost)에 대한 의미를 이해하면 좋은데요. 우리가 보통 회원가입 목적을 둔 광고를 진행할때는 CPA(Cost Per Action)라는 지표를 사용하면서, 이 Action을 회원가입으로 정의해서 회원가입당 비용을 산출하죠. (*CPA : 광고비용 / 광고를 통한 회원가입 수)
하지만 CAC는 회원가입 CPA보다 좀 더 큰 개념을 가지는데요. 분자는 A라는 기간동안 마케팅에 사용된 모든 비용을 의미합니다. 즉 여기에 광고비용도 들어가게 되고, 마케팅 인력비, 소재 제작비용 등이 들어갈 수 있겠죠. 그리고 분모는 A라는 기간동안 가입한 신규 유저수를 의미합니다. 여기에는 당연히 광고를 통해 회원가입을 한 유저의 수도 들어가게 되겠습니다. (*CAC : 전체 마케팅 비용 / 신규 유저 수)
그래서 CAC와 CPA는 본질적으로 다른 의미를 가지긴 하나 회원가입 CPA 비용이 증가하는 것과 CAC의 비용이 증가하는 것은 다소 정의 관계 및 인과 관계에 놓여있는데요.
본 글에서는 이해를 돕기 위해서 회원가입 CPA와 CAC를 겉으로 동일한 개념으로 포장해서 설명할 것 입니다.
@amor30yk예시로 우리가 ATT 이전에는 프로그래매틱 광고를 활용해서 100만원 비용으로 고객을 100명 가입시켰다면, 마케팅을 통해 고객 1명을 가입시킨 비용은 1만원 인데요.
하지만 ATT와 개인정보 보호정책으로 인해서 서드파티 데이터 유실과 확보가 어려워진 시점에서 정교한 타겟팅이 어려워졌고 이에 따라 광고의 전환율(Conversion Rate)이 하락되었고 이후 당연히 광고의 전환당 비용(Cost Per Action)도 증가하게 되었습니다.
즉, ATT 이후로는 프로그래매틱 광고를 활용해서 100만원 비용으로 고객이 단 25명만 가입을 하고, 고객 1명을 가입시키는 비용은 4만원이 될 수도 있다는 말이 됩니다. 즉 CPA(==CAC)는 4배 증가했다고 볼 수 있겠죠.
@amor30yk자연스레 고객 획득당 비용이 높아지면 획득한 고객이 우리 서비스에서 발생시켜야할 매출액도 증가되어야 비즈니스가 성장할 수 밖에 없습니다.
이것을 보통 우리는 객단가 또는 ARPU(Average Revenue Per User, 획득한 유저당 발생되는 매출), ARPPU(Average Revenue Per Paying User, 구매한 유저당 발생되는 매출) 이란 지표를 연결지어 마케팅 전략을 수립하는데, 여기서 가장 중요한 것은 CAC 비용보다 객단가, ARPU, ARPPU가 높아야 비즈니스가 유지되고 성장할 수 있다는 것다는 사실입니다.
예시로 우리 서비스에 고객을 한 명 가입시켰을 때 1만원이라는 비용이 들었다면, 이 고객이 우리 서비스에서 1만원 이상의 비용을 지출(=매출)해야만 손실이 발생되지 않는 것인데요.
예를 들어 1억을 들여 10,000명(고객 가입당 비용 1만원 일시)을 가입시켰고, 해당 고객이 가입 후 5천원의 비용만을 지출(=매출)하게 된다면 최종 매출은 5천만원이 되며, 이것은 고스란히 5천만원 이상의 손실을 발생킨다는 말이 됩니다.
이 손실이라는 것은 마케팅 비용 뿐만 아니라 서비스를 운영하기 위한 인력, 사무실, 서버비용 등과 같은 다양한 부대비용이 포함되기 때문에, 앞으로 User Aquisition을 잘 하기 위한 배경지식으로 위 지표에 대해서 항상 유념해서 마케팅을 하는 것이 중요할 것으로 보입니다.
@amor30yk또한 최근에는 이 고객 획득당 비용(CAC, Customer Acquisition Cost)에 따라 붙는 있는 지표가 바로 LTV(Life Time Value)인데요.
사실 CAC와 LTV는 이전부터 해외에서 논의되었던 이야기인데, 국내에서는 다시 화두가 되어지고 있습니다.
이 이유 중 하나는 고객을 획득하기 위한 비용보다 객단가가 높아야하는데, 객단가를 높이기 위해서는 상품 결제액과 같은 상품 판매 단가를 올려야 된다는 말이지요.
그렇다면, 무작정 상품 판매 단가를 상승시키기에는 비즈니스 적으로 굉장한 위협이 될 수 있기 마련입니다.
예를 들어 기존에 5천원에 잘 판매하고 있었던 상품을 갑자기 업셀링 해버린다면, 해당 상품을 항상 재구매하던 충성고객이 이탈될 수도 있고 또 신규고객의 구매율도 낮아질 수 있고 때로는 브랜드 자체에도 악영향을 줄 수 있다는 우려가 있기 때문입니다.
이러한 상황에서 고객이 한번 구매할 때 발생되는 매출액을 올리는 것보다 재구매를 발생시키는 것이 중요한 방법이 될 수 있겠고 또는 획득한 고객이 최종적으로 구매를 할 수 있도록 제로파티와 퍼스트파티 데이터를 활용해서 CRM이란 도구로 이탈된 고객의 Actiaviton과 Retention을 증가시키는 방법도 있겠습니다.
또 한번 구매할 때 발생되는 매출액을 증가시키기 위한 번들형 상품제작 또는 크로스셀링 때로는 프로모션과 같은 전략도 필요할 것 입니다. 아니면 불가피하게 상품의 원가율을 감소시켜서 실제 수익을 증가시키는 전략도 있어보이죠.
위 이미지는 제가 개인적으로 존경하고 좋아하는 마켓핏랩 동료이자 연사인 James Park(박기정), Zemma(신주혜)님의 강연 사진인데요. 위에 작성한 전략은 행동경제학을 기반으로 한 모네타이제이션(Monetization)과 프로모션(Promotion) 방법론이 담겨 있습니다. 이에 관한 내용을 배우고 활용하고 싶다면 개인적으로 연락주시면 감사드리겠습니다.
거두절미하고, 위에 대한 전략은 서비스 유형에 따라 적용되기도 적용되지 않기도 하지만 결과론적으로는 고객이 한번 발생시키는 매출액보다 지속적으로 발생시키는 매출액이 굉장히 중요해졌다라는 것을 시사합니다.
즉 이것을 LTV(Life Time Value)라 칭하며, 획득한 고객이 우리 서비스에서 평생 발생시키는 매출의 총합이라 인지하면 좋겠네요.
그렇다면 CAC와 LTV의 적정한 비율은 어느정도 좋을까라는 고민도 시작됩니다.
이러한 고민은 저 뿐만 아니라 많은 사람이 하고 있는데, 적합한 비율은 보통 3:1이라 말을 하지만 이 또한 서비스 유형과 상황에 따라서 굉장히 다르기 때문에 우리는 우리 서비스에 적합한 CAC와 LTV Ratio(%)을 찾아가면 좋겠습니다.
3. How : User Acquisition?
만약 구매를 할 것 같은 좋은 고객을 획득했다면, 객단가 또는 LTV 등이 증가할 가능성도 높아지는데요.
이와 동시에 좋은 고객을 획득시키는 비용(CAC, Customer Acquisition Cost)까지 낮춘다면, 객단가와 LTV의 성과를 높임과 동시에 비즈니스의 성장이 가속화될 수 밖에 없죠.
@amor30yk액션을 할 가능성이 높은 고객을 데려오는 것은 말 그대로 액션을 할만한 사용자를 찾는 것이라 볼 수 있습니다. 이 과정을 이해하기 위해서 우리는 온라인 광고 지표와 머신러닝에 대해서 이해해보면 좋은데요.
3-1) 온라인 광고 지표의 이해
사실 온라인 광고 성과는 액션을 할 만한 사용자를 찾는 것에 달려있습니다. 즉 온라인 광고 성과의 선결조건은 '명확한 타겟팅'이라 볼 수 있겠는데요.
@amor30yk우리는 기본적으로 온라인 광고를 할 때, 위 3가지 캠페인에 대해서 이해를 하고 있을 겁니다. 대표적으로
먼저 광고 캠페인은 각각의 입찰전략을 갖고 있으며, 입찰전략은 크게 3가지로 나뉘는데요.
CPM(Cost Per Mile), CPC(Cost Per Click), CPA(Cost Per Action)로 나뉘게 되는데, 여기서 우리가 인지해보면 좋을 항목은 광고 대상과 과금방식입니다.
첫번째 인지 캠페인의 광고 대상은 광고 노출을 설정한 사용자 입니다. 과금방식은 이 사용자에게 광고가 노출되었을 때 돈이 과금되는 구조죠. 장점으로는 상대적으로 적은 비용으로 사용자에게 광고를 노출시킬 수 있고, 단점은 타 전략 대비노출 수에 비해 상대적으로 클릭수와 전환수가 적다고 볼 수 있습니다.
두번째 트래픽 캠페인의 광고 대상은 광고 노출을 설정한 사용자 중 클릭을 할만한 사용자 입니다. 과금방식은 이 사용자가 광고를 클릭했을 때 돈이 과금되는 구조죠. 장점은 상대적으로 적은 비용으로 사용자에게 광고를 클릭시킬 수 있고, 단점은 타 전략 대비 클릭 수에 비해 상대적으로 노출수와 전환수가 적다 볼 수 있겠네요.
세번째 전환 캠페인의 광고대상은 광고 노출을 설정한 사용자 중 클릭 대비 전환을 많이 하는 사용자 입니다. 과금방식은 이 사용자가 광고를 통해 전환되었을 때 돈이 과금되는 구조라 볼 수 있겠네요. 장점은 상대적으로 적은 비용으로 사용자에게 전환을 유도할 수 있고, 단점은 타 전략 대비 전환 수에 비해 상대적으로 노출 수와 클릭 수가 적다고 볼 수 있습니다.
여기서 핵심 포인트는 각 입찰전략의 성공지표는 각각의 CPM, CPC, CPA라는 광고비 대비 성과로 측정된다는 것이고, 이 성과라는 결과는 결국 '우리가 어떤 고객을 만났느냐'에 따라서 결정되게 됩니다. (*CTR(클릭율, Clickthrough rate), CVR(전환율, Conversion Rate)이란 지표도 활용되지만, 각각의 캠페인에서 CTR이 높으면 CPC는 낮아질 수 밖에 없고, CVR이 높으면 CPA는 낮아질 수 밖에 없는 상관관계를 가지지요 ^^)
3-2) 광고 머신러닝의 이해
우리가 각 입찰전략에서 원하는 고객을 찾아주는 것이 바로 '머신러닝'입니다.
머신러닝의 사전적 의미는 데이터를 통해 스스로 학습하고 이를 바탕으로 앞으로 다가오는 일에 대한 판단과 예측을 하는 모델인데요. 이 머신러닝을 퍼포먼스 마케터가 쉽게 이해하도록 설명한 브런치 글을 먼저 읽고오면 좋겠네요.
위 BAT 김광수 이사님이 정리한 내용을 바탕으로 본 브런치 글의 이해를 돕고자 저의 생각을 이여 붙여 써보고자 하는데요. 사실 이 머신러닝은 때로 우리가 성과를 더 낼 수 있는 기회를 놓치게 만들기도 합니다.
경사하강법(Gradient Descent)이란 방법이 적용된 메타(META) 머신러닝은 기계가 학습한 전/후데이터가 J Cruve를 그리게 될 때 머신러닝이 종료되는 상황이 발생되는데요. 실제 우리가 생각한 정상이 아니였는데 머신러닝이 종료되는 현상이 발생될 수도 있다는 것입니다.
이미지 출처 : BAT 김광수 이사님 브런치예를 들어 위 이미지가 가진 항목별 의미가 산은 '고객의 모수'라 정의내리고 산의 정상은 '우리가 찾는 고객'이라고 정의하면서 정상의 높이는 '전환율이 높은 고객'이라 정의한다면, 당연히 왼쪽 '산'이 가장 좋은 '산'일 것이 분명해보입니다.
그렇다면 모든 머신러닝이 첫 등산로를 잘 결정해야된다는 것인데, 그 등산로에 따른 결과지점은 아무도 모른다는 것이지요. 이 결과 지점은 기계가 학습한 결과로 도달하는 것이면서도 사람이 설정할 수 없는 기계의 영역이라는 것입니다.
이 기계가 학습하는 방식을 이해하기 위해서는 베이지안 추론 및 통계(Bayesian inference)를 이해하면 좋습니다.
과거에는 오프라인으로 고객의 설문조사 또는 전화를 이용해서 소비자와 시장의 반응을 측정해서 서비스 또는 마케팅이 적용했다면, 이제는 기술의 발달로 빠르게 변화하는 시장 속에서 고객은 더 빠르게 변화하고 있기에 이전보다 더 다양한 상품과 그리고 기업이 나타나기 시작하고 있습니다.
또 이전에는 주로 사람이 기록하였기에 기록 속도나 기록된 데이터를 보는 것이 시간이 소요되었지만, 이제는 컴퓨터가 기록하기에 온라인의 행동이 바로 데이터로 기록되고 기록된 데이터를 바로 볼 수 있게 되었는데요.
과거에는 지나간 현상을 검증해서 다음 스텝에 적용하는 시대였다면, 이제는 현상을 검증해서 앞으로의 미래까지 예측할 수 있는 시대를 맞이하게 된 것 입니다.
이러한 속도를 잘 따라가면서 광고 성과를 높이려면 고객의 반응을 빠르게 학습하고 반영하는 리서치가 필요하게 되는데, 그 리서치를 위해 기계가 학습하는 방식이 바로 바로 베이지안 통계, 베이지안 추론입니다. 적은 데이터로 시작해 점차 나은 결과를 만드는 머신러닝 분야에서 많이 활용되고 있지요.
우리는 주로 가설검정을 할 때 유의확률(p-value)에 따라 일반적인 추론통계 또는 표준통계로 귀무가설(영가설)과 대립가설(연구가설)을 수립하는데요. 이에 따라 가설을 틀릴 확률을 계산하고 이 가설은 참이다 라는 기반 아래로 가설검정을 진행하는데, 이것은 Success, Fail 이라는 선택에서 오직 둘 중 하나로만 결론을 내림으로써 잘못된 판단을 내릴 가능성이 높습니다.
또한 현업에서는 A/B테스트를 할 때, 주로 P-value를 통해 이 결과가 유의성이 있는지, 유의성이 없는지 검증하지만, 모수에 따라서 이 값이 달라지기 마련입니다. 이 P-value(유의확률)는 장기적인 확률로 사건이 축적되어야만 때로는 사회적으로 인정되어줄 수 있는 수치가 되기 때문입니다.
예를 들어, 보통 일반인이 생각하는 통계는 처음 동전을 던졌을 때 앞면이 나올 확률이 1/2고, 두 번째 던지면 당연히 앞면이 나올 확률은 2/4라 생각할 수 있습니다. 이것을 빈도 확률이라 칭하고, 누적이 된다면 우리가 실무에서 활용하는 P-value 방법이 될 수도 있겠지요.
베이지안 추론은 다릅니다.
위 이미지 처럼 사전 확률, 조건부 확률, 사후확률, 결론도출 단계가 들어가게 되는데요. 우리는 내일 지진이 일어날 확률을 계산할 수 있을까요?
세상에는 반복할 수 없는 사건이 무수히 많습니다. 일어나지 않을 일에 대한 확률을 불확실성의 개념이라 칭하고. 사건과 관련 있는 여러 확률을 이용해 새롭게 일어날 사건을 추정하는 것이 베이지안 확률입니다.
우리가 오늘 살아간 하루는 과연 어제와 똑같은 확률로 살아간 것 일까한다면, 평소에 매일 육식을 먹지만, 오늘 하루는 소화가 되지 않아서 채식을 먹었습니다. 원래 주말을 혼자 보내지만 여자친구가 생겨서 주말을 함께 보내게 되었습니다.
표준통계이자 가설검정을 제시한 네이만-피어슨 추론(Neyman-Pearson Inference)에 따르면, 매일 육식을 먹었으니 너는 오늘도 육식을 먹을 것이고. 너는 원래 주말을 혼자 보냈기 때문에 너는 오늘도 주말을 혼자 보낼거야. 라고 정의 내려버릴 수 있지요..
사회에서는 때로 모든 것을 확률적으로 정의하여 이 사람은 이렇게 살아왔으니 이렇게 할 것이다 정의를 내리지만. 이것은 일반화의 오류와 잘못된 판단이 될 수 있습니다. 99%가 온전한 100%가 될 수 없다는 말이 반증이 될 수 있지요.
베이지안 추론은 어느 한쪽으로 결론 짓지 않고 양쪽 모두에 가능성을 걸칩니다. 지금까지 주말을 혼자 보냈어도, 오늘은 주말을 같이 보냈다면. 다시 원점으로 돌아와 1% 가능성을 두고 추론을 시작합니다. 데이터가 적재될수록 추론의 정확도는 높아지죠.
이처럼 머신러닝은 항상 한쪽으로 결론 짓지 않도록, 계속 학습을 시도합니다.
예시로 페이스북 광고를 처음 진행 할 때, 약 7일 동안 기계는 고객이 설정한 캠페인 목표에 맞추어 데이터를 수집하게 되는데요. 이 수집과정은 머신러닝 학습(진행중)이라 표기됩니다.
이 데이터 수집(머신러닝)의 종료 기준은 '목표를 할만한 사용자'를 찾았는 지에 해당되며, 목표를 할만한 사용자를 정의내리는 기준은 '사용자가 목표를 얼마나 달성했는가'라는 전환 수(Conversion) 또는 클릭 수(Click)과 같은 지표로 결정이 될 수 있습니다.
따라서 목표를 많이 달성할 수록, 목표를 할만한 사용자를 찾은 것이기에 머신러닝이 빠르게 종료될 수 있는데요. 이러한 목표를 할만한 사용자를 찾는 과정에서 머신러닝은 페이스북에 존재하는 사용자 뿐만 아니라 수십 개의 구좌를 테스트하기 시작합니다. 이를 통해 더 좋은 잠재고객을 찾을 수 있는 기회를 마주하게 되는 것이죠.
만약 기계에 베이지안 통계 방법이 적용되지 않았다면, 다른 노출구좌에 대한 테스트를 하지 않고 오직 페이스북 피드영역에만 광고를 노출하게 되는 현상이 발생되죠. 결국 트렌드가 빠르게 변화하는 시장 속에서, 시시각각 좋은 고객을 찾기가 어려워지게 됩니다.
@amor30yk하지만 위의 이미지처럼 실제 기계가 스스로가 정상을 정의내렸지만, 실제 그 정상은 더 위에 있는 경우도 많습니다. 그렇다면 기계는 본인 스스로가 정상을 정의내리지 않고, 지속적으로 등반을 하는 것 즉 좋은 고객을 찾아가는 행위가 중요할 것이죠.
이것을 메타와 구글이 현재까지 풀고 있는 과업으로 광고 머신러닝을 고도화시킨다라 표현할 수 있는데, 이 과제는 머신러닝을 언제 종료시키고 다시 학습을 시키냐와 같은 논점입니다.
예를 들어 기계가 머신러닝(학습) 기간에 페이스북 피드, 페이스북 메신저, 페이스북 스토리 등 모든 노출구좌에 대해서 성과를 테스트를 하였습니다.
특히 머신러닝이 종료되는 7일 동안 페이스북 피드 성과가 가장 좋았는데요, 따라서 기계가 7일 이후부터는 페이스북 피드에만 광고를 주로 노출시킬 것이다라 정의를 내렸고, 이 피드에 지속적으로 광고를 노출시키기로 결정했다면. 머신러닝은 더 이상 학습이 되지 않는 머신러닝 종료상태가 되어버립니다.
이러한 종료 상태가 된 이후부터는 이전과 대비해서 성과가 좋은 구좌, 좋은 타겟에게만 광고가 노출되기 때문에 당연히 성과는 올라갈 수 밖에 없게 됩니다.
좋은 타겟도 마찬가지입니다. 좋은 타겟도 역시 페이스북이 정의내린 타겟 오디언스 규모가 있을 것이에요. 기계가 A라는 관심사를 가진 고객(10만명)을 좋은 고객으로 정의내려버리게 된다면, 그 고객에게만 광고가 앞으로 노출될 것이죠.
시간이 지나면 결국 10만명의 타겟에게 광고가 도달될 것이고, 반복적인 광고 노출을 통해 피로도가 쌓이게 되며 자연스레 성과는 낮아지게 될 수 밖에 없습니다.
그럼 여기서 중요한 것은 새로운 잠재고객을 찾기 위해 머신러닝을 어느 시점에 다시 재가동 시켜야될 것인가라는 문제가 발생되지요.
즉, 광고매체는 머신러닝을 어떤 시점에 종료를 시켜야 할 것인지, 어떤 시점에 다시 재가동시켜야할 것인지에 대해서 지속적으로 연구하며 광고매체의 머신러닝 시스템을 고도화시키고 있는데. 이 고도화를 얼마나 잘하느냐에 따라서 이 광고매체의 머신러닝이 좋다, 좋지 않다 광고주는 판단하게 될 수 있습니다.
그래서 많은 매체는 단적으로 논타겟과 타겟 확장을 추천하는 경향도 있습니다. 지속적으로 머신러닝이 돌아갈 수 있도록, 광고주가 머신러닝에게 가이드를 내릴 수 있도록 사전에 세팅한 값이 머신러닝에게 한계가 되어주지 않도록 말이죠.
즉, 위에 작성했던 머신러닝이 완료된 광고를 다시 세팅할 필요가 없으면서, 타겟과 구좌를 한정짓지 않으며 우리가 제한했던 잠재적 성과를 풀어주는 것인데요. 하지만 이 마저도 매체를 이용하는 Active User와 관련되어 한계점이 존재하고 있습니다. 이 부분은 뒷 부분에 서술하였으니, 천천히 읽어 내려가 주세요.
결국 기술적 한계가 있는 현실에서 우리가 그나마 머신러닝이 잘 작동하도록 도와주는 행동은 무엇일까요? 이러한 행동에 대해서는 각 광고매체가 제공하는 도움말에 모두 작성이 되어있는데요. 예를 들어 광고 집행간 예산을 1.5배 이상 증액 또는 감액하지 말 것. 광고 집행간 광고 전략을 수정하거나, 광고 소재를 새로 추가 한다거나 등 말입니다.
또 우리는 산의 정상이 어디인지 모르지만(물론 기계도 모르지만), 머신러닝이 더 높은 정상에 도달할 수 있도록 머신러닝 최적화가 된 캠페인을 다시 똑같은 조건으로 재세팅해주는 것이라 볼 수 있고, 이러한 방법은 이미 실무진들에게 많이 퍼진 방법론 중 하나기도 합니다. 하지만 결국 이러한 상황은 '광고주의 불필요한 비용'을 초래하게 되죠..
@amor30yk결국 머신러닝이란 우리의 광고 성과를 증가시켜주도록 도와주는 것이고, 광고 성과란 입찰전략에 따라 좋은 잠재고객을 찾았는지에 따라서 결정이 됩니다.
하지만 우리가 머신러닝이 잘 작동하도록 도와줄 수 있는 한가지 행동이 더 있는데요. 바로 액션을 할만한 사용자를 찾아주는 가이드라인을 제시해주는 것 입니다.
액션을 할만한 사용자를 처음 잘 설정해준다면, 좋은 등산로를 선택하는데 도움을 준다면, 머신러닝은 지속적으로 좋은 잠재고객을 찾으러갈 수 있는 아이템을 얻게 되는데요. 머신러닝은 결국 학습과정에서 적합한 고객을 찾았다면 광고 성과는 증가되며, 우리는 광고 성과가 좋았다고 말할 수 있게 된다는 말이기도 합니다.
즉, 머신러닝이 각 입찰전략에 적합한 고객을 찾는 과정이 '머신러닝 학습단계'이고, 고객을 찾은 뒤 광고가 최적화되는 것이 '머신러닝 종료단계'라 말할 수 있겠네요.
@amor30ykATT와 고객 개인정보 보호정책에 따라서 Adnetwork가 가진 고객 데이터는 증가보다는 유실량이 점차 증가되고 있는 상황에서 광고세트에서 인구통계학적 세팅 또는 관심사 세팅은 성과에 있어 점차 의미를 잃고 있습니다. 따라서 액션을 할만한 사용자를 찾아주는 가이드라인은 즉 우리가 노출시키는 광고소재에 고객이 원하는 메세지를 담아 마케팅을 해야한다는 기초적인 사실이자 방법인데요.
고객이 원하는 메세지라는 것은 우리 서비스에 관심이 있는 고객의 페르소나(유형) 그리고 고객의 페르소나에 따른 매체 선정 그리고 그리고 우리 서비스 중장기적 마케팅 전략에 따라서 여러갈래로 나타나게 됩니다.
3-3) 고객의 페르소나를 정의하기
@amor30yk먼저 고객의 페르소나를 정의하기 위해서는 아주 기초적인 마케팅 이야기를 먼저 이해해보면 좋은데요. 소비자는 자기가 겪고 있는 문제를 기업을 통해 해결하고자 하며, 문제를 해결해 준 보상으로 비용이라는 금액을 기업에게 제공하게 됩니다.
소비자가 겪고 있는 문제를 비즈니스가 해결해주는 방법은 여러가지 가치가 있을 것 입니다. 예를 들어 커뮤니케이션을 원활하게 해주는 가치가 있을 것이고, 이 가치로 파생된 서비스는 카카오톡, 슬랙 등이 있을 것이다며, 돈을 절약해주는 가치도 있을 것 입니다. 이 가치로 파생된 서비스는 천원샵, 다이소 등이 있겠죠. 또 이외에 정보를 제공해준다거나, 시간을 절약해준다거나 여러 가치가 있고, 이 가치를 기반으로 신규 비즈니스가 시장에 나오게 됩니다.
따라서, 우리 비즈니스가 고객에게 제공하는 가치가 무엇인지 먼저 정의를 잘 내려야합니다. 그리고 그 가치가 고객의 어떤 어려움을 해결해 줄 수 있는지 함께 정의를 내려야 합니다.
이러한 정의를 바탕으로 비즈니스모델 즉, 수익화가 가능한지 PMF(Product Market Fit, 시장검정)를 찾는 것이 그로스해킹의 가장 첫 단추이자 첫 단계라 볼 수 있겠지요.
앞서 우리에게는 위와 같은 가치가 있거나 PMF가 있는 비즈니스라면 우리는 고객에 대해서 분석하고 페르소나를 찾아야 합니다.
이 과정은 즉 LMF(Language Market Fit, 언어검정)이라는 그로스해킹의 두번째 단계라 볼 수 있겠고, 이 부분은 뒤에 서술되어 있으니 끝까지 읽어주시면 좋겠습니다.
우선 고객의 페르소나를 정의하기 위한 방법은 정량적 분석과 정성적 분석이 있습니다.
정량적 분석이란, 우리 서비스의 데이터베이스 또는 Sass 소프트웨어 또는 리서치 제공 플랫폼 등 숫자로 정량화되어 얻을 수 있는 고객 데이터를 통해 페르소나를 도출하는 분석 방법이라 볼 수 있습니다.
이 정량적 분석은 현업의 경우 위에서 작성했던 고객 데이터(제로파티, 퍼스트파티, 써드파티 데이터 등)를 주로 활용해서 페르소나를 도출하는 방법입니다.
이것을 도와주는 도구가 바로 어트리뷰션 툴 또는 우리가 갖고 있는 데이터베이스, 또는 DMP(Data Management Platform)가 있습니다.
만약에 우리가 직접 고객을 통해 수집한 데이터라면, 크게 기고객 페르소나와 잠재고객 페르소나 두 종류를 만들 수 있게 되고 우리가 직접 고객을 통해 수집하지 않은 데이터라면 잠재고객 페르소나가 될 수 있습니다.
가장 중요한 것은 기고객 페르소나. 우리가 갖고 있는 데이터를 기반에서 기본 페르소나를 구축하는 것이 좋고, 여기서 더 나아가 방문한 고객 데이터보다는 실제 우리 서비스에서 고객이 유입 이후에 일련의 과정(액션)을 거친 유의미한 사용자를 기반으로 도출해내는 것이 중요합니다.
하지만, 이 조차도 굉장히 어렵다면 우리는 무료 툴인 Goole Analytics 또는 광고시스템이 무료로 제공하는 분석 툴을 통해서 우리 서비스를 이용하는 인구통계학적 정보를 받아볼 수 있습니다.
정성적 분석은 고객 데이터로 해결할 수 없는, 즉 정량적 분석으로 해결할 수 없는 상황에서 고객에게 구체적인 해답을 얻기 위한 정보가 있을때 활용되는 방법입니다. 주로 설문조사, 유저 인터뷰와 같은 다소 정성적인 것에 해당되는 방법이죠.
예를 들어, 데이터가 없는 환경 속에서 커피 사업 주비를 위한 기본적인 설문조사를 간단히 해보았는데요. 30명을 대상으로 카페라뗴를 좋아하는지, 아메리카노를 좋아하는지 물었습니다.
그 중 20명이 아메리카노를 좋아한다고 말했습니다. 이후 20명을 대상으로 따뜻한 아메리카노가 좋은지, 차가운 아메리카노가 좋은지 물었는데요. 그 중 15명이 차가운 아메리카노를 좋아한다고 말했습니다.
다시 15명을 대상으로 맛이 부족한 1천원짜리 아메리카노가 좋은지, 맛이 풍부한 5천원짜리 아메리카노가 좋은지 물어봤습니다.
그 중 12명이 맛이 풍부한 5천원짜리 아메리카노가 좋다고 대답했네요.
이러한 과정에서 당연히 데이터 환경이 구축되어 있다면, 고객의 행동데이터를 통해 위에 대한 내용은 쉽게 뽑아낼 수 있을 것 입니다.
하지만, 왜 고객이 1천원 짜리 아메리카노보다 5천원 짜리 아메리카노를 좋아하는지에 대해서는 데이터에서 확인할 수가 없죠.
여기에 대한 Why, 이 해답을 정성적 분석(유저인터뷰, 설문조사)을 통해 찾아나가는 것 입니다.
현업에서는 이러한 중요한 Why를 불필요하게 데이터 도구를 활용해서 찾아보려는 사람이 꽤 많습니다. 실제 고객에게 물어보면 바로 도출해낼 수 있는 문제인데 말이지요. :)
(위 이미지는 예시) 또 현업에서는 위와 같이 불필요한 정보까지 수집해서 페르소나를 구축하는 경우가 있습니다.
물론 고객의 페르소나는 구체적일수록 대단히 좋지만, 도출된 페르소나를 통해서 개선할 다음 단계(목적)이 없다면 얼마나 슬플까요.
차라리 그 시간에 질문 항목을 줄이고 더 많은 고객을 대상으로 설문조사 또는 인터뷰하는 것이 통계적 유의성 확보에도 대단히 좋을 것 입니다.
@amor30yk기본적으로 정성적 분석은 우리 또는 고객이 '어떤 문제를 해결하고 싶은지' 그리고 이에 따른 '해결 방법'을 명확하게 알고 싶을 때 활용하는 것이 더욱 좋습니다.
왜냐하면, 기본적인 인구통계학적 페르소나 또는 고객의 관심사는 데이터를 통해 추출할 수 있기 때문입니다.
그래서 이 정량적 데이터와 정성적 데이터를 통해 페르소나를 조합하는 것이 굉장히 속도면에서나 리소스면으로 중요하다고 생각합니다.
위의 이미지는 조명 서비스에서 상품만 검색하고 구매하지 않는 사용자에게, 왜 구매하지 않는가에 대해서 설문조사 또는 인터뷰를 하였다는 것을 사례로 만들어보았는데요.
이러한 예시로 우리는 다시 한번 알 수 있게 됩니다. 과연 정량적 분석(데이터)이 위 고객이 조명 상품을 검색만 하고 구매를 하지 않는 이유에 대해서 정말 말해줄 수 있을까? 말입니다.
3-4) LMF(Language Market Fit) 활용하기
이러한 페르소나 구축을 통해서 우리는 그로스해킹에서 활용되는 LMF(Language Market Fit, 언어검정)라는 방법론을 활용해볼 수가 있습니다.
우선 이 방법론에 대해서 이야기하기 전에, 그로스해킹에 대해서 되게 어려워하는 분을 마주할 수가 있기에, 그로스해킹을 먼저 쉽게 정의내려보려 합니다.
그로스해킹은 우리 프로덕트 또는 서비스를 고객과 시장의 기준에 맞추어 지속적으로 비즈니스를 성장시키는 방법입니다. 그로스해킹은 어쩌면 전통적인 마케팅에서 시작된 것일 수 있습니다.
과거에는 마케팅 전략을 세우기 위해서 오프라인으로 시장조사를 하고 고객 인터뷰를 하였지만, 이제는 데이터 기술라는 진보된 환경에 맞추어 온라인으로 더욱 빠르게 시장조사를 하고 인터뷰를 해서 고객과 시장의 입장에서 비즈니스를 성공시킬 수 있는 방법을 찾습니다.
거기서 나타난 결과물이 정량화되어 나타나기에 우리는 더욱 효율적으로 개선점을 찾고 지표를 세워서 빠르게 반복해서 성장시킬 수 있는 것이지요.
그로스마케팅, 해킹이라는 것이 단순히 허무맹랑한 단순 이론이 될 수도 있습니다. 이것은 데이터에 너무 몰입하게 될 때 발생되기도 하는데요.
데이터에 몰입하게되면 숲을 보지 못하고 나무만 보게될 수 있습니다. 마케팅에서는 어쩌면 고객과 시장의 트렌드를 읽지 못하고 비즈니스에 전혀 임팩트 없는 데이터를 통해 인사이트를 찾게 될 수도 있다는 말이 될 수 있답니다.
이러한 아쉬운 행동이 반복되고 사내에 문화로 정착되었을 때, 그로스마케팅과 그로스해킹은 허무맹랑이 될 수 있지요.
데이터는 현상을 말해줄 뿐이지 정답을 제시하지 않습니다. 유의성이 있는 데이터도 예기치 못한 상황을 맞이하면 때로 의미가 없어지기도 합니다. 마치 코로나가 만든 사회현상처럼요.
그렇기 때문에, LMF를 하기 위해서는 데이터에 몰입되는 것이 아니라 데이터를 활용해서 빠르게 우리가 찾는 고객을 얻고, 비즈니스를 성장시킬 수 있는 마인드셋을 지속적으로 갖춰나아가는게 중요합니다.
LMF(Language Market Fit, 언어검정)란, USP(User Selling Proposition) 발굴을 통해 마케팅 성과를 증대시키는 방법이자 우리가 큰 비용으로 마케팅을 진행하기 전, 좋은 고객을 유입시키기 위한 메세지를 찾는 과정이라 생각하면 좋습니다.
@amor30yk쉽게 생각해서 소비자가 원하는 메세지로 마케팅을 해야 유입 또는 획득율이 높아지는데, 즉 소비자가 매장에 방문하도록 유도시킬 수 있는 메세지를 찾는 과정이라 이해하면 쉽지요.
@amor30ykLMF는 보통 현업에서 위와 같은 프로세스를 거치게 되는데요.
앞서 작성한 '3-3) 고객 페르소나 정의하기'를 통해 VP(Value Proposition, 가치제안)와 Persona를 발굴한 후, 우리의 가치를 잘 전달할 수 있는 Persona 유형별 USP(User Selling Propostion)을 발굴한다로 이해하면 좋겠습니다.
이후 실험이 성공하였는지, 성공하지 못했는지에 대한 지표를 설정해야 하는데요.
이러한 지표를 통해 우리가 실험을 지속할 것인지, 종료할 것인지에 대해서 명확하게 Exit할 수 있게 됩니다. 이 지표 설정이 끝난다면, 여기에 맞는 광고소재를 제작하고 매체를 통해 소액으로 테스트를 하는 것 입니다. 이것을 반복해서 성공 지표를 기반으로 해서 실험을 진행할지 중단할지 결정을 하게 되죠.
이러한 실험에 대한 가장 핵심은 인력 리소스도 중요하지만, 그로스마인드 셋을 가진 사람이 있는지 여부가 가장 중요합니다. 그로스 마인드 셋은 본 편에서 다루지 않으나, 이 글을 읽고 있으신 분이라면 아마 그로스 마인드셋이 다소 있는 분이라 생각합니다. (아무쪼록 그로스 마인드 셋은 추후 기술하도록 할게요..)
LMF 방법론에 대해서 다소 좀 더 구체적인 내용이 궁금하다면, 이 전에 제가 작성한 위 글을 참고해보면 좋겠네요. 하지만 해당 글은 정답이 아니라 가이드 형식으로 작성한 것이기 때문에, 우리 비즈니스 및 서비스 유형과 상황에 맞추어 조리있게 실험 과정을 구축하는 것이 중요합니다.
@amor30yk사실 LMF는 이미 많은 곳에서 실행하고 있습니다. 위 이미지가 모두 LMF를 의미하는 것은 아니지만 동일한 광고이미지 또는 문구를 기준으로 무언가를 검증하고 있습니다. 변수를 한가지만 두고 그에 따른 결과를 도출해내 지속적으로 그로스하고 있다고 보면 좋겠네요.
@amor30yk그리팅의 경우에는 채용 사이트라는 프로덕트에 Value Proposition을 검증하는 것으로 보입니다.
첫번째 이미지의 경우에는 55,000원이라는 저렴한 비용으로 채용사이트를 제작할 수 있다는 메세지를 담았고, 이 메세지는 고객에게 Money Saving(돈 절약)이라는 가치를 전달하고 있습니다.
두번째 이미지의 경우에는 개발자 도움이 없이 채용사이트를 제작할 수 있다는 메세지를 담았고, 이 메세지는 고객에게 Manpower saving(인력 절약)이라는 가치를 전달하고 있습니다.
만약에 이 2가지가 동일한 Money Saving 이라는 가치가 있다면, 어쩌면 이것은 하나의 VP를 두고 USP(User Selling Propostion)을 찾아가는 과정이라고 볼 수도 있겠네요.
@amor30yk위와 같은 A/B테스트 반복을 통해서 결국에는 Winner 소재가 나오게 되고, 우리가 검증하려는 PMF 또는 LMF를 찾게 되는 것 인데요. 또한 LMF를 통해 마케팅 성과가 실제 얼마나 개선되었는지에 대해서는 밝히고 싶으나 보안의 이슈로 밝힐 수 없어서 아쉽습니다.
하지만 광고 카피만을 변경하였음에도 마케팅 성과가 증대되었다는 사례는 심심치 않게 만나볼 수 있는데요.
아드리엘이 발표한 사례를 바탕으로는 헤드라인 카피를 변경했을 때, 클릭수, CPC, CPA, CVR 라는 광고지표가 모두 개선되었다는 것을 알 수 있습니다. 만약에 이러한 좋은 카피를 발굴해놓은 상태 또는 LMF가 검증된 상황에서 대규모 마케팅을 진행한다면, 매우 비약적인 예시이지만 아래와 같이 크고 작은 성과를 마주할 수도 있을 것 같아요.
■ 클릭당 비용(Cost Per Click, CPC) : $0.1 하락한 경우
- 이전 : 10만명 광고 클릭시 비용 : 4,500만원
- 이후 : LMF 이후 10만명 광고 클릭시 비용 : 3,000만원
- 결과 : 1,500만원 절감
■ 구매당 비용(Cost Per Action, CPA) : $8.1 -> $4.4 하락한 경우
- 이전 : 100,000명이 구매하는데 든 비용 : 약 10억
- 이후 : LMF 이후 100,000명 구매하는데 든 비용 : 약 5억
- 결과 : 약 5억 절감
3-5) 지속가능한 매체 전략 수립하기
@amor30yk우리는 마케팅을 할 때, 데이터를 활용하거나 통계청 자료, 서베이 자료, 논문, 아티클, 설문조사 등을 통해 마케팅을 기획을 합니다.
그 기획에는 항상 시장조사와 잠재고객 리서치가 포함된다. 그리고 위 리서치에 따라서 우리 비즈니스가 획득시킬 잠재고객 수를 정의한 후, 잠재고객이 존재하는 매체가 어디인지 정의하고 마케팅을 집행하지요.
User Aquisition(고객 획득)을 잘 하려면, 페르소나 도출과 LMF도 굉장히 중요하지만 매체에 대해서 이해하는 것도 굉장히 중요합니다.
왜냐하면 매체라는 것은 앞서 작성했던 것처럼 고객과 비즈니스를 연결해주는 다리의 역할을 가지기 때문입니다.
고객이 다리를 지나갈 수 있도록 다리의 인테리어와 표지판의 디자인이 페르소나와 LMF라 한다면, 매체는 잠재고객의 하중을 견딜 수 있도록 다리를 만드는 작업입니다.
그리고 고객과 비즈니스를 연결하는 다리는 단 하나의 다리가 아니고 여러 다리이기 때문에 추후 여러 다리(매체)를 설계하기 위해서, 단 하나의 다리라도 지속적으로 유입이 되도록 튼튼하게 설계해야 합니다.
그래야 추후 여러 다리를 설계하는 과정에서 실패라는 결과를 받았을 때, 지속적으로 유입되는 튼튼한 하나의 다리 덕분에 실패를 보완해줄 수 있는 기회를 마주할 수 있게 되기 때문이죠.
이러한 지속가능한 다리를 만들기 위해서 우리는 매체에 대한 이해와 지속가능한 매체 운영이라 부르는 매채 확장을 위한 선결조건에 대해서 이해해보면 좋을 것 같은데요.
먼저 우리가 보통 온라인 광고 매체를 정의할 때, 매체가 가진 잠재고객 규모를 정성적으로 파악하는 측면이 있습니다. 예를 들어 특정 매체가 제공하는 광고 상품 소개서에서 제공하는 CPM, CPC, CTR과 같은 결과 지표만을 보고 매체를 선정하는 행위. 또는 특정 매체에 가입한 고객 수를 잠정적으로 추정하여 매체를 선정하는 행위. 또는 이 매체가 광고 성과가 좋다라는 소문에 근거하여 매체를 선정하는 행위 등. 우리가 실제 이렇게 광고매체를 선정하지 않았는지는 돌아봐도 좋을 것 같네요.
물론 위 내용은 잘못된 것은 아니지만, 지속가능한 하나의 광고 매체 운영에 있어서는 조금 더 면밀하게 생각해 볼 필요성이 있습니다.
비즈니스가 실패하지 않는다는 조건 아래에서, 비즈니스가 지속적으로 유지되거나 성장하려면 잠재고객의 획득을 위해 결국 특정 매체 또는 구좌를 지속적으로 사용할 수 밖에 없는 환경을 마주하게 되기 때문입니다.
@amor30yk광고 매체가 가지고 있는 오디언스 수에서 얻을 수 있는 성과는 한계점이 존재하는데요.
예를 들어 아무리 광고 매체가 User Data를 50,000,000명을 갖고 있다고 해도, 해당 매체를 이용하고 있는 DAU(Daily Active User), MAU(Monthly User)가 그 이하라면 실제 더 적은 수에게 광고가 노출이 됩니다.
그렇기 때문에, 앱에서 광고를 제공하는 Adnetwork를 기준으로 우리는 해당 앱의 유저 사용율과 앱 설치율에 대해 알고 있어야 하는데요.
즉, 하나의 Adnetwork를 통해 잠재고객에 도달되는 CC(Carry Capacity)는 한계가 있고, 그 한계에서 앱 설치수, 앱 삭제수, 회원 탈퇴수, Active User 라는 변수로 인해 Adnetwork가 갖고 있는 Audience의 User Data는 '잠재고객 도달 수'라는 천장에서 약소한 유실과 증가를 반복하게 됩니다.
@amor30yk또한 Adnetwork가 갖고 있는 User Data안에서 우리가 광고를 집행할 때 활용되는 입찰전략인 CPM(Cost Per Mile), CPC(Cost Per Click), CPA(Cost Per Action)으로 고객이 나뉘어지는데요.
그러면 Adnetwork에서 '과거에 광고를 클릭했던 또는 클릭할 것 같은 사용자' 그리고 '광고를 통해 전환했던 또는 전환할 것 같은 사용자'로 나누어지게 될 것입니다.
여기서 위 기준으로 비즈니스 유형 별로 또 나뉘어지게 됩니다.
일반적으로 공익을 추구하는 기관 또는 서비스를 제외한 대다수의 비즈니스는 모든 잠재고객을 타겟으로 두는 경향이 적은데요.
이에 따라 Adnetworks는 우리가 찾고 있는 타겟에게 광고를 집행하는 것이 유의미하기 때문에 비즈니스 유형, 관심사 유형 별로 오디언스를 잘개 쪼개서 광고주에게 제공하게 됩니다.
그럼 이 과정에서 우리가 도달할 수 있는 잠재고객 규모는 더 더욱 줄어들게 되는데요. 결국 생각보다 적은 사람들에게 광고를 하고 있는 것이 아닐까. 고민이 드네요.
아래 모바일인덱스라는 DMP(Data Management Platform)를 이용하면, 우리는 앱을 이용하고 있는 사용자에 대한 수 그리고 앱 설치수와 같은 지표를 바로 확인해볼 수 있는데요.
실제 인구통계학적 기준을 통해서 데이터를 발라내보면, 생각보다 우리가 얻어낼 수 있는 잠재고객의 수는 적을 것 같아요.
이미지 출처 : 모바일인덱스 / lebesgue위 모바일인덱스의 이미지에 따른 20대 여성 중 인스타그램을 사용하는 유저의 기기 수는 400만대로 추정되는데요.
lebesgue의 업계 벤치마크에 따르면 한국의 인스타그램 CPM(Cost Per Mile, 1000회 노출당 비용)은 약 9,000원 정도로 형성되어 있습니다.
그렇다면, 인스타그램 내 20대 여성의 수는 약 400만명이고, 모두 광고를 노출하는 것을 허용하고 ATT에 따른 고객추적을 허용하였다 했을 때도, 약 3천만원이면 모든 잠재고객에게 우리 비즈니스의 광고가 도달이 될 가능성이 높다고 비약적으로 표현해볼 수 있습니다.
하지만 20대 여성 중에서도 우리 비즈니스를 원하지 않는 고객도 있을 것이기 때문에, 생각보다 우리가 너무 과다한 비용으로 하나의 온라인 광고 매체를 이용하고 있지는 않을까라는 고민을 해보면 좋을 것 같습니다.
이렇게 된다면, 단순히 온라인 광고 매체를 근시안적으로 볼 수 있는 상황도 발생하나 비즈니스를 원시안적으로 생각하는 마케팅 팀장 또는 경영진이라면, 매체를 지속가능하게 운영하되 우리 잠재고객이 많이 포진해있는데 새로운 매체를 지속적으로 실험해볼 것 같아요.
여기에 대한 선결조건은 현재 우리가 성과를 내고 있는 매체를 지속가능한 상태선 또는 그 이상의 상태로 운영이 되어지는 것이죠. 즉 End는 없습니다.
우리 서비스에 지속적으로 유입되고 있는 좋은 다리(매체)를 닫을 필요가 굳이 없기 때문이죠. 이 튼튼한 다리는 지속적으로 열어놓되 새로운 다리(매체)를 만들어나가는 것이 중요한 뿐입니다.
@amor30yk이러한 과정에서 새로운 다리를 만들어나갈수 있도록 현재의 다리를 지속가능하게 만들어주는 전략 그리고 도움이 되어주는 전략이 바로 Tofu, Mofu, Bofu 라는 온라인 광고 프레임워크입니다.
이 온라인 광고 프레임워크는 글로벌 적으로 이미 활용되고 있는 전략이며, 광고매체의 기능적 전략보다는 지속가능한 운영을 통해 잠재고객을 지속적으로 확장시키는 방법에 대해서 알려주는데요.
@amor30yk위 이미지에 나타나는 것처럼, 역사적으로 소비자 여정지도는 잠재고객이 여러 단계를 통해 우리가 원하는 행위를 달성한다는 것을 알려주는 연구인데요. 우리는 선구자의 연구를 통해 사회적으로 정의된 AIDA, AIDMA, AISAS 모델을 공부함으로써 각각의 단계 별로 어떻게 마케팅을 하면 좋을지에 대한 인사이트를 얻을 수 있습니다.
특히 온라인 광고 매체를 기준으로 위와 같은 단계별 인사이트가 담긴 프레임워크가 바로 TMB(Tofu, Mofu, Bofu)프레임워크라 이해하시면 좋습니다. 즉, TMB 프레임워크는 선구자들의 소비자 여정지도(CDJ, Consumer Decision Journey)가 베이스가 되어 온라인 마케팅에 반영된 온라인 광고 여정지도라 보면 좋겠습니다.
@amor30yk간략하게 정의하자면, ToFu(Top of Funnel)는 잠재고객에게 브랜드 인지 목적으로 상품에 대한 상세 정보보다, 정보성, 콘텐츠 중심으로 풀어내는 방법이라 이해하면 쉽습니다.
[예시]
"요즘은 년차가 높아질수록 야근도 많아지죠, #브랜드명"
"직장인의 퇴근 부스터, #브랜드명"
"#브랜드명, 직장인의 퇴근 공식”
MoFu(Middle of Funnel)는 잠재고객에게 상품 소개를 목적으로 상품에 대한 상세정보, 콘텐츠를 중심으로 보다 구체적인 관심을 이끌어 내는 방법이라 보면 좋겠네요.
[예시]
"퇴근이 빨라지는 온라인 클래스, #브랜드명"
"비전공자도 가능한 업무 자동화, #브랜드명"
"보고서 만드는데 매일 10분이면 된다고? #브랜드명"
"보고서에 시간 쓰지 마시죠, 업무 자동화는 #브랜드명"
BoFu(Bottom of Funnel)는 잠재고객에게 구매 유도를 목적으로 구매 기회를 중시하는 고객을 대상으로 구체적인 행동 요구라 보면 좋겠습니다.
[예시]
"내일이면 가격이 올라갑니다. 선착순 30%할인 #브랜드명"
"일주일 무료 시청으로 이제는 칼퇴하세요, #브랜드명”
"업무자동화 강의, 오늘 할인이 마감됩니다. #브랜드명"
TMB Framework가 말하는 구체적인 내용은 구글을 통해 누구나 쉽게 확인해볼 수 있고, 한글이 좀 더 편하다면 이전에 제가 작성한 아래 글을 먼저 읽어보면 좋습니다.
@amor30yk위의 이미지처럼, 결국 이러한 광고 소비자 여정지도 안에서도 User의 여정은 또 각각 다를 것 입니다.
User A는 TOFU, MOFU, BOFU라는 퍼널의 메세지를 통해 우리 서비스에서 전환을 할 수 있고, User B는 TOFU, MOFU의 메세지만을 통해 전환을 할 수 있고, User C는 Bofu만을 통해서 전환을 할 수 있게 되지요.
이러한 일련의 과정에 있어서 우리는 또 TOFU, MOFU라는 메세지를 통해 우리가 원하는 고객의 행동을 발생시킬 수 있도록 리타게팅을 할 수 있는 것이고, BOFU도 마찬가지 일 것 입니다.
결국 어쩌면 위에 작성했던 User Aquisition은 Cycle(순환)의 개념이 또 되어질 수도 있다는 말이 될 수도 있겠네요.
@amor30yk또 TMB 프레임워크를 구축할 때, 가장 중요한 핵심은 고객의 모든 여정에 있어서 Memory(기억)을 남기는 것 입니다. 즉, 모든 메세지에는 항상 우리의 브랜드명이 담겨야만 합니다. :)
다시 한번 잊지 마세요.
더 많은 잠재고객을 유입시켜 비즈니스 성장을 만든다는 것은 지속가능한 메세지 전략 수립이 중요합니다.
3-6) CC(Carry Capacity)의 이해
최근 PO 이승건 대표가 이야기 했던 주제도 위와 비슷한 이야기입니다. 이승건 대표가 강조하는 것은 CC(Carry Capacity)도 한 몫하는데요.
이 CC는 시장의 인구(==Target)이 한계가 있다는 전제하에 마케팅을 아무리 잘해도 순간의 성장(Bell Shape)는 만들 수 있지만, 결국 시장의 CC는 한계가 있기에, 그 한계에 도달하는 속도를 높일 뿐. 결국 프로덕트는 리텐션이 없다면, 시장에서의 프로덕트 성공율은 낮아진다 입니다.
결국 이 리텐션을 잘 유지할 수 없다면 새로운 BM을 만들거나, 컴퍼니빌더를 만들게 되는 현상이 존재하게 되는 것이죠.
리텐션을 높이기 위해서는 고객경험이 정말 중요한데, 저는 이것을 맥락마케팅(Context Marketing)의 전략을 활용해야 한다고 생각을 합니다.
사실 맥락마케팅은 이미 선구자를 통해 많이 연구된 학문입니다.
우리가 좋은 고객을 획득시켰다는 것은 우리 비즈니스에서 특정 행동을 할만한 고객을 데려왔다는 것인데, 그 고객이 우리 비즈니스에서 특정 행동을 할 수 있도록 지속적인 연결 포인트를 만들어내야 된다는 것 인데요. 이것을 우리는 CRO(Conversion Optimize) 전략이라 말하기도 합니다.
예를 들어, 고객은 우리 서비스에서 자신이 겪고 있는 페인 포인트를 해결하기 위해 가입을 하게 되는데, 그 페인 포인트를 제대로 전달하지 못한다면 고객은 이탈을 하게 된다는 것이죠.
또, 예를 들어, "에어팟을 선물로 주는 서비스"라는 워딩을 소재에 사용했을때, 10대가 유입되었고, 실제 에어팟을 받으려면 10대가 사용하지 않는 웨딩 드레스를 구매해야한다는 조건이 붙었다면. 그 10대는 유입 이후 "사기"당했다. 라는 생각을 할 것이고. 이것은 부정적인 경험으로 고객의 기억에 남게 될 것입니다.
운이 좋게 회원가입이라도 시켰거나 마케팅으로 활용할 수 있는 고객의 데이터를 얻었으면 다행이지만, 결국에는 비즈니스에 전혀 효용성 없는 행위를 한 것이고, 이 행위는 우리 비즈니스의 미래 가치를 땡겨와서 쓴 것이기 때문에, 우리 비즈니스의 미래는 이미 하락세가 되었다라고 정의 내릴 수 있습니다.
즉 비즈니스는 거기서 멈추게 되고, 무작위 적으로 또 새로운 BM을 만들어 기업가치를 향상시켜 투자를 받으려는 전혀 쓸모없는 무의미한 행위만 반복되게 되지요. :)
앞서 이야기했던 CAC, LTV, Retention 모두 결국 User Acquisition과 연결되어 있습니다. 그리고 앞서 위에 설명한 User Acquisition은 Cycle의 의미도 갖고 있죠.
결국 우리 비즈니스가 성장하려면 얼마나 빠른 속도로 잠재고객을 획득하고 그리고 특정 액션을 만들 것인지가 굉장히 중요하다는 사실인데요. 그리고 그 특정 액션은 '잠재고객을 어떤 메세지로 획득시켰는가에서 시작'됩니다.
잠재고객이 처음 우리 서비스에 방문한 순간은 자신의 Pain Point를 해결해줄 수 있다는 마음으로 방문을 합니다. 이후 자기가 겪고 있는 Pain Point를 해결해줄 수 있는 서비스인지 구석구석 우리 상품을 탐색 한 후, 최종적으로 구매를 하게 되지요. 이후 구매에 대한 만족감 또는 경험으로 또 다시 재방문을 하게 되기도 하고, 본인이 마케터가 되어 새로운 사용자를 데려오기도 합니다.
그렇기 때문에 많은 기업이 고객에게 제안하는 VP(Value Proposition)란 가치가 기업의 전체 퍼널(==Growth Loop)에 스며들 수 있도록 PMF(Product Market Fit), LMF(Language Market Fit), CRO(Conversion Optimization), CX(Customer Experience)개선 등을 다양하게 적용하고 실행하고 있습니다.
또 이를 가능하게 도와주는 도구인 CRM(Customer Relationship Management), Media 역시나 매우 중요하게 활용되고 있죠.
이러한 과정에서 고객에게 메세지를 일관되게 전달하고자 방법을 찾고 개선을 하고 있다는 것입니다. 하지만 위와 같은 전략을 제대로 하지 못한다거나 아예 하지 않는 경우에는 결국 그 비즈니스는 지속가능한 서비스가 될 확률이 낮아질 수 밖에 없겠습니다.
User Aquisition을 잊지마시길 바랍니다.
잠재고객에게 메세지를 처음 쥐어주는 순간은 User Aquisition 입니다. 그리고 고객은 메세지를 기반으로 우리 비즈니스를 이용할 것인지 이용하지 않을 것인지 결정하게 된다는 것이죠.
좋은 고객을 획득시키려면, 그 만큼 우리 비즈니스와 고객을 잘 이해해야 된다는 말이 되기도 합니다. 또한 User Aquisition은 제가 글의 첫 문단에서 정의내렸던 퍼포먼스 마케팅처럼 비즈니스와 소비자를 연결해주는 효과적인 유통 역할을 가진다고 볼 수 있겠습니다.
4. How to do User Acquisition?
4-1) 여러분의 생각을 들려주세요
먼저 긴 글을 읽어주신 여러분에게 감사의 인사를 전달드립니다.
앞으로의 시대는 좋은 고객을 획득하는 방법이 중요해질 것이라 생각합니다. 2023 트렌드코리아에 따르면 평균실종이란 키워드가 대중화될 것이라 말하는데요. 실제 그러한 현상이 우리에게 현실로 다가오고 있습니다.
중산층이 점차 사라지고 사회계층이 양극단으로 몰리는 현상, 코로나로 인해 빈익빈 부익부가 나타나고 있는 현상, 물가 상승과 택시비, 지하철, 버스비, 가스비, 전기세 상승 등 평범하게 벌어도 평범하게 살 수 있었던 세상이 이제는 그렇지 못하게 되어가고 있습니다. 이와 동시에 트렌드 또한 점차 다양해지고 세분화되어지고 있지요.
이러한 상황에서 좋은 고객을 획득하는 방법은 또 무엇이 있을까요?
먼저 제가 좋은 고객을 획득하는 방법에 대해서 말씀드렸고, 이제는 여러분이 생각하는 좋은 고객을 획득하는 방법이 궁금해지기 시작하고 있습니다.
언제든 좋은 인사이트가 있다면 아래 이메일 또는 SNS로 이야기를 편히 전달주세요. 감사합니다.
작가소개
안녕하세요. 장용국(Will)입니다.
현재는 빅데이터를 다루는 유니콘 기업에서 그로스컨설턴트로 일하며, 한양대학교 대학원 졸업을 앞두고 있습니다.
퍼포먼스 마케팅, 그로스 해킹 및 데이터 관련 고민이 있으시거나 멘토가 필요하시다면 언제든지 아래 이메일로 연락주세요. 물론 강연 제의도 환영합니다.
■ 이메일 : amor26yk@gmail.com
■ 페이스북 : https://www.facebook.com/yongkook.soup.7/
■ 인스타그램 : https://www.instagram.com/avec.yk/
