문턱을 넘은 고객을 움직이는 법, 랜딩페이지 최적화
생각보다 쉬운 AB테스트
어떤 고객이 문턱을 넘어 사이트에 방문했다. 그리고 슬쩍 둘러본다. 살짝 방문한 고객을 움직여야 한다.
LPO툴을 기획개발 프로젝트에 참여했던 적이 있었다.
*LPO: Landing page optimization 랜딩페이지 최적화
당시 랜딩페이지에서 ‘상품 조회-> 카트-> 주문페이지’ 각각의 전환율을 20%만 개선해도, 최종 구매 전환당 단가는 42% 절감되고 광고 수익률은 73%가 늘어난다는 경제학적 시뮬레이션으로 개발한 랜딩페이지 최적화 툴의 상품소개서 앞면을 채웠다.
랜딩페이지 최적화
랜딩페이지란 고객이 광고를 클릭하여 유입했을 때 도달하는 페이지다. 그렇다면 랜딩페이지 최적화는 어떻게 할 수 있을까.
고객이 원하는 페이지를 찾아줘라
고객이 원하는 페이지를 보여주고, 고객이 원하는 정보를 주는 것이다.
이를테면 ‘롱보드’ 키워드의 랜딩페이지는 메인 페이지 대신, 관련 상품 리스트가 있는 페이지로 연결한다. 혹은 가장 인기 있는 상품으로 연결할 수도 있다. 또한 DA배너 소재와 랜딩페이지에서도 같은 메시지로 연결성을 주는 것이 중요하다.
CTA 활용하기
CTA란 Call to Action을 의미한다. 즉 액션을 유도하는 노골적인 버튼으로, 전환율을 끌어올리는 데에 있어 CTA버튼의 역할은 중요하다.
가입, 무료체험 혹은 구매 등등 여러 가지 CTA를 보여주기보다 가장 중요한 CTA버튼을 강조하고 최적화하는 것이 좋다. 또한 홈페이지 구석구석 모든 영역에 친절하게 CTA를 넣어주는 것도 전환율을 올리는 방법이다. 많은 사이트에서 구매 버튼은 하단에 고정되어 있는 경우가 많은 것 또한 이 때문이다.
또한 CTA버튼의 위치, 장바구니 아이콘 색 등을 달리해볼 수 있다.
유저의 UX를 최적화하라
보험회사의 경우, 보험료 조회하기에 정보 기입 단계를 최소한으로 줄여 조회율을 높인다. 이렇듯 고객의 UX를 고려하면 전환율이 올라간다.
무료배송까지 13,200원 남았습니다.
어느 뷰티 브랜드 D사에서는 장바구니에서 ‘얼마를 더 사야 무료배송 혜택을 받을 수 있을까’라는 유저 경험을 고려하여 무료배송조건까지 남은 구체적인 금액을 보여주고, 더 나아가 ‘베스트 상품 보러 가기’ 버튼을 통해 부족한 금액을 채우기 위해 무얼 사지 하는 고객의 두 번째 고민을 덜어줌으로써 유저의 UX를 최적화함으로써 성과를 개선했다.
(사례 출처: http://www.openads.co.kr/nTrend/article/5239)
데이터를 기반으로 한 의사결정
랜딩페이지 최적화를 위해 가장 빠르고 심플한 방법 중 하나는 AB테스트다. 감으로 이게 좋은 것 같다고 판단하기보다는 AB테스트 결과를 가지고 하나를 결정하는 것이 좋다.
AB테스트를 돕는 툴은 많다.
내가 참여, 기획한 LPO툴은 자체 개발 여건이 안되거나, 보안 등 이슈로 스크립트 설치가 어려운 광고주의 홈페이지에서도 AB테스트가 가능하도록 돕는 툴이었다. 이외에도 Optomizely, Visual Website Optimiser(이하 VWO)와 같은 서비스가 있다. 툴마다 조금씩 차이는 있으나, 트래픽을 컨트롤하여 다른 URL페이지를 보여주거나, 에디터를 활용하여 간단히 이미지나 버튼색 등을 수정하여 쉽게 AB테스트를 하는 굵직한 기능은 동일하다.
전환율 차이가 유의미한가요.
AB테스트를 진행함에 있어 결과를 판단할 때 A와 B의 차이가 유의미한가를 따져봐야 한다. 유의 수준(significance level)을 통해 통계적 의미를 판단하는 데 아래 VWO에서 제공한 ‘유의 수준 계산기’를 활용하면 도움이 된다. VWO에서는 유의 수준 95%를 기준으로 차이가 통계적으로 의미 있는지를 보여준다.
*통계적의미 확인하기
https://vwo.com/ab-split-test-significance-calculator/
유의 수준뿐만 아니라 테스트 크기와 트래픽도 중요하다. 샘플링된 대상보다는 전체를 대상으로 하고, 트래픽이 크면 클수록 더 정확하고 빠른 결과를 얻을 수 있다.
위 언급한 AB테스팅 툴에서는 나름의 로직과 통계적 유의미도, 트래픽을 고려하여 win 여부를 가려준다. 툴 활용이 어렵다면 아래 계산기(VWO제공) 활용해보는 것도 방법이다.
*테스트기간 계산기
https://vwo.com/ab-split-test-duration/
구글은 2009년도에 약 12,000번의 실험을 진행했고 이중 10%의 실험 결과만 사업방향에 반영되었다고 한다.
AB테스트를 하다 보면 유의미한 테스트 결과 없이 테스트를 종료하게 되는 경우가 많다. 테스트 결과와 숫자에 집착하거나, 테스트를 포기하기보다는 꾸준히 테스트를 진행하며 성과를 개선하는 지속력이 무엇보다 중요하다.
