그로스해킹, 정말 알고 계신가요?
PM의 별책부록 006
스타트업에서 PM으로 일을 하다보니 그로스해킹이 스타트업 성장의 핵심이라는 생각이 들었다.
그런데 하면 할수록 내가 정말 그로스해킹을 알고 있는게 맞는지 의심이 들었다.
그로스해킹이 도대체 무엇이고, 어떻게 하는 것인지 PO님들의 추천 도서 ⌜그로스해킹⌟을 통해 스터디 해보기로 했다.
1. 그로스해킹이란?
그로스해킹은 ‘핵심 지표를 찾아 그 지표를 성장시키는 방법을 찾는 활동’이다.
어떻게 하면 성장하는 서비스를 만들 수 있을까? 라는 질문에 대한 답을 찾는 과정이라고도 할 수 있다.
나는 왜 그로스해킹을 하고 있으면서도 잘 모른다는 생각이 들었을까?
우리는 보통 에어비앤비나 드롭박스같은 기업들의 화려한 성공 사례를 통해 그로스해킹을 공부하곤 한다.
그리고 막상 우리 서비스에 적용해보려고 하면 어디부터 어떻게 해야하는지 막막해진다.
그럴 수 밖에 없는 것이 “그로스해킹은 각 서비스의 사용 맥락이나 시장 상황을 반영해서 진행할 때만 의미가 있기 때문이다.”
그로스해킹의 해적지표인 AARRR 퍼널을 바탕으로, 데이터에서 인사이트를 찾아내고 지속적으로 개선해 나가는 ‘방법’을 익히는 것이 그로스해킹 공부의 핵심이다.
2. 제품-시장 적합성 (PMF)
그로스해킹의 시작은 PMF를 찾는 것이다.
애초에 수요가 없는 제품이라면 그 이후에 어떤 그로스해킹 방법론을 사용하더라도 제품을 성공시킬 수 없기 때문이다.
서비스기획자들은 나름의 논리로 무장을 하고 서비스를 만들지만, 오히려 논리에 매몰되어 ‘아무도 원하지 않는 서비스를 열심히 만드는’ 함정에 빠질 때가 있다.
그때 아래와 같은 질문들을 통해 제품이 정말 시장에 적합한 것인지 PMF를 다시 확인해볼 수 있다.
내가 재직하는 회사에서도 그로스해킹을 하면서도 매순간 ‘우리는 시장에 적합한가?’, ‘도출한 개선안이 정말 문제를 해결하고 가설을 검증하고 있나?’를 되묻는다.
그리고 그 질문들에 NO라는 답이 나올 때는 아무리 공들였던 것이라도 과감하게 피쳐나 서비스를 버리기도 한다.
이미 안될 서비스를 붙잡고 심폐소생을 하느니 눈물을 흘리면서라도 새로운 고민을 시작하는게 더 유익하다.
PMF는 당연히 데이터에서 힌트를 얻을 수도 있다.
다음과 같은 지표들이 PMF를 견인한다.
① 리텐션
② 전환율 (특히 구매전환율)
③ NPS
그렇다면 만약 우리 서비스가 PMF를 만족하지 못했을 때 우리는 무엇을 해야할까?
이때 꼭 해야할 일과 해서는 안되는 일을 정리하자면 다음과 같다.
3. 해적지표 AARRR
효율적으로 지표를 관리하려면, 사용자의 서비스 이용 흐름 (User Flow)에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의해야 한다.
1) 고객 유치 (Acquisition)
핵심은 고객 유치에 기여(Attribution)한 채널의 성과를 올바르게 판단할 수 있는 기준을 세우는 것이다.
예를 들어 실제로 분석 툴에서 오가닉(자발적 유저)으로 분류되는 유저들은 상당수가 ‘식별되지 않은’ 유저일 가능성이 크다.
그렇기 때문에 오가닉 유입 유저를 늘리겠다는 전략을 세워두고, 분석 툴 상의 오가닉 지표만 보고 있다면 플랜의 성과 여부를 판단할 수 없다.
웹 서비스에서는 올바른 유저 식별을 위해 UTM 파라미터를 심어 유입을 촘촘히 체크한다.
앱 서비스에서는 조금 더 복잡하게 앱 설치와 진입에 어떤 채널이 기여했는지를 ‘어트리뷰션 모델’을 사용해 정의한다.
보통의 고객들이 여러차례의 상호작용을 통해 앱 서비스를 인지하고, 관심을 갖고, 설치를 실행하기 때문이다.
어트리뷰션 모델은 데이터분석의 기초가 되는 기준인 만큼 논리적으로 명징하게 선택되어야 하지만,
채널 특성을 고려하지 않고 모든 채널에 동일한 모델을 적용하는 것 또한 좋은 판단이 아니다.
많은 기획자들이 고객 유치 성과가 정체된 것처럼 느껴질 때 기존 채널에 대한 최적화를 고민하기보다 새로운 채널을 찾는데 리소스를 투여한다.
하지만 이 책에서는 기존 채널을 효율화하고 최적화하는 것이 더 좋은 결과를 가져오는 경우가 많다고 소개한다.
특히 예산 규모가 늘어날 때, 채널 확장보다 채널의 최적화를 우선 시 고려하는 것이 더 중요하다.
결국 우리가 그로스해킹을 통해 달성하고자 하는 것은 당장의 지표 몇 개가 아니라 서비스가 올바르게 고객의 문제를 해결하는 것이라는 사실을 잊으면 안된다.
2) 활성화 (Activation)
사용자가 우리 서비스의 핵심 가치를 경험하게 만드는 것이 이 단계의 가장 중요한 포인트이다.
이때 핵심 가치는 제공자인 우리가 아닌 ‘사용자의 입장’에서 정의되어야 한다.
서비스에 진입하는 순간부터 핵심 가치를 경험하기까지의 ‘크리티컬 패스’를 잘 정리한 후, 이에 따른 퍼널을 분석할 수 있다.
이때 ‘전환율’ 지표를 주목하게 되는데, 일반적으로 전체 서비스 단위로 하나로 요약된 전환율을 관리한다.
하지만, 전환율 지표는 여러 그룹으로 쪼개서 볼 때 훨씬 더 강력한 의미를 지닌다.
가입 시점, UTM, 이벤트 경험 등 다양한 기준으로 코호트를 구성해서 지표를 살펴보자.
활성화 단계의 핵심 과정결국 그 끝에는 ‘전환된 사용자와 전환되지 않은 사용자는 무엇이 다른가’라는 핵심 질문에 봉착하게 된다.
이에 대한 답은 서비스마다 다를 것이다. 그리고 이 답이 서비스 개선의 핵심 기준이 되어야만 한다.
실제 퍼널을 개선할 때는 전환율 가치를 높이는 것보다, 퍼널에 속한 각 단계의 수를 줄이는 것이 더 효과적인 경우가 많다는 점을 명심하자.
3) 리텐션 (Retention)
리텐션은 고객 '유지율'을 나타내며 서비스의 성공과 직결되어있는 가장 기본적인 지표이다.
일반적으로 방문(접속)을 기준으로 하지만, 서비스의 형태에 따라 리텐션 기준을 다르게 설정할 수도 있다.
중요한 것은 사용자가 유의미한 행동을 하는 것이고, 이 행동이 반복되는지를 살펴보는 것이다.
리텐션 지표는 특히 개선이 어렵지만, 대표적으로 복리를 가져오는 지표이기도 하다.
책에서는 이러한 리텐션을 올바르게 측정하기 위한 세 가지 방법론을 소개한다.
서비스의 형태마다 택하는 방법론이 달라야만 한다.
예를 들어 클래식 리텐션은 메신저나 SNS 서비스처럼 매일 접속해서 사용할 것으로 기대되는 서비스에 적절하다.
반대로 롤링리텐션은 여행이나 이사 서비스처럼 빈도가 드물게 나타나는 서비스의 유지율을 관리하는 데 유용할 수 있다.
리텐션 지표 또한 코호트별로 나누어 인게이지먼트를 측정하고, 코호트 간의 차이와 그 원인 요소를 규명하는 것이 가장 중요한 목표라고 할 수 있다.
여기서의 코호트는 기본이 날짜별, 유입 채널별로 나누는 것이다.
리텐션을 개선하는 방법은 서비스의 상황에 따라, 리텐션 지표에 따라 달라진다.
아직 서비스 런칭 초반이거나 안정된 리텐션 지표에 이르지 못했을 때는 초기에 떨어지는 속도를 늦추는 것이 중요하다.
이는 신규 사용자 경험(NUX)과 매우 밀접한 관련이 있다.
반대로 서비스가 궤도에 오르고 리텐션이 안정화된 이후에는, 떨어지는 기울기를 평평하게 유지해서 오래 유지되게 하는 것이 핵심이 된다.
이때는 유저와의 관계를 잘 유지하고 복귀 명분을 만들어주는 리마케팅 활동이 중요해진다.
특히 높은 리텐션은 노트앱이나 가계부앱처럼 서비스를 통해 축적되는 가치가 있는 서비스에서 굉장히 높게 나타난다.
우리 서비스 내에도 축적되는 가치를 설계해 리텐션을 높게 유지하거나, 후발주자인 경우에는 오히려 축적된 가치를 손쉽게 이전하는 기능을 제공한다면 순식간에 선발주자를 뛰어넘는 기회를 잡을 수도 있다.
4) 수익화
결국 사업의 성패를 가르는 것은 수익화이다.
이 단계에서는 반드시 비즈니스 모델이 잘 동작하는지, 비용 대비 수익이 안정적인지를 데이터로 확인할 수 있어야 한다.
기본적으로 사용하는 주요 지표들은 다음과 같다.
내용을 살펴보시면 알겠지만, 이런 지표들을 딱 떨어지는 숫자로 계산하는게 쉽지는 않다.
그러므로 중요한 것은 요약된 숫자 결과값을 찾는 것보다, 위 다른 지표들과 마찬가지로 코호트를 잘 나누고 코호트별 고객 생애 매출 추이가 어떻게 '변화'하는지 유심히 살피는 것이다.
고객 생애 매출을 대략적으로나마 고려해서 목표로 하는 고객 획득 비용 수준을 정할 수 있다.
수익 구조나 마진을 고려했을 때 고객 생애 매출의 10-20% 가량을 마케팅 의사결정의 기준으로 잡을 수 있다.
수익화 지표를 볼 때 유의할 점은 개인별 편차가 상당히 크게 나타난다는 점이다.
따라서 단순히 평균값을 구하는 것보다 '서비스에 대한 충성도가 높고 매출 기여 기대가 높은 사용자 층'을 잘 찾고 관리하기 위한 목적으로 수익화 지표를 살피는 것이 좋다.
혹여나 서비스 초기에 수익 모델이 포함되어있지 않더라도 데이터를 들여다보며 언제, 어떻게 수익화할 것인가에 대한 로드맵을 명확히 하는 것을 추천하는 바이다.
5) 추천 (Referral)
추천은 오가닉 유입의 하나로 입소문을 통한 선순환 구조를 구축하는 문제에 가깝다.
오가닉 유입이 느는 것만큼 반가운 게 없지만, 이러한 레퍼럴이 말 그대로 오가닉하게 일어나기는 어렵다.
자연스러운 레퍼럴 환경을 조성하고 오가닉 유입을 관리하는 프로세스들이 동반될수록 효과가 높아진다.
예를 들어 친구를 초대하는 플로우를 설계해 '직접 초대' 방식을 사용할 수 있게 하고,
이에 따른 셀러브레이션이나 보상(현금성/혹은 서비스 업그레이드 등)이 있을 수 있다.
또 레퍼럴을 통해 유입된 유저는 마케팅을 통한 유입보다 가입 전환율이 높게 기대된다.
이때 온보딩 프로세스를 세심하게 설계하면 친구 초대의 효과를 크게 높일 수 있다.
바이럴 계수 계산식레퍼럴의 핵심인 바이럴 계수를 구하는 방법은 위과 같다.
여기 해당하는 각각의 상수를 높이는 활동들이 곧 레퍼럴을 개선하는 방안이 된다.
일반적으로 바이럴 계수가 1을 넘어가면 추천을 통한 신규 사용자가 기하급수적으로 증가한다.
동시에 전환된 유저가 또 다시 다음 추천의 모집단이 되기 때문에 높은 복리의 특성을 갖게 된다.
마무으리 >
읽으면 읽을수록 데이터분석사 뿐 아니라 서비스를 다루는 모두가 알고 공유해야하는 이야기들로 가득하다는 생각이 들었다.
나의 편의를 위해 많은 내용을 요약하여 정리했으니 꼭 더 훌륭한 원문을 읽어보시길 추천드리는 바이다.
스터디한 도서는 양승화 작가님의 [그로스해킹].
본 아티클은 광고가 아닌 순수 추천임을 밝힙니다 :)
https://m.yes24.com/Goods/Detail/96576416
