AARRR 그게 뭔데?
GROWTH HACKING - (1)
스타트업에서 공통으로 강조하는 점이 있다. 새로운 제품과 기술. 그거 정말 고객이 원하는 것인가? 전통적인 산업에서는 '기획-생산-판매' 순으로 제품을 생산해왔다. 논리적인(?) 분석을 통한 기획서를 작성하고, 제품을 우선 만든 다음, 고객에게 이를 판매해왔다. 그러나 이는 반대로 되어야 한다.
제품은 가설을 테스트 하는 방법이다. 정말 고객의 니즈가 있는지, 검증하기 위해 제품을 사용해야 한다. 최소한의 기능을 가진, 그러나 가설을 검증하기에는 충분한 MVP(minimun viable product)를 먼저 출시하고 고객의 피드백을 반영해 개선해나가면 된다. 많은 시간과 노력을 투입하여 기능이 다양한 제품을 만들었으나, 아무도 그러한 제품을 원하지 않는 것을 꺠닫는다면 얼마나 씁쓸하겠는가.
성장이 둔화되었을 때, 제품 관리자가 많이 하는 실수는 기능을 추가하고, 추가하고, 추가하는 것이다. 새로운 기능이 새로운 고객을 불러올 것이라는 막연한 기대는 실패하기 마련이다. 서비스의 복잡도만 높이게 된다. 테스트하고 싶은 가설을 명확하게 설정하고, 이에 맞는 데이터를 수집 후 적절하게 분석하는 게 필요하다.
Product-Market Fit
우리가 가는 방향이 고객이 원하는 방향이 맞는지, 제품-시장 적합성(product-market fit)을 확인해야 하는데. 이를 확인할 수 있는 지표는 다음과 같다.
- 리텐션(retention): 시간이 지나도 안정적으로 고객이 유지되는가
- 전환율(conversion rate): 한 단계에서 다음 단계로 넘어가는 고객이 얼마나 있는가
- 순수 추천지수(net promoter score) = (적극적 추천 그룹 - 비 추천 그룹) / 전체 응답자
AARRR
서비스 이용 흐름에 따른 핵심 퍼널과 지표를 정의하고, 해당 지표를 개선하기 위한 과업을 수행해야 한다. 그래야 전체적인 서비스의 관점에서 무엇이 중요한지를 한 눈에 볼 수 있다.
"AARRR의 5단계 모델에서 '고객 유치(Acquisition)'가 가장 먼저 나오기는 하지만, AARRR을 활용하려는 스타트업에게 개인적으로 추천하느 순서는 '활성화(Activation)'과 '리텐션(Retention)'에 집중하는 것이다. 그 다음에는 '고객 유치(Acquisiton)'과 '추천(Referral)', 그 후에 '수익화(Revenue)' 이다.
- 데이브 맥클루어(Dave McClure) / AARRR 지표의 창시자 -
Activation
: 고객이 이탈하지 않고 끝까지 전환되어 서비스의 핵심 가치를 경험할 수 있도록 퍼널을 개선해야 한다.
1) 퍼널의 세부 단계 정의: 아하 모먼트(Aha-moment)를 경험하기까지의 패스를 크리티컬 패스(Critical Path)를 개선해야 한다. 한 단계에서 다음 단계로 전환이 잘 이루어지는 것도 중요하지만, 가끔은 단계 자체를 줄여버리는 것이 더 효과적일 수 있다.
2) 전환율: 한 단계에서 다음 단계로의 전환은 어떻게 정의할 수 있을까? 한 사람이 5개의 상품을 탐색 후 구매를 했다면, 전환률은 20% 일까 아니면 100% 일까? 이 정의에 따라서 해결해야 할 문제가 다르게 정의된다. 전자라면 상품 탐색을 줄일 수 있는 방법으로 (클릭 한번이 바로 구매로 이어지도록), 후자라면 상품 탐색에는 문제가 없고 구매 등 다른 단계를 개선하려고 할 것이다.
3) 코호트 분석: 모든 고객이 다 동일한 전환률을 보이는 것은 아니다. 충성 고객과 일반 고객, 여성과 남성, 연령대 등에 따라 행동이 달라지는데. 평균의 함정에 빠지지 않으려면 이들을 구분하여 분석하는 것이 중요하다. 이렇게 공통된 특성이나 경험을 한 사용자 집단으로 나누어 분석하는 것을 코호트(cohort) 분석이라 한다.
4) 전환률을 높이는 법
- 개인화: 회원님 대신 이름 석자를 넣는 것도 효과적이며, 개인 맞춤화 제안을 하는 것도 좋다. 꼭 ai를 기반으로 한 최첨단 제안일 필요는 없고 룰 베이스(rule-based) 제안이여도 충분하다.
- UX/UI 개선: 주요 화면의 변화는 전환률의 변화를 가지고 오는데, 개악인지 개선인지는 봐야 안다.
- CRM: 메일, 푸시, 인앱 메시지 등을 활용해 전환율을 높일 수 있다. 다만 논 타켓팅보다는 고객 타겟팅된 알림이 더 효과적이며, 고객의 피로도도 줄일 수 있다.
Retention
: AARRR에서 가장 개선하기 어려운 부분이면서도, 개선할 경우 복리 효과가 가장 큰 지표이다. 고객의 서비스 유지율을 뜯하는데, 꼭 접속만으로 한정되지는 않는다. 서비스에 따라 상품 페이지 방문, 구매완료, 콘텐츠 시청, 메시지 주고받기 등 다양한 기준을 잡을 수 있다.
: 리텐션은 어느 정도인게 좋을까? 이는 산업의 특성에 따라 달라진다. 매일 사용하는 메신저, 전화 등의 리텐션과 주기적으로 사용하는 의류 및 항공 등의 리텐션에는 큰 차이가 있다.
: 한 번 떨어진 리텐션을 끌어 올리기는 어렵기에, 애초에 리텐션이 떨어지지 않도록 잘 관리해야 한다. 후발주자일 경우, 경쟁 서비스에서 축적된 가치를 손실 없이 이전해주는 것이 좋다. 예를 들어, FLO는 사용하던 플레이리스트를 캡쳐하여 업로드 하면 동일한 플레이리스트를 FLO에서 만들어준다.
1) 리텐션 측정하기
- 클래식 리텐션 = N일에 서비스를 사용한 사람 / 0일에 처음 서비스를 사용한 사람
: 매일 접속하는 전화, 메신저, SNS 등의 서비스에서 사용하기 적합.
: 간단하게 보기 위해서는 인게이지먼트(engagement) 활용 = DAU / MAU
(장) 쉽고 간단하게 계산이 가능 (단) 데이터 노이즈 발생 가능 (→ 줄이기 위해 여러 날의 평균을 사용하기도)
- 범위 리텐션 = 특정 기간 동안(1주일, 1달, ... ) 서비스 사용한 사람 / range 0에 처름 서비스 사용한 사람
: 기간 내 접속한 횟수 고려하지 않음. 일정 간격으로 사용하는 가계부, 음식 배달 서비스 등.
(장) 노이즈에 덜 민감함 (단) 기간 범위가 길어수록 과대계상됨, 데이터 축적에 시간이 오래 걸림
- 롤링 리텐션 = after N day에 서비스 사용한 사람 / 0일에 처음 서비스 사용한 사람
: 마지막 로그인 날짜를 사용해 계산. 이탈률에 중점을 두어 여행 등 서비스 이용 주기가 긴 서비스에 적합
(장) 쉽고 간단한 계산 (단) 과대계상 문제, 사용자들의 이후 접속 패턴에 따라 지표가 계속 변화
2) 리텐션 분석
: 리텐션도 마찬가지로 코호트 분석을 할 수 있다. 보통 '동일 가입 기간' 혹은 '동일 결제 기간'으로 잡는 경우가 많다. 각 코호트의 볼륨(사용자 수)을 작성하고 날짜(일정 기간)을 기준으로 리텐션을 기록한다. 하나의 코호트 안에서 날짜에 따른 리텐션의 변화, 코호트 간의 비교, 코호트 규모의 변화 등을 분석해보자.
3) 리텐션 개선
- 초기 떨어지는 속도를 늦추기: 활성화 프로세스 개선 (NUX)
- 오랜 기간 유지시키기: 정기적인 프로모션, CRM, 리마케팅 등을 통해
Acquisition
: 고객 유치에 기여한 채널의 성과를 파악할 수 있는 지표가 필요하다. 이는 채널 특성을 고려하여 기준을 설정해야하며, 고객 획득 비용(customer acquisiton cost)도 무시할 수 없다. 다만 고객 획득 비용이 낮다고 꼭 좋은 것만은 아니며, 효과성을 고려해야한다.
: 다른 마케팅 채널을 찾기 전에 기존 채널에 충분히 최적화가 되었는지를 꼭 검토해볼 필요가 있다. 새로운 채널을 찾기 위해 소요하는 시간과 비용을 줄여줄 거이다.
1) 온라인 UTM parameter
2) 모바일 Attribution: 웹에서 바로 클릭하는 것과는 다르게, 모바일에서는 앱을 설치 후 사용하기에 식별하기가 조금 더 복잡하다.
- 어트리뷰션 유형: 클릭-스루/ 룩-스루
- 어트리뷰션 윈도우(=룩백 윈도우): 기여 이벤트 발생 후 얼마만큼의 기간 동안 발생한 전환에 대해 기여를 인정할 것인가. 일반적으로 클릭-스루 7일, 룩-스루 1일 정도이다.
- 어트리뷰션 모델: 기여 이벤트가 여러 개라면 어떤 것에 가중치를 둘 것인가 (first click, last click, linear, time decay, u-shape)
Referral
: 기존 유저의 추천이나 입소문을 통하여 새로운 유저를 데리고 오는 것을 의미한다. CAC가 상대적으로 낮을 뿐더러 리텐션이 더 높기에 매우 중요한 추천 채널이다. 다만, 이를 위해서는 NUX가 잘 설계되어있어야 하며 서비스의 완성도 자체가 높아야 한다. 그렇지 않다면 바이럴 루프가 제대로 작동하지 않는다.
1) 친구 초대
: 초대하는 맥락을 설정하지 않고서는 신규 유저를 끌어들이기 어렵다. 예를 들어, 카카오 뱅크의 모임 통장은 실시간으로 입/출금 내역을 확인하기 위하여 자연스레 모인 통장에 가입하고, 카카오뱅크 예/적금 통장을 만드는 진성 고객이 된다. 드롭박스는 친구 초대시 추가 저장 공간을, 토스는 송금 지원 기능을 통해 친구초대 행동에 보상을 주어 행동을 강화했다.
2) 바이럴 계수 = 사용자 수 X 초대 비율 X 인당 초대한 친구 수 X 전환율 / 사용자 수
: 바이럴 계수에 영향을 미치는 요인을 나누어서, 현재의 문제점을 분석할 수 있다. 초대 비율이 문제라면 사용자 수를 아무리 늘려도 바이럴 계수를 개선하는 데 도움이 되지 않을 것이다. 바이럴 계수가 1을 넘으면 신규 이용자가 기하급수적으로 늘어난다.
: 숫자와 함꼐 고려해야 할 것이 바로 속도이다. 초대의 주기가 짧을수록 증가 속도가 빨라진다.
: 실제 현실에서 초대 받을 수 있는 사람은 유한하기에 목표 시장의 포화도도 염두에 두어야 한다.
: 바이럴 계수는 초대받은 사람이 서비스에 가입했는지만을 알려준다. 그가 서비스의 핵심 가치를 잘 경험했는지, 리테인이 되었는 지는 알 수 없다. 따라서 이들의 행동 주기를 따로 관리해줘야 한다.
Revenue
1) 특정 기간에 대한 지표
- Average Revenue Per User = revenue / user
- Average Revenue Per Daily(Weekly) Active Use = daily(weekly) revenue / dau(wau)
- Average Revenue Per Paying User = revenue / paying user (결제자만 기준으로, not 전체 유저)
- Lifetime Value = (M-c) / (1-r+i) - AC
* M: 1인당 평균 매출, c: 1인당 평균 비용, r: 고객 유지 비율, i: 할인율 (기간 고려), AC: 고객 획득 비용
* 한 사용자가 서비스에 진입 ~ 이탈하는 전체 기간에 누적해서 발생시키는 수익
- Lifetime Revenue = Sum (결제자 * ARPPU) / 가입자 (가입자가 이탈할 떄 까지)
* 현실적으로 LTV를 구하기 힘들어 수익이 아니라 (비용까지 생각해야) 매출만 계산
2) 수익화 분석하기, LTR > CAC + a
: 고객 생애 매출이 고객 획득 비용보다 충분히 커야 한다. 고객 생애 매출을 늘리는 것이 수익에는 더 이롭지만, 현실적으로는 고객 획득 비용이 더 변화시키기 편한 지표이다. 따라서 고객 생애 매출을 먼저 계산하고, 이의 1/5~1/10 수준으로 고객 획득 비용을 잡으면 좋다.
3) 수익화 쪼개서 보기
- 아이템별 매출의 합계: 매출 호조/부진 상품 등 분석
- 사용자별 매출의 합계: 사용자 세그먼트(연령, 신규/기존, 가입기간 등)를 나누어 매출 분석
- 결제자수 X ARPPU = 활동 회원 X 결제 비율 X ARPPU = 가입자 X 리텐션 X 결제비율 X ARPPU
= 설치 수 X 가입 전환률 X 리텐션 X 결제 비율 X ARPPU
- 월별 반복 매출(MRR) = 기준(전월) MRR + 신규 MRR + 이탈 MRR + 업그레이드/다운그레이드 MRR
