그로스 해킹: (1) Acquisition
AARRR 프레임워크 중 Acquisiton을 중심으로
이 글은 책 <그로스 해킹> (양승화 지음)과 토스 PO SESSION의 내용을 엮어, 그로스 해킹의 근간이 되는 AARRR 프레임워크에 대해 정리한다.
이 글의 많은 부분은 책과 토스 세션에서 인용했음을 밝힙니다.
목차
1. 채널별 성과를 정확히 판단하는 방법
2. 사용자 유입 채널을 정확히 추적하는 방법
AARRR에서 유입 (Acquisition)은 '어떻게 사람들의 관심을 끌고 서비스에 가입하게 할 수 있는가?'에 관한 레버다. 즉, 유입은 어떻게 하면 마케팅을 잘할 수 있는지에 대한 레버라고 볼 수 있다. 따라서 유입에 관한 핵심 과제는 사용자 유입 채널을 가능한 정확히 추적하고, 각 채널별 성과를 정확히 판단하는 것이다.
이 글에서는 각 채널별 성과를 정확히 판단하는 기준을 먼저 제시하고, 사용자 유입 채널을 가능한 정확하게 추적하는 방법에 대해 소개한다. 그에 앞서서, 사용자 유입 채널을 추적할 때 주의해야 할 점이 있다.
오가닉 (Organic) 유저와 미식별 (Unknown) 유저
일반적으로 고객의 유입 경로는 자연 유입된 오가닉 (Organic)과 마케팅 활동을 통해 유입된 페이드 (Paid)로 분류되며, 오가닉 유저의 비중을 높이는 것이 이상적이다.
하지만 유입 경로별 성과를 모니터링할 수 있는 구글 애널리틱스 (Google Analytics)나 앱스플라이어 (AppsFlyer)와 같은 트래킹 서비스에서는, 유입 경로가 명확하지 않은 경우를 오가닉으로 분류한다. 이를 그대로 사용하는 것은 오가닉과 미식별 (Unknown)을 혼동하는 것이다. 이러한 혼동에 대해 인지하지 못한다면, 극단적으로는 유료 마케팅 채널을 통해 유입된 트래픽을 트래킹하지 않을수록 오가닉 유저가 늘어난 것처럼 보일 것이다.
따라서 유입 데이터를 분석할 때 목표는 오가닉 트래픽의 비중을 높이는 것이 아니라 미식별 트래픽을 줄이는 방향이어야 한다.
1. 채널별 성과를 정확히 판단하는 방법
고객 획득 비용 (Customer Acquisition Cost, CAC)
고객 획득 비용은 고객 유입에 관한 대표적인 지표로, 사용자 한 명을 데려오기 위해 지출하는 평균 비용을 의미한다. 가령 광고비 2천만 원을 써서 가입자가 5천 명 생겼다면 고객 획득 비용은 4천 원이다.
고객 획득 비용 지표를 활용하는 것의 핵심은 채널별, 캠페인별, 날짜별 데이터를 쪼개서 보는 것이다. 그로써 '어느 채널에서 어떤 캠페인으로 얼마 동안 예산 얼마를 집행할 것인가'라는 질문에 답할 수 있게 된다.
따라서 우선적으로 각 채널, 캠페인 등 각 경로를 통한 유입을 정확히 추적할 필요가 있다.
2. 사용자 유입 채널을 정확히 추적하는 방법
웹에서 사용자 유입 채널을 추적하는 방법: UTM 파라미터
웹사이트에서 새로운 회원이 가입할 때, 어떤 파라미터가 달린 URL로 접속했는지 확인하여 사용자 유입 채널을 추적할 수 있다.
UTM 파라미터 (Urchin Tracking Module Parameter)는 서비스로 인입된 트래픽이 어느 경로를 통해 들어온 것인지 확인할 수 있도록 URL 뒤에 추가된 파라미터를 의미한다. 간단히 URL 뒤쪽의 소스 (utm_source), 매체 (utm_medium), 캠페인 (utm_campaign), 검색어 (utm_term), 콘텐츠 (utm_content)에 맞는 내용을 확인하여 출처를 알아낼 수 있다. 구글 애널리틱스 (Google Analytics)에서 UTM 파라미터를 통한 경로 식별을 지원한다.
앱에서 사용자 유입 채널을 추적하는 방법: 어트리뷰션
모바일 앱에서 새로운 회원이 가입할 때는 링크를 클릭한 후, 앱스토어로 이동하는 과정에서 UTM 파라미터가 유실된다. 이때 대신 사용할 수 있는 것이 어트리뷰션이라는 개념이다.
어트리뷰션 (Attribution)은 사용자가 앱을 설치하는 데 어떤 채널이 기여했는지를 식별함으로써 모바일 앱의 마케팅 성과를 판단하는 과정이다. 어트리뷰션에는 클릭을 통해 앱스토어로 이동한 사용자와 스토어에서 앱을 설치하고 실행한 사용자들을 매핑하는 과정이 필요하므로, UTM 파라미터에 비해 복잡한 기술을 사용한다. 어트리뷰션을 통한 사용자 유입 경로 식별을 지원하는 서비스로는 앱스플라이어 (Appsflyer), 애드저스트 (Adjust), 브랜치 (Branch), 코차바 (Kochava), 에어브릿지 (Airbridge), 애드브릭스 (Adbrix) 등이 있다.
어트리뷰션에서 가장 중요한 부분은 채널과 이벤트의 성과로 인정하는 기준을 설정하는 것이다. 이 기준에는 다음과 같은 개념들이 필요하다.
어트리뷰션 윈도우 (Attribution Window)
페이스북 광고 클릭과 같은 기여 이벤트가 발생한 후, 얼마 동안 발생한 어트리뷰션을 해당 이벤트의 성과로 인정할 것인지에 대한 기준이 필요하다. 이때 이 기간에 해당하는 개념이 어트리뷰션 윈도우, 또는 룩백 윈도우 (Lookback Window)다. 만약 페이스북 광고 클릭에 대한 어트리뷰션 윈도우가 7일이라면, 페이스북 광고를 클릭하고 6일이 지난 뒤에 앱을 설치한 것은 페이스북 광고 성과로 인정된다.
어트리뷰션 유형: 클릭-스루 (click-through)와 뷰-스루 (view-through)
클릭을 통해 발생하는 기여를 클릭-스루라고 하고, 조회를 통해 발생하는 기여를 뷰-스루라고 한다. 페이스북이나 구글과 같은 주요 매체는 클릭-스루뿐만 아니라 뷰-스루도 기여 이벤트로 인정하고 있다.
어트리뷰션 모델 (Attribution Model)
어트리뷰션 모델은 2개 이상의 기여 이벤트가 발생했을 때, 각 채널의 기여도를 어떻게 판단할지에 대한 기준이다. 아래에서 괄호 안의 숫자는 사용자가 5개의 기여 이벤트를 거쳐 유입됐을 때, 각 모델에서 인정하는 기여도를 순차적으로 나타낸 것이다.
싱글 터치 (Single-Touch) 어트리뷰션 모델
퍼스트 클릭 (First-Click) | 첫 번째 매체의 성과를 독점적으로 인정 (100%, 0%, 0%, 0%, 0%)
라스트 클릭 (Last-Click) | 마지막 매체의 성과를 독점적으로 인정 (0%, 0%, 0%, 0%, 100%)
멀티 터치 (Multi-Touch) 어트리뷰션 모델
선형 (Linear) | 모든 기여 이벤트에 동등한 가중치 부여 (20%, 20%, 20%, 20%, 20%)
타임 디케이 (Time Decay) | 최근에 발생한 기여 이벤트일수록 높은 가중치 부여 (5%, 10%, 15%, 20%, 50%)
U자형 (U-Shape) | 첫 번째와 마지막 기여 이벤트에 대해 높은 가중치 부여 (39%, 7%, 7%, 7%, 40%)
많은 광고 매체나 어트리뷰션 툴에서는 라스트 클릭 모델을 기본으로 채택하고 있다.
어트리뷰션을 잘 활용하기 위해서는 각 마케팅 채널의 지면과 사용자층 등 특성을 고려하여 어트리뷰션 윈도우, 유형, 모델을 개별적으로 설정하는 섬세한 과정이 필요하다. 이 과정은 '정답'에 관한 것이 아니라, 구성원 모두가 동의할 수 있는 '원칙'을 세우는 과정이라는 점을 명심하자.
여기서 AARRR 중 Acquisition의 핵심 과제에 대한 내용을 마친다. 다음 글에서는 Activation에 대해 다룰 것이다.
