실험을 통한 내 서비스를 성장 (feat. AARRR)
그로스 해킹-(1)
최근에 시작한 스터디에서 ‘그로스 해킹(양승화)’이라는 책으로 스터디를 진행했다. 데이터와 실험을 통해 성장하는 서비스를 만드는 방법이 주 내용이었던 책이었다. 실무를 하면서 AARRR, Retention, A/B test 등에 서비스를 성장시키고 유지시키기 위해 고민하고 있다. 아래는 책을 요약한 내용을 소개해보며, 이 방법론은 인스타그램에 적용해서 고민해 본 사례도 공유해보려고 한다.
그로스 해킹(Growth Hacking)이란?
• "핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾는 활동"
• 함께 알아두면 좋을 단어들 :
(1) 크로스펑셔널(Cross-Functional) 조직
(2) 린스타트업
(3) MVP (Minimum Value Product)
(4) AARRR
• 단어들을 통해 느껴지는 건, 작은 단위로 빠르게 가설을 검증하고 프로덕트를 출시해서 -> 사용자의 반응을 보고 다시 가설을 세우고 프로덕트를 개선해나가는 과정이 필요하다.
Product Market Fit (PMF)
• 제품을 출시하기 전 제품의 수요가 정말로 있는 건인지에 대한 검토가 먼저 필요하다.
• 전환율과 리텐션을 ‘목적’으로 추구해서 action 하는 것은 NO , PMF을 찾는 ‘수단’으로 활용
• 사용자를 직접 만나서 이야기를 듣고, 사용자의 행동 데이터를 분석하는 과정이 필요하다.
AARRR
• Task 기반(TASK —> 지표)과 Frame work 기반(지표 —> TASK)
• AARRR은 제품 관리, 마케팅 관리 등에 중요한 지표가 된다.
• AARRR은 Acquisition, Activation, Retention, Revenue, Referral 의 약자이다. 주요 단계와 지표를 기준으로 서비스가 어떤 단계의 문제를 해결해야 성장할 수 있을지 알려주는 역할을 한다.
AARRR 구조• 고객유치 (Acquisition) (우선순위 2)
(1) Organic(자연유입), Paid(비용지불) 으로 나누어 고객 유치 성과를 판단
(2) 유입 채널을 최대한 누락 없이 정확하게 추적하여 각 채널별 성과를 정확히 판단할 수 있어야 함
(3) source - 장소, campaign - 강조하는 활동, Medium - utm 파라미터
(4) Attribution : 앱 설치까지 이어지는 사용자를 확인할 수 있다. 기술적 맵핑이 필요할 수도 있다. 기준 정의가 필요하다. (ex.며칠까지를 광고효과로 인정할 것인가), 어트리뷰션 모델 (혼합된 광고의 기여도 판단)
• 활성화 (Activation) (우선순위 1)
(1) 아하 모먼트, 머스트 해브 : 서비스의 핵심가치를 경험하도록 하는 것 (활성화시켰다의 기준이 될 수 있다)
(2) 경로 (Critical Path) : 핵심가치를 경험하기까지의 과정
(3) 경로 별 전환율을 보는 것이 중요하다
(4) 트래픽 기준으로, 코호트로 분석(선행지표 발견 필요)하는 것이 인사이트를 얻는데 효과적이다.
(5) 활성화를 증가시키는 방법: 개인화, UI/UX 개선, 적절한 개입
• 리텐션 (Retention) (우선순위 1)
(1) 서비스를 사용한 사용자가 얼마나 다시 돌아오는가. 서비스 지속 가능성을 판단하는 중요한 지표이다.
(2) 리텐션을 측정하는 방법의 종류: classic, range, rolling
(3) 사용자가 얼마나 자주 앱을 사용하느냐에 따라 선택하는 리텐션의 종류가 다르다. (나는 회사에서 range retention으로 봤었다. 사용자 유입이 잦은 쇼핑몰 기준)
• 수익화 (Revenue) (우선순위 3)
(1) ARPU (인당 평균 매출) ARPDAU, ARPPU, LTV, LTR
(2) ‘평균 사용자‘ 보다는 ’서비스에 대한 충성도가 높고 매출 기여가 높은 사람‘을 코호트해서 기획하면 수익화에 좋다.
• 추천 (Referral) (우선순위 2)
(1) 친구 초대 : 초대 맥락(게임화) / 메세지,보상 / 온보딩 프로세스 / 바이럴 계수
(2) 바이럴 계수 : 초대 액션하는 사용자 늘리기, 한 사람이 초대하는 친구 수 늘리기, 초대받은 친구의 가입 전환율 높이기 등의 방법이 있다. 단, 속도도 고려되어야 한다.
(3) 추천은 신규 사용자 경험(NUX)와 연계된다.
지표 활용하기
• 지표의 속성
(1) Stock (현재 시점에 누적된 값, 누적 가입자 수 등)
(2) Flow (일정 시간 동안의 변화량)
• 지표를 명확하게 정의
(1) MAU를 집계하려면 MAU에 대한 명확한 기준이 있어야 한다. (+결제 전환율도) 단순히 방문한 사용자를 MAU로 삼을 것인지, 로그인한 사용자를 MAU로 삼을 것인지에 대한 협의가 필요하다.
(2) 지표를 기반으로 성장 실험을 할 때는 해당 지표를 어떻게 정의하고 측정할지 반드시 선행 필요
• 허무 지표에 빠지지 않기
(1) 허무 지표 : 행동을 이끌어내지 못하는 의미 없는 지표
• 전체 관점에서의 최적화
(1) 각자의 영역의 지표(한 기능)만 보다가 전체적인 관점에서는 비효율을 낳을 수 있다.
(2) 심슨 패러독스: 쪼개진 데이터에서 성립하는 관계가 합쳐진 데이터에서는 반대로 나타나는 현상
(3) 데이터를 코호트로 쪼개서 분석해야하지만, 합칠 때는 다시 한번 생각해야한다. (ex.대학 남여 합격률, 국가별 크로스셀링)
• 대푯값을 사용할 때 주의해야 할 점
(1) 데이터가 정규분포에 가깝지 않을 수도 있다.
(2) 평균보다 중앙값, 최빈값 등 다양한 대푯값들을 데이터 특성에 맞게 사용한다.
• 생존자 편향 피하기
(1) 남은 사용자 뿐만 아니라 떠난 사용자도 관찰해야 한다.
[OMTM : One Metric That Matters] = 북극성 지표(NSM : North Star Metric)
• OMTM & KPI & OKR
(1) OMTM : 성장을 목표로 하는 지표, 과정도 큰 의미, 모두가 공유하는 하나의 목표
(2) KPI : 일반적으로 평가를 위해 활용하는 지표, 달성 여부 자체가 중요, 부서별로 다르게 설정
(3) OKR : 도전적인(정성적인) 목표, 전사적인 정렬, 투명한 공유 —> 전사의 목표가 정해지면 그 방향성과 일치하도록 각 사업부서의 OKR, 개인의 OKR을 설정함 , 액션 플랜에 가까움
• 지금 가장 중요한 지표 정하기
(1) OMTM의 가치는 구성원들이 바라보는 방향성을 일치시키고 자원을 집중하는데서 나온다
(2) 서비스의 단계에 따라 중요 지표가 변할 수 있다.
(3) 매출은 서비스의 성장과 항상 일치하지 않고, 완벽한 후행지표이다
그로스 해킹 시작부터, 성장 실험까지
• 데이터 파이프라인 : 데이터를 쌓고, 가공하고, 추출하고 의사결정에 활용할 수 있도록 만드는 일
- 어떤 데이터를 쌓을 것인가?
- 어떤 형태로 쌓을 것인가?
- 어디에 쌓을 것인가?
- 어떻게 꺼내서 볼 것인가?
• 행동 로그 / 트랜잭션
• 이벤트와 속성 (세부 정보)
• 성장 실험 : A/B 테스트
(1) 가설 : 독립 변수가 무엇인지를 정의하고 종속 변수의 목표 수준을 구체적인 수치로 정한다. 가설은 가정을 검증하기 위한 것이다. 가설은 “XX를 하면 YY지표가 ZZ만큼 오를 것이다.”의 형태로 설정한다.
(2) 샘플 크기 : 유의수준을 검증하기 위해 필요한 최소한의 샘플 크기를 알아여 한다.
(3) 실험 기간 : 샘플 크기를 고려했을 때 가설 검증을 위한 데이터를 수집하는데 필요한 기간
(4) 랜덤 추출했다고 생각하지만 아닐 수 있다. 독립 변수 외에 종속 변수에 영향을 미칠 다른 변수를 선별해야 한다.
그로스 조직과 업무 프로세스
• 핵심 지표 개선을 위한 과제 선정 및 진행
• 스프린트 (2~4주 단위)
(1) 아이디에이션: 전 과정에서 지속하는 것(그루밍)
(2) 플래닝: 우선순위를 정하고 선별해서 진행, ICE (Impact, Confidence, Ease)
(3) 회고: 스프린트 기간동안 잘된점, 개선할 점을 팀원끼리 논의
AARRR 부분을 읽으면서 많이 생각났던 것은 토스PO세션 강의였다.
https://youtube.com/playlist?list=PL1DJtS1Hv1Piv_MQIHgA_CdNsXyDM9UDM
Careering Capacity, 아하모먼트, Retention 등의 개념을 실제 토스 사례에 넣어 알기 쉽게 설명해주셔서 좋았는데, 책의 내용과 겹쳐서 읽으면서 토스 PO세션도 다시 시청해보았다.
데이터를 보고 실험도 많이 해가면서 실험하고 싶지만, 지금 회사에선 각 조직이 조금은 다른 목표를 바라보고 있어서 (특히 테크와 비테크간의 목표의 결이 다른 느낌이다) 더욱 이런 업무를 진행하는데 어려움이 있는 것은 아닐까 생각이 들었다.
팀에서 작년 하반기에는 스프린트를 진행해보기도 하였다. 다양한 의견이 모아지는 과정과 실험을 통해서 정말 지표가 상승하는 것을 보면서 재밌게 느껴졌다. 조직의 형태와 일하는 방식이 정말 목표하는 것에 도달하는데 큰 영향을 미치는구나 생각도 들었다.
