brunch

You can make anything
by writing

C.S.Lewis

by Swan Feb 08. 2022

런드리고 그로스해킹(AARRR)으로 바라보기.

AARRR

바야흐로 ‘구독 경제’의 시대. 컨텐츠 구독, 식품 구독, 생필품 구독, 영양제 구독에 이어 세탁 구독까지 탄생하고야 말았다. 이제 의식주를 구독 경제 안에서 모두 해결할 수 있는 듯하다. 세탁을 구독하고 세탁물을 새벽 배송으로 받아본다는 것이 처음에는 조금 생소할 수 있지만 한 번 이용해 본 사람들에 따르면 그 편의성은 이루 말할 수 없다고 한다.


오늘 포스팅에 함께 할 런드리고는 대표적인 세탁물 새벽 배송 물류 스타트업이다. 지난해 500억 원 규모의 시리즈 B 투자를 유치한 이래로 지속적이고 꾸준한 성장을 보이고 있으니 PMF를 찾고 J커브 성장을 이뤄나가는 초입에 접어들었다고 할 수 있다.


5조 규모의 잠재시장, 오프라인 세탁 서비스 업계와 유사 온라인 서비스 사이에서 런드리고는 어떤 방식으로 성장하면 좋을까? 오늘은 스타트업이 데이터 기반으로 고객을 이해하는 방법 '그로스해킹' 관점에서 런드리고를 살펴볼 것이다. 그전에 먼저 짚고 넘어가야 할 개념이 AARRR(Pirate Metrics, 해적 지표)이다.





AARRR(해적 지표)과 그로스해킹
출처 = tability.io


그로스 해킹에서는 문제점 도출을 위해 서비스의 단계를 나누어 분석하곤 한다. 이때 가장 보편적으로 이용되고 있는 방법이 바로 AARRR(Pirate Metrics, 해적 지표)이다. 이 퍼널은 A(Acquisition, 획득), A(Activation, 활성화), R(Retention, 재방문), R(Revenue, 수익), R(Referral, 추천) 5단계로 이루어져 있으며 경우에 따라 축약되거나 순서가 조금 바뀔 수 있다. 서비스의 특성은 저마다 모두 다르기 때문에 기획자나 PM은 퍼널 단계를 유연하게 조절해서 바라보는 시각이 필요하다. 이어서 런드리고에 AARRR을 대입해 바라볼 것이다. 추가적으로 데이터 분석을 위해 어떻게 퍼널을 활용해야 하는지 쉽고 간단하게 정리해 보도록 하겠다.








01. 런드리고의 AARRR 단계 정의하기


런드리고의 AARRR 단계를 정의하기에 앞서 우선적으로 살펴야 할 부분이 있다. 바로 '수익 모델' 부분이다. 런드리고는 구독 서비스를 메인으로 하고 있지만 구독이 아닌 일회성 서비스도 제공 중이다. 따라서 기본적으로 이 부분을 멤버십 고객과 비멤버십 고객으로 나누어서 살필 필요가 있다.


그로스해킹으로 데이터를 추적할 때는 고객 세그멘테이션(고객 분류)를 통해 어떠한 집단의 고객이 어느 부분에서 문제를 겪고 있는지(who - what)를 데이터를 통해 살핀 후 어떻게 해결해야 할 지(how)를 도출해야 한다. 따라서 서비스 특성에 따라 고객을 다양한 기준으로 분류해야 한다.


비멤버십 고객 / 멤버십 고객


(1) Retention은 '재사용' 개념


AARRR을 처음 접하는 사람들이 이 도표를 봤을 때 분명 활성화 단계의 멤버십 구독과 서비스 1회 이용이 수익을 창출할 수 있는 부분임에도 불구하고 매출 단계에 속하지 않다는 사실이 의아할 수 있다고 생각한다. 이러한 오해는 Retention 부분을 글자 그대로 '재방문'으로 해석할 경우 발생한다. Retention은 사실 사용자가 지속적으로 서비스를 사용하는 것, 즉 '재사용'의 개념으로 해석하는 것이 더 적합하다. (Retention 단계의 데이터로는 지속적으로 서비스를 이용할 가치를 느꼈는지 판단해야 한다.)


(2) 추천과 성장 루프


스타트업이 성장하려면 '성장 루프'를 형성해야 한다고 지난 노션 포스팅에서 언급한 바 있다. AARRR퍼널이 함의하고 있는 바를 살펴보면 추천은 획득과 재방문을 이끌어내고 이는 결국 매출로 이어지며 성장 루프를 형성하는 데 중요한 역할을 한다는 것을 알 수 있다. 런드리고는 현재 친구 초대 하기 이벤트를 통해 바이럴을 유도하고 있다. 런드리고의 지속적인 성장을 위해 어떤 지표와 데이터를 추적해야 할지 다음에서 살펴보도록 하겠다.






02. 런드리고의 성장을 위해 추적해야 할 데이터



고객들은 서비스를 어떻게 처음 접하는가?

ACQUISITION(획득) : 앱 다운로드


획득 단계에서는 사용자의 유입이 어떻게, 얼마에 이뤄졌는지 파악하고 사용자 유입률을 높여야 한다. 따라서 사용자 유치를 위해 효율적인 마케팅 전략을 수립할 수 있도록 지표를 추적해야 한다. 이때 목표해야 할 핵심은 낮은 비용으로 많은 고객을 확보하는 것이다.




런드리고에 대입해 보기 위해 서비스의 특성을 우선적으로 생각해보았다. 런드리고는 현재 서울 전 지역, 경기/인천 일부에서만 서비스를 운영하고 있다. 서비스 지역이 매우 한정적이므로 지역을 한정 지을 수 없는 매체 광고같은 유료 마케팅은 효율이 떨어질 수 있다. 런드리고 측에서도 이 점을 인지해 대규모 마케팅은 진행하지 않고 유사한 타깃 브랜드(ex. 블랭크코퍼레이션)와의 제휴를 통해 서비스를 알리는 데 집중하였다고 한다. 하지만 기본적으로 서비스가 대중에게 생소한 측면이 있기에 대중 매체 광고도 추후 진행 예정이라고 한다.




이러한 상황에서 런드리고가 중점적으로 고민해야 할 만한 부분은 유료 마케팅 투입 예산이 아닐까 싶다. 광고 매체를 확대할수록 비용은 걷잡을 수 없이 늘어난다. 하지만 서비스 특성상 현재 이용 가능 고객 범위가 한정되어있기 때문에 광고 비용을 적합하게 설정하는 것이 무엇보다 중요할 것이다. 이를 위해서는 매체에 따른 고객획득비용(CAC)을 대비 고객 유입률을 실험하며 투입해야 할 CAC 기준을 우선 정해야 한다고 생각한다.



핵심 지표 : 앱 유입 경로, 고객획득비용(CAC), 앱 다운로드 수








고객들은 서비스를 설계 의도대로 잘 이용하는가?

ACQUISITION(활성화) : 탐색, 회원가입, 멤버십 첫 구독 / 서비스 1회 이용


활성화 단계에서는 사용자가 앱을 마주했을 때 불편함을 느끼는 부분, 이탈 요인을 파악하고 서비스를 개선해 나가야 한다. 앱을 다운로드한 사용자가 1분 내로 이탈할 확률은 평균적으로 약 25%에 달한다. 따라서 제품의 첫인상을 잘 설계하는 것은 무엇보다 중요하다. 사용자 획득 비율에 비해 이탈률이 높고, 앱 체류 시간이 현저히 낮다면 앱의 UI/UX 문제일 가능성이 높다. 따라서 A/B 테스트를 통해 이탈이 발생하는 특정 구간에 대한 개선을 시도해야 한다.



런드리고는 세탁 O2O 플랫폼이면서 순환 물류 배송 서비스-세탁물은 수거와 배송을 반복하므로 순환이다-이다. 따라서 앱에 고객들이 적게 머물더라도 커머스와 같이 실질적으로 서비스를 결제해보는 것이 중요하다. (이때 데이터의 숨은 의미를 파악해 올바른 가설을 설정하는 것이 무엇보다 중요하다. -런드리고의 경우 서비스 제한 지역이라는 변수가 존재하므로 이를 고려해야 한다.)


우선 활성화 단계의 핵심 이벤트인 회원가입률을 분석해야 할 것이다. 유입 고객 대비 회원가입률이 현저히 낮다면 회원가입 화면 설계가 문제일 가능성이 높다. 런드리고의 현재 회원가입 화면은 서비스에 대한 별다른 설명 없이 로고만을 노출하고 있고 그 대신 회원가입 없이 둘러보기 기능을 제공 중이다.


이러한 설계는 고객 경험을 높일 수 있지만 회원가입률이 낮아진다는 단점이 발생할 수 있다.


또한 둘러보기를 통해 홈 화면에 유입된 고객이 많을 경우 그 안에서 고객 세그멘테이션을 통한 데이터를 분석을 하기 모호하다는 측면이 존재한다. 진짜 고객이 원하는 바를 찾기 더 어려워질 수 있다는 점을 유의해야 한다.


최근에는 간편 결제로 회원 가입 자체가 단순화되었으므로 둘러보기에 대한 부분을 다시 한번 재고해 볼 수도 있으리라 본다. 페이지별 이탈률을 측정할 때 서비스 신청하기 다음 로그인-회원가입을 이어 진행하지 않고 이탈하는 고객이 많다면 이 절차를 제거하는 것이 결과적으로 나을 것이라고 생각한다.



직접 데이터를 보고 고객 이탈 구간을 파악해 테스트를 설계하는 것이 가장 정확하지만 현재 런드리고의 데이터를 파악할 수 없기에 조심스레 추측해보자면 유입 대비 이탈률이 클 것이고 그 큰 원인 중 하나는 홈 화면의 UI/UX일 것이라고 생각한다.


추가적으로 매출과 연관된 실질 지표인 서비스 가입/신청율이 중요할 것이다. 서비스 가입(신청)율 이전 화면에서 이탈률이 높다면 화면 개선 테스트를 진행해 결정적인 전환율을 높일 수 있을 것이다. 



핵심 지표 : 회원가입률, 서비스 가입/신청율, 이탈률, 앱 체류시간








고객들은 서비스 재이용을 원하는가?

Retention(재방문) : 멤버십 / 서비스 재이용


재방문 단계에서는 고객들이 지속적으로 서비스를 이용하도록 유도하는 전략을 수립해야 한다. 서비스 첫 회 이용 혹은 멤버십 한 달 이용 후 고객들의 재이용률(서비스 가입/신청율 대비 서비스 재가입/재신 청율)이 현저히 떨어진다면 일반적으로 서비스 경험 자체가 좋지 않았거나 PMF를 찾지 못했을 가능성이 크다.



세탁은 실생활에 필수적으로 필요한 활동이기 때문에 일정 기간 후 고객들의 '재이용'을 이끌어내는 것이 무엇보다 중요하다. 런드리고의 재이용률이 낮다면 PMF를 찾고 성장 중인 점과 다소 생소한 서비스 모델로 시장 혁신을 이루고자 하는 점을 고려해보았을 때 고객의 첫 이용이 단순 호기심에서 유발되었기 때문일 가능성을 제시해볼 수 있다.


따라서 고객들이 서비스에 익숙해질 수 있도록 재이용을 촉구하는 것이 필요하다고 본다. 특정 기간 후 방문이 없는 고객들을 위해 알림 전송이나 이벤트 쿠폰 제공과 같은 전략을 사용해 고객들의 재방문을 유도해볼 수 있다. 이를 효율적으로 활용하기 위해서는 우선적으로 고객들의 행동 패턴을 파악해야 하므로 마지막 방문 이후 걸린 시간을 분석해 재방문율을 높이기 위한 전략을 수립할 수 있을 것이다.


특히 멤버십 고객인 경우 헤비 유저가 될 가능성이 상당히 높으므로 ‘재이용 할인 쿠폰’과 같은 이벤트 쿠폰을 통해서라도 최대한 많은 고객이 서비스의 편리함에 익숙해지도록 유도하는 것이 장기적인 관점에서 좋으리라고 생각한다.


핵심지표 : 재방문율, 서비스 재가입/재신 청율, 이탈률



런드리고는 매일이 아닌 일정 주기마다 이용하는 서비스이므로 신규 고객이나 자유 이용 고객의 경우 서비스의 존재 자체를 잊어버리기 쉽다. 따라서 고객들을 '알림 허용'으로 유도해서 알림을 통해 서비스의 존재를 지속적으로 알려야 한다. 현재 런드리고는 기본 알림 알럿만을 띄우고 있다. 개인적으로는 이벤트 혜택 등을 강조하며 알림 허용을 유도하는 알럿을 추가하는 방향이 좋지 않을까 싶다.









고객들은 자발적으로 서비스를 홍보할 만큼 만족하는가?

Referral(추천) : 친구 추천


추천 단계에서는 고객 경험을 높여 사용자가 자발적으로 서비스를 홍보하도록 해야 한다. 리워드 제공으로 추천을 유도하는 방식과 리워드 없이 사용자가 자발적으로 제품을 추천하는 방식이 있다. 추천을 통해 유입된 고객은 앱에 높은 신뢰를 보이며 이는 높은 전환율로 나타난다.



(1) 런드리고는 현재 친구 초대 시 5,000원 지급 이벤트로 사용자들에게 추천을 유도하고 있다. 제품을 지속적으로 추천한다는 것은 추천자가 서비스 재이용 의사를 가졌다는 것을 의미한다. 따라서 새로운 고객 유입과 함께 기존 고객의 재방문율 또한 높아지는 선순환이 일어난다.


이러한 추천 방식은 바이럴 계수바이럴 주기를 통해 분석할 수 있다. 바이럴 계수는 바이럴 주기마다 몇 명의 신규 사용자가 생겨났는지 측정하는 것을 의미한다. 또한 사용자들의 근본적인 고객 경험을 높여 사용자들 사이에서 추천이 발생하도록 사용자 만족 지수인 NPS 지수를 추적해 볼 수도 있다.


(2) 런드리고는 인플루언서 서비스 협찬 및 광고를 통해 서비스의 인지도를 높이고 있다. 이러한 마케팅 전략은 실제 서비스 이용에서 느낀 감상을 인플루언서들이 직접 홍보 문구로 생산하므로 인위적이지만 자발적인 추천 효과를 일으킨다.


대부분의 가정에 세탁기가 있음을 고려했을 때 현재 런드리고는 필수재보다는 사치재에 가깝다. 없어도 충분히 지내지만 있으면 시간과 편리한 경험을 사는 것이다. 이러한 특성 때문에 서비스를 이용한다는 것을 과시할 수 있는 SNS와 결합하였을 때 그 추천 효과가 배에 달하리라고 추측한다. SNS 마케팅을 지속하되 협찬이 아닌 사람들의 자발적인 태그와 같은 고객 반응 또한 지속적으로 관찰하는 것이 좋지 않을까 싶다.



핵심 지표 : 바이럴 계수, 바이럴 주기, NPS, SNS(태그 수, 좋아요 등)



추가적으로 데이터를 추적할 수는 없지만 런드리고 서비스 특성 상 나타날 수 있는 추천 효과가 있다.


출처 = 의식주컴퍼니

런드리고의 스마트 빨래 수거함 '런드렛'으로 인한 내재된 추천 효과


현재 런드리고는 '런드렛'이라는 수거함 서비스를 제공하는데 이는 고객의 집 문 밖에 놓이므로 고객이 의도하지 않아도 자연스럽게 바이럴 효과를 일으킬 수 있다. 대중에게 아직 생소한 서비스인 만큼 실제 이용 고객이 주변에 있다는 사실만으로도 서비스의 신뢰도를 높이며 추천 효과를 양산한다.








고객들이 구매를 할 만큼 제품의 가치에 공감하는가?

Revenue(수익) : 지속적인 매출 창출


모든 여정은 수익으로의 전환을 달성하기 위한 것이다. 수익을 향상하는 방법은 사업 모델에 따라 달라지지만 가장 대표적인 방법은 LTV(고객 생애 가치)를 높이고 각 단계의 CAC(고객 획득 비용)를 감소시키는 것이다.


런드리고의 수익 모델은 현재 월정액 고객과 자유 이용 고객으로 나누어져 있다. 따라서 내부에서 핵심 지표와 지표를 추적하는 방법 또한 다각화되었으리라고 추측한다. 데이터를 보는 다양한 방식이 있겠지만 그중에서도 현재 가장 우선해야 한다고 생각하는 핵심 지표는 LTV(고객 생애 가치)라고 생각한다.


LTV(고객 생애 가치)는 고객이 이탈하기 전까지 발생할 수 있는 고객당 예상 수익을 의미한다. 런드리고가 현재 시점에 가장 집중해야 할 부분은 서비스가 고객 생활의 필수 요소가 될 수 있도록 고객을 lock-in하는 것이다. 서비스가 고객 생활의 필수요소가 된다면 LTV는 자연스레 증가할 것이다. 더불어 세탁 서비스는 매일 이용할 필요가 없고 정기적으로 이용해야 하는 서비스라는 점을 고려해 보았을 때 고객의 생애를 측정하고 주기를 늘리는 것과 그 평균 비용을 아는 것이 매출 예상과 상승을 견인함에 있어 가장 중요해 보인다.


*LTV(고객 생애 가치)를 측정하는 방법은 한 가지로 한정되어있지 않아 경우에 따라 다르게 측정할 수 있다. 이 지표는 평균 주문액, 평균 주문 빈도, 이탈률, 월정액 유지 기간, 월정액 비용 등의 지표 계산을 통해 도출되므로 수식에 해당하는 각 지표를 쪼개어 보는 시각도 필요하다.



핵심 지표 : LTV(고객 생애 가치), 평균 주문액, 평균 주문 빈도, 월정액 기간, 월정액 비용, 이탈률, -





글을 마치며, 1인 가구 시장이 늘어남에 따라 비즈니스 영역도 다각화되고 있다. 런드리고 또한 런드리온리(물빨래) 요금제로 1인 가구를 시장을 타깃하였다. 세탁을 직접 하지 않고 업체에 맡겨 새벽 배송으로 맡긴다면 세탁기와 건조기 또는 건조대를 집 안에 놓을 필요가 없다. 편리함에 덤으로 공간 절약 효과가 발생한다. 1인 가구 열풍에 따라 런드리고의 인기는 계속 상승할 것이라고 예상한다. 사업 측면에서는 미래가 밝지만 이러한 이면 한 켠에는 수도권 인구 과밀 현상으로 좁은 집에서 높은 월세를 내며 거주할 수밖에 없는 청년들의 현실이 잠재되어있음도 생각해볼 수 있다.


런드리고로 인해 변화할 세상이 궁금해진다. 세탁을 기계화, 자동화시킴으로써 삶의 혁신을 가능케 할 테고 세탁기를 구입하는 사람이 점차 줄어들면 세탁 시장의 비즈니스 흐름이 완전히 뒤바뀔 테다. 한 가지 분명한 사실은 런드리고가 실생활 영역의 혁신을 일으키며 육체노동 종말의 시대를 앞당기고 있다는 것이다. 런드리고는 몇 년 안에 사람들의 삶 전반에 완벽히 스며들 수 있을까? 현재의 추세로 미루어 보았을 때 이 물음에 대한 방점은 '몇 년'에 찍어볼 수 있을 듯하다.







참고 자료

Tability - How to combine the Product Lifecycle and the AARRR funnel to map priorities

조선비즈 - 세탁기 얼고, 빨래 안 마르니… 매출 올라간 이 기업 - 조선비즈



매거진의 이전글 뤼이드가 넥스트 유니콘이 되기까지.

작품 선택

키워드 선택 0 / 3 0

댓글여부

afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari