[독서 기록📚] 그로스해킹 (2)- AARRR_ Acquisition (CAC, UTM 파라미터, 어트리뷰션)

이전 글 

[독서 기록📚] 그로스해킹 : 데이터와 실험을 통해 성장하는 서비스를 만드는 방법 (1) - 그로스

---

 

3. AARRR

3.1 AARRR 개요

• 지표를 바라보는 관점

과업 기반 지표관리	부서별로 담당업무를 정의하고, 해당 업무를 하면서 생기는 숫자를 지표로 관리 (과업 > 지표)
프레임워크 기반 지표관리	서비스 이용흐름에 따른 핵심 퍼널과 지표를 정의하고, 해당 지표를 개선하기 위한 과업 수행 (지표 > 과업)  = AARRR 프레임워크 활용

• 그로스 해킹은 핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾는 활동 
  • 과업 기반 지표 관리
    • 정의) 각 조직별로 담당하는 업무를 우선 정의한 후 해당 업무를 통해 발생하는 수치들을 지표화해서 관리하는 것 
    • 예시)
      마케팅팀: 검색 마케팅의 CTR, ROAS, 이벤트 참여자
      운영팀: CS 문의 수, 앱스토어 리뷰, 평균 평점
      개발팀: 채택율, 버그 건수
      사업팀: 신규 계약, Churn MRR
    • 단점)
      • 전체적인 서비스 관점에서 무엇이 중요한 지표인지 판단하기 어렵다 
      • 팀별로 진행중인 업무가 언제든 추가/변경 -> 언제든지 지표가 달라질 수 있음 
• 효율적인 지표관리: AARRR
  • 사용자의 서비스 이용 Flow에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의해야 한다 
    • 유저가 들어오는 순간부터 나가는 순간까지를 모두 포괄하는 일종의 퍼널을 만들고, 각 단계에서 핵심이 되는 지표가 무엇인지를 찾아야 한다 = 프레임워크 기반 지표관리 
    • 유용한 프레임워크 : 데이블 맥클루어의 AARRR 프레임워크 
• AARRR에 대한 오해 

오해 1 ) AARRR에 해당하는 5개 단계가 있고, 각 단계별로 지표를 모니터링하라는 것 아닌가? 
- 단계별로 무조건 정해진 몇 개의 지표가 있다 ❌ 
- 서비스의 특성에 따라 카테고리별로 어떤 지표를 봐야할지 선정하는 과정, 그리고 지표를 개선하기 위해 어떤 실험을 어떤 우선순위에 따라 진행할지 결정해야 한다 ⭕️
- AARRR에 해당하는 지표들은 평면적이지 않고 굉장히 입체적이라는 점에 유의해야 한다. 리텐션을 어떻게 정의하느냐에 따라 굉장히 다양한 형태의 정보를 얻을 수 있다

오해 2 ) 5개 카테고리는 깔대기처럼 일종의 퍼널로 연결돼 있다고 했으니까 맨 앞에 있는 고객 유치부터 개선하면 되지 않나?
- 소중한 팬을 분노한 안티로 만드는 가장 빠른 방법은 활성화와 유지율이 잘 준비되지 않았는데 고객 유치 채널을 활짝 열어버리는 것 
- 맥클루어가 제안한 개선 순서
1) 활성화와 유지율을 가장 우선적으로 개선하고 ⭐️⭐️⭐️
2) 고객 유치와 추천을 개선하고,
 3) 수익화를 챙겨야 한다

• AARRR을 활용하는 방법 
  • 각 단계별로 풀어야 하는 문제를 확인한다 
  • 각 단계의 핵심이 되는 주요 지표를 선정하고, 해당 지표의 현재 수준을 측정한다 
  • 측정된 지표가 가지는 의미를 이해한다.
  • 개선해야 하는 목표 수준을 정하고, 실험을 통해 단계적으로 개선한다. 

3.2 고객 유치 (Acquisition) 

고객 유치 과정의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것이다.

• 고객 유치와 관련해 풀어야 하는 문제 
  • 어떻게 하면 사용자의 유입 채널을 최대한 누락없이 정확하게 추적하고
    • 오가닉 = UTM 파라미터나 어트리뷰션 파라미터가 없다면 자연으로 유입된 유저가 아니라 어떤 채널에서 유입된지 모르는 '미식별' 유저를 오가닉으로 인식한다 
  • 각 채널별 성과를 정확히 판단할 수 있을까? 
• 고객 획득 비용 (Customer Acquisition Cost, CAC) 
  • 고객 유치와 관련된 핵심 지표를 1개만 꼽으라면 CAC이다
  • 계산 공식
    • CAC = 한 명의 사용자를 데려오기 위해 지출하는 평균 비용 
    • CAC = (마케팅 사용 비용) / (가입한 유저 수) 
      • 단, 채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 보는 게 필요하다 
      • 이를 위해서는 UTM 파라미터(웹), 어트리뷰션(앱)이 필요하다 
• UTM 파마리터 (Web, Urchin Tracking Module) 
  • 정의: 온라인에서 유입 경로를 확인하기 위해 가장 널리 사용되는 기능  
  • 구조: 웹사이트 URL 뒤에 '?'를 붙인 뒤에 소스 / 매체 / 캠페인 / 검색어 / 콘텐츠에 해당하는 파라미터를 추가해서 URL 생성하면 된다
    • 여러 개의 UTM 파라미터를 동시에 사용하는 경우: '&' 기호로 연결된다 
    • GA [획득] > [전체 트래픽] > [소스/매체]: 주요 UTM 파라미터별로 방문한 데이터 확인 

• 모바일 앱 어트리뷰션
  • ⚠️어트리뷰션을 확인하기 위해서는 대부분 유료로 제공되는 별도의 서비스를 사용하는 것이 일반적
    • 애드저스트, 브랜디, 코차바, 에어브릿지, ... 
  • 어트리뷰션 이해하기 위해 알아둘 개념
    • 어트리뷰션 윈도우
      • 기여 이벤트(ex. 페이스북 광고) 가 발생한 이후 어느 정도의 기간 내에 발생한 어트리뷰션(실제 앱 설치)을 해당 채널의 성과로 인정할 것인가? ➡️ 기준 세워야 함
      • 어트리뷰션 유형: 클릭-스루와 뷰-스루
        • 클릭-스루: 광고를 보고 즉시 클릭해서 발생한 기여
        • 뷰-스루: 조회를 통해 발생하는 기여 (유튜브 광고를 본 즉시 클릭하지 않고, 광고 본 기억으로 나중에 설치) 
          • 일반적으로 클릭-스루의 어트리뷰션 윈도우는 뷰-스루의 어트리뷰션 윈도우에 비해 길게 가져감
    • 어트리뷰션 모델 
      • 일반적으로 앱 마케팅은 여러 채널에서 동시다발적으로 진행되는 경우가 많기에 2개 이상의 기여 이벤트가 발생했을 때 각 채널의 기여도를 어떻게 판단할지 결정하는 것이 필요 
      • 방식
        • 싱글 터치 어트리뷰션 모델
          • 퍼스트 클릭 모델(첫 번째 매체의 성과 100% 인정)
          • 라스트 클릭 모델(맨 마지막 상호작용에 기여한 매체 성과 100% 인정) -> 주로 활용 
        • 멀티 터치 어트리뷰션 모델
          • 선형 어트리뷰션 모델: 접점이 발생한 모든 매체에 동일한 가중치 부여
          • 타임 디케이 모델: 시간 흐름에 따라 가중치 부여 (최근에 발생한 이벤트에 더 높은 가중치) 
          • U자형 어트리뷰션 모델: 가장 먼저 발생한 이벤트와 최근에 발생한 이벤트에 동일하게 가중치 
    • 어트리뷰션 기준을 어떻게 정의해야 할까?
      • 채널 특성을 고려하지 않고 모든 채널에 일관된 기준을 적용하는 것은 좋은 판단이 아니다 
      • 어트리뷰션을 잘 활용하기 위해서는
        1) 각 마케팅 채널이 어떤 지면을 가지고 있는지,
        2) 어떤 사용자층을 보유하고 있으며,
        3) 어떤 식으로 사용자를 타기팅하는지,
        4) 광고와 사용자의 인터랙션이 어떤 식으로 이뤄지는지 등 채널의 특성을 잘 이해하고 잇어야 한다.
    • 딥 링크와 디퍼트 딥 링크 
      • 딥 링크: 모바일 앱이 실행되면서 앱 내의 적합한 랜딩 페이지 노출 But 앱 설치왜 있어야 정상 작동
      • 디퍼드 딥 링크: 모바일 앱 설치 유무와 상관없이 사용할수 있는 딥링크 
        • 앱 설치되지 않은 사용자에게는 딥 링크의 실행을 앱 설치 이후로 지연시킴
• 고객 유치 정리 
  • 많은 마케팅팀에서 빠지기 쉬움 함정 중 하나가, 고객 유치 성과가 정제된 것처럼 느껴질 때 기존 채널에 대한 최적화를 고민하기보다는 새로운 채널을 찾고 테스트하느넫 지나치게 많은 리소스를 쓰는 것이다. 
  • 고객 유치 성과 개선
    • 유입 채널을 최대한 누락없이 측정하는게 중요하다 
    • UTM 파라미터나 어트리뷰션 파라미터가 없는 유입은 오가닉이나 자연 유입이 아니라 '미식별' 트래픽이라 판단하고 최대한 이 비율을 줄여야 한다.