[독서 기록📚] 그로스해킹(4) - AARRR_Revenue(ARPU, LTR, 수익화 쪼개기, MRR), Referral(친구 초대 플로 설계, 바이럴 계수)

3.5 수익화

• 수익화의 기본 개념 
  • 결국 서비스를 유지할 수 있는 가장 중요한 개념
• 수익화 관련 주요 지표 
  1. ARPU (Average Revenue Per User) 
     • 사용자 한 명이 평균적으로 발생시키는 매출 
     • ARPU는 시작과 끝이 있는 특정 기간에 대한 지표다 = 회사마다 통용되는 명확한 기준 필요, 보통 월 기준 
       • 월 기준으로 집계한다면 = 월매출 / MAU  
  2. ARPPU (Average Revenue Per Paying User) 
     • 결제자 인당 평균 매출 
     • 마찬가지로 기간에 대한 정의가 필요하다 = 보통 월 기준으로 측정 
  3. 고객 생애 가치 (Lifetime Value, LTV) 
     • 사용자가 진입하는 순간부터 이탈하는 순간까지의 전체 활동 기간에 누적해서 발생시키는 수익 
     • 현실적으로 구하기 어려운 개념 -> 보완 : LTR
       
       • https://sungmooncho.com/2011/11/21/customer-lifetime-value/
  4. 고객 생애 매출(Lifetime Revenue, LTR) 
     • 고객 한 명에 대한 기대 '매출'
       • LTV는 기대 '수익'이라는 점에서 다르다
     • 코호트별 가입자당 결제액을 모두 합산한 값
• 수익화 분석하기
  1. 고객 생애 매출 (LTR) 활용하기
     • 고객 생애 매출 활용할 때의 포인트
       • 우리 서비스의 전체적인 고객 생애 매출을 딱 떨어지는 숫자로 요약하는 것에 집착할 필요 ❌
       • 코호트별 고객 생애 매출의 추이가 어떻게 변화하는지 살펴보는게 더 유용 ⭕️
         • 코호트 분류 기준 = 가입 시점 
     • 건강하게 성장하고 있는 서비스라면 LTR이 CAC를 빠르게 따라잡고 장기적으로 CAC의 몇 배수까지 높아져야 한다 
       • 비즈니스 생존 가능성을 확인하는 중요한 질문
       • 일반적으로 LTR이 CAC의 5~10배는 되어야 안정적인 서비스 운영이 가능 
       • LTR이 CAC를 넘어서기까지의 기간이 얼마나 걸리는지도 고려해야 한다 
       • LTR을 늘리는 것이 CAC를 줄이는 것보다 효과적이다 
       • 이렇게 해보자 
         • LTR을 구한다, 코호트별 비교를 하거나 LTR의 기간별 변화 추이를 살펴보자 
         • LTR을 고려해서 목표로 하는 CAC 수준을 정한다. 수익 구조나 마진을 고려해서 CAC의 1/5 혹은 1/10 수준으로 잡으면 좋다 = 마케팅 비용을 정하는 의사결정 수준이 된다 
  2. 수익화 쪼개서 보기 
     • 아이템별 매출의 합계
       • A 아이템 매출 + B 아이템 매출 + C 아이템 매출 + ...
     • 사용자별 매출의 합계 
       • 사용자 세그먼트 분류한 후 전체 매출 계산 (성별, 인구통계학, 신규 + 기존 회원, ...) 
     • 결제자 수 x ARPPU ⭐️ ⭐️
       • 매출 = 결제자수 x ARPPU
       • 매출 = 활동 회원 x 결제비율 x ARPPU 
       • 매출 = 가입자 x 리텐션 x 결제비율 x ARPPU 
       • 매출 = 설치 수 x 가입 전환율 x 리텐션 x 결제비율 x ARPPU 
       • 이런 식으로 매출을 퍼널에 따라 쪼개면 매출이 증가하거나 감소하는 패턴을 훨씬 더 세부적으로 파악할 수 있다 
         • 매출 증가 원인이 가입 전환율이 좋아져서인지, 잔존율이 좋아져서인지, 결제 비율이 높아져서인지, 평균적으로 더 비싼 제품을 샀기 때문인지를 판단할 수 있는 것 
         • 특히 가입 기간에 따른 월별 코호트 기준으로 확인하면 더 입체적으로 분석 가능! 
     • 월별 반복 매출 (MRR, Monthly Recurring Revenue) 
       • 구독형 서비스에서 매출 분석하는 방법 
       • 계산법: 기준 MRR + 신규 MRR - 이탈 MRR + 업그레이드/다운그레이드 MRR
         
         • 기준 MRR: 전월 기준 매출 
         • 신규 MRR: 신규 고객으로 인해 증가한 매출 
         • 이탈 MRR: 기존 고객 이탈로 인해 감소한 매출 
         • 업그레이드 MRR: 기존 고객 대상 크로스셀, 업셀로 인해 증가한 매출
         • 다운그레이드 MRR: 기존 고객의 요금제 하향 조정 등으로 감소한 매출

수익화 정리 
- 파레토 법칙이 적용되는 경우가 많기에, 평균값은 주의해서 사용해야 한다 
- 요약된 수익화 지표 하나만 보고 의사결정을 내리기보다는 사용자를 다양한 방식으로 그루핑하고 각 그룹에 맞는 운영 및 수익화 전략을 세우는 것이 중요하다 
- 서비스를 출시하는 시점에는 수익 모델이 포함되지 않을 수 있지만 그런 경우라고 해도 어느 시기에 어떤 방식으로 수익화할 것인가에 대한 로드맵은 명확하게 존재해야 한다

 

 

3.6 추천

 

• 추천의 기본 개념 
  • AARRR에서 추천은 일회성 이벤트가 아니라 '서비스 내에 입소문을 통한 선순환 구조를 어떻게 구축할 것인가'하는 구조적인 문제에 더 가깝다 
• 친구 초대 플로 설계 
  
  • 플로우 설계할 때 고려할 점
    • 초대 맥락 
    • 메시지/보상
      • 친구 초대에 대한 보상: CAC의 50~70%로 설계되는 경우가 많다
      • 보상 형태: 반드시 현금성이어야 하는 것은 아니다 (ex. 토스: 송금 지원금 이라는 기능을 통해 친구들에게 실제 소액의 현금을 선물할 수 있는 기능 제공 -> 링크를 클릭하고 친구가 보낸 돈을 받으세요) 
    • 온보딩 프로세스 : 일반적인 마케팅을 통해 데려온 사용자보다 가입 전환율이 높은 편이다  
• 바이럴 계수 
  
  • 의의: 추천 엔진이 얼마나 효과적으로 동작하는지 확인 가능 
  • 공식 = (사용자 수 x 초대 비율 x 인당 초대한 친구 수 x 전환율) / (사용자 수) 
  • 높이기 위해서 
    • 친구 초대와 같은 추천 액션에 참여하는 사용자 비율 높이기
    • 한 사람이 평균적으로 초대하는 친구 수 늘리기
    • 초대받은 친구가 가입으로 전환되는 비율 높이기 
  • 얼마나 높아야 할까: 1을 넘어가면 신규 사용자가 기하급수적으로 늘어난다
  • 유의점
    • 추천 시스템에 대한 효과를 분석할 때는 바이럴 계수를 구하는 것과 함께 '초대의 주기가 얼마나 빠른가?'를 꼭 고려
    • 목표 시장의 포화도를 고려  
    • 추천 단계를 통해 유입된 사용자의 장기적인 경험 수준은 바이럴 계수에 잘 드러나지 않는다 

추천 정리 
- 서비스에 만족한다고 해서 그 서비스를 추천하는 것은 아니다, 생각보다 간극이 크다 
- 서비스가 충분히 매력적이지 않은 상태에서는 추천을 위한 기능을 잘 만들어도 바이럴 루프가 제대로 작동하지 않는다 
- 서비스 카테고리에 따라 추천 기능이 효과적이지 않을 수 있다 (ex. 데이팅 서비스) 
- 추천과 관련된 사용 플로는 필수적으로 신규 사용자 경험(NUX)과 연계되어야 한다