[1] 그로스 해킹 - 데이터와 실험을 통해 성장하는 서비스 만들기

출처 : 인프런 <그로스 해킹> 저자 양승화님 강의

1-1. 그로스해킹을 하기 위한  전제조건 - " PMF (Product Market Fit) 확인하기 "

1. Retention

• 제품/서비스로 유입된 사용자가 들어왔다가 나가는 것만 반복 => Doesn't have product/market fit
• 초기에는 나가는 듯하지만 어느정도 유지가 되는 그래프 모양 => has product/market fit

일반적인 리텐션 커브 모양

• 카테고리 영향을 많이 받음

2. Conversion

도 PMF를 가늠하는 데 도움이 됨

3. NPS (Net Promoter Score )

: 순수 추천 지수, 주변에 얼마나 추천하고 싶은지 묻는 형식으로, 11점 척도로 답을 받는 것이 일반적

• 0~6점 : Detractor, 7-8 : Passives, 9-10 : Promoters 
• Promoter의 비율에서 Detractor의 비율을 빼면 NPS를 계산할 수 있다. 
• 카테고리별로 다르긴 하나, 양수가 나오면 괜찮다고 판단하고, 0.3이상이면 괜찮다고 판단 

** 부적합한 지표 : Install, Sign-up, Actdive Users (서비스의 본질적인 성공 지표와 관련이 없다.)

---

Product-Market Fit을 개선하는 방법

Not to do

1. 브레인스토밍
2. 새로운 기능을 추가하는 것
3. Retention, Conversion을 개선하기 위한 실험 : 실험을 통해서 높인다고 해서 없던 PMF가 생기지 않음

To do

1. 사용자를 직접 만나서 이야기를 듣기
2. 사용자 데이터 분석

---

2-1. AARRR 개요

지표(Metric)

로그를 특정 기준에 따라 요약한 숫자

• 현재 상황을 정확하게 이해하는 데 도움
• 목표를 명확하게 해줌
• 의사결정을 하는 데 기준이 됨

<지표 관리 방법 - Task-based>

• 마케팅팀, 운영팀, 개발팀, 사업팀 등 부서에서의 활동 관련 '숫자'를 확인하는 것
  • ex. 검색 마케팅 : "지난 달 네이버 검색광고 키워드별 CTR은 평균 3.5%입니다."
• 즉, Task에서 파생된 숫자,지표를 관리하는 방식
• 문제점
  • 중요한 우선순위나 중요 여부를 파악하는 것이 어려움
  • 팀별로 관리되어 제품 관점에서 최적화 되지X
  • 누락되는 업무가 존재할 수 있음
  • 피상적인 목표 달성만 체크하는 게 되어버릴 수 있음

---

<효율적인 지표 관리 : User Lifecycle 기반으로 스테이지 구분>

• 유저가 들어오는 순간부터 나가는 순간까지 포괄
• 놓치고 있는 빈틈 최소화
• 반대로 지표를 정의한 이후에 지표에 따른 Task가 뒤따라 오도록
• AARRR에서는 유저 기반으로 5단계 스테이지로 나뉨
  • Acquisition , Activation, Retention, Revenue, Referral
  • 단순히 단계별 지표를 모니터링하는 것이 아니고, 이 5단계가 '순서대로'가 아님에 주의

Activation과 Retention을 첫 번째로 고려하고, 그 이후 Acquisition과 Referral, 그 다음에 Revenue에 집중해야 한다.

---

2-2-1. Acquisition 1 - 기본 개념과 UTM (웹)

<Acquisition : 사용자를 우리 서비스로 데려오기>

• Organic ( paid된 매체로 유입되지 않은) 과 Unknown을 혼동하지 말자 
  • 사용자의 유입 채널을 정확하게 추적하는 방법 고안
  • 각 채널별 성과를 정확히 판단하는 방법 고안
• 관련 기본 지표
  • 유저 획득 : 가입 회원 수(Sign up), 유저 획득 비용 (CAC, Customer Acquisition Cost)
  • 광고 집행 관련 지표 : CPC (Cost per Click), CPI (Install), CPA (Action), CPM(Mille), ...

CAC < LTV

• CAC가 LTV(Lifetime Value, 사용자가 서비스에서 발생시키는 누적 가치)보다 '많이' 작아야 한다.
  • LTV를 증가시키는 것이 CAC를 감소시키는 것보다 더 효과적이다.

어떤 채널이나 캠페인으로부터, 어떤 날짜에 들어온 사용자의 CAC(유저획득비용) 인지 쪼개서 살펴보아야 어떻게 사용자를 데려오는 방법이 제일 효과적인지 유의미한 인사이트를 얻을 수 있다.

UTM parameter (Urchin Tracking Module)

• 구글이 인수하여 Google Analytics로 현재 사용 됨, 어떤 경로로 들어왔는지 출처를 확인할 수 있도록 하는 파라미터
• 어느 채널에, 어떤 내용으로 마케팅 비용을 집행하는 게 효과적인지 알 수 있음
• 구글 애널리틱스에서 utm을 직접 만들 수 있다. 

캠페인마다 생성하여 추적 가능

---

2-2-2. Acquisition 2 - 모바일 Attribution (앱)

• 설치하는 과정에서 URL의 parameter는 유실되기에 다른 방식으로 측정함
• 모바일앱의 마케팅 성과 판단을 위해서는 'Attribution'이라는 개념이 활용됨
  • 어트리뷰션 서비스 : AppsFlyer, adjust, branch, KOCHAVA ...

어트리뷰션 윈도우 (룩백 윈도우)

: 어느 기간동안의 어트리뷰션을 인정할 것인지

• 예시
  •  페이스북 광고 click => 앱 설치 => 실행까지 총 30일이 걸린 경우, 페이스북 광고가 앱 설치에 실질적으로 기여하였을지 판단하기 어려움 
  • 어트리뷰션 윈도우를 7일로 정했다면, 페이스북 광고로 유입된 것이 아닌, 오가닉 설치라고 판단을 내릴 수 있음 

Click-through / View-through 

: 어떤 행동을 어트리뷰션으로 인정할 것인지

• 예시
  • 유튜브 광고를 View 본 후에 앱을 설치하고 실행했다면, 단순히 보기만 한 행동을 앱 실행에 기여했다고 볼 것인지 판단해야 함
  • view와 click 각각 다른 어트리뷰션 윈도우 정의 가능 (매체별로 다른 기준 적용)

어트리뷰션 모델

: 여러 건의 어트리뷰션 터치포인트가 있는 경우, 관계와 관련해서 종합적인 판단을 어떻게 할지

• 예시
  • 유튜브 광고를 view 보고, 페이스북 광고를 click하고 앱을 실행했다면, 둘 중 어떤 광고가 얼마나 기여했다고 판단할 것인가, 어느 광고에 어트리뷰션을 줄 것인지  

Last click

• 설치하고 실행하기 바로 직전에 클릭된 매체에 어트리뷰션하는 방식

Time decay

• 마지막 요소에 가장 큰 가중치를 주고 점점 줄여나가는 방식

Linear

• 다 같은 가중치 부여

Position-based

• 처음과 마지막에 큰 가중치 부여

First click

• 맨 처음 클릭한 매체에 가중치 부여

어트리뷰션 서비스 Appsflyer 설정 예시, 직접 설정할 수 있다

** 모든 클릭과 뷰의 가치는 다르기에, 모든 매체에 공통적인 룰을 적용하는 일괄 세팅은 좋지 않다.

: 클릭이 뷰보다 좋다고 생각할 수 있지만, 닫기를 누르려다 잘못 클릭한 경우도 있을 수 있고, 그저 보는 것이지만 넘기지 않고 15초동안 보았다면 더 가치있을 수 있다. 

=> 즉, 성과가 어떠한지 '종합적으로' 판단해야 한다.

ROAS (Return On Ad Spend, 광고 수익률)

• 온라인과 모바일 마케팅에서 중요한 KPI이나, 광고 성과를 측정하는 지표로 사용시 주의해야 함
  • 광고비가 줄어들면 ROAS는 거의 항상 높아짐
  • 매출이 온전히 광고로 인한 것이라고 할 수 없다
  • 여러 매체에 집행시 중복 집계될 수 있다
  • 성과를 입체적으로 측정하려고 노력해야 한다

---