2. 활성화 (Activation)
# 활성화(Activation) 기본 개념
활성화는 고객 유치를 통해 데려온 사용자가 우리 서비스의 핵심 가치를 경험하게 만드는 것
사용자들이 서비스 도중에 이탈하거나 중도 포기하지 않도록 하는 것이 중요
활성화 단계의 핵심 퍼널(Funnel) 분석 !
: 사용자들이 경험하는 단계를 도식화하고 각 단계의 전환율을 측정 및 분석
퍼널 분석을 진행할 때 고려해야 할 요소 3가지
1) 핵심 가치를 경험하는 시점과 그곳으로 연결되는 각 단계를 잘 정의했는가?
2) 각 단계별 전환율을 어떤 기준으로 측정하는가?
3) 코호트(Cohort)에 따른 퍼널별 전환율을 보고 있는가?
# 퍼널 세부 단계 정의
1) 우리 서비스가 줄 수 있는 핵심 가치 구체화
2) 사용자들이 핵심 가치를 경험하는 정확한 순간 (아하 모먼트 / 머스트 해브) 정의
: 사용자가 우리 서비스를 이용하면서 목적했던 바를 달성하거나 기대를 충족하는 순간
→ 이 때의 핵심 가치는 서비스 제공자가 아닌 사용자 입장에서 정의
3) 핵심 가치를 경험하는 지점까지 연결되는 세부적인 단계 정의하고 연결 경로 도식화
- 크리티컬 패스(Critical Path) : 서비스에 진입하는 순간부터 핵심 가치를 경험하기까지의 경로
# 전환율 측정
개념적으로 전환율은 전체 중 전환된 비율을 구하는 식으로 간단하게 계산 가능
→ But 실제 전환율 측정은 간단X
전환율 측정 예시
사용자 1) 5개의 상품 페이지 접속 후 마지막 상품만 결제
사용자 2) 5개의 상품 페이지 접속 후 결제하지 않고 이탈
사용자 3) 상품 A의 페이지만 5번 접속 후 맨 마지막에 결제
사용자 4) 3개의 상품에 대해 5번에 걸처 상품 페이지 접속 후 상품 두 번 결제
만약 우리 서비스에 위와 같은 총 4명의 사용자가 있다면, 결제 전환율은 얼마라고 볼 수 있을까?
1안) 총 20회의 상품 페이지 조회가 발생, 결제가 4회 이루어졌으니 → 4/20 = 20%
2안) 중복 제거하고, 총 14개의 상품 조회 중 3개의 상품이 결제됐으니 → 3/14 = 21%
3안) 총 4명의 사용자 중 3명이 결제했으니 → 3/4 = 75%
위 3가지 안 중에서 서비스의 결제 전환율로 사용할 수 있는 대표값으로 무엇이 가장 적절할까?
→ 지표라는 것은 정해진 답이 있는 게 아니라 합의된 기준에 따라 사용되므로 정해진 답이 있지 않음
트래픽 기준 vs 사용자 기준 전환율 측정
사용자 1) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
사용자 2) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
사용자 3) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
사용자 4) 상품 페이지 → 쿠폰 페이지 → 상품 페이지 → 결제 완료
사용자 5) 상품 페이지 → 쿠폰 페이지 → 이탈
트래픽 기준 : 상품 페이지 9번 노출, 결제 완료 페이지 4번 노출 → 4/9 = 44%
→ UX/UI 측면에서의 개선점을 찾는 데 도움이 됨
(ex. 쿠폰 페이지에 가기 위해 상품 페이지를 이탈하는 것은 좋지 않음.
UI 개선을 통해 결제 동선상 이탈 최소화)
사용자 기준 : 총 5명의 사용자 상품 페이지 진입, 4명의 사용자 결제 완료 → 4/5 = 80%
→ 다양한 요소의 영향력이 종합적으로 반영되는 지표
(ex. 결제 동선이 불편함에도 불구하고, 상품의 매력도가 높아 전체적인 전환율 좋음.
결제 프로세스 개선 필요)
# 코호트(Cohort)별 전환율
코호트(Cohort) : 공통적인 특성에 따라 여러 집단으로 분류한 사용자 그룹
전체 사용자들을 대상으로 주요 단계별 전환율 살펴보는 것보다,
여러 그룹으로 쪼개서 볼 때 훨씬 더 큰 인사이트 얻을 수 있고, 명확한 개선 아이템 제안 가능
코호트별로 전환율을 쪼개서 살펴보면 각 퍼널에 영향을 미치는 선행지표 발견하기 쉬움
ex) 페이스북 광고를 통해 가입한 사용자의 결제 전환율은 40%,
친구 초대를 통해 가입한 사용자의 결제 전환율은 60%
→ '가입 방법' 이라는 선행지표가 결제 전환율에 영향을 미침
가입 방법 외의 다양한 코호트 : 가입 시점, 특정 이벤트 경험 유무, 인구통계학적 정보 등
만약 A 코호트와 B 코호트가 전환율이 다르다는 점을 단순히 확인하는 게 아니라
거꾸로 전환율에 차이를 만드는 코호트를 먼저 찾을 수 있다면?
활성화 단계에서 가장 핵심이 되는 질문
→ 전환된 사용자와 전환되지 않은 사용자는 무엇이 다른가?
전환에 영향을 주고 있는 코호트를 발견할 수 있다면 전환율을 높이기 위한 구체적인 액션 훨씬 수월
# 퍼널 전환율 높이는 방법
1) 개인화
- 서비스의 주요 화면 개인화하여 사용자 개개인의 맥락에 맞는 정보 보여줌
- 추천 알고리즘 활용한 개인화 추천 ex) 규칙 기반 추천
2) UI/UX 개선
- 주요 화면의 디자인 변경하거나 구성요소 바꾸는 것
- 새로운 화면이 항상 더 좋다는 의미 X
- 변경 전/후의 효과를 면밀하게 측정하고 검증 → A/B 테스트
3) 적절한 개입
- CRM 채널(ex. 메일, 푸시, 인앱 메시지) 적절히 활용
- 메시지를 발송하는 맥락에 따라 효과가 극적으로 달라질 수 있음 → 적절한 타기팅 필요
# 활성화(Activation) 정리
퍼널의 최적화가 단순히 각 단계별 전환율을 높이는 것은 아님
→ 전환율을 높이는 것보다 퍼널에 속한 각 단계의 수를 줄이는 것이 더 효과적인 경우 많음
→ 아예 퍼널 자체를 재설계 하는 것도 새로운 대안이 될 수 있음
핵심 가치를 정의하고, 단계별 퍼널을 정의하고,
코호트 기반으로 쪼개서 보는 각 단계 충실하게 수행하는 것 외에
쉽게 갈 수 있는 지름길은 없다
출처 : 그로스 해킹 (양승화)
'Data Analysis > Growth Hacking' 카테고리의 다른 글
[Growth Hacking] AARRR(4) - 수익화(Revenue) (0) | 2024.02.23 |
---|---|
[Growth Hacking] AARRR(3) - 리텐션(Retention) (0) | 2024.02.23 |
[Growth Hacking] AARRR(1) - 고객 유치(Acquisition) (0) | 2024.02.22 |
[Growth Hacking] AARRR이란? (0) | 2024.02.15 |
[Growth Hacking] 그로스 해킹이란? & Product-Market Fit (1) | 2024.02.07 |