[그로스 해킹-④] 그로스 해킹으로고객 유치하기 (AARRR-2편)

양승화 님의 '그로스 해킹'을 읽고 정리한 글입니다.

---

✅ AARRR 1편 보기
2021.07.12 - [자기 개발 🔎/② 데이터 공부] - [그로스 해킹-③] 그로스 해킹의 핵심지표 (AARRR-1편)

---

---

고객 유치 (Acquisition)

AARRR의 첫번째 'A'는 고객 유치다. 고객 유치는 사용자를 우리 서비스로 데려오는 것과 관련된 활동을 말한다. 고객 유치 과정의 핵심은 고객 유치에 기여(Atrribution)한 채널의 성과를 판단할 수 있는 모델을 만드는 것이다.

-양승화 저. 그로스 해킹(2021) -

고객 유치 단계에서의 핵심은 "고객이 어떻게? 어떤 경로를 통해? 서비스에 유입했는가" 를 살펴보는 것이다. 고객 유치 과정에서의 채널 별 성과는 어떤 기준으로 측정할 수 있을까??

---

고객 획득 비용 (Customer Acquisition Cost \ CAC)

 

광고비 / 가입자 = 고객 획득 비용(CAC)

 

고객 획득 비용은 한 명의 사용자를 데려오기 위해 지출하는 평균 비용을 의미한다. 여기서 핵심은 채널별, 캠페인별, 날짜별, 광고별로 데이터를 쪼개서 보는데 있다. 서로 쪼개어 고객 획득 비용을 비교하여 보면, 어떤 채널에 얼마의 예산을 집행하면 좋을지를 판단할 수 있다.

---

유입채널에 따라 사용자를 구분할 때 사용하는 일반적인 분류 기준은 자발적으로 우리 서비스를 찾아오는 고객(Organic/Direct User)과 비용을 집행한 마케팅을 통해 찾아오는 고객(Paid User)으로 나누는데, 자발적으로 찾아온 고객의 고객획득비용은 0원으로 볼 수 있다.

 

 

(종종, 오가닉으로 분류되는 트래픽은 유입 경로가 명확하게 식별되지 않은 트래픽으로 봐야하는 경우도 있어 자발적으로 찾아오는 고객은 Direct로, 식별되지 않은 고객은 Unknown이라는 용어를 사용하는 것이 적합하다.)

고객 유치 데이터를 분석할 때 중요한 포인트는 Organic 트래픽을 늘리는 것이 아니라 미식별(Unknown)트래픽의 비중을 최대한 줄이는 방향이어야 한다. 그래서 고객 유치 데이터를 살펴보기에 앞서 풀어야 하는 문제는, 다음과 같다.

-
1. 어떻게 하면 사용자의 유입 채널을 누락없이 정확하게 추척할지?
2. 각 채널별 성과를 정확히 판단할 수 있을지?
-

 

어떻게 하면
누락을 최대한 줄일 수 있을까?

 

서비스 플랫폼에 따라 유입경로를 측정하는 방법은 상이하다. 크게 웹과 앱으로 분류하여 이를 살펴보았을 때, 웹은 UTM파라미터를 이용하여 URL만으로 경로를 파악할 수 있지만, 앱은 여러 고려해야하는 요소가 있어 웹가 다른 방식으로 이를 측정한다.

---

① 웹 : UTM 파라미터

온라인에서 유입경로를 확인하기 위해 가장 널리 사용되는 기능은 UTM 파라미터이다. 

---

UTM 파라미터는 어떻게 구성되어 있을까?

출처: 그로스 해킹 (양승화 저)

1. 웹페이지 URL 뒤 '?'를 붙인 후
2. utm_source : 어디서 왔는지 (naver, facebook)
3. utm_medium : 어떤 유형의 링크 (email, display,cpm)
4. utm_campaign : 어떤 캠페인 (2021, career_lifestyle)
5. utm_term : 어떤 키워드 (interest)
6. utm_content : 어떤 내용 (image1, blue_color_button)

여러 개의 파라미터를 '&'로 연결 하면 URL이 생성된다.

---

구글이 제공하는 URL 생성 서비스를 이용하면 쉽게 UTM 파라미터를 만들 수 있다. 이렇게 만들어진 URL을 클릭하면 해당 URL에 지정된 파라미터 값이 구글 애널리틱스 등 분석 서비스에 전달되어 방문자가 어느 경로를 통해 웹사이트에 진입했는지를 손쉽게 식별할 수 있다.

 

👇 구글 UTM 파라미터 빌더 👇

Campaign URL Builder — Google Analytics Demos & Tools

 

---

 

① 앱 : 어트리뷰션 (Attribution)

앱은 웹보다 훨씬 더 복잡한 유입경로를 지니고 복잡하다. 특히나 앱은 자체적인 링크가 없기 때문에 UTM 파라미터로 유입 기여도를 확인하기 어렵다. 그래서 모바일 앱에서 유입기여를 살펴보기 위해서는 어트리뷰션이 필요하다. 잘 알려진 어트리뷰션 서비스로는 앱스플라이어, 브랜치(Btanch), 애드저스트(Adjust), 코차바(Kochava) 등이 있다.

어트리뷰션을 잘 이해하기 위해 알아둘 필요가 있는 몇가지 개념이 있다.

📌 이벤트 : 사용자가 앱을 설치하게 하는 데 영향을 미친 이벤트

 

어트리뷰션 윈도우(Attribution window) / 룩백 윈도우 (lookback window)

➡️ 기여 이벤트가 발생한 이후 얼마만큼의 기간동안 발생한 전환에 대해 어트리뷰션을 인정할 것인가.

 

"예를 들어, 페이스북에서 광고를 시작했다고 해보자. 사용자A는 이 광고를 보고 클릭을 해, 스토어로 이동했다. 하지만 바로 앱을 설치하지 않았다. 하지만 다음날, 광고에서 봤던 앱이 생각나 스토어에 직접가서 앱을 설치했다고 해보자. 이런 경우에는 어떻게 될까? "

-
이처럼 기여 채널의 성과를 판단하기 위해서는 기여 이벤트 (페이스북 광고) 가 발생한 후 어느 정도의 기간 내에 발생한 어트리뷰션을 해당 채널의 성과로 인정할 것인가에 대한 기준이 필요하다. '어트리뷰션 윈도우를 N일로 해야한다'는 일반화된 규칙은 없기때문에, 각 채널별로 어트리뷰션 윈도우를 어떻게 정의할지에 대한 기준을 잘 세우는 것이 대단히 중요하다

이 경우 앱 설치가 이뤄지더라도 어트리뷰션 성과로 인정되지 않음.

 

 

클릭-스루 (Click-Through)와 뷰-스루 (View-Through)

일반적으로 어트리뷰션은 클릭을 통해 발생한다고 생각하지만, 광고를 클릭하지 않고 본 것만으로 브랜드에 대한 이미지가 남기때문에, 조회를 통한 설치도 어트리뷰션으로 인정한다. 

*️⃣ 클릭-스루 클릭을 통해 발생하는 기여  *️⃣ 뷰-스루 조회를 통해 발생하는 기여

보통, AppsFlyer의 경우 클릭스루 어트리뷰션 윈도우는 7일, 뷰스루 어트리뷰션 윈도우는 1일을 기본값으로 삼고 있다.

 

 

어트리뷰션 모델

여러 개의 접점이 발생하는 경우, 기여도에 대한 판단을 내릴 수 있게 하는 일종의 기준이 필요하다.

 

싱글 터치만 인정하는 경우

퍼스트 클릭 (First Click) 어트리뷰션
퍼스트 클릭 모델은 여러 건의 기여 이벤트가 발생했을 때 그중 첫번째 매체의 성과를 100%로 인정하는 방식

 

라스트 클릭( Last Click) 어트리뷰션
맨 마지막 상호작용에 기여한 매체의 성과를 100% 인정하는 방식

 

멀티 터치를 모두 인정하는 경우

선형 (Linear) 어트리뷰션
접점이 발생한 모든 매체에 동일한 가중치 부여

타임 디케이 (Time Decay) 어트리뷰션
시간의 흐름에 따라 가중치를 주는 방식 (최근 발생했을 수록 높은 가중치 부여)

U 자형 (U-shape) 어트리뷰션
시간의 흐름에 가중치 붕여 / 가장 먼저 발생한 기여 + 최근 발생한 기여 이벤트에 동일한 가중치 부여

---

 

어트리뷰션 기준 어떻게 설정할까?

채널 특성을 고려하지 않고 모든 채널에 일관된 기준을 적용하는 것은 좋은 판단이 아니다. 각 채널마다 노출되는 광고 영역의 크기, 지면의 형태, 타기팅 알고리즘, 사용자층이 모두 다르기 때문이다. 어트리뷰션을 잘 활용하기 위해선 정량적으로 나타나는 수치 외에도 각 마케팅 채널이 어떤 지면을 가지고 있는지, 광고와 사용자의 인터랙션이 어떤식으로 이뤄지는지 등 채널의 특성을 잘 이해하고 있어야 한다.

 

---