안녕하세요, ☺
'데이터 분석 공부를 시작하려는' 분들에게
이 책을 추천해드리고 싶어 글을 남겨봅니다.
그로스 해킹
데이터와 실험을 통해 성장하는 서비스를 만드는 방법
이 책을 읽으며,
「데이터 문해력」 이란 책을 읽고 문제 정의를 바라보는 시각에 대해 알게 되었고, 데이터를 수집하고 분석하고 그것을 업무에 적응하는 과정에 대해 궁금해졌다. 데이터 분석가 신입 채용 공고에서 자주 봤던 주요 업무와 자격 요건에 있는 문장에서 핵심 지표 정의, 추적, 지표 발굴 및 개선 그리고 A/B 테스트 결과에 대한 분석을 본 적이 있을 것이다. 데이터 분석가 3년차, 5년차 이상의 채용 공고에서도 지표 분석 및 지표 관리, 고객 행동 데이터 로깅, A/B 테스트 설계 및 관리를 주요 업무에서 발견할 수 있다. 이처럼 주니어 ~ 시니어에게 요구하는 핵심 지표, A/B 테스트란 무엇일까 고민하면서 그와 관련된 실습을 할 수 있는 데이터리안의 SQL 데이터 분석 캠프를 듣게 되었고, SQL을 활용한 AARRR, Retention 분석 등을 실습할 수 있었다. 데이터리안 블로그에서 데이터 분석 공부에 도움이 되는 책을 추천 받으며 「그로스 해킹」에 대해 알게 되었다. 이 책은「데이터 문해력」 다음에 읽기 좋은 책인 것 같다. 책에서 저자는 데이터 분석, 머신러닝 강의를 듣고 파이썬과 데이터 다루는 스킬을 배우고 난 뒤, "그런데 내 서비스에서는 뭘 해야 하지?" 라는 질문을 던진다. 그렇다. 나 또한 데이터에서 찾은 인사이트를 바탕으로 실무에 적용하여 서비스 개선에 도움을 주고 싶고, 그 방법과 과정이 궁금했다. 저자는 본인이 직접 공부하고 실무에서 적용했던 사례들을 예시로 그로스 해킹에 대해 개념과 중요한 사항들을 전달해줬다. 나도 이 책을 통해 배움을 얻었고, 내 프로젝트에 적용하고 공유할 예정이다. 좋은 책이므로 데이터 공부를 시작하는 사람들이 자주 읽었으면 하는 책이다.
책의 목차
# p.10
그로스 해킹
크로스펑서녈한 직군의 멤버들이 모여서 핵심지표를 중심으로 실험을 통해 배움을 얻고, 이를 빠르게 반복하면서 제품이나 서비스를 성장시키는 것
AARRR
해적지표(Pirates Metrics)
그로스 해킹의 근간이 되는 프레임워크.
대표적인 스타트업 액셀러레이터 500 Startups의 창업자인 데이브 맥클루어(Dave McClure)가 주장한 지표 관리 방법
데이브 맥클루어는 스타트업의 성장을 위해 다섯 가지 범주에 따라 주요지표들을 모니터링하고 관리해야 한다고 주장했다.
- Acquisition 고객 유치
- Activation 활성화
- Retention 리텐션
- Revenue 수익화
- Referral 추천
# p.41
효율적인 지표 관리 : AARRR
AARRR은 각 부서의 업무를 기반으로 한 지표가 아니라 사용자가 서비스에 진입하고, 핵심 기능을 사용하고, 결제하고, 이탈하는 라이프사이클(lifecycle) 전반에 걸친 핵심 지표를 찾고 관리하도록 한다.
# p.44
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.
1. 고객 유치 (Acquisition)
1) 고객 유치의 개념
고객 유치는 사용자를 우리 서비스로 데려오는 것과 관련된 활동을 의미한다. 고객 유치 과정의 핵심은 고객 유치에 기여(Attribution)한 채널의 성과를 판단할 수 있는 모델을 만드는 것이다.
# p.49
2) 고객 획득 비용(Customer Acquisition Cost, CAC)
고객 유치와 관련된 핵심 지표를 하나만 고르자면 고객 획득 비용을 들 수 있다.
고객 획득 비용은 한 명의 사용자를 데려오기 위해 지출하는 평균 비용을 의미한다.
고객 획득 비용에 대한 구체적인 논의를 하기 위해서는 우선적으로 각 채널별, 캠페인별, 광고별로 얼마의 예산을 집행했고 각 경로를 통한 유입이 정확히 어떻게 되는지 정확하게 추적할 필요가 있다. 웹에서는 UTM 파라미터, 앱에서는 어트리뷰선이 그 역할을 한다.
# p.53
3) UTM 파라미터(UTM parameter)
- UTM 파라미터의 구조
웹페이지 URL 뒤에 '?'를 붙인 후 소스 (utm_source), 매체(utm_medium) , 캠페인(utm_campaign) , 검색어(utm_term) , 콘텐츠(utm_content)에 해당하는 파라미터를 추가해서 새로운 URL을 생성하면 된다. 여러 개의 URM 파라미터를 동시에 사용하는 경우에는 '&' 기호로 연결한다.
사용자가 만들어진 URL을 클릭하면 해당 URL에 지정된 파라미터 값이 구글 애널리틱스 등 분석 서비스에 전달되어 방문자가 어느 경로를 통해 웹사이트에 진입했는지 손쉽게 식별할 수 있다.
4) 모바일 앱 어트리뷰션(Attribution)
모바일 앱에서의 유입 기여를 살펴보기 위해서는 어트리뷰션(Attribution)이라는 개념이 사용된다. 어트리뷰션은 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별함으로써 모바일 앱의 마케팅 성과를 판단하는 과정이다.
# p.80
우리가 데이터를 통해 확인하려는 것은 눈 앞에 있는
지표 몇 개가 아니라 '고객'에 대한 폭넓은 이해라는 점을 기억하자
2. 활성화 (Activation)
1) 활성화(Activation)의 기본 개념
고객 유치의 다음 단계는 활성화다. 고객 유치를 통해 데려온 사용자가 우리 서비스의 핵심 가치를 경험하게 만드는 것이 중요한 포인트이다.
활성화 단계의 핵심은 퍼널(Funnel)에 대한 분석이다. 사용자들이 서비스에 진입하고 나서 최종적인 핵심 기능을 사용하기까지의 여정을 도표로 나타내면 점점 그 숫자가 줄어드는 게 일반적인데, 그 모습이 깔데기와 비슷하다고 해서 퍼널(Funnel) 이라는 용어를 사용한다. 퍼널 분석은 사용자들이 경험하는 단계를 도식화하고 각 단계의 전환율을 측정, 분석하는 과정으로 진행된다.
퍼널 분석을 진행할 때 고려해야 할 요소
- 핵심 가치를 경험하는 시점과 그곳으로 연결되는 각 단계를 잘 정의했는가?
- 각 단계별 전환율을 어떤 기준으로 측정하는가?
- 코호트(Cohort)에 따른 퍼널별 전환율을 보고 있는가?
2) 퍼널의 세부 단계 정의하기
퍼널 분석을 위해 우선적으로 해야 할 일은 우리 서비스가 줄 수 있는 핵심 가치를 구체화하고 사용자들이 핵심 가치를 경험하는 정확한 순간을 정의하는 것이다. 핵심 가치를 지칭할 때 아하 모먼트(AHa moment), 또는 머스트 해브(Must have)라는 용어를 사용하기도 한다.
4) 코호트(Cohort)별 전환율 쪼개보기
퍼널 분석의 진정한 가치는 주요 퍼널에서의 단편적인 전환율을 계산하는 데 있는 것이 아니라 전환율에 영향을 미치는 유의미한 선행지표를 발견하는 데 있다.
# p.95
3. 리텐션 (Retention)
1) 리텐션(Retention)의 기본 개념
리텐션은 대표적으로 잘 하고 있을 때 일수록 더 세심하게 측정하고 관리해야 하는 지표에 속한다.
리텐션은 일반적으로 접속을 기준으로 측정한다. 하지만 리텐션의 기준이 되는 행동을 꼭 접속으로 한정할 필요는 없다. 일반적으로 접속이나 로그인을 기준으로 리텐션을 측정하는 이유는 사용자가 서비스에 진입하는 것이 유의미한 행동이며, 이러한 행동이 반복되는지 살펴보는 것이 중요하다.
# p.96
2) 리텐션을 측정하는 세 가지 방법
클래식 리텐션(Classic Retention)
클래식 리텐션은 가장 일반적인 유지율 계산 방법이다. 특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식이기 때문에 'Day N 리텐션' 이라고도 한다.
클래식 리텐션 = Day N에 서비스를이용한 사람 / Day 0에 처음 서비스를 이용한 사람
가령 10명의 사용자가 같은 날 처음으로 서비스를 이용하기 시작했고, 그 다음날부터의 접속 로그가 그림과 같다고 하자.
범위 리텐션(Range Retention)
범위 리텐션은 특정 기간에 이벤트를 발생시킨 유저의 비유를 계산하는 방식으로 리텐션을 측정한다.
범위 리텐션 = Range N에 서비스를 이용한 사람 / Range 0에 처음 서바스를 이용한 사람
그림과 같은 접속 로그가 있다고 가정하고, 1주일을 기준으로 한 범위 리텐션을 계산해보자.
롤링 리텐션(Rolling Retention)
롤링 리텐션은 '더 이상 해당 이벤트가 발생하지 않는 비율은 얼마인가?'를 살펴봄으로써 리텐션을 계산하는 방식이다.
롤링 리텐션 = Alter N day에 서비스를 이용한 유저 / Day 0 에 처음 서비스를 이용한 유저
롤링 리텐션을 쉽게 이해하는 방법은 '마지막 로그인 날짜'를 활용해 리텐션을 계산한다고 생각하는 것이다. 그림에서 7일째 되는 날을 기준으로 사용자들의 접속 기록을 살펴보자
약식으로 보는 리텐션 지표, 인게이지먼트(Engagement)
Engagement = DAU(Daily Active User) / MAU(Monthly Active User)
인게이지먼트 지표는 매일 동일한 사용자가 반복적으로 들어오는지 혹은 날마다 새로운 사용자가 들어오는지를 빠르게 가늠할 수 있게 해 준다.
# p.104
3) 리텐션 분석하기
리텐션 차트(Retention Chart)
리텐션 차트를 만들면 코호트에 따라 리텐션이 어떻게 움직이는지를 시각화해서 확인할 수 있다.
# p.106
- 코호트 : 각 행의 첫 번째 열에 작성한다. 보통 리텐션 차트에서의 코호트는 '동일 기간 가입' 또는 '동일 기간 결제'로 잡는 경우가 많다. 예를 들면, 2020년 1월 가입자, 2020년 2월 가입자 ... 같은 형태로 코호트를 나눈다고 생각하면 된다.
- 볼륨 : 각 코호트의 크기를 기록한다. 가령 코호트가 2020년 1월 가입자였다면 해당 코호트에 속한 유저 수를 기록하면 된다.
- 기간 : 유지율을 구분해서 보기 위한 날짜 기준을 기록한다. 일별, 주별, 월별 중 적합한 것을 선택한다. 사용자들의 평균 서비스 방문 주기를 고려해서 정하면 된다.
- 리텐션 : 각 코호트별로 집계된 기간별 리텐션을 기록한다.
4. 수익화
1) 수익화 (Revenue)의 기본 개념
수익화 관리를 위해서는 서비스가 어떤 비즈니스 모델(Business Model) 을 가지고 있는지를 명확히 이해하고, 그 비즈니스 모델이 잘 동작하는지, 비용 대비 수익이 안정적인지를 데이터로 확인할 수 있어야 한다.
2) 수익화 관련 주요 지표
ARPU (Average Revenue Per User)
구매자 수, 구매 건수, 매출과 같은 기본적인 지표를 제외하고 수익화 측면에서 우선적으로 봐야 하는 중요한 지표는 ARPU (Average Revenue Per User, 인당 평균 매출)이다.
ARPU(인당 평균 매출) = Revenue / User
- ARPDAU ( Average Revenue Per Daily Active User ) = 일매출 / DAU
- ARPWAU ( Average Revenue Per Weekly Active User ) = 일매출 / WAU
ARPPU(Average Revenue Per Paying User)
ARPPU(Average Revenue Per Paying User, 결제가 인당 평균 매출) 는 ARPU와 유사하지만 전체 사용자가 아닌 '결제자'만을 대상으로 한다는 점이 다르다.
ARPPU(결제자 인당 평균 매출) = Revenue / Paying User
고객 생애 가치 (Lifetime Value, LTV)
수익화를 분석할 때 핵심이 되는 또 다른 지표로 고객 생애 가치를 들 수 있다. 고객 생애 가치는 한 명의 사용자가 진입하는 순간부터 이탈하는 순간까지의 전체 활동 기간에 누적해서 발생시키는 수익으로 정의할 수 있다.
고객 생애 가치 공식
고객 생애 가치(LTV) = $\frac{M - c}{1 - r - i} - AC$
M : 1인당 평균 매출 c : 1인당 평균 매출
r : 고객 유지 비율 i : 할인율
AC : 고객 획득비용(acquision cost)
고객 생애 매출 (Lifetime Revenue, LTR)
고객 생애 가치가 고객 한 명에 대한 기대 수익이라면 고객 생애 매출은 고객 한 명에 대한 기대 매출이다.
# p.120
수익화 분석하기
CAC (고객 획득 비용) + a < LTR (고객 생애 매출)
요약된 수익화 지표 하나만 보고 의사결정을 내리기보다는 사용자를 다양한 방식으로 그루핑하고 각 그룹에 맞는 운영 및 수익화 전략을 세우는 것이 중요하다.
5. 추천 (Referral)
1) 추천(Referral)의 기본 개념
추천은 오가닉(Organic) 유입의 하나로, 말 그대로 기존 사용자의 추천이나 입소문을 통해 새로운 사용자를 데려오는 것을 의미한다. 추천을 위한 기능으로 가장 흔히 볼 수 있는 것은 친구 초대이다.
# p.132
바이럴 계수 (Viral Coefficient)
바이럴 계수 = 사용자 수 X 초대 비율 X 인당 초대한 친구 수 X 전환율 / 사용자 수
추천 시스템에 대한 효과를 분석할 때는 바이럴 계수를 구하는 것과 함께 '초대의 주기가 얼마나 빠른가?'를 꼭 고려해야 한다.
이 책을 읽으며 AARRR에 대한 개념과 실무에서의 활용에 대해 엿볼 수 있었다.
'Life > Book' 카테고리의 다른 글
| [책 리뷰] 데이터 문해력 (1) | 2023.11.01 |
|---|
