마케팅의 디지털 탈바꿈: 그로스해킹 분석 기법
상태바
마케팅의 디지털 탈바꿈: 그로스해킹 분석 기법
  • 김현서 선임
  • 승인 2018.07.26 04:32
  • 조회수 4484
  • 댓글 0
이 콘텐츠를 공유합니다

그로스해킹은 성장을 뜻하는 그로스(growth)와 해킹(hacking)의 합성어로써 스타트업 기업들이 사업을 조기에 성장궤도에 올리기 위해 해킹을 하겠다는 것에서 유래했다. 2000년대 중·후반 실리콘밸리의 최고 마케팅 책임자(Chief Marketing Officer)인 션 엘리스(Sean Ellis)가 처음으로 그로스해킹이라는 개념을 창안하였으며, 페이스북, 인스타그램, 에어비앤비 등 트렌드에 민감한 스타트업 기업들이 주로 활용하다가 현재는 대부분의 온라인 기업들이 사용하는 주된 마케팅 기법으로 자리 잡고 있다.


그로스해킹 기법 중 주로 사용되는 분석방법은 A/B 테스트와 퍼널 분석(Funnel analysis), 코호트 분석(Cohort analysis)이 있다. 이러한 방법은 로그 데이터를 확보할 수 있는 온라인과 앱, 웹을 기반으로 한 비즈니스 환경에 적용되기 쉬우며 사용자의 행동 패턴을 추출하여 분석하고 이를 근거로 창의적인 마케팅 전략을 통해 급격한 성장을 이루어 내는데 용이하다.

 

 

A/B 테스트

A/B 테스트는 실제 사용자를 대상으로 실험을 하고 고객의 반응을 분석하여 결과를 판별하는 방법이다. 그 중 쉬운 예로 모바일 앱의 UI 형태에 따라 고객의 콘텐츠 클릭률이 서로 어떠한 차이를 보이는지 알아보는 실험을 들 수 있다.

 

투이컨설팅_그로스해킹.jpg

먼저, 실험을 위해 고객을 대조군과 실험군으로 분류한다. 대조군은 기존 UI 형태의 콘텐츠가 보이도록 하고 실험군에게는 새로운 UI 형태의 콘텐츠가 보이도록 A/B 테스트 엔진을 가동한다. 여기서 콘텐츠의 UI 형태는 ‘실험 요인’으로 비즈니스 상황과 실험의 목표가 무엇인지에 따라 다양하다. 이후 유입되는 고객마다 측정된 클릭 로그 데이터를 수집하여 대조군과 실험군의 클릭률을 계산해 두 집단을 비교한다. 마지막으로, 클릭률이 실험군에서 높다면 새로운 UI 형태의 콘텐츠로 서비스에 변화를 주고 이와 반대일 경우, 클릭률을 높일 수 있는 새로운 실험 요인으로 다시 A/B 테스트를 설계한다.


만약 A/B 테스트를 진행했는데 대조군과 실험군의 차이가 보이지 않는다면 어떻게 할까?


어느 앱 서비스 관계자는 A/B 테스트 결과가 모호하게 나올 경우 직관적으로 더 나은 것이 무엇인지 판단하고 한 번의 실험 결과에 연연하기보다는 새로운 실험을 반복하여 과감하면서도 지속적인 실험을 하는 것이 성장에 더 도움 된다고 조언한다. 


추가로 A/B 테스트를 진행할 때 유의해야 할 사항은 분석 결과에 대한 통찰을 p-value 등과 같은 통계적 유의성에서 찾으려고 하기보다는 고객들로부터 피드백을 직접 들어보고 교감하는 것이 서비스 변화를 이끄는데 더 중요하다는 점을 놓치지 말아야 한다.


아래는 2014년 KDD(Knowledge Discovery and Data mining) 학회에서 발표된 ‘A/B 테스트에 대한 7가지 법칙’이다.

 

1. 작은 변화가 주요 지표에 큰 영향을 줄 수 있다 (Small Changes can have a Big Impact to Key Metrics).

 

2. 주요 지표에 긍정적인 영향을 줄 만한 변화는 드물다(Changes Rarely have a Big Positive Impact to Key Metrics)

 

3. 케이스 바이 케이스(Your Mileage WILL Vary)
 

4. 웹사이트의 수행 속도는 매우 중요하다(Speed Matters a LOT)

 

5. 사용자 이탈을 줄이는 것은 어렵지만, 클릭을 유도하는 건 쉽다(Reducing Abandonment is Hard, Shifting Clicks is Easy)
 

6. 복잡한 실험 설계를 피하라(Avoid Complex Designs: Iterate)

 

7. 충분한 사용자를 확보해라(Have Enough Users)

원문: Seven Rules of Thumb for Web Site Experimenters
https://www.exp-platform.com/Documents/2014 experimentersRulesOfThumb.pdf

 

 

퍼널 분석

퍼널 분석은 일반적으로 고객 이탈이 어느 서비스 단계에서 빈번하게 발생하는지 파악하기 위해 사용한다.

퍼널 분석을 하는 방법은 다음과 같다. 먼저 고객이 달성해야 할 목표가 무엇인지 설정한다. 여기에서 목표란 기업에 이익이 되는 고객의 최종 행동 패턴으로써 비즈니스 목적에 따라 회원가입, 정기서비스 신청, 상품 결제 등 다양한 형태가 있다. 다음으로 그 목표 단계에 도달하기 전까지 고객의 여정을 단계적으로 나누어 고객 이탈률이나 전환율을 파악한다. 퍼널의 각 단계를 넘어가는 과정에서 고객 이탈이 많이 발생한 부분이 있다면, 그 부분이 바로 개선이 필요한 단계인 것이다.


구독 서비스 분야를 예로 살펴보자. 구독 서비스를 이용하는 고객의 퍼널 경로를 설계해 각 단계에서의 이탈률과 전환율을 구한 후 시각적으로 표현하면 아래 그림과 같다.

 

투이컨설팅_그로스해킹2.jpg

위의 퍼널 경로에서 정기 구독은 고객의 최종 목표로서, 매출 증가를 대변한다.

위 그림에서 서비스 개선이 필요한 단계는 이탈률이 높은, 1. 메인 페이지 방문에서 콘텐츠 메뉴 보기로 넘어가는 단계(이탈률 80%)와 2. 정기 구독을 신청하는 단계(이탈률 90%)이다. 1번과 2번 단계에서 고객 이탈의 원인을 분석하고 싶다면, 고객 관찰을 통한 이탈 경험 분석을 해보거나, 앞서 언급한 A/B 테스트를 통해 상품 콘텐츠의 UI 형태에 따른 클릭률 비교 등 여러 관점에서 원인을 발견하여 대안을 모색할 필요가 있다. 이러한 점을 보면, 퍼널 분석은 각 단계별로 전환율과 이탈률을 측정함으로써 우리가 어떠한 부분에 집중하고 개선을 해야 하는지 그 Pain Point를 명확하게 제공한다는 측면에서 매우 강력한 분석도구 중 하나로 볼 수 있다.

코호트 분석

코호트 분석이란 특정 기간에 특정 경험을 공유한 집단 간의 행동 패턴을 비교하고 분석하는 것을 의미한다. 가령 모바일 앱을 설치한 사용자 그룹이 시간이 지남에 따라 앱을 이용하는 패턴이 어떤 식으로 변화하는지 파악하고자 한다면 코호드 분석은 유용한 도구이다.

 
코호트 분석은 측정 지표의 선정 기준(예: 구매금액, 이탈률, 유지율, 재구매율 등)과, 코호트의 분류 기준(예: 주/월/년 단위, 특정 조건을 만족하는 고객 대상 등)에 따라 활용할 수 있는 영역이 보다 다양해질 수 있다.

코호트 분석을 하기 위해서는 먼저 시간마다 측정된 가입자의 정보와 유지율, 구매율, 이탈률 등의 측정 지표로 전환 가능한 정보가 필요하다. 아래 그림은 1년 동안 월별로 온라인 쇼핑몰의 고객 재구매율에 대한 코호트 분석을 수행한 결과이다.

 

투이컨설팅_그로스해킹3.jpg

코호트 분석 결과는 고객의 처음 구매를 한 날짜를 이용해서 코호트를 구분하고, 코호트 크기를 월 단위로 나누었다. 여기서 측정 지표는 재구매율이다.

도표의 행과 열을 살펴보면,
- 행 부분은 코호트로 처음 구매 가입 월에 따라 분류된 집단을 의미한다.
- 열 부분은 각 코호트 내 고객의 재구매 시기를 의미한다. 이러한 점에서 당월은 처음 구매를 한 시점을 의미하기 때문에 코호트 전체를 100%로 나타나고, 1개월 후는 코호트의 전체 고객(처음 구매 당월 고객수) 중 한 달이 지나 재구매를 한 고객의 비율이 나타난다.

도표의 해석은 자료를 보는 방향에 따라 달라진다. 즉 가로 방향, 세로 방향, 대각선 방향에 따라 숫자를 해석하는 의미가 달라진다. 위 표를 예시로 들면 아래와 같다.

 

1. 초록색 선이 나타내는 가로 방향

한 코호트 내에서 한 달씩 지나감에 따른 재구매율의 변화를 살펴볼 수 있다. 예를 들어, 2017년 1월에 처음 구매를 한 코호트는 한 달이 지났을 때, 처음 구매한 고객 중 8.32%(도표의 ⓐ)의 고객만이 재구매를 한 것으로 해석할 수 있다.

2. 파란색 선이 나타내는 세로 방향

코호트 간 비교를 할 수 있다. 예를 들어, 1월에 처음 구매를 한 코호트는 한 달이 지났을 때 8.32%(도표의 ⓐ)의 고객이 재구매를 한 반면, 2월에 처음 구매를 한 코호트는 한 달이 지난 후 9.88%(도표의 ⓑ)의 고객이 재구매를 하여 2월 코호트가 한 달이 지난 후의 재구매율이 더 높다고 해석할 수 있다.

3. 빨간색 선이 나타내는 대각선 방향

특정한 달의 코호트 간 재구매율이 어떠한지 비교할 수 있다. 예를 들어, 12월을 특정 월로 정해서 살펴보았을 때, 11월 코호트는 8.57%(도표의 ⓒ) 재구매율을 보이고, 10월 코호트는 7.26%(도표의 ⓓ) 재구매율을 보임에 따라 11월 코호트가 10월 코호트에 비해 12월에 구매를 많이 한 것으로 해석할 수 있다.

우리는 지금까지 그로스해킹 기법 중 A/B 테스트와 퍼널 분석, 코호트 분석을 살펴보았다. 비록 그로스해킹은 스타트업에서 발전하였지만, 기업 내부의 마케팅 프로세스에 적용하여 고객의 특정 행동 패턴을 분석하고 특이점을 발견하여 이를 개선하는데 큰 효과를 발휘할 잠재적인 도구임에 틀림없다.

대고객 서비스가 범람하는 시대에서 겉으로 드러나는 고객의 니즈는 대부분 충족되고 있다. 고객의 행동을 끊임없이 분석하고, 이에 따른 서비스 변화를 이끌어 폭발적인 성장을 이룰 수 있는 기회를 얻기 위해서라도 성장을 해킹해 보는 것은 어떨까?

- 끝 -

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.