[분석방법론] AARRR, Cohort, Funnel, NPS

이보·2024년 11월 26일
AARRRCohortFunnelNPS데이터분석취업스쿨제로베이스
0

zerobase

목록 보기
18/55

서론

이전 스터디 노트 머신러닝 기초에서는 머신러닝의 평가 및 지표 해석과 기본 모델들에 대한 기초적인 내용을 다루었습니다.

이번 스터디 노트 분석방법론에서는 AARRR 프레임워크와 Cohort, Funnel, NPS 분석에 대한 내용을 다뤄보도록 하겠습니다.

마지막엔 간단한 후기와 다음으로 학습할 주제로 스터디 노트를 마무리하도록 하겠습니다.

AARRR 프레임워크

AARRR이란?
제품 중심의 성장 기업이 추적 해야하는 5가지 사용자 행동 지표인 획득, 활성화, 리텐션, 수익, 추천의 약어입니다.

AARRR은 대부분의 Product Analysis가 지표를 수립하고 고객을 이해하며, 제품 및 서비스를 성장시키기 위한 마케팅의 전략적인 접근 및 수단으로 활용하고 있습니다.

그리고 목표 지향적 성장 전략, 데이터 기반 의사결정 강화, 고객 중심의 사고방식을 위함입니다.

Acquisition - 획득

사용자들을 어떻게 데려올 것인가?

사용자를 우리 서비스로 데려오는 것과 관련된 활동. 즉, 신규 고객이 생기는 것을 의미합니다.

어떤 채널을 통해 들어온 사용자들이 꾸준히 남아서 활동하는지, 결제로 전환되는 비율이 얼마나 되는지 등을 바탕으로 각 채널의 가치를 정확히 판단할 수 있어야 이를 기반으로 전체적인 전략을 수립하거나 예산을 분배할 수 있습니다.

  • 광고(Ads)

    • 유저 획득 비용(Customer Acquisition Cost, CAC)
      한명의 사용자를 데려오기 위해 지출하는 평균 비용

      • 클릭 당 과금 광고(Cost Per Click, CPC)
      • 설치 당 과금 광고(Cost Per Install, CPI)
      • 액션 당 과금 광고(Cost Per Action, CPA)
      • 노출 당 과금 광고(Cost Per Mile, CPM)
      • 기간 보장형 광고(Cost Per Period, CPP)

    • 광고로 인한 매출액/광고비(Return On Ads Spending, ROAS)

  • 최적화(Optimization)
    SEO의 목표는 트래픽(방문자 수)을 늘리는 것, ASO의 목표는 다운로드(사용자 수)를 늘리는 것

    • 앱스토어 최적화(App Store Optimization, ASO)
      앱스토어와 구글플레이 내 상위 랭킹에 진입하기 위해 최적화 하는 작업
    • 검색 엔진 최적화(Search Engine Optimization, SEO)
      유기적인 검색 방식을 통해 검색 엔진에서 상위에 노출될 수 있도록 최적화 하는 과정

  • 유입(Traffic)

    • 리퍼러 데이터(Referrer) - Web
      HTTP 리퍼러 헤더를 통해 사용자가 어떤 웹 사이트에서 온 것인지 식별하는 정보입니다.

    • UTM 파라미터(Urchin Tracking Module) - Web
      GA와 같은 웹 분석을 위한 트래픽 추적을 위한 파라미터입니다.
      (ex. https://www.example.com/product?utm_source=newsletter&utm_medium=email&utm_campaign=spring_sale)

      • utm_source=newsletter: 트래픽이 뉴스레터
      • utm_medium=email: 마케팅 매체가 이메일
      • utm_campaign=spring_sale: 사용자가 '스프링 세일' 캠페인을 통해 유입

    • 어트리뷰션(Attribution) - App
      사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별하여 앱의 마케팅 성과를 판단하는 과정 및 기능입니다.

Activation - 활성화

사용자들은 우리 서비스의 핵심 기능을 잘 사용하는가?

퍼널(Funnel) 분석은 Activation 과정 분석의 핵심입니다.

Funnel 분석은 사용자들이 경험하는 단계를 도식화하여 각 단계의 전환율을 측정 및 분석하는 방법입니다.

  • 퍼널의 전환율을 높이는 방법

    • PUSH MKT

      • 고객 관리 채널(Customer Relationship Management, CRM)이라고 알려진 이메일/푸시/인앱 메세지 등 잘못 사용하게 되면 사용자를 떠나보내는 양날의 검이기에 보수적으로 개입

    • 코호트(Cohort)별 분석

    • 퍼널 재설계

      • 존재하는 퍼널을 개선하는 것이 아닌, 퍼널 자체를 처음부터 설계하는 것도 방법입니다.

    • UI/UX 개선

      • 주요화면의 디자인&구성요소를 바꾸는 것

    • 개인화

      • 주요화면을 개인화해서 전환율을 높일 수 있습니다.

그리고 Funnel 분석 과정에서 Cohort별 분석을 진행하게 됩니다.

Cohrot 분석은 공통적인 특성에 따라 여러 집단으로 분류한 사용자 그룹으로 나누어 분석하는 방법입니다.

  • 코호트별 분석 예시
    • 가입시점에 따라 결제 전환율에 차이가 있는지?
    • UTM_parameter에 따라 결제 전환율에 차이가 있는지?
    • 특정 이벤트 경험 유무에 따라 결제 전환율에 차이가 있는지?
    • 시간이나 요일, 계절이나 날씨 등 외부 변수에 따라 결제 전환율에 차이가 있는지?
    • 전환된 사용자와 전환되지 않은 사용자는 무엇이 다른지?

Retention - 유지

사용자들이 우리 서비스에 지속적으로 방문하는가?

서비스를 이용한 고객이 핵심가치를 꾸준히 경험하게 하고, 그 수준을 측정할 수 있는 지표를 정의하고 관리하는 단계입니다.

높은 리텐션은 기업의 장기적 성장에 유리하기에 가장 중요한 단계입니다.

  • 예시

    1. 정기 구독형 서비스(음원 스트리밍, 멤버십, 쿠팡 와우 등)
      지속적으로 매월/매년 구독료를 지불하는 것

    2. 무료 서비스(페이스북, 인스타그램 등)
      지속적으로 서비스를 이용하는 것

    3. 쇼핑몰(SSG.com, 29cm, 무신사 등)
      사용자가 제품을 구매하는 것

  • 측정 방법

    • Retention Chart
      시간의 흐름에 따른 사용자 유지율을 보여주는 표나 차트 형태입니다.
      • 시간에 따라 분석하는데 도움을 주고 캠페인, 업데이트, 기타 중요 이벤트가 사용자 유지에 미치는 영향을 평가할 수 있게 해줍니다.
    • Retention Curve
      시간에 따라 어떻게 제품이나 서비스를 계속 사용하는지를 보여주는 그래프입니다.
      • 여러 코호트를 직관적으로 분석하기 용이한 그래프입니다.
    • N-Day 리텐션
      첫 방문 후 특정 일자에 재방문한 유저 비율입니다.
      • 습관적으로 사용하거나 반복적 행동을 유도하는 제품에 적합합니다.
      • 유저들이 매일 재방문하는 경우가 아닌 특정 제품에는 N-Week 리텐션 또는 N-Month 리텐션이 보다 적절한 지표가 되며 N-Day 리텐션과 개념적으로는 동일합니다.
    • Bracket 리텐션
      일/주/월 단위 혹은 다양한 기간을 커스텀하여 각 구간별 재방문 유저 비율을 측정하는 방법입니다.
      • 예시로는 1st. 0일차, 2nd. 1-3일차, 3rd. 4-6일차, 4th. 7-11일차별 카운트하는 방법이 있습니다.

Revenue - 수익화

서비스의 비즈니스 모델(Business Model, BM)을 관리하고 이윤을 극대화하는 과정입니다.

AARRR의 다른 단계를 잘 수행하더라도 결국은 이 과정이 수익화로 이어지지 않는다면 서비스가 유지가 될 수 없습니다.

  • 사용자당 평균 매출(Average Revenue Per User, ARPU)
    전반적인 수익화 상황을 살펴보는데 유용합니다.
    하지만, 사용자와 매출을 정의하는 것이 모호합니다.
    ARPU=RevenueUserARPU=\frac{Revenue}{User}
  • 결제자 인당 평균 매출(Average Revenue Per Paying User, ARPPU)
    유료 사용자로부터 얼마나 효과적으로 수익을 창출하고 있는지 평가할 수 있는 지표입니다.
    하지만, 무료 사용자가 많은 서비스의 경우 수익성이나 성장 잠재력을 이해하기 어렵습니다.
    ARPPU=RevenuePayingUserARPPU=\frac{Revenue}{PayingUser}

  • Life Time Value, LTV
    한 명의 사용자가 진입부터 이탈까지의 활동기간에 누적해서 발생시키는 수익입니다.

    논리적으로는 완벽한 수식이지만 현실적으로 사용이 거의 불가능합니다.(참조용)

    매출−비용1+할인율−재방문율−고객획득비용(CAC)=M−C1+i−r−CAC OR ARPU∗1Churn  Rate\frac{매출-비용}{1+할인율-재방문율}-고객획득비용(CAC)=\frac{M-C}{1+i-r}-CAC\\\ \\OR\\\ \\ARPU*\frac{1}{Churn\;Rate}
  • Life Time Revenue, LTR
    한 명의 사용자가 진입부터 이탈까지의 활동기간에 누적해서 발생시키는 수익입니다.(LTV와 동일하지만 간단)
    LTR=월별  가입자당  결제액의  합계LTR=월별\;가입자당\;결제액의\;합계
  • RFM 정의
    • Recency(최근성): 얼마나 최근에 구입했는지?
    • Frequency(빈도): 얼마나 자주 구입했는지?
    • Monetary(규모): 구입한 총 금액은 어느정도인지?

Referral - 추천

기존 고객들로부터 추천을 통해 새로운 고객을 확보하는 과정입니다.

서비스가 어디에 얼마나 공유되고 있으며, 그 채널로 인해 얼만큼의 사용자를 다시 확보하는지 등을 살펴봐야 합니다.(ex. 공유하기, 리뷰작성수, 추천수 등)

  • 바이럴 계수(Viral Coefficient) K
    기존 사용자 한 명이 초래하는 새로운 사용자의 수를 나타내는 값
    K=i∗cK=i*c
    i: 한 사용자가 초대하는 사람들의 평균 수
    c: Conversion Rate(%), 초대받은 사람들 중 실제로 제품이나 서비스를 사용하기로 결정한 비율
    • Viral Coefficient가 1 이상이면, 제품이나 서비스가 자연스럽게 확산되고 있다는 것을 의미합니다.
  • 고객 추천 지수(Net Promoter Score, NPS)
    Survey를 통해서 데이터를 수집하는 것이 일반적인 방법입니다.
    NPS=추천고객비율(Promoters)−비추천고객비율(Detractors)NPS=추천고객비율(Promoters)-비추천고객비율(Detractors)
    중립: Passive

Review

  • 흥미로웠던 점
    AARRR 프레임 워크가 생각보다 정교하게 이루어져 있었고, 각 단계별 다양한 지표를 확인할 수 있다는 점이 비즈니스적으로 데이터를 어떻게 다루게 되는지 분석하는 방법의 시야를 넓혀주는 것 같았습니다.

  • 어려웠던 부분
    이론적으로는 쉽고 간단해 보일 수도 있겠지만, 직접 기업내의 비즈니스 모델에 대한 데이터로 지표를 뽑았을 때, 정확한 지표를 나타내기 위해서는 많은 경험이 필요할 것 같습니다.

  • 다음 학습 계획
    분석방법론에 대한 스터디 노트를 마무리하며, 다음으로 SQL 분석 실습에 대한 내용을 다뤄보도록 하겠습니다.

감사합니다. 오늘도 좋은 하루 되세요. :)

profile
이보
데이터 분석을 통해 성장을 꿈꾸는 비전공자 취준생
이전 포스트

[머신러닝] 기본 모델 평가 및 지표 해석

다음 포스트

[Tableau] 대시보드 설계 및 실습 환경 세팅

0개의 댓글