AARRR 정리

우수민·2023년 3월 8일
데이터분석
2

데이터 분석 관련 정리

목록 보기
5/9
post-thumbnail

AARRR 이란

  • Acquisition, Activation, Retention, Revenue, Referral
  • 이는 고객 여정을 개선하여 비즈니스를 성장시키는 데 사용할 수 있는 일련의 지표를 나타냄
  • 유저의 라이프 사이클을 통해 유저들을 판단함
  • 관리 하기 위한 대표적인 지표 예시

주의할 부분

  • 항상 순서대로 하는 것이 정답이 아니라 서비스별로 중요도가 다름

활용 방법

  • 단계별로 풀어야하는 문제 확인
  • 단계별로 활용되는 주요 지표를 선별하고 측정 -> 지표의 이해
  • 현 단계에서 개선해야 하는 목표를 정하고 실험을 통해 단계적 개선이 필요

1. Acquisition : 사용자를 우리 서비스로 데려오기 -> 효과적인 채널 찾기

  • 핵심 수식 : CAC(Customer Acquisition Cost) < LTV(Lifetime Value)
  • 실제 서비스에서는 Organic과 Paid를 나누는 것이 불명확함 -> 정확한 기준 설정이나 정확한 트랙킹 필요
  • 괜찮은 채널을 찾았다면, 최적화 시키고 확장 시키는 것이 중요
  • CAC의 경우 전체를 보기 보다는 채널/캠페인/날짜 등 다양한 조건에 따라 분리해서 보는 것이 중요함
  • LTV와 CAC가 존재한다면, LTV를 증가시키는 것이 CAC를 감소시키는 것보다 효과적
  • 단어 정리
    1. CAC(Customer Acquisition Cost) : 유저 획득 비용
    2. CPC(Cost Per Click) : 클릭 당 과금되는 광고 상품
    3. CPA(Cost Per Action) : 액션 당 과금되는 광고 상품
    4. CPM(Cost Per Mille) : 노출 당 과금되는 광고 상품
    5. CPP(Cost Per Period) : 기간 보장형 광고 상품
    6. ROAS(Return on Ads Spending) : 광고로 인한 매출액 / 광고비
    7. ASO(App Store Optimization) : 앱스토어 최적화(모바일 앱과 게임을 iOS 앱스토어와 구글플레이 내 상위 랭킹에 진입하기 위해 최적화 하는 작업)
    8. SEO : 검색 엔진 최적화(웹사이트가 유기적인 검색 방식을 통해 검색 엔진에서 상위에 노출될 수 있도록 최적화 하는 과정)

2. Activation – 사용자가 서비스의 핵심 가치의 경험 유무

  • Activation 단계의 핵심은 Funnel에 대한 분석
    • 퍼널 분석 : 웹 사이트에서 특정 결과에 도달하는데 필요한 단계와, 각 단계를 통과하는 사용자 수를 파악하기 위한 방법
    • 사용자의 경험하는 단계를 도식화 / 각 단계의 전환율을 측정, 분석
    • 장점 : 높은 트래픽 파악 / 고품질 방문자 유입 경로 확인 / 의사 결정 보조
  • Cohort를 쪼개서 보는 것이 중요
  • 퍼널 분석의 가치
    • 각 stage 별 conversion을 확인
    • conversion에 영향을 주는 선행지표를 발견할 수 있음
  • 단어 정리
    1. Cohort 분석 : 시간 경과에 따라 유저 그룹을 추적하는 방법
    2. Cohort : 획득 날짜, 제품 유형 또는 행동과 같은 공통 특성을 공유하는 유저 그룹
    3. conversion : 전환율(웹사이트에 방문한 사람 중 소정의 유도된 행위를 한 방문자의 비율)

3. Retention – 사용자가 계속해서 서비스에 참여 유무

  • Activation 과정을 통해 경험한 A HA Moment를 꾸준히 경험하도록 하는 것

  • A HA Moment 과정 (ex. 페이스북의 경우 '10일 내에 7명의 친구')

    1. 기준(baseline) 리텐션 이해하기
    2. 가설 세우기
      : 어떤 행동이나 기능이 리텐션에 영향을 줄 수 있을지 가설 세우기
    3. 가설 검증하기
      : 유저가 특정 행동을 했는지 안했는지에 따라 그룹화하고, 행동 기반 코호트를 통해 이러한 행동들이 실제로 높은 리텐션과 관련이 있는지 확인
    4. 적정한 액션의 빈도를 찾기
      : 특정 액션이 '아하 모먼트'가 되기 위해서는 대다수 유저의 전환점(tipping point)를 대표할 수 있어야 함
    5. 그래프로 점검하기
      : 결과 점검을 위해 행동분석을 위한 코호트를 만들어 리텐션 차트로 시각화
    6. 인과관계 파악하기
      : 분석은 아직 완전히 상관관계만을 나타냄 -> 인과 관계를 파악하기 위해서는 서비스으 ㅣ변화가 실제로 리텐션에 어떤 영향을 주는지 A/B 테스트 실행해보는 것이 좋음
      ex. 가입 초기에 친구를 추가하도록 제안하기 / 가입 후의 친구 추천을 더 눈에 띄도록 하기 / 초기에 친구 추가를 유도하는 툴팁 추가하기

  • 리텐션 종류

    1. Classic Retention(Day-N Retention)
      : 첫 방문 후 +N일 후 재방문하는 사용자의 비율

      • Day N 서비스 방문자 / Day 0 서비스 첫 방문자
      • 특징 :
        - 계산이 쉽다
        - 특정 일자의 Retention이 매우 낮을 경우 평균 Retention 또한 매우 낮아질 수 도 있음

    2. Range Retention
      : Classic Retention과 거의 동일하지만, 기준이 날짜가 아닌 기간이라는 차이점

      • Range N 서비스 이용자 / Range 0 서비스 첫 방문자
      • 특징:
        - 특정 일자의 Retention에 영향이 적음
        - Range가 길어질수록 Retention Rate가 높게 측정됨

    3. Rolling Retention
      : 첫 방문 후 +N일 후 1회 이상 재방문하는 사용자 비율

      • Day N 이후 서비스 1회 이상 이용자 / Day 0 서비스 첫 방문자
      • 특징 :
        - 첫 방문일과 마지막 방문일이 있으면 계산이 가능
        - 사용자의 마지막 방문일은 계속 변화하므로 Retention Rate도 변화하고 마지막 방문일 전에 재방문이 전혀 없더라도 Retention에 반영

  • 접속이 꼭 Retention의 유일한 기준X -> 다른 유의미한 행동을 기준으로, 시간에 따른 반복도 가능함

  • 리텐션 개선방법

    1. 초기에 떨어지는 속도를 늦추기
    2. 오랜 기간 유지시키기
  • 단어 정리
    1. A HA Moment : 사용자가 서비스를 경험하면서 가치를 발견하는 순간
    2. Stickiness(고착도) = DAU/MAU : 월간 순수 사용자 중 특정 일자에 접속한 사람의 비율

4. Revenue

  • RFM(Recency, Frequency, Monetary)
    : 세가지 변수를 측정한 바탕으로 고객이 기업에 가져다 주는 수익에 얼마나 기여하는지 판단 가능
    - Recency : 고객의 최근성 -> 최근에 구매한 고객일수록 현재의 관계가 유의하다고 판단
    - Frequency : 고객의 구매빈도 -> 구매 횟수가 높을수록 높은 점수 부과
    - Monetary : 고객의 구매 금액 -> 구매액이 높을 수록 높은 점수(단, 상한선 고려 필요)
  • 단어 정리
    1. ARPU(Average Revenue Per User) : 인당 평균 결제액(Revenue/User)
    2. ARPPU(Average Revenue Per Paying User) : 결제자 인당 평균 결제액(Revenue/Paying User)
    3. ASP(Average Selling Price) : 평균 판매 가격(Revenue/# of units sold)
    4. LTV(Lifetime Value) : 유저 생애 가치(한명의 고객이 진입부터 이탈까지의 전체 활동기간 동안 누적해서 발생시키는 기대 수익)

5. Referral – Organic 유입의 한 단계

  • 기존 사용자의 추천, 입소문을 통핸 사용자 확대
profile
우수민
데이터 분석하고 있습니다
이전 포스트

A/B TEST 정리 (+p-value)

다음 포스트

ADF-Test(Augmented Dickey-Fuller-Test)

1개의 댓글

comment-user-thumbnail
병호황
2024년 9월 26일

안녕하세요!
메타코드에서 진행하신 무료 특강 내용 중 '데이터분석3'을 python으로 진행해주셨는데, 토스 쿼리 테스트에 AARRR 집계 문제가 출제 된다고 하여 작성해주신 Python 코드를 Bigquery의 sql 쿼리로 작성해봤습니다. 획득-활성화-유지-수익 단계별 유저 수가 python 결과와 크게 다른 데 제가 작성한 sql 쿼리를 확인해주시면 감사드립니다ㅠㅠ

WITH using_events AS ( --비회원으로 이벤트를 발생시킨 유저들의 경우를 함께 고려
SELECT
FROM (SELECT , case when user_id is null then -1 else user_id end as user_id1
FROM bigquery-public-data.thelook_ecommerce.events
WHERE created_at BETWEEN '2024-07-01' AND '2024-07-31') e
WHERE user_id1 = -1 OR user_id1 IN(SELECT user_id --대상: 24년 7월 가입한 유저
FROM bigquery-public-data.thelook_ecommerce.users
WHERE created_at BETWEEN '2024-07-01' AND '2024-07-31')
),user_id1_lst AS ( --using_events 테이블에 존재하는 유저 중에 회원가입을 한 유저 리스트
SELECT distinct user_id1
FROM using_events
WHERE user_id1 != -1
),user_session_lst AS ( --using_events 테이블에서 회원가입을 한 유저들의 session_id 리스트
SELECT distinct session_id
FROM using_events
WHERE user_id1 IN (SELECT FROM user_id1_lst)
),not_user_session_lst AS ( --using_events 테이블에서 비회원인 유저들의 session_id 리스트
SELECT distinct session_id
FROM using_events
WHERE user_id1 = -1
),not_usr_lst AS ( --비회원 유저들의 session_id중에 회원가입을 한 유저들의 session_id와 중복되지 않는 비회원 유저들의 session_id 리스트
SELECT session_id
FROM not_user_session_lst
WHERE session_id NOT IN (SELECT FROM user_session_lst)
),acquisition AS ( # not_usr_lst에 속하는 비회원 유저들은 user_id1 대신 session_id로 대체, 따라서 user_id1: string 변환
SELECT cast(user_id1 as string) as user_id1 FROM user_id1_lst
UNION ALL
SELECT FROM not_usr_lst
),final_acquisition AS ( #(1)Acquisition(획득) : 유저 유입(!=회원가입)
SELECT user_id1, 1 as type
FROM acquisition
),activation AS ( #(2)Activation(활동, 활성화) : 회원가입
SELECT user_id1, 2 as type
FROM user_id1_lst
),retention AS ( #(3)Retention(유지) : 홈 방문 및 장바구니 기준으로 설정
SELECT user_id1, 3 as type
FROM using_events
WHERE user_id1 != -1 AND event_type IN ('home','cart')
GROUP BY user_id1
HAVING count() >= 2
),revenue AS ( #(4)Revenue(매출) : 구매(비회원도 매출 발생 가능)
SELECT distinct user_id1, 4 as type
FROM using_events
WHERE event_type = 'purchase'
)--,funnel_data AS ( #(5)funnel_data
SELECT count(user_id1) as usr_cnt FROM final_acquisition
UNION ALL
SELECT count(user_id1) FROM activation
UNION ALL
SELECT count(user_id1) FROM retention
UNION ALL
SELECT count(user_id1) FROM revenue
ORDER BY usr_cnt DESC
--)

답글 달기