AARRR (2): Activation 활성화

 

 

<

 

 

 

 

 

 

 

AARRR 퍼널 분석 시리즈 몰아보기

 

AARRR (1): Acquisition 획득

AARRR (2): Activation 활성화

AARRR (3): Revenue 수익화

AARRR (4): Retention 리텐션

AARRR (5): Referral 추천

 

 

 

 

>

 

 

 

 

 

 

 

이번 포스트에서는 퍼널 분석 중 가장 보편적으로 사용되는 AARRR의 Activation활성화 단계에 대해 다룬다. Activation 단계는 유저가 유입 또는 회원가입 이후, 서비스의 핵심 단계를 발견하는 단계, 로 정의할 수 있다. 서비스의 매력을 발견하는 단계여서 Aha moment 단계라고도 불린다. <이 포스트의 내용 대다수는 패스트캠퍼스의 세계 3등에게 배우는 13개 데이터 분석 프로젝트 강의 기반으로 작성됐다.>

 

 

Activation 퍼널을 분석하면 고객이 얼마나 활발하게 우리 서비스를 이용하는지, 또 고객들이 우리 서비스의 어떤 기능을 이해해야 구매 유저로 전환될 수 있는지 확인할 수 있다. 예를 하나 들어 보겠다. 상품 찜하기는 일반적으로 구매와 상관도가 높은 고객 행동이다. 유저 행동 데이터를 분석해 보니 해당 행동을 한 유저의 구매 전환과 리텐션은 하지 않은 유저 대비 20% 이상 차이가 나는 것이 밝혀졌다면, 우리는 상품 찜하기를 우리 서비스의 Aha moment로 삼아 찜하기를 유도하는 이벤트와 제품을 기획해볼 수 있을 것이다.

 

 

글로벌 기업들의 아하 모멘트.

 

 

Activation의 주요 지표는 아래와 같다.

 

 

   1) 집계 기준: 가입 수, 체류시간Duration time, 페이지뷰 빈도Page view Frequency

   2) 비용 기준: CPACost Per Action

   3) 전환 기준: DAU/MAUStickiness, CVRConversion Rate

 

 

'집계 기준'에서는 일반적인 기준인 가입 수로 잡았지만, Activation은 상위 첨부 이미지, <글로벌 기업들의 아하 모멘트>에서 보이듯이 조금 더 구체적인 기준으로 집계하는 게 좋다. 단순 가입 수가 아니라 유저가 프로덕트에서 가치를 얻는 순간(이벤트)을 기준으로 집계하는 것이다. 유저가 프로덕트에서 가치를 얻는 명확한 행동 기준으로 Activation을 집계해야지만 리텐션, 결제, 추천 등 비즈니스의 주요 목표를 개선할 수 있는 퍼널을 구축할 수 있다.

 

 

이를 위한 접근법은 두 가지다.

 

 

   (1) 퍼널 최적화: 핵심 가치를 더 많은 유저들이 더 빨리 경험할 수 있는 방법 찾기

   (2) 지표/ 고객 세분화: 우리 서비스의 핵심 가치 찾기

 

 

 아래부터는 이 두 가지 접근법에 근거해서 Activation 퍼널을 최적화하는 방법을 살펴본다

 

 

 

 

 

(1) 퍼널 최적화: 핵심 가치를 더 많은 유저들이 더 빨리 경험할 수 있는 방법 찾기

 

퍼널 간 전환율 늘리기

 

Activation 퍼널을 최적화하기 위해 우리는 핵심 가치를 더 많은 유저들이 더 빨리 경험할 수 있는 방법에 대해 고민해야 한다. 서비스에서 알려주고 싶은 기능은 너무나 많다. 우리가 '가장 중요한 하나의 기능에 초점을 두지 않으면' 유저는 우리 서비스의 목적을 이해하지 못 하고 지쳐서 이탈한다. 우리는 우리가 말하고 싶은 핵심 기능까지 유저가 자연스럽게 도달할 수 있는 경로를 의도적으로 설계해야 한다. 

 

 

고객이 크게 이탈하는 구간이 하나 보인다.

 

 

도메인의 평균적인 전환율과 대비해 나쁜 방향으로 편차가 있는 유저 동선을 개선하자. 위 표를 보면 이 서비스에서는 상세페이지에서 찜하기에 이어지는 전환율이 타 단계에 비해 크게 낮다. 서비스의 문제일 수도 있지만 버튼이 작다거나 다른 오브젝트에 묻혀 잘 안 보인다거나 하는 UI 문제일 가능성도 있다. 

 

 

 

퍼널 자체를 줄이기

 

유저가 핵심 기능을 '더 많이' 그리고 '더 빠르게' 경험하게 만드는 방향이 전환율을 높이는 데에만 있는 것은 아니다. 퍼널을 아예 줄여 버려도 된다. 요새 브랜드 웹사이트에 자주 도입되는 소셜 로그인이나 커머스 사이트의 바로구매 기능은 퍼널을 효과적으로 축소한 사례다. 각 단계 간에 얼마나 전환율을 끌어올리든간에, 단계가 존재하는 이상 이탈은 발생한다. 반대로 고객이 기능이나 서비스를 충분히 인지하게 만든 상황에서 가능한 퍼널을 줄이면 전환율은 개선될 것이다.

 

전환율을 올리는 방법 중 하나는 퍼널 자체를 줄여 버리는 거다.

 

 

 

 

 

(2) 지표/ 고객 세분화: 우리 서비스의 핵심 가치 찾기

 

Stickiness유저 고착도 활용하기

 

(기간 평균) DAU일 활성 이용자를 MAU월 활성 이용자로 나눈 지표인 Stickiness를 관리하는 것도 Activation 퍼널을 최적화하는 하나의 방법일 수 있다. Stickiness는 유저 고착도 내지는 잔존율로 번역되는 용어로, '서비스를 유저들이 얼마나 자주 사용하는가'를 정의할 수 있는 지표다.

 

DAU와 MAU의 차이를 놓고 보면 조금 더 이해가 쉽다. DAU는 하루동안 우리 서비스의 핵심 기능을 이용한 유니크 유저 수를 집계하는 지표고, MAU는 한 달동안 우리 서비스의 핵심 기능을 이용한 유니크 유저 수를 집계하는 지표다. 어떤 유저가 열흘 동안 하루 한 번씩 우리 서비스에 접속한다면 DAU는 열 번이 잡히지만 MAU는 단 한 번 잡힌다. 즉, 우리 서비스를 기간 동안 자주 이용하는 유저가 많을 수록 (기간 평균) DAU와 MAU 값의 차이는 적을 거고 그럴 수록 Stickiness 값은 1에 가까워진다. 우리 서비스의 Stickiness 값이 높다면, 우리 유저들의 리텐션, 혹은 핵심 기능 사용 빈도가 높다고 볼 수 있는 것이다.

 

두 사례 모두 MAU는 같지만 평균 DAU 값이 달랐다.

 

 

다만 서비스의 사용 주기에 따라 Stickiness는 유효하지 않은 측정기준이 될 수 있다. 카카오톡, 메타, 유튜브 같은 sns 서비스의 경우 매일 서비스를 방문해 사용하는 비중이 크지만 알라딘, 29cm 같은 커머스나 토스 같은 금융 서비스는 그렇지 않다. 이런 서비스의 경우 DAU와 MAU의 비율로 측정하는 Stickiness가 비교적 낮게 측정될 수밖에 없고 지표의 중요도가 전자에 비해 떨어질 수밖에 없다.

 

 

Aha moment 찾기: XaY 공식

 

글의 초반부에서도 언급했지만, Activation 단계는 유저에게 서비스의 매력을 발견하게 만드는 단계이기도 하다. Activation 단계의 성공은 '우리 서비스가 얼마나 많은 유저에게 얼마나 빠르게 핵심 기능을 제공했는가'로 요약될 수 있다. 그러면 이 퍼널의 성공은 다음과 같은 XaY 공식으로 집계된 유저의 비율을 세는 것으로도 표현될 수 있을 것이다.

 

정해진 기간(Y) 동안 서비스의 핵심 행동(a)을 일정 횟수(X) 이상 하는 유저

a: 핵심 행동 / X: 유저의 행동 빈도 / Y: 기간

 

줌과 메타의 Aha moment도 이런 공식을 따른다. 줌의 경우는 28일(Y) 동안 4회 이상(X) 미팅(a)을 잡은 유저를, 메타는 10일(Y) 동안 7회 이상(X) 친구 추가(a)한 유저를 각각 활성 유저로 정의하고 있다.

 

XaY 공식을 서비스에 적용한 예.