[리뷰] 그로스 해킹: 데이터와 실험을 통해 성장하는 서비스를 만드는 방법-2. AARRR와 지표

3~4 장이 내용이 많다보니 일반적인 내용을 담는 1~2장, 5~6장에 대해서 먼저 리뷰를 작성하였다. 사실 순서는 3~4장을 마지막에 보아도 무방하다고 느껴졌다. 

요약
3장 AARRR

그로스 해킹은 핵심 지표를 찾아  지속적으로 성장시키는 일련의 활동이다.  그리고 정의된 지표들이 제대로된 방향과 속도로 진행하는지 측정, 관리하여 지속적으로 성장하는 방향으로 이끌어 내는 것이다.

그로스 해킹 관련해서 가장 많이 들어보는 단어들 중에서 퍼널, AARRR, A/B test, 가설 검정, PMF 등이 있는데 그 중 AARRR은 지표 관리를 하기 위한 프레임워크로 지표 관리를 위한 기본 중의 기본이다.

먼저 기존의 KPI 처럼 과업에 따라서 정의하는 것이 아닌 핵심 서비스를 사용자의 고객 여정에 따라 단계별 지표를 전사적 관점으로 정의한다. 그 퍼널 단계 별 주요 지표를 관리하게 되어 변경이 많지 않고 전사/프로덕트 관점으로 최적화되어 관리된다.

AARRR 서비스 라이프 사이클 전반에 걸친 핵심 지표 관리

• Acquisition(고객유치) : 고객 유치에 기여한 채널의 성과 파악
  • 고객획득비용(Customer Acquisition Cost, CAC) = 고객 수 / 투입 비용
  • 기여도 측정 
    • 요인 : 채널, 캠페인(Campaign), 광고, 날짜, 유입경로( source)
    • attribution window : 특정 기간 동안에만 성과로 인정하기 위한 제한사항
    • attribution 유형 : view through/ click through 
    • Attribution model :  채널 별 기여도에 대해서 날짜로 가중치 조정
      • linear, time decay, u-shaped 과 같이 이름에서 어떻게 가중치를 주는지 유추 가능
    • attribution 기준 : 채널 특성을 고려하여 채널, 지면, 타겟팅  고려하여 상이한 기준 적용
    • Deep link : 모바일 앱 안에 특정 화면으로 이동
    • Deep deferred link: 모바일 여부와 상관없이 딥링크와 동일한 역할을 함
    • 비고사항
      • 새로운 채널 탐색보다는 기존 채널 최적화
      • 지표는 폭 넓은 이해로 사용하자.수치 최적화 보다는 서비스 핵심 가치, 고객 특성, 관계, 메시지
•  Activation(활성화) : 유치한 고객이 핵심 서비스를 경험하게 만드는 것
  • 퍼널분석:전환율에 영향을 주는 선행지표 발견하여 action
    • 코호트에 따른 퍼널별 전환율과 각 지표
    • 핵심 가치를 경험 시점(아하 모먼트)과 연결 단계(크리티컬 패스) 정의
      • 트래픽 기준: UI/UX 관점
      • 사용자 기준: 다양한 요소를 종합적 판단
    • 코호트별 쪼개기
    • 퍼널 개선보다는 퍼널 재설계가 더 효과적 : 전환율 개선보다 퍼널 수를 줄이는 것이 더욱 효과적
• Retention(리텐션) : 핵심가치를 꾸준하게 경험하는 단계로 꾸준히 지표 관리
  • 성공예측하는 가장 기본적 지표
    • 접속일 기준 : classic, rolling, range retention
    • Engagement = DAU/MAU
  • 쪼개기
    • 날짜기반 코호트에 따른 차이, 유입 채널 별 차이에 따른 리텐션 추이확인
    • 추이, 안정화 지점, 코호트간 차이(추이, 규모 등
  • 개선
    • 활성화 프로세스에서 NUX 개선하여 초기 리텐션 저하 속도 늦추기
    • CRM 강화를 통해 안정화 이후 리텐션 기울기 평평하게 오래 유지하도록 만들기
• Revenue(수익화) : BM
  • ARPU(인당 평균 매출) = Revenue / User
  • ARPPU (결제자 인당 평균 매출)  = Revenue / Paying User
  • LTV(고객 생애 가치)
  • LTR
  • MRR(월별 반복 매출)
• Referral(추천) :
  
  • 친구 초대 플로우
  • 바이럴계수 = 사용자 수 x 초대비율  x  인당 초대한 친구 수  x  전환율 / 사용자 수
    • 추천 엔진의 효과성 측정
    • 바이럴 경로 개선
      •  

4장 지표

지표 활용하기

지표의 방향, 변화 추이, 속도에 대한 정보를 주기 때문에 지표를 명확하게 정의하기

허무 지표- 액션을 이끌어 낼 수 없는 지표 관리에 리소스를 쏟으면 안된다.

그리고 전체 관점에서 지표를 로컬 최적화가 아닌 여러 지표를 종합하여 글로벌 최적화해야 한다.

OMTM(One Metric That Matters): 지금 가장 중요한 북극성 지표를 통해서 공유하는 하나의 목표의 방향을 일치시켜 자원을 집중 하여 중요한 목표를 이루는 것

- 비즈니스 모델, 서비스 라이프 사이클 단계, 현재 가장 큰 문제, Do's vs Dont's사용자 간의 차이점을 고려해야 함

 

느낀 점

지표 관련하여 프레임워크나 각 지표에 대한 이야기이며  그로스 해킹하여 지표 개선도 중요하지만 가장 중요한 것은 핵심 가치, 고객을 이해하고 프로덕트/ 서비스 개선하는 것이다. 그리고 위의 지표가 직접적으로 관련이 없는 것으로 보일 수 있지만 선행지표로 파악해 보면 핵심 서비스의 어떠한 점에서 기인하는 것을 알 수 있다.

데이터가 흐르는 조직이 되기 위해서 이전에 데이터 분석 파트와 A/B 테스트와 프로덕트 분석 관련하여 공부하면서 전사적 관점으로 지표 정의 및 지표 설계에 대해서 고민을 했었다. 하면서 AARRR 이라는 프레임워크도 서비스에 맞게 변형하여 적용해야 하고 지표도 다양한 의미를 내포하고 있어 이에 대해서 합의하기 위해서 미팅하면서 치열하게 이야기 했었다. 그리고 필요한 데이터가 무엇인지 해당 데이터를 어떻게 수집해야할지 등 

그 전에는 다양한 허무 지표나 각자 상이하게 정의한 지표때문에 여러 번 작업했던 경험이 있었고 서로 다른 기준으로 지표에 대해서 커뮤니케이션을 진행하여 불필요하게 커뮤니케이션이 잘못 진행된 경험이 있어 이러한 점에서 더욱 더 중요하게 생각했다.  

저자가 실제 경험에서 지표 정의 부터 실험 진행하면서 심슨 패러독스,  평균의 함정,  생존자 편향 등 리얼하게 겪은 현상을 예시로 들어주면서 데이터에 대한 이해, 쪼개 보기, 편향 피하기 등에 엄청나게 공감했다. 최근에 신입에게 인수인계를 하고 있는데 내가 입사 전에는 분석 모델같은 방법론에 더 많이 심취해 있었다. 실무에 들어와 보니 위와 같은 케이스에서 더 많은 인사이트를 얻었어서 이 깨닳음을 인수인계 할 때 신경써서 데이터에 대한 도메인 지식을 쌓게 하고 어떻게 봐야하는지를 가르쳐 주다 보니 시간이 많이 소요되고 있지만 중요함은 변하지 않는다.