본문 바로가기
마케팅/그로스해킹

마케터 대부분이 놓치는 필수 마케팅 용어 29가지 (AARRR 지표)

by 코듀킹 2023. 11. 17.

네이버, 이음소시어스, SK텔레콤, 마이리얼트립을 거쳐 지금은 딜라이트룸에서 일을 하고 있으신 <그로스 해킹>의 저자 양승화 님께서는 이렇게 말씀하셨다. "만약 비즈니스의 성공과 실패를 구분할 수 있는 단 하나의 수식을 고르라고 하면 LTR과 CAC의 관계를 나타낸 아래 수식을 들 수 있다."

 

CAC + a < LTR

 

 

이 글을 클릭한 분이라면, 여기서 LTR과 CAC가 무엇인지 대부분 정확하게 모르고 있을거라고 생각한다. 알더라도 막연하게 알고 있을 것이다. 마케팅 면접을 위해 이 글을 클릭했든, 주니어 마케터로서 공부를 하려고 이 글을 클릭했든 만약 이 용어를 모른다면, 반드시 이 글을 끝까지 읽길 권장한다.

 

나도 처음엔 마케팅 용어들의 의미를 잘 몰랐다. 중요성도 크게 못느꼈다. 그때의 성과는 정말 처참했다. 하지만, 결국 이러한 용어들이 비즈니스의 성공과 실패를 구분할 수 있는 만큼 중요한 지표라는 걸 어느 순간 깨달았다. 그 후로 중요한 마케팅 용어를 총 정리해야겠다고 다짐했다. 이 분야에서 여러 전문가들의 강의를 듣고, 그 정보를 통합하여 이 글을 작성하는데 상당한 시간이 소요되었다.

 

나는 마케팅으로 유저를 유입시킨 후, 직접 고객에게 상품 판매까지 전 퍼널을 관리하는 직무를 지난 2년 5개월 간 수행한 경험이 있다.(지금은 그로스 마케터이다.) 모든 퍼널을 직접 관리해서 ROAS 7388% 까지 달성했었다. 물론 처음에는 ROAS가 마이너스였다. 하지만 중요한 지표들을 살펴보고, 지속적인 실험과 개선을 반복하면서 성과가 기하급수적으로 좋아졌다.

 

 

 

나는 상품 판매까지 직접 했었기 때문에 처음엔 매출에만 집착했었다. 영업을 하는 사람들은 대부분 '매출'에만 관심이 있다. 근데, '매출'은 사실 직접 개선이 불가능한 지표이다. 나는 이러한 지표에 주로 집중하는 조직에서 일하면서, 기업이 성장하지 못하는 걸 경험했다. 그래서 '지표'라는 것에 더 집착하게 되었다. 그렇게 오랜 집착과 자기계발 끝에 마케팅 용어 정리의 끝판왕을 완성했다. 사실 말이 마케팅 용어이지, 실제로는 비즈니스 성장을 위한 필수 지표들이라고 볼 수 있다.

 

여기까지 글을 읽었는데, 만약 아래와 같은 생각이 들었다면, 특히나 더 집중할 것을 추천한다.

 

"ROAS가 뭐지?"

"퍼널이 뭐지?"

 

마케팅 용어가 사실 너무 많다보니, 그중에 어떤 용어가 중요한 건지 처음부터 알기는 매우 어렵다. 그래서 마케터로 취업하려고 하거나 주니어 마케터로 일할 때, 용어가 자꾸 헷갈리게 된다. 이 글은 이런 분들을 위해 작성했다. 혹은 비즈니스를 직접 하시는 사업자분들에게도 도움이 되는 글이다. 이제 마케팅 용어에 대한 고민은 여기서 종지부를 찍을 수 있도록 도와주겠다. 


 

이 글의 제목이 '마케팅 용어 29가지 정리'이지만, 사실 마케팅 용어의 종류는 이 보다 훨씬 많다. 여기서 소개하는 용어는 그중에서도 핵심이 되는 용어들이다. 그리고 이 용어를 기반으로 실제 성과를 낼 수 있게 하기 위해서 카테고리 별로 구분을 지어 놓았다.

 

먼저, 카테고리가 어떻게 구분되는지 소개하겠다. 카테고리는 AARRR 프레임워크에 따라 구분된다. AARRR 프레임워크는 사업가이자 투자자인 데이브 맥클루어가 스타트업 성장을 위해 제안한 지표관리와 분석 방법론이다. 첫 번째는 고객 유치 단계(Acquisition), 두 번째는 서비스를 활성화하는 단계(Activation), 세 번째는 서비스를 지속적으로 사용하는 유지 단계(Retention), 네 번째는 수익을 창출하는 수익화 단계(Revenue), 그리고 마지막으로 추천 단계(Referral)이다. 각 단계에서 중요한 지표들을 구분하여 서비스를 개선할 수 있도록 설정되어 있다. AARRR 프레임워크에 대한 더 자세한 설명은 이 글을 참고하도록 하자.

 

그럼 이제 본격적으로 시작하겠다. 아래 테이블을 살펴 보자. 여기서 빨간색으로 표시되어 있는 용어는 비즈니스 성공과 실패를 구분할 수 있는 핵심 지표들이다. 물론 강조된 지표들만 중요한 것은 절대 아니다. 각 용어가 무엇을 의미하는지 간단히 설명하고, 강조된 용어는 더 깊이 있게 다뤄보겠다. 만약 테이블을 보고 복잡하다는 생각이 들어 창을 끄려고 한다면, 나는 마케터가 되지 말라고 이야기하고 싶다. 그 정도로 앞으로의 커리어에서 가장 중요한 내용들을 다룰 거니 집중해 보길 바란다. 

 

 

 


목표 지표

 

1. OMTM(One Mertric That Matters)

OMTM은 <린 분석>에서 처음 소개 된 개념으로, 비즈니스 성장을 위해 '지금 가장 중요한 한 가지 지표'를 뜻한다. OMTM 자체로 서비스가 진짜 성장하고 있는지를 알려주는 중요한 지표이다. 그래서 OMTM이 잘 설정되어있으면, 어떤 지표를 우선적으로 개선시켜야 하는지 우선순위를 명확하게 할 수 있다.

 

여기서 주의할 점은 회사의 팀, 부서가 각기 다른 지표들에 집중하는 것이 아니라는 점이다. 모든 부서와 팀이 하나의 지표에 집중해서 목표를 달성해야 한다. 이는 3번째 용어로 소개할 KPI와 대비되는 부분이다.

 

OMTM을 정하려면 외부 환경, 서비스 성장 단계, 내부 역량, 사용자들의 서비스 이용 패턴 등의 맥락을 고려해야한다. 이러한 맥락에 따라 중요한 지표는 지속적으로 바뀔 수 있으며, 반드시 중요한 지표가 하나여야하는 건 아니다. 그렇기 때문에 이 지표는 시간이 지나면서 계속 바뀐다. 예를 들어, 만약 서비스가 초기 사용자 확보와 핵심 기능 경험 유도 단계에 있다면, '결제 비율'이 OMTM으로 적합할 수 있다. 반면, 서비스의 비즈니스 모델이 검증됐고, 명확한 타깃 사용자를 대상으로 매출을 극대화하는 실험 단계하면, '결제자당 평균 매출'이 OMTM이 될 수 있다. 

 

중요한 지표가 바뀔 수 있다고 해서 OMTM으로 '매출'이 될 수는 없다. 매출은 늘지만, 서비스가 잘못 되고 있는 경우가 있을 수 있다. 또한, 매출은 중요한 지표들을 개선시킨 결과로 나오는 후행지표이기 때문이다. 

 

이렇게 OMTM에 해당하는 지표를 개선하는 것도 중요하지만, 지표 개선보다 중요한 건 OMTM을 바탕으로 어떤 의사결정을 하고 이에 따라 전사적인 리소스를 어떻게 배분할 것인가를 결정하는 것이다. 결과뿐 아니라, 결과를 달성하는 과정도 큰 의미를 가진다. 

 

 

2. OKR(Objectives and Key Results)

OKR은 구글이 도입한 목표 관리 체계로 3~5개의 목표와 목표당 3~5개 정도의 핵심 결과로 구성된다. 

 

목표

- 매우 도전적인 목표

- 구성원들의 가슴을 뛰게 할 수 있는 크고 담대한 목표

 

핵심 결과

- 목표를 달성하기 위한 구체적인 결과 지표

- 객관적으로 측정하고 모니터링할 수 있는 지표

- 하나의 목표에 연계된 핵심 결과는 3개 이하는 권장

 

OKR은 도전적인 목표, 전사적인 정렬, 투명한 공유를 특히 강조한다. OKR에서의 목표는 적당히 달성 가능한 수준이 아니라 굉장히 도전적이고 어려운 수준으로 정해야한다.

 

OMTM과 비슷하지만, OMTM은 중요한 지표 그 자체를 강조하는 것에 초점이 맞춰진 반면, OKR은 그 지표를 개선하기 위한 구체적인 액션 플랜에 가깝다는 차이가 있다.

 

 

3. KPI(Key Performance Indicator)

KPI는 일반적으로 조직이나 개인의 성과를 평가를 위해 활용하는 지표이다. 이 때문에 KPI는 명확하고, 측정 가능해야 하며, 달성 여부 자체가 중요하다. 성장을 위한 수단으로 활용하는 OMTM과 달리 KPI는 그 자체가 목표에 가까운 지표라고 할 수 있다.

 

KPI는 조직의 다양한  팀과 부서마다 그 목표와 역할이 다르기 때문에 다를 수 있다. 예를 들어, 영업팀은 신규 고객 획득이 KPI라면, 마케팅은 캠페인의 ROAS가 KPI일 수 있다. 또한, CS팀은 고객 만족도 점수가 KPI일 수 있다. 이렇게 팀과 부서별로 KPI가 다를 수 있는데, 문제는 각각 해당 KPI를 높인다고 해서 비즈니스가 실제로 성장하지는 않는다는 것이다. 각 부서와 팀의 KPI가 서로에게 악영향을 주는 경우도 있기 때문이다.

 

그래서 비즈니스 성장을 위해서는 부서별 또는 팀별 KPI보다는 전사적인 관점에서의 OMTM을 잘 정의해야 한다. 동시에 성과 달성을 위해 치열하게 내부경쟁을 하기보다는 전사적으로 팀워크를 정비해서 외부와의 경쟁에 집중하는 것이 필요하다. 

 

 

 


유입 지표 (Acquisition)

 

4. CAC(Customer Acquisition Cost)

CAC는 고객 유치과 관련된 가장 핵심이 되는 지표이다. 한 명의 사용자를 데려오기 위해 지출하는 평균 비용을 의미한다. CAC를 통해 고객 유치 과정에서의 채널별 성과를 측정할 수 있다.

 

고객 획득 비용을 계산하는 흔한 방법은 마케팅에 사용한 비용을 가입한 유저 수로 나누는 것이다. 하지만, CAC 지표를 활용하기 위해서는 이런 식으로 계산하면 안 된다. 채널별, 캠페인별, 광고별, 날짜별 데이터를 쪼개서 봐야 한다. 이렇게 쪼개서 계산을 하게 되면, 어떤 채널에 얼마의 기간 동안 어떤 캠페인으로 얼마의 예산을 집행할 것인지 정할 수 있다.

 

가령 아래와 같이 미디어믹스를 통해 채널별로 예상 CAC를 계산해 보고, 실제 집행했을 때 성과는 어땠는지 데이터를 통해서 체크할 수 있다. 그 성과를 통해 다음 달에는 미디어믹스를 어떻게 분배할지 정할 수 있다.

*미디어믹스 : 목표를 달성하기 위해 주어진 마케팅 예산을 어떻게 사용할지를 요약한 문서

 

 

 

따라서 CAC에 대한 구체적인 논의를 하기 위해서는 채널별, 캠페인별, 광고별로 집행한 예산과 경로를 통한 유입이 어떻게 되었는지 정확하게 추적해야 한다. 이를 추적하는 방법은 웹에서는 UTM 파라미터, 앱에서는 어트리뷰션을 활용하는 것이다. UTM에 대한 자세한 설명은 이 글을 참고하길 바란다.

 

 

5. ROAS(Return on Ad Spend)

ROAS는 광고 지출에 대한 수익을 측정하는 지표다. 투자 대비 수익을 계산함으로써 광고의 성과를 정량적으로 평가할 수 있다.

 

ROAS를 계산하는 방법은 광고로 인해 발생된 매출을 광고 지출 비용으로 나누면 된다. 예를 들어, 만약 광고에 1,000만 원을 지출하고 그 결과로 4,000만 원의 매출을 발생시켰다면, ROAS는 400%가 된다. 

 

ROAS가 100%라면 비즈니스가 잘못된 것일까? 매출에서 서비스를 판매할 때마다 발생하는 여러 가지 비용을 고려하면, 투자 대비 순수익은 마이너가 된다. 하지만 ROAS가 100%라고 해서 비즈니스가 반드시 잘 못되고 있는 것은 아니다. 단기적인 수익률 외에도 광고는 브랜드 인지도를 높이고 장기적으로 고객 기반을 구축하는 데 기여할 수 있기 때문이다. 또한, 광고를 통해 획득한 고객이 장기적으로 비즈니스에  지속적인 수익을 창출할 경우, 초기의 낮은 ROAS도 받아들일 수 있다.

 

결론적으로 ROAS만으로 광고의 성과 또는 비즈니스의 성장을 판단할 수는 없다. 

 

 

6. 노출

노출은 특정 광고나 콘텐츠가 사용자의 화면에 나타난 횟수를 나타낸다. 이는 사용자가 실제로 콘텐츠를 클릭하거나 상호작용을 했는지와는 관계없이 계산된다. 

 

노출은 광고 도달 범위를 평가하는 데 중요한 지표이다. 브랜드나 메시지가 많은 사람들에게 많은 사람들에게 노출되면, 그만큼 브랜드 일지도가 높아질 수 있다. 

 

하지만, 노출 수만으로는 사용자의 참여도나 광고의 효과를 정확하게 평가할 수 없다. 노출이 많다고 해서 반드시 클릭률이나 전환율이 높아지지 않기 때문이다. 가령 서비스에 대한 니즈가 전혀 없는 대상 10만 명에게 광고가 노출되는 것 보다 서비스에 대한 니즈가 강한 대상 1,000명에게 광고가 노출 되는 것이 훨씬 효과적일 수 있다. 또한, 광고의 콘텐츠 내용에 따라서 클릭률과 전환율이 크게 영향을 받을 수 있다.

 

 

7. UV(Unique Visitor)

UV는 특정 기간 동안 웹사이트나 온라인 플랫폼을 방문한 고유한 방문자 수를 나타내는 지표이다. 한 명의 방문자가 여러 번 페이지를 방문했더라도 중복되는 값은 제거되고 1번의 방문으로 기록된다. 컴퓨터에 기록되는 로그인 정보 또는 IP 기록이 중복되지 않는 경우에는 똑같은 사용자라고 하더라도 2번의 방문으로 기록될 수 있다. 예를 들어, 로그인을 하지 않은 PC와 모바일에서 각각 방문을 하는 경우이다.

 

UV는 IP 주소 또는 로그인 정보 등으로 특정 기간 동안 웹 사이트를 방문한 '재방문자'와 '신규 방문자'를 구분할 수 있다. 또한 채널, 매체, 소스, 기기 별 등으로 구분할 수 있다. 이를 통해 특정 기간 동안 어떤 광고에서 신규 방문자를 가장 많이 유치했는지, 어떤 광고를 통해 유입된 사용자가 재방문을 많이 했는지 등을 파악할 수 있다.

 

 

 

또한, UV는 기간 내 방문한 순 사용자 수를 알 수 있다. 때문에 GA4와 같은 데이터 분석 툴로 기간을 설정하면, 해당 기간 내에 똑같은 사용자가 아무리 여러 번 방문했더라도 1UV로 찍힌다. 이를 통해 DAU, WAU, MAU 등을 계산하여 서비스를 이용하는 진짜 고객의 숫자를 파악할 수 있다. DAU는 Daily Active User로, 일 단위로 측정한 UV를 뜻한다. 마찬가지로 WAU는 주 단위로 측정한 UV을 뜻하며, MAU는 월 단위로 측정한 UV를 뜻한다.

 

하지만, 여기에 주의할 점이 있다. MAU 등을 집계하려면 MAU를 어떻게 측정할지에 대한 명확한 기준이 있어야 한다는 것이다. 예를 들어, MAU를 최근 30일간 우리 서비스에 '로그인한 사용자'로 정의할지, '방문한 사용자'로 정의할지 등을 명확히 기준을 세워놓고 측정해야 한다. 그렇지 않으면 미스 커뮤니케이션이 발생하게 된다.

 

 

8. CTR(Click-Through Rate)

CTR은 광고나 마케팅 캠페인에서 특정 링크나 광고를 클릭한 비율을 나타내는 지표이다. 해당 지표는 광고가 얼마나 서비스를 원하는 사람들에게 잘 타겟팅이 되었는지를 평가할 수 있다. 또한, 사람들로부터 얼마나 후킹이 잘 되는 이미지 및 영상 또는 카피라이팅을 사용했는지를 평가할 수 있다.

 

CTR을 계산하는 방법은 아주 간단하다. 특정 기간 동안의 클릭수를 해당 기간의 노출수로 나누고 곱하기 100을 하면 된다.

 

CTR 데이터를 통해서 효과가 잘 나오는 광고나 캠페인에 마케팅 예산을 보다 효율적으로 배분할 수 있다. 또한, CTR을 분석하여 광고 콘텐츠, 디자인, 타겟팅 전략 등을 조정하고 개선할 수 있다.

 

주의할 점은 CTR은 클릭 이후의 사용자 행동에 대해서는 고려하지 않는 지표이기 때문에 전환율도 함께 고려해야 한다는 점이다. 또한, 산업, 광고 유형, 타깃 등에 따라 CTR이 차이가 날 수 있으므로 이를 잘 구분하여 평가하는 것이 중요하다. 

 

 


활성화 지표 (Activation)

 

9. PV(Page Views)

PV는 웹사이트나 특정 웹 페이지가 방문자에 의해 조회된 횟수를 나타내는 지표이다. 이 지표는 웹사이트의 트래픽과 사용자 참여도를 측정하는데 중요한 역할을 한다.

 

PV는 사용자가 웹 페이지를 로드하거나 새로고침할 때마다 카운트된다. 만약 1명의 사용자가 메인 페이지, FAQ 페이지, 상품 상세페이지를 각각 조회하고, FAQ 페이지에서 새로고침을 했다면, 총 4PV가 찍힌다.(메인 페이지 : 1PV, FAQ 페이지 : 1PV, 상품 상세페이지 : 2PV) 

 

기본적으로 웹 사이트 전체를 아울러 UV 당 PV가 높을수록 평균적으로 1명의 사용자가 홈페이지에서 여러 페이지를 보고 이탈한다는 뜻이기 때문에 긍정적으로 볼 수 있다. UX/UI가 잘 설계되어 있거나 콘텐츠의 퀄리티가 좋은 경우에 UV 당 PV가 높을 수 있다. 이 경우엔 검색 엔진 최적화 측면에서도 좋은 영향을 받아 검색 결과 상위에 위치할 수 있다.

 

하지만 UV 당 PV가 높다고 해서 반드시 UX/UI가 잘 설계되어 있거나, 콘텐츠의 퀄리티가 좋은 것은 아니다. 즉, 인과관계가 될 수는 없다. 단순히 새로고침을 유도하거나, 관련성이 없는 다른 페이지로 클릭을 유도함으로써 PV을 높일 수도 있기 때문이다. 이러한 점에서 PV와 같은 허무 지표를 중요 KPI로 잡지 않도록 주의해야 한다.

 

 

10. 퍼널 전환율

'퍼널(Funnel)'은 깔때기라는 뜻으로 아래 그림과 같이 사용자가 웹사이트를 방문하여 구매까지 가는 과정을 단계별로 나눈 것을 의미한다. 퍼널 전환율은 잠재 고객이 구매 과정이나 다른 특정 목표 달성 과정을 거치며 각 단계를 얼마나 효율적으로 통과하는지를 나타내는 지표이다. 방문자가 많아도 구매하는 사람이 없다면, 결국 매출이 발생하지 않는다. 그렇기 때문에 퍼널 전환율은 비즈니스 성장을 판단할 수 있는 중요한 지표이다.

 

출처 :https://blog.datarize.ai/%ED%8D%BC%EB%84%90%EB%B6%84%EC%84%9D

 

 

퍼널의 각 단계는 서비스 종류에 따라 다르게 정의할 수 있다. 각 단계에서의 퍼널 전환율을 계산하면, 어떤 단계가 가장 문제인지를 파악할 수 있다. 

 

그렇다면 각 퍼널의 전환율은 어떻게 측정해야 할까? 퍼널 전환율을 측정하는 건 조금 복잡하다. 결제 전환율은 상품 페이지까지 도달한 유저 중에 결제까지 완료 한 유저의 비율로 계산하는 게 일반적이다. 예를 들어, 4명의 유저가 각각 5개의 상품 페이지를 방문하였다고 가정해 보겠다. 이 중 2명은 1개의 상품을 구매했고, 1명은 상품을 구매하지 않았고, 1명은 2개의 상품을 구매했다. 이 경우엔 4명 중에 3명이 상품을 구매했기 때문에 구매 전환율은 75%이다. 

 

이와 반대로 PV를 기준으로 계산하면, 총 20개의 페이지에서 4개의 상품이 구매되었으니, 이 경우엔 구매 전환율이 20%이다. 만약 결제를 하기 위해서 상품페이지를 2번씩 봐야 하게끔 UI가 설정되어 있다면, PV 당 구매 전환율이 10%로 줄어든다. 상품 페이지를 2번씩이나 봐야 하는 불편함 때문에 이탈하는 사용자가 있을 수 있다. 따라서 UI/UX를 개선하는 게 목적이라고 하면, 이렇게 PV기준으로 보는 것도 좋다. 반면, 사용자를 기준으로 한 전환율은 UI/UX를 포함한 다양한 요소(상품의 매력도, 가격 등)의 영향력이 종합적으로 반영된다.

 

퍼널 전환율을 분석하는 진정한 가치는 주요 퍼널에서의 단편적인 전환율을 계산하는 데 있는 것이 아니라 전환율에 영향을 미치는 유의미한 선행지표를 발견하는 데 있다. 이러한 선행 지표를 발견하 위해서는 코호트(Cohort) 별로 전환율을 쪼개서 보아야 한다.

 

코호트란 공통적인 특성에 따라 여러 집단으로 분류한 사용자 그룹을 의미한다. 예를 들어, '가입 시점에 따른 결제 전환율', '마케팅 채널별 결제 전환율', '특정 이벤트 경험 유무에 따른 결제 전환율', '시간, 요일, 계절에 따른 결제 전환율', '성별, 나이 등에 따른 결제 전환율'을 예시로 들 수 있다. 이렇게 여러 집단으로 분류하여 결제 전환율을 계산하면 훨씬 많은 인사이트를 얻을 수 있다.

 

이러한 과정을 통해 그룹별로 어떤 퍼널에서 이탈률의 차이가 있는지 분석할 수 있다. 이탈의 원인을 찾으려면, 사용자 인터뷰를 진행해야 한다. 인터뷰가 힘들다면, 설문을 이용할 수 있다.

 

Raw 데이터를 깊이 있게 확인할 수 있다면, 전환이 된 사용자와 전환이 되지 않은 사용자는 뭐가 다른지 역으로 찾아낼 수 있다. '전환된 사용자와 전환되지 않은 사용자의 무엇이 다른가?'는 활성화 단계에서 핵심이 되는 질문이다. 코호트에 따른 차이와 그 원인을 파악하는 게 핵심이다.

 

퍼널을 개선시키는 방법은 어떤 것들이 있을까? 개인화, UI/UX 개선, 적절한 개입(이메일, 푸시, 인앱메시지 등)이 있다. 또한, 전환율을 높이는 것보다 Stage 자체를 줄이는 게 효과적인 경우가 많다.  퍼널 단계를 뒤집어서 성공하는 케이스도 있다. 반면, UI/UX가 복잡하고, 퍼널 단계가 많아도 서비스의 가치가 높으면 퍼널 전환율이 기본적으로 높을 수 있다. 

 

  • 개인화 : 서비스 주요 화면들을 개인화하거나 이메일 또는 푸시 메시지에 이름을 포함하거나 규칙 기반&머신러닝 추천 시스템을 만들면 전환율을 높을 수 있다.
  • UI/UX 개선 : 주요 화면의 디자인을 변경하거나 구성요소를 바꾸는 것은 전환율을 변화시킬 수 있다. 이 경우엔 변경 전과 후의 효과를 면밀히 체크해야 한다.
  • 적절한 개입 : 타게팅이 잘 되어있는 경우 푸시나 이메일을 보내면 non-targeting 푸시 이메일 보다 훨씬 높은 성과를 보인다. 또한, non-targeting의 경우 사용자를 오히려 떠나보낼 수 있기 때문에 이를 고려하면 엄청난 차이의 성과를 보일 수 있다. 그래서 전체푸시, 전체이메일은 웬만해서는 사용하면 안 된다.

 

정리

1. 코호트별로 퍼널 전환율 분석(사용자 기준, PV 기준)

2. 전환율이 낮은 코호트를 대상으로 사용자 인터뷰 (또는 PV 기준으로 전환율을 체크하여 UI/UX 개선)

3. 이탈의 원인을 개선(개인화, UI/UX 개선, 적절한 개입, Stage 줄이기, 퍼널 단계 뒤집기 등)

 

 


유지 지표 (Retention)

AARRR의 주창자인 데이브 맥클루어는 '활성화'와 '리텐션'에 우선 집중해야 한다고 주장했다. 그다음에는 '고객 유치'와 '추천'이고, 마지막으로는 '수익화'라고 하였다. 리텐션은 서비스의 성공을 예측할 수 있는 가장 기본적인 지표 중 하나이다. 비용 대비 개선 효과, 복리 효과가 높다. 리텐션이 잘 관리되지 않는 서비스는 꾸준히 상승하던 지표가 한순간에 나빠지기도 한다. 유지율은 계산 방법에 따라서 달리질 수 있다. 때문에 11번부터 14번까지는 리텐션 계산 방법에 대해서 설명하겠다.

 

 

 

11. Classic Retention

가장 일반적인 유지율 계산 방법이다. 특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식이다. 예를 들어, Day0에 처음 방문한 사용자가 10명이고, Day7에 그중 5명이 방문을 했다면, 유지율은 50%이다. 

 

Classic Retention은 계산과 설명이 쉽다는 장점이 있지만, 한계도 있다. 사용자 10명 중에 9명이 꾸준히 방문하던 사람들인데, 하필 Day7에 4명이 방문하지 않아서 해당 일에 측정한 유지율만 낮게 나올 수 있기 때문이다. 즉, 특정일에 대한 노이즈가 높다. 또한, 일 단위 로그인 데이터를 모두 쌓아둬야 한다.

 

Daily Use가 중요한 서비스인 경우엔 Classic Retetntion을 사용할 수 있다. 특정일에 대한 노이즈를 줄이는 사용 방법도 있다. 기준일을 여러 개 두고, 여러 번 측정에서 Day N 리텐션의 평균값을 활용하는 것이다.

 

Classic Retention부터 아래에서 설명할 Range Retention, 그리고 Rolling Retention까지의 더 자세한 내용은 이 글을 참고하도록 하자.

 

 

12. Range Retention

특정 기간에 이벤트를 발생시킨 유저의 비율을 게산하는 방식이다. Classic Retention과 기본적으로 동일하지만 개별 날짜가 아닌 특정 기간을 기준으로 한다는 차이가 있다. 예를 들어, Day0에 들어온 사용자가 10명이고, Day0~Day7까지 1명의 사용자를 제외하고, 나머지 9명의 사용자가 1번이라도 방문을 했다면 이때의 유지율을 90%이다. 

 

Range Retention은 설명하기 쉽다는 장점과 Day-to-Day 노이즈에서 자유롭다는 장점이 있다. 하지만, 기간의 범위가 길어질수록 과대평가된다는 한계가 있다. 30일 동안 2번 방문한 사용자든 7일 마다 2번씩 방문한 사용자든 똑같이 카운트되기 때문이다. 또한, 의미있는 결과를 보기 위해서는 꽤 오랜 시간이 필요하다.

 

Range Retention은 Classic Retention과 달리 Daily Use가 덜 중요한 서비스 또는 일정 간격으로 주기적으로 사용하는 서비스에서 활용할 수 있다.

 

 

13. Rolling Retention

최초에 이벤트가 발생한 이후 더 이상 해당 이벤트가 발생하지 않는 비율을 계산하는 방식이다. 예를 들어, Day0에 처음 방문한 사용자가 10명이고, 그중 1명은 Day1부터 접속하지 않았고, 4명은 Day5부터 접속하지 않았고, 5명은 Day 10부터 접속하지 않았다면 Day7시점에서의 유지율은 50%이다. 

 

Rolling Retention도 마찬가지로 계산하기 쉽다는 장점이 있다. first_date, last_date만 있으면 되기 때문이다. 하지만 전반적으로 과대평가 된다는 한계가 있다. Day0 이후로 29일 동안 한 번도 방문하지 않았다가 Day30에 우연히 한 번 방문을 한 사용자도 Day30 시점에서의 유지율에서 카운트가 되기 때문이다. 또한, 이상치의 영향이 매우 크고, 숫자가 계속 변화한다는 단점이 있다.

 

Rolling Retention은 자주 쓰이지 않는 서비스에서의 리텐션을 측정할 때 활용할 수 있다.

 

 

14. Engagement

위 3가지 방법과 달리 간단한 계산을 통해 서비스의 리텐션 수준을 가늠하는 방법이다. DAU를 MAU로 나눠서 인게이지먼트 지표를 구하는 것이다.

 

매일 동일한 사용자가 반복적으로 들어오는지 혹은 날마다 새로운 사용자가 들어오는지를 빠르게 가늠할 수 있게 해 준다. 사용자들이 꾸준히 주기적으로 사용하는 서비스에서 사용하기에 적합하다. 

 

리텐션이나 인게이지먼트 지표는 동일 서비스에서의 기간별 추이를 보는 형태로 활용하는 것이 좋다.

 

 

 

리텐션 개선시키는 방법

1) 초기에 리텐션이 떨어지는 속도를 늦추기 : 활성화 프로세스의 영향을 많이 받는다. 활성화 단계에서 이탈이 많은 경로가 어디인지 살펴보면 초기 유지율이 떨어지는 것을 보완할 수 있다.

2) 리텐션이 안정화된 이후에는 기울기를 평평하게 유지해서 오래 유지되게 하기 : 사용자와의 관계를 잘 유지해야 한다. 정기적인 커뮤니케이션 플랜이나 CRM 마케팅 활동, 주기적으로 진행하는 프로모션 등이 도움이 된다. 휴먼 고객에게는 복귀 명분을 만들어주는 리마케팅 등을 꾸준히 진행할 필요가 있다.

 

떨어진 리텐션을 끌어올리는 것보다 애초에 떨어지지 않도록 유지하는 것이 훨씬 중요하다. 서비스를 통해 축적되는 가치를 만들고, 사용자에게 지속적으로 전달해야 한다.

 

 


수익화 지표 (Revenue)

 

15. ARPU(Average Revenue Per User) 

구매 건수, 매출과 같은 기본적인 지표를 제외하고 수익화 단계에서 우선적으로 봐야 하는 지표는 ARPU(인당 평균 매출)이다. 총매출을 사용자 수로 나눈 값이다. 이 지표를 통해 사용자가 늘어난다면 매출이 어떤 속도로 증가할지를 가늠할 수 있다.

 

회사에서 따른 정의한 기준이 없다면, ARPU는 월 기준으로 집계하는 것이 일반적이다. 월 매출을 MAU로 나누면 ARPU를 구할 수 있다. 이번 달에 1억 매출이 나왔고, 이번 1개월 동안 실제 서비스를 사용한 유저가 1만 명이었다면, APRU는 1만 원이다. 즉, 1개월 기준으로 사용자 1명이 증가할 때마다 1만 원의 매출이 증가한다는 뜻이다. 애초에 기준을 명확하게 하기 위해 ARPDAU, ARPWAU와 같은 지표를 사용하기도 한다.

 

 

16. ARPDAU(Average Revenue Per Daily Active User)

일 매출을 DAU로 나눈 값이다. 

 

 

17. ARPWAU(Average Revenue Per Weekly Active User)

주간 매출을 WAU로 나눈 값이다.

 

 

18. ARPPU(Average Revenue Per Paying User)

결제자 인당 평균 매출을 의미한다. ARPU와 다른 점은 ARPPU는 사용자가 아닌 '결제자'만을 대상으로 한다는 점이다. 따라서 총매출을 결제자 수로 나누어서 계산할 수 있다. ARPU와 마찬가지로 기간에 대한 정의가 필요하며, 기준이 없다면 월 기준으로 집계하는 게 일반적이다.

 

 

19. LTV(Lifetime Value)

고객 생애 가치를 의미하며, 수익화를 분석할 때 핵심이 되는 지표이다. 한 명의 사용자가 진입하는 순간부터 이탈하는 순간까지의 전체 활동 기간에 누적해서 발생시키는 수익으로 정의할 수 있다. 이를 계산하는 공식은 다음과 같다.

 

$$ LTV = \frac{M - c}{1 - r + i} - AC $$

 

  • M: 고객 1인당 평균 매출. 보통 1년 단위로 계산한다.
  • c : 고객 1인당 평균 비용. 보통 1년 단위로 계산한다.
  • r : 고객 유지 비율(retention rate). 다음 해에도 고객으로 남아있을 확률.
  • i : 이자율 또는 할인율
  • AC : 고객 획득비용(acquisition cost). 고객이 첫 구매를 하도록 하는데 드는 비용.

 

위 식은 고객이 매년 똑같은 매출을 발생시키고, 고객 유지 비율이 매년 일정하다는 가정하에 만들어진 식이다. 매출에서 운영 비용을 제외한 수익을 먼저 계산하고(M - c), 이탈률을 고려하여 고객이 서비스를 이용하는 기간동안에 반복적으로 기여하는 누적 수익을 구한다. 기간이 길어질수록 현금 가치가 영향을 받으므로 이자율 또는 할인율을 반영하고, 마지막으로 마케팅으로 사용한 고객 획득 비용을 빼면 된다.

 

여기서 가장 중요한 변수는 r, 즉 고객 유지 비율이다. M - c와 AC의 변화에 따라 LTV가 선형적으로 변화한다. 하지만 r의 변화에 따라 LTV가 비선형적으로, 즉 기하급수적으로 변화한다. LTV에 대한 자세한 내용은 이 글을 참고하자. 좋은 인사이트를 얻을 수 있을 것이다.

 

 

20. LTR(Lifetime Revenue, LTR)

고객 생애 매출을 의미한다. LTV는 현실적으로 매년 고객이 똑같은 매출을 발생시키고, 매년 똑같은 이탈율을 가지지 않는다. 때문에 이를 대신하여 현실적으로 계산할 수 있는 지표이다. 고객 생애 가치가 고객 한 명에 대한 기대 수익이라면 고객 생애 매출은 고객 한 명에 대한 기대 매출이다.

 

LTR은 유지 비용이나 획득 비용을 고려하지 않기 때문에 계산이 비교적 간편하다. 예를 들어, 1월 가입자가 500명일 때, 이 중에 1월에 결제를 한 사람이 200명이고, 2월에 결제한 사람이 100명이고, 3월에 모두 이탈했다고 가정해 보겠다. 이 결제자들에 의해 발생한 매출이 1월는 1,000,000원이었고, 2월에는 400,000원이었다면? 1월의 가입자당 결제액은 1,000,000 / 500 = 2,000원이고, 2월의 가입자당 결제액은 400,000 / 500 = 800원이다. 즉, 이 경우에는 LTR이 2,000 + 800 = 2,800원이다. 즉, 1명의 가입자가 생겼을 때 기대할 수 있는 평균 매출은 2,800원이라는 뜻이다.

 

LTR 역시 코호트별로 나눠서 추이 변화를 살펴보는 것이 중요하다. 일반적으로 활용되는 코호트 분류 기준은 '가입 시점'이다. 

 

기간별로 고객 생애 매출이 증가하는 추이를 구한 후 CAC와 비교하면 서비스의 수익 모델이 잘 동작하고 있는지, 마케팅 비용을 적절하게 사용하고 있는지 등을 확인할 수 있다. 건강하게 성장하고 있는 서비스 하면 LTR이 CAC를 빠르게 따라잡고 장기적으로 CAC의 몇 배수까지 높아져야 한다.

 

LTR-CAC-그래프-양승화-그로스해킹
양승화 <그로스 해킹> 中 LTR과 CAC의 그래프

 

 

이제 맞춰보자. 이 글의 초반에 나왔던 아래의 공식이 무엇을 의미하는가?

 

CAC + a < LTR

 

 

21. MRR(Monthly Recurring Revenue)

월별 반복 매출을 의미하며, 구독형 서비스에서 매출을 분석하는 방법이다. 아래의 공식을 통해 구할 수 있다.

 

월별 반복 매출 = 기준 MRR + 신규 MRR - 이탈 MRR + 업그레이드/다운그레이드 MRR

 

  • 기준 MRR : 전월 기준 매출
  • 신규 MRR : 신규 고객으로 인해 증가한 매출
  • 이탈 MRR : 기존 고객 이탈로 인해 감소한 매출
  • 업그레이드 MRR : 기존 고객 대상 크로스셀, 업셀로 인해 증가한 매출
  • 다운그레이드 MRR : 기존 고객의 요금제 하향조정 등으로 인해 감소한 매출

 

 

 


추천 지표 (Referral)

 

22. NPS(Net Promoter Score)

순수 추천 지수를 의미하며, 효과적으로 서비스의 성공 여부를 예측할 수 있는 지표다. 서비스를 주변 지인에게 얼마나 추천하고 싶은지를 나타내는 점수를 그룹화하여 계산한다. 0점부터 10점까지의 그룹으로 나눠서 0~6점은 비추천 그룹, 7~8점은 소극적 추천 그룹, 9~10점은 적극적 추천그룹으로 나누어서 아래 공식을 통해 계산한다.

 

NPS = (적극적 추천 그룹 - 비추천 그룹) / 전체 응답자

 

예를 들어, 100명이 설문에 참여했고, 이 중 50명이 비추천 그룹, 20명이 소극적 추천 그룹, 30명이 적극적 추천그룹이라면, 이 경우엔 NPS가 -0.2가 나온다. NPS가 양수면 점수가 양호한 경우이다. 

 

NPS를 개선을 위해 할 수 있는 액션으로는 사용자 인터뷰와 행동 로그 분석이 있다.

 

23. 바이럴 계수(Viral Coefficient)

추천 단계에서 가장 핵심이 되는 지표이다. 바이럴 계수는 다음과 같은 공식을 통해 계산할 수 있다.

 

바이럴 계수 = (사용자 수 X 초대 비율 X 인당 초대한 친구 수 X 전환율) / 사용자 수

 

내 서비스의 사용자 1,000명인데, 그중 25%가 인당 평균 6명씩 초대하고, 그 중 35%가 신규 회원으로 전환된다고 가정해 보겠다. 이 경우엔 바이럴 계수가 0.525이다. 

 

바이럴 계수를 높이기 위해서는 3가지를 해야 한다. 친구 초대를 하는 사용자 비율을 높이고, 한 사람이 평균적으로 초대하는 친구의 수를 늘리고, 초대받은 친구가 가입으로 전환되는 비율을 높여야 한다. 이 3가지에 대한 지표를 확인하여 무엇을 먼저 개선할지 정의한 후 그곳에 집중해야 한다.

 

이론적으로는 바이럴 계수가 1을 넘어가면 추천을 통한 신규 사용자가 기하급수적으로 증가한다. 

 

주의할 점은 바이럴 계수와 함께 초대의 주기가 얼마나 빠른 지도 반드시 고려해야 한다는 점이다. 바이럴 계수를 높이는 것과 함께 초대의 주기를 빠르게 만들면 추천 효과를 극대화할 수 있다. 또한, 시장의 크기와 서비스가 이미 확보한 사용자 규모 등도 함께 고려해야 한다.

 

마지막으로, 추천 시스템이 잘 동작하려면 역시 활성화 단계가 잘 구축돼 있어야 한다. 

 

 

 


비용 집행 방식 용어

 

24. CPC(Cost Per Click)

클릭당 비용을 의미한다. 노출량에 관계없이 유저가 광고를 클릭할 때마다 과금이 되는 방식이다. 

 

대표적인 CPC방식의 광고로는 SA광고(네이버 파워링크, 네이버 브랜드 검색, 네이버 신제품 검색, 구글 검색광고), 네이버 쇼핑 검색 광고, 유튜브 디스커버리 광고가 있다.

 

미디어믹스를 만들 때, 집행할 금액, 예상 CPC, 예상 CTR, 예상 가입전환율을 알 수 있으면 CAC가 얼마가 나올지 계산해 볼 수 있다. 

 

25. CPM(Cost Per Mile)

1,000회 광고 노출을 위해 사용된 비용을 의미한다.

 

대표적인 CPM방식의 광고로는 유튜브 범퍼애드가 있다.

 

또한, CPC와 CPM 방식을 모두 사용하는 광고로는 네이버 스마트채널, 네이버 메인 브랜딩 DA, 네이버 롤링보드, 카카오 비즈보드, 카카오 디스플레이 광고, 유튜브 트루뷰 액션이 있다.

 

마찬가지로 미디어믹스를 만들 때, 집행할 금액, 예상 CPM, 예상 CTR, 예상 가입전환율을 알 수 있으면 CAC가 얼마가 나올지 계산해볼 수 있다. 

 

26. CPT(Cost Per Time)

시간당 과금되는 비용을 의미한다. CPT방식의 광고는 금액에 맞춰서 특정 시간 동안 광고 노출을 보장한다.

 

대표적인 CPT방식의 광고로는 네이버 브랜드 검색, 네이버 신제품 검색, 네이버 타임보드가 있다.

 

27. CPA(Cost Per Action)

유저가 결제, 앱설치처럼 광고주가 원하는 특정 행동을 할 때마다 과금되는 방식이다. 

 

28. CPI(Cost Per Install)

설치당 과금되는 비용을 의미한다.

 

29. CPV(Cost Per View)

시청당 과금되는 비용을 의미한다. 주로 영상과고에서 사용되며, 일정 시간 광고를 시청해야 과금되는 방식이다.

 

대표적인 CPV방식의 광고로는 유튜브 트루뷰 인스트림이 있다.

 

 


 

여기까지 마케터 대부분이 놓치는 AARRR 프레임워크를 기반으로 한 필수 마케팅 용어 29가지에 대해서 알아보았다. 이 외에도 SEO, SEM, SA, DA 등과 같이 마케터가 알아야 하는 용어들이 있다. 내가 다룬 용어들은 전부 비즈니스 성장을 위해 개선을 시킬 수 있는 '지표'들이다. SEO, SEM, SA, DA와 같은 용어들은 마케팅 종류에 대한 용어다. 이러한 용어들은 웹사이트 어디에서나 금방 쉽게 접할 수 있으니 검색을 해보도록 하자.

 

추가적으로 SEO 마케팅에 관심이 있다면, 이 글을 참고하도록 하자. 구글 SEO를 개선시키기 위한 글쓰기 방법을 해당 글만큼 상세히 다루고 있다.

 

내가 그로스 마케터가 되고, 이 글을 작성할 수 있었던 건 양승화 님과 데이터리안의 멤버분들의 도움이 가장 컸다. 만약 퍼포먼스 마케터, 그로스 마케터, 데이터 분석가에 관심 있는 분들이라면 양승화 님의 <그로스 해킹> 책과 강의를 꼭 보길 바란다. 해당 내용을 GA4와 SQL로 직접 실습하고 실무에 적용해 볼 수 있는 건 데이터리안에서 가능하다. 이 분들께 정말 감사하고, 또 추천한다.

댓글