AARRR 단계별로 알아보기

AARRR

• 사용자의 서비스 이용흐름을 기반으로 고객 유치/ 활성화/ 리텐션/ 수익화/ 추천 이라는 5가지 카테고리를 정의하고 각 카테고리에서 핵심이 되는 지표를 발굴하고 이를 측정/ 개선하는 지표관리 방법론
• Acquisition, Activation, Retention, Referral, Revenue 단계의 약자

AARRR 활용 단계

1. 각 단계별로 풀어야 할 문제를 확인/정의
2. 각 단계별로 활용되는 주요 지표 선별/측정
3. 측정된 지표가 가지는 의미 이해
4. 현 단계에서 개선 해야하는 목표 지표를 정하고, 실험을 통해 단계적으로 개선

 

Acquisition : 고객 유치

• 사용자들을 어떻게 데려올 것인가?
  • 사용자를 우리 서비스로 데려오는 것과 관련된 활동 == 신규 고객 유치
  • 유치의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것
    • 어떤 채널을 통해 들어온 사용자들이 꾸준히 남아서 활동하는지, 결제로 전환된 비율이 얼마나 되는지 등을 바탕으로 각 채널의 가치를 정확히 판단 할 수 있어야 이를 기반으로 전체적인 전략을 수립하거나 예산을 분배할 수 있기 때문
• 유저 획득 핵심 지표
  • CAC (Customer Acquisition Cost) : 유저 획득 비용
• 추적 방법
  1. 웹 - UTM 파라미터 (Urchin Tracking Module)
     • 서비스로 유입된 트래픽 경로 출처를 확인할 수 있도록 URL 뒤에 추가된 파라미터
     • URL 뒤에 ?로 시작되어 각 파라미터 &로 구분
     • ex) "https://주소?utm_source=youtube&utm_medium=footer&utm_campaign=orientation"
     • 각 파라미터
       • utm_source
         • 소스 : 어디에서 왔는가?
       • utm_medium
         • 매체 : 어떤 유형의 링크인가?
       • utm_campaign
         • 캠페인 : 어떤 캠페인을 통해 들어왔는가?
       • utm_term
         • 검색어 : 어떤 키워드로 검색해서 들어왔는가?
       • utm_content
         • 콘텐츠 : 어떤 내용을 보고 들어왔는가?
  2. 앱 - 어트리뷰션 (Attribution)
     • 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지 식별하여 앱의 마케팅 성과를 판단하는 과정
     • UTM 파라미터에 비해 훨씬 복잡, 보통 유료
• 관련 지표
  • CPC (Cost Per Click) 
  • CPI (Cost Per Install)
  • CPA (Cost Per Action)
  • CPM (Cost Per Mile) : 노출 당 금액
  • CPP (Cost Per Period) : 기간 동안 금액
  • ROAS (Return On Ads Spending) : 광고 수익률
• 성공 지표 방향
  • CAC < LTV
  • 같은 비율이라면 LTV를 증가시키는 것이 CAC를 감소시키는 것보다 효과적
  • CAC는 채널/캠페인/날짜 등에 따라 쪼개서 살펴보기

 

Activation : 활성화

• 사용자들이 우리 서비스의 핵심 기능을 잘 사용하는가?
  • 만약 이 단계에 문제가 있다면 서비스의 UX 등을 체크해볼 필요가 있음
• 이 단계의 핵심은 Funnel 분석

https://chaemi720.tistory.com/365

Funnel 분석

https://chaemi720.tistory.com/377

코호트 분석(Cohort Analysis)

 

Retention : 유지율

• 사용자가 우리 서비스에 지속적으로 방문하는가?
  • 서비스에 있어서 사용자의 유의미한 행동을 기준으로 잡고, 이러한 행동이 시간의 흐름에 따라 반복되는지 살펴보는 것이 중요
  • ex) 넷플릭스 : 구독연장, 쇼핑물 : 상품 재무개
  • 높은 리텐션은 기업의 장기적 성장에 유리, AARRR 에서 가장 중요한 단계로 야기됨
• 측정 방법 3가지
  1. 클래식 리텐션 Classic Retention
     • 특정일에 이벤트를 발생시킨 유저의 비율을 계산하는 방식
     • Day-N Retention
     • 각 날짜에 접속한 유저는 독립적으로 계산
     • (DayN 에 서비스를 사용한 사람) / (Day0 에 처음 서비스를 사용한 사람)

       

     • 특정일에 접속여부는 고려하지만 꾸준히 반복적으로 들어왔는지는 고려하지 않음
       • 노이즈에 민감하고 일 단위의 데이터가 모두 필요
     • 언제 사용?
       • 짧은 주기로 반복적인 사용이 보편적인 서비스
         • ex) 전화, 메신저, SNS 등
       • 노이즈를 줄이려면 기준일을 여러개 두고, 여러번 측정해서 DayN 리텐션 평균값을 활용
     • Engagement = DAU/MAU
       • 간단히 서비스의 리텐션 수준을 가늠하는 방법
       • 단, Daily Use가 중요한 서비스에서만 유효한 지표
       • 동일서비스에서 기간별 추이를 보이면 유용
  2. 범위 리텐션 Range Retention
     • 클래식 리텐션과 동일하나, 날짜 기준을 특정일이 아닌 특정기간으로 정해 이벤트를 발생시킨 유저 비율을 계산하는 방법
     • 주별, 월별, 분기별 등 설정한 기간 내 한 번이라도 들어왔으면 포함
     • 각 기간에 접속한 유저는 독립적으로 계산
     • (RangeN 에 서비스를 사용한 사람) / (Range0에 처음 서비스를 사용한 사람)

       

     • 클래식 리텐션에 반해 특정일 노이즈에 자유로움
       • 단, 기간이 길어질수록 과대 추정 될 수 있음
       • 비교적 데이터 수집 및 분석 기간이 긺
     • 언제 사용?
       • 비교적 Daily Use가 덜 중요한 서비스
         • ex) 배달, 쇼핑몰 등
  3. 롤링 리텐션 Rolling Retention
     • 위의 2가지와 달리, 몇 명이 돌아왔는가가 아니라 몇 명이 나갔는가에 초점을 맞춤
     • 즉, 특정일을 기준으로 떠나버린 유저를 집계해서 리텐션을 계산
     • (After N Day 에 서비스를 이용한 유저) / (Day 0에 처음 서비스를 이용한 유저)
     • 장점
       • 최초 로그인 시점과 마지막 로그인 시점에 대한 데이터만 있으면 계산 가능
     • 단점
       • 전반적으로 과대추정 되는 경향이 강함

         

     • 언제 사용?
       • 사용빈도가 높지 않은 서비스에 적합
         • ex) 특정 상품 쇼핑몰, 이사/여행 서비스 등
• 리텐션 차트
  • 리텐션 차트를 만들면 코호트에 따라 리텐션이 어떻게 움직이는지 시각화하여 확인 가능
  • 리텐션 또한 코호트를 쪼개어 차이를 보는 것이 핵심
  • 리텐션 차트를 통해 유용한 인사이트를 얻으려면 다음 질문의 답을 찾아보기
    • 하나의 코호트 안에서 기간에 따른 유지율을 봤을 때 그 추이가 어떠한가?
    • 유지율이 급감하지 않고 안정화 되는 지점이 있는가?
    • 대략 어느정도 기간이 지나야 안정화 된다고 볼 수 있는가?
    • 서로 다른 코호트의 동일 기간의 유지율을 비교하면 어떠한가?
    • 예를 들어 1월 가입자와 5월 가입자의 60일 리텐션에 차이가 있는가?
    • 기간에 따라 나눈 코호트의 규모는 어떻게 달라지고 있는가?
    • 가입자 혹은 접속자가 꾸준히 증가하는 추세인가? 유지되거나 감소하는 추세인가?
    • 등등
• 리텐션 개선
  • 활성 단계에서 이탈이 많은 경로를 살피면 초기 유지율 보완에 도움이 됨
  • NUX (New User Experience) 신규 사용자 경험
  • 안정화 단계에서는 사용자와의 관계를 잘 유지하는 것이 중요
  • 곧 휴먼고객 대상으로 적절한 복귀 명분을 만들어주는 리마케팅 Re-Marketing
  • 경쟁 서비스에 축적되어 있는 가치를 손실없이 이전할 수 있도록 하기

 

Revenue : 수익

• 사용자가 우리 서비스의 핵심 기능을 사용하기 위해 결제하는가?
  • 고객이 서비스에 금액을 지불하는가
  • 수익화 관리를 위해서는 서비스 비즈니스 모델을 명확히 이해하고, 비즈니스 모델이 잘 동작하는지, 비용 대비 수익이 안정적인지 데이터로 확인 할 수 있어야 함
• 수익 주요 지표
  • ARPU (Average Revenue Per User)
    • 인당 평균 결제액
    • Revenue / User
  • ARPPU (Average Revenue Per Paying User)
    • 결제자 인당 평균 결제액
    • Revenue / Paying User 
  • LTV (Life Time Value)
    • 고객 생애 가치 == 한 명의 유저가 전체 활동 기간동안 발생시키는 누적 수익
  • LTR (Life Time Revenue)
    • 고객 생애 매출 == 한 명의 유저가 전체 활동 기간동안 발생시키는 누적 매출
    • CAC < LTR : 긍정적 신호

https://chaemi720.tistory.com/375

RFM 분석

 

Referral : 추천

• 사용자들이 우리 서비스를 주변 지인에게 소개/추천하는가?
  • 사용자들이 만족하여 자발적 바이럴 및 공유를 일으키는가
  • 해당 단계는 충성도가 높은 고객들만 추천 행동을 하기에 퍼널 내 가장 좁은 위치
• 바이럴 계수 (Viral coefficient)
  • 사용자수 * 초대비율 * 인당 초대한 친구 수 * 전환율 / 사용자 수
    • ex) 10000명의 사용자 중 2000명이 인당 평균 5명 친구 초대, 초대받은 친구의 30%가 신규가입했다면
      • 바이럴 계수 = 10000*0.2*5*0.3/10000 = 0.3
  • 이론적으로 바이럴 계수가 1이상이 되면 추천 신규 사용자가 기하급수적으로 증가
  • 바이럴 계수와 함께 초대 주기가 얼마나 빠른지도 반드시 고려해야함
• Referral의 조건
  • 긍정적인 경험 제공
    • 좋은 제품이나 서비스 제공
    • Referral을 위한 이유와 이점 제공
    • Acqusition과 Activation 퍼널의 설계와 개선
      • Referral을 통해 신규 유입된 사용자 역시 일반 신규 사용자와 마찬가지로 Acqusition과 Activation 퍼널을 거치게 되기 때문에 이 퍼널에 대한 설계가 제대로 되어 있지 않으면 이탈 발생
  • 부정적인 경험 제거
    • 콘텐츠의 부재
    • 지나치게 많은 마케팅과 광고 메시지
    • 부적절한 UI/UX