앰플리튜드
리텐션(Retention) 의미와 측정 방법🔍
Team MAXONOMY ・ 2024.04.18
리텐션이란?
리텐션(User Retention)이란, 특정 기간 동안 활성화된 유저 혹은 고객의 수를 나타냅니다. 보통은 '리턴션율'이라는 백분율을 통해서 표현합니다. 리텐션율을 구하는 공식은 다음과 같습니다.
(설정된 기간 끝의 활성 사용자 수 - 설정된 기간 동안의 신규 사용자 수) / 기간 시작 시의 총 활성 사용자 수
이런 유저 리텐션을 개선하기 위해선 코호트 분석, 고객 피드백 수집 및 활용, 온보딩 경험 개선, 푸시 알림 등의 방법을 주로 활용합니다.
유저 리텐션 vs 고객 리텐션
중요한 점은 유저 리텐션과 고객 리텐션을 구분해야한다는 것입니다. 여기서 유저와 고객을 명확하게 구분을 할 필요가 있는데요. 유저는 제품이나 서비스를 이용하는 사람을 말하고 고객은 제품이나 서비스에 가격을 지불하는 사람을 말합니다. 즉, 유저 리텐션은 제품을 사용하는 사람 수를 의미하는 반면, 고객 리텐션은 제품을 계속 결제하는 고객 수를 측정합니다. 유저 리텐션이 유저의 활동에 대한 측정 지표라면, 고객 리텐션은 재무적인 목적이 강한 지표라고 할 수 있죠.
예를 들어, 쿠팡이나 아마존과 같이 많은 상품이 거래되는 이커머스 플랫폼의 경우, 유저 리텐션은 특정 기간 동안 앱이나 웹 페이지에 방문하는 유저 수로 측정할 수 있고, 고객 리텐션은 특정 기간 동안 실제 결제를 하는 숫자로 측정합니다. 가장 대표적인 유형인데요.
성격이 조금 다른 케이스도 있습니다. 또 다른 예를 들면, 대기업에 인사 솔루션을 제공하는 회사A는 고객 리텐션을 특정 기간 동안 구독을 계속하는 기업(고객)의 수로 측정할 것입니다. 유저 리텐션은 고객 회사에서 몇 명의 유저가 특정 동안 제품에 로그인하는지를 측정합니다. 즉 이미 구독 중인 고객이 우리 제품을 얼마나 잘 사용하고 있는지 확인하는 것이죠.
유저 리텐션 vs 이탈률
유저 리텐션과 이탈률은 큰 상관관계가 있습니다. 이탈률은 비즈니스가 잃는 유저 수 혹은 다시 구독하지 않는 고객 수를 의미합니다. 따라서 이탈률은 유저 리텐션율의 역수이며, 둘이 합쳐서 100%가 되어야합니다.
유저 리텐션 측정 방법
유저 리텐션은 회사의 전반적인 상태를 이해하는 데 큰 도움이 됩니다. 높은 유저 리텐션은 수익성과 안정성이 높음을 나타내죠. 유저 리텐션을 측정하기 위해선 우선 명확한 활성 유저 기준과 기간 기준을 정의하고 리텐션 유형을 결정해야 합니다.
유저 리텐션율 공식
유저 리텐션율을 계산하는 공식은 앞에서 설명했듯 다음과 같습니다
공식을 사용하여 유저 리텐션율을 구하는 방식은 쉽고 직관적이긴 하지만, 더 정확한 측정을 위해선 제품 분석 솔루션을 사용하는 것이 좋습니다. 대표적으로 Amplitude가 있죠.
가장 이상적인 유저 리텐션율은 100%이고 이탈율은 0%일 것입니다. 하지만 당연히도 이는 불가능하고, 실제론 산업별 적합한 리텐션율을 목표해야 합니다. CustomerGauge의 'B2B NPS & CX Benchmarks Report 2022'에 따르면, 에너지 및 유틸리티 산업의 유저 리텐션율이 89%로 가장 높았으며 도매 산업의 리텐션율이 44%로 가장 낮았습니다.
현재 속해있는 산업의 표준 리텐션율을 찾아보고 우리 회사의 유저 리텐션율을 비교한 다음, 적절한 목표를 잡는 것이 중요합니다.
활성 유저 기준과 활성 기간 기준 정하기
위의 공식을 사용하려면 먼저 두 가지 요소를 명확히 정의해야 하는데요. 바로 누구를 활성 유저로 볼지와 기간을 어떻게 설정할지입니다.
먼저 활성 유저를 정의하는 기준은 여러가지가 있습니다. 그중 우리 제품과 사업 목적에 가장 적합한 방법을 선택해야하는데요. 단순히 애플리케이션을 설치한 유저를 활성 유저로 볼 수도 있고, 매일 사용하는 유저를 활성 유저로 간주할 수도 있습니다. 가장 적합한 방식을 선택하되, 결정한 기준에 대해서 회사 내부적인 통일이 되어야 정확한 지표 측정이 가능합니다.
기간을 설정하는 방식도 기업마다 상이한데요. 보통은 지표를 측정하는 목적에 따라 기간을 설정합니다. 예를 들어, 분기 보고서를 작성하는 경우, 한 분기를 기준으로 리텐션율을 측정하는 것이 좋겠죠. 이 외에도 산업이나 제품 특성에 따라서 기간을 정할 수도 있습니다. 예를 들어, 항공 예약 앱의 경우 매일 앱을 사용하는 경우는 거의 없겠죠. 반면 캘린더 앱의 경우에는 성공적인 매일 사용하는지가 성공을 판가름하는 기준이 될 것입니다.
N-Day 리텐션 (유저 리텐션 반환률)
유저 리텐션 반환률(Return On retention) 혹은 N-Day 리텐션이라 불리는 지표는 특정 날짜에 제품을 사용하는 사용자 수를 말합니다. 이 때 "Day 0"은 사용자가 앱을 다운로드하고 설치하거나 프로필을 만드는 등의 특정 작업을 수행한 첫 번째 날을 가리킵니다. 그리고 Day 0 이후에 사용자가 어떻게 행동하는지 분석합니다. Day 1, Day 3, Day 5 등 유저 언제 다시 돌아오는지 추적할 수 있습니다.
리텐션 개선 방법
유저 리텐션을 향상시키기 위해선 유저 경험을 먼저 향상시켜야합니다. 유저 리텐션과 유저 경험은 서로 뗄 수 없는 관계이죠. 유저가 제품을 즐기고 가치를 느끼면 당연히 더 오래 서비스에 머물 것입니다! 고객 경험을 개선하기 위해선 코호트 분석, 피드백 루프, 고객 온보딩, 꾸준한 업데이트 등과 같은 방법이 있습니다.
1. 코호트 분석하기
코호트 분석이란, 유저의 행동과 시간 흐름에 따라 그룹화하는 데이터 기반의 분석 방법입니다. 구체적으로는 유저 획득일, 플랫폼, 채널, 사용자 행동과 같은 요소를 기반으로 그룹을 나눕니다. 코호트 분석을 사용하여 다양한 고객 세그먼트 간 관찰된 사용자 동향과 행동에 가설을 세울 수 있습니다. 특정 코호트의 중요한 지점을 식별하게 되면 해당 코호트의 이탈을 줄이기 위한 전략을 개발할 수 있는 것이죠. Amplitude와 같은 분석 플랫폼을 사용하면 코호트 분석을 수행하고 사용자를 보다 깊게 이해할 수 있습니다. 코호트 분석에 대한 더 자세한 정보를 확인하고 싶다면 행동 코호트 분석 가이드북을 확인해보세요!
2. 유저 피드백 수집하기
제품을 개선하려면 유저가 제품에 대해 어떤 생각을 하는지 알아야겠죠. 정기적으로 설문 조사를 보내 사용자의 의견을 수집할 수 있습니다. 예를 들어, 앱 사용 5회마다 앱을 평가하도록 요청하거나, 리뷰를 남기면 인센티브를 제공할 수 있습니다. 구독을 취소할 때 그 이유를 묻는 것도 좋은 방법이죠! 수집된 피드백을 정리하고, 해당 피드백을 처리할 수 있는 최적의 부서에 알리세요. 이 과정을 반복하면 유저 경험이 꾸준히 상승할 것입니다.
3. 온보딩 경험 개선
무엇이든 첫 인상이 가장 중요하고 그 첫 인상을 남길 기회는 단 한 번뿐입니다. 그래서 온보딩 경험이 매우 중요한 것인데요. Wyzowl의 보고서에 따르면, 10명 중 8명은 어떻게 사용해야 할 지 모르는 앱을 삭제한 경험이 있다고 합니다. 이런 케이스를 방지하기 위해선 앱 내 데모, 튜토리얼, 대화형 안내 등의 기능을 고려할 수 있습니다.
콘텐츠 더 읽어보기
팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기
Amplitude Feature Experiment: 데이터 기반 실험의 시작
실험이 중요한 이유디지털 서비스를 운영하다 보면 다음과 같은 질문과 마주하게 됩니다. “이 버튼을 바꾸면 클릭률이 더 높아질까?” “새로운 기능을 모든 사용자에게 바로 공개해도 될까?” “프리미엄 사용자에게만 실험적으로 먼저 공개해보고 싶은데, 어떻게 관리하지?”대부분 경우 직감이나 내부 회의로 결정을 내리지만, 그 결과가 실제로 사용자 경험과 KPI에 긍정적인 영향을 주는지 알기 어렵습니다. 이로 인해 향후에 추가적인 실험 테스트를 수행하기 어려운 환경이 조성되어 버리기도 합니다.또한, 서비스를 운영하다보면, 서비스의 성장을 위해 여러 고민과 의사결정이 필요한 순간이 옵니다.✅ 새로운 기능을 모든 사용자에게 배포하기엔 위험할 때✅ 디자인이나 UI를 바꾸고 그 효과를 정확히 측정하고 싶을 때✅ 특정 사용자 그룹에게만 실험적으로 기능을 보여주고 싶을 때✅ 실험 결과를 클릭률, 전환율, 리텐션율 등의 지표로 분석하고 싶을 때따라서, 개발단의 리소스를 최소화하면서, 실제 사용자 데이터 기반의 결과 분석이 가능한 실험 체계를 도입할 필요가 있습니다. Amplitude Experiment는 고객에게 제공하는 기능 on/off 토글링부터 A/B 테스트, 점진적 릴리즈, 결과 분석까지 하나의 워크플로우 안에서 지원함으로써 "기능 실험 → 결과 측정 → 의사결정"을 오차없이 빠르게 수행할 수 있도록 도와줍니다.Amplitude Experiment에서는 다음 두 가지 방식으로 실험을 구성할 수 있습니다.Feature ExperimentWeb Experiment이름만 보아서는 비슷해 보이지만, 실제 사용 목적과 운영 방식에는 뚜렷한 차이가 있습니다. 이번 포스팅에서는 이중 Feature Experiment에 대해 집중적으로 알아보겠습니다.Feature Experiment: 기능 중심 실험Feature Experiment는 코드 기반으로 운영되는 실험 방식입니다. 개발자가 직접 고객에게 보여줄 화면을 만들거나 신규 기능을 구현한 후에 이것을 일부 고객들에게만 노출하고 원하는 효과를 보았는지 확인하고자 할 때 활용합니다.개발단에서는 변경된 화면이나 기능을 적용하고 예외 처리를 추가하여 특정 사용자에게만 노출될 수 있도록 구현하고, 실무자는 원하는 고객군과 모수 비율을 Amplitude 콘솔에서 언제든 수정하여 테스트를 수행 해 볼 수 있습니다.개발단 기능- 화면 구성- 조건 처리실무단 기능- 모수집단 선정, 비율 선택- 전환 목표 지정, 분석 방식 선정- 테스트 시작, 종료, 기간 선정- 실험 분석 결과 확인- Analytics로 추가 심화 분석 수행예시로 이해하는 Feature Experiment 활용1) 신규 기능 가설 세우기어느 날, 개발자가 추천 알고리즘 로직 개선 작업을 완료 하였습니다. 이 알고리즘을 서비스에 적용하면 굉장한 효과를 보여줄 것이라 기대하고 있지만, 바로 운영계에 적용하기에는 어떤 사이드 이펙트가 있을지 예상할 수 없었습니다. 가령 잘못된 상품 추천으로 고객에게 안 좋은 경험을 제공하면 이탈로 이어질 수 있죠.따라서, 전체 고객이 아닌, VIP 고객 중 10%에게만 새 알고리즘을 적용하고 클릭률, 구매율을 측정하기로 하였습니다. 결과 데이터가 나머지 고객들에 비해 5%이상 증가한다면 전체 사용자에게 확대 배포하는 거죠.2) 개발단 작업처음 실험을 진행하는 것이라면 Amplitude Experiment SDK를 적용하는 작업이 필요합니다. 신규 추천 알고리즘은 이미 개발 완료된 상황이고 SDK 적용은 큰 시간이 소모되지 않기 때문에 거의 바로 실험 진행이 가능합니다.(Amplitude Experiment SDK 라이브러리 탑재 및 초기화 후 고객마다 서로 다르게 제공하고자 하는 위치에서 조건문(if)을 구성)Android 적용법1. 라이브러리 추가 (build.gradle에 dependencies 추가)2. 초기화 (Application단에서 초기화)3. 현재 사용자의 experiment 관련 정보 수신4. 고객이 보유한 flag 값에 따라 제공 여부 결정( 새로운 추천 알고리즘이 제공될 10%의 VIP 고객은 "on"으로, 그 외 고객들은 모두 "off"로 적용)3) Amplitude 설정(Experiment UI 구성)3-1) Deployment 생성하기운영하는 서비스는 여러 환경으로 구분되어 있습니다.개발계(development) / 내부 QA 테스트 수행 환경(staging) / 운영 환경(production)Android, iOS, Web 등 제공 플랫폼 환경실험을 진행하고자 할 때, 특정한 환경에서만 진행하실 수도 있고, 여러 환경에서 동시에 진행해 보실 수도 있을 겁니다. 이 때, 어떤 환경에 실험을 배포할 것인지를 정의할 수 있도록 "Deployment"라는 작업이 필요합니다.하나의 프로젝트 내에서 배포할 환경마다 각각의 Deployment를 생성해주시면, 실험을 진행할 때, 이 실험을 어떤 환경에만 배포할지 지정할 수 있습니다.Experiment > Deployments 화면에서 제공하는 “Create Deployment”를 클릭하고 배포할 환경의 이름과 프로젝트를 선택하면 바로 Deployment 생성이 가능합니다.3-2) Experiment 생성하기이제 기본적인 세팅은 모두 완료 되었으니 실험을 만들어 볼 수 있습니다!Experiment > Experiments 메뉴에서 새로운 실험명과 사용할 키 값을 정하신 후 생성(Create)합니다.4) 실험 설계4-1) 목표 설정하기실험을 만들 때 가장 먼저 생각해야 할 부분은 "목표" 설정 입니다. 실험을 한다는 것은 결국, 무언가를 더 좋게 만들기 위해서이기 때문에, 반드시 “이 실험을 통해 무엇이 좋아지기를 기대하는가?”에 대한 기준이 필요하며, 그것이 바로 목표 설정입니다. 우리가 설정한 목표를 달성했는지 여부를 가지고 이번 실험의 성공 여부를 파악해 보실 수 있겠지요.목표는 기존에 만들어 두었던 지표를 선택하실 수도 있고, 원하는 목표를 새롭게 생성하실 수도 있습니다.Unique, Event Total, Conversion 등 분석에서 활용해 보셨던 다양한 지표 옵션을 기반으로 목표 설정이 가능한데, 이번 실험에서는 클릭율이 5% 이상 증가하는 것을 목표로 잡았기 때문에, "화면 진입 > 버튼 클릭"으로의 전환율이 5% 이상 상승하는 것을 목표로 설정했습니다.4-2) 대안(Variant) 등록하기비교 테스트를 진행할 때, 대안은 하나일 수 있지만 여러 개가 있을 수도 있습니다. "내가 테스트하고 싶은 기능의 버전은 몇 가지이며, 각각 어떤 차이가 있을까?" 테스트 하고자 하는 대안의 수 만큼 Add a Variant 옵션으로 추가하여 정의할 수 있습니다. (단, 너무 많은 Variant는 분석을 어렵게 하므로 2~4개 이내를 권장합니다.)각 Variant의 Value 값은 SDK에서 분기 처리에 사용(e.g. variant.value)되므로 개발단에서 미리 지정하신 값이 있을 경우, 해당 값으로 기입되어야 하며, 미리 정의되어 있지 않았다면 여기에서 정의하시는 값으로 개발단의 코드 작업이 수행되어야 합니다.※Value 값이 수정될 경우, 앱의 재배포가 필요하므로 처음 생성 시 Amplitude에서 허용하는 명명규칙(숫자, 영문, 언더스코어, 하이픈만 허용)을 참고하시어 향후 변경하지 않을 값으로 지정이 필요합니다.4-3) 고객 그룹(Targeting) 정의하기[Audience]실험에 활용할 대안을 등록했다면, 누구를 대상으로 실험을 진행할 것인지 모수 집단을 선택하실 수 있습니다. All Users를 선택하여 전체 고객을 모수 집단으로 선정할 수 있으며, Target Users를 선택하여 특정 모수집단을 Segment로 정의할 수 있습니다.[Distribution]선정한 모수 집단을 각 대안에 어느 정도 비율로 할당 할것인지 지정할 수 있습니다. 기본 옵션인 evenly distribute로 동일한 비율로 지정하는 것을 권장 드리며, 원하실 경우 Customize 옵션으로 수동 설정이 가능합니다.(control로 할당되는 고객들은 실험에 참여는 하지만 실제로는 변경된 대안 UI가 노출되지 않는 그룹으로써, 대조군의 역할을 수행합니다.)[Rollout]지정하신 모수 집단 전체를 대상으로 실험을 수행하실 수도 있으나 그 중 일부를 대상으로만 진행하는 것도 가능합니다. Rollout 설정을 통해 전체 모수 집단 중 몇 %에 해당하는 고객들을 대상으로 실험을 진행할 것인지 범위를 지정할 수 있습니다.(Control vs. Rollout: control에 포함된 고객은 실험에 포함되어 향후 결과 분석 시 대조군 역할을 하지만, Rollout에서 제외된 고객은 실험 자체에 포함되지 않으므로 결과 또한 추적되지 않습니다.)5) 전달 구성5-1) Flag & Evaluation 정의Flag는 실험을 식별하는 고유 식별자로써, 실험을 생성하시는 시점에 key 항목으로 기입한 정보를 확인하실 수 있으며, 실험 시작 전까지는 변경이 가능합니다. 이 값은 SDK에서 실험 정보 요청에 사용(e.g.FLAG_KEY) 되므로 개발단에서 미리 정하신 값이 있다면 그 값으로, 없다면 여기에서 정의된 값으로 개발단의 코드 작업이 수행되어야 합니다.Evaluation Mode는 고객이 어떤 대안에 해당 되는지를 어디에서 계산할 것인지 선택하는 항목입니다. 일반적으로는 Amplitude에 수집된 정보를 실시간으로 확인하여 결정되나, 실시간 검토 방식은 통신 상의 약간의 딜레이(0.1~1초)가 발생하므로, 고객에게 즉각적으로 노출되어야 하는 UI에 대해서는 로컬에서 계산하는 방식을 선택하실 수도 있습니다.5-2) 배포 환경(Deployment) 선택지금까지 작성한 실험을 어떤 환경에 배포 할 것인지를 선택합니다. 특정 플랫폼이나 개발환경에만 적용하고자 하실 경우, 해당하는 deployment만 선택하여 배포가 가능합니다.6) 실험 시작모든 세팅을 완료했다면, 우측 상단 버튼을 이용하여 각 플랫폼 별로 적용할 수 있는 샘플 코드를 확인할 수 있습니다. 개발 담당자에게 해당 정보를 전달하여 적용을 요청할 수 있습니다.실험을 고객들에게 배포하기 전, 미리 등록해 둔 테스터만을 대상으로 선행적으로 배포가 가능하며, 예약 실행이나 feature flag만 활성화하고 실험 분석은 수행하지 않는 등 여러 옵션을 정의해 보실 수 있습니다.모든 사항의 확인이 완료되었다면, 최종적으로 Start Experiment를 클릭하여 실험 시작이 가능합니다. 실험을 종료할 때에는 초기 버전으로 롤백을 할 것인지, 아니면 특정 대안( Variant )으로 적용할 것인지 선정하여 실험을 마칠 수 있습니다.실험이 진행되는 동안 발생한 실험 참여(Assigentment), 실험 노출(Expouse) 및 목표로 잡은 정보들은 모두 고객별 프로필에 저장되므로 이를 기반으로 심층 분석(Analytics)을 바로 수행해 볼 수 있습니다. 또한, 처음 목표로 잡았던 것 이외에도 각 그룹별로 어떠한 변화가 있었는지 수집된 데이터를 기반으로 분석이 가능합니다.실험과 분석을 하나의 플랫폼 안에서실험과 데이터 분석은 이제 더 이상 따로 작업할 필요가 없습니다. 기존 A/B 테스트 도구들이 단순히 실험을 “실행”하는 데 집중했다면, Amplitude Feature Experiment는 실험 설계부터 분석, 최종 반영까지 추가적인 개발단 작업없이 한 번에 처리할 수 있는 실험 플랫폼 체계를 제공합니다.CUPED, Sequential Testing, Bonferroni 등 실험의 정확도를 높이는 기능이 기본으로 탑재되어 있어, 적은 트래픽으로도 빠르게 유의미한 결론을 얻을 수 있으며, Amplitude Analytics와 완벽히 연결되어 언제든 전환율,리텐션, 코호트 분석 등 심층적인 결과 분석을 바로 이어나갈 수 있습니다.또한 클라이언트 배포 없이, 서버-사이드 실험 연동을 지원하므로 고객들에게 끊김없는 실험 환경 제공이 가능합니다. 제품의 성과를 빠르게 검증하고, 그 결과를 정확히 해석해 다음 의사결정으로 이어가고 싶다면, Amplitude Feature Experiment는 더없이 강력한 선택이 될 것입니다.Feature Experiment 활용에 도움이 필요하나요?팀 맥소노미 Amplitude 도입문의 바로가기 콘텐츠 더 읽어보기A/B테스트 개념과 데이터 분석 방법🔍Amplitude 실험 전략 가이드북A/B테스트 마케팅 실전 가이드북
GA4 vs Amplitude 비교하기
데이터 분석 시대, GA4만으로 충분할까?이제 거의 모든 비즈니스에서 디지털 역량은 필수 요소로 자리잡았습니다. 전통적인 제조업부터, 리테일, 물류, 심지어 외식업까지 디지털 서비스가 배제되는 산업이 없는데요. 이제 소비자는 앱이나 웹을 통해 식당을 예약하고, 내 물건이 어디까지 배송되었는지 확인하고, 마트에 방문하기 전에 원하는 물건이 있는지 확인합니다.이런 환경 속, 고객 경험 이해는 기업 경쟁력의 핵심이 되었습니다. 고객이 우리 서비스 안에서 무엇을 하고 어떤 점을 좋아하고 어떤 점에 불만을 느끼는지 명확히 알 수 있다면, 최적화 전략을 쉽게 도출할 수 있기 때문입니다.고객 경험 이해를 위한 대표적인 도구로 GA4(Google Analytics 4)와 Amplitude가 있는데요. 그중 GA4는 현재 가장 많은 시장 점유율을 가진 분석 솔루션입니다. 아무래도 무료로 제공되던 구글의 UA(Universal Analytics)로 분석을 시작하는 기업이 많았고, UA 지원이 종료되며, 자연스럽게 GA4를 사용하게 된 것이 아닐까 추측됩니다.하지만 GA4에는 여러 아쉬운 점들을 찾아볼 수 있습니다. 예를 들어, 개인화된 데이터 추적이나 고객 라이프사이클 추적 영역에서는 기능이 다소 제한적입니다. 다른 3rd party 데이터와의 통합과 유연성 측면들에도 아쉬움이 많습니다.제품 분석 솔루션 역사 이해하기GA4가 왜 이런 영역에서 유독 약한 모습을 보이는지 이해하기 위해서는 분석 솔루션의 역사를 살펴볼 필요가 있습니다.사실 GA4의 근간이 되었던, UA는 디지털 광고, UTM과 같이 신규고객 유입(User Acquisition) 중심의 퍼포먼스 마케팅 솔루션입니다. 때문에 세션 기반의 로그 데이터를 수집하는 형태로 작동하였죠. 당시 마케팅은 유저를 최대한 많이 유입시키는 것에 초점이 맞추어져있었고, UA는 이에 최적화된 솔루션으로 인기가 많았습니다.하지만 Amplitude가 시장에 출시되고, 기존의 세션 기반이 아닌, 이벤트 기반의 데이터 분석 방식을 처음 제안하였습니다. 이벤트 기반의 데이터 분석은 특히 모바일 앱 환경에서 사용자의 면밀한 행동 분석을 가능하게 하였고, 모바일 시장의 성장과 함께 Amplitude도 폭발적으로 성장할 수 있었습니다. 이때부터 마케팅의 영역이 유저 유입을 넘어, 유저 활성화, 리텐션, 수익화 등 훨씬 넓은 영역으로 확장되었습니다.이런 변화에 맞추어 구글은 기존 UA를 종료하고, 이벤트 기반의 GA4를 새롭게 출시하였습니다. Amplitude에 비하면, 여전히 퍼포먼스 분석 위주의 기능을 제공하며, 유저 라이프 사이클을 추적하는 데 있어서 다소 아쉬운 모습을 보이고 있습니다.Amplitude는 단순 분석 도구가 아니다Amplitude는 단순히 데이터를 수집하고 시각화하는 도구가 아닙니다. 고객의 획득 > 참여 > 전환 > 유지 > 성장에 이르는 고객 여정 전체를 설계하고, 이 여정에서 획득한 데이터를 제품 기획자, 마케터, 개발자 등 누구라도 쉽게 다룰 수 있는 통합 디지털 경험 플랫폼입니다.실시간 개인화 및 실시간 데이터 분석 대시보드를 통해 A/B 테스트와 같은 실험을 설정하고, 그 데이터들을 곧바로 분석80개 이상의 마케팅 플랫폼들과 네이티브 연동을 지원하며, 채널별 획득 데이터들의 리텐션 효과 분석 가능고객 전체 여정의 분석에 최적화되어, 첫 방문부터 재구매까지 사용자 ID 기반으로 고객의 라이프사이클 분석 가능 현재 Amplitude의 대표적 고객인 버거킹은 과거에는 GA4를 이용했지만, Amplitude로 전환하고 통합된 데이터를 기반으로 실험과 지속적인 개인화를 실행하며 전환율과 재구매율을 끌어올리고 있습니다." 우리는 버거 회사입니다. 버거가 바로 우리의 제품입니다. 웹사이트가 아닙니다. 하지만 경쟁력을 유지하려면 단순히 와퍼를 판매하는 것 이상의 노력을 기울여야 합니다. 오늘날 우리는 그 어느 때보다 사람들이 버거킹 브랜드를 통해 어떤 경험을 할지, 그리고 그 경험이 의미 있고 감정적인 유대감을 형성할 수 있을지 고민하고 있습니다. " - 엘리 자비스, Restaurant Brands International(버거킹) 기술 제품 관리 부사장이미지 출처: Amplitude | 개인화된 할인을 제공하는 버거킹버거킹의 고객 여정 개선은 크게 다음의 프로세스들로 이루어졌습니다.오퍼(주문) CTA 클릭을 유도하는 A/B 테스트장바구니 금액 기준, 고객별 개인화된 할인 제공Amplitude 코호트 기능을 통해 이탈 및 특정 행동 고객에게 푸시 알림 발송마치며글로벌 대표 컨설팅펌 브레인 앤 컴퍼니(Bain & Company)의 연구 결과에 따르면, 80% 이상의 기업이 고객들에게 훌륭한 경험을 제공한다고 스스로 평가했지만, 실제 훌륭한 경험을 제공받았다 생각하는 고객은 단 8%에 불과했습니다.고객 유입 마케팅의 한계를 엿볼 수 있는 부분이자, 고객 경험 관리의 중요성을 대변해주는 자료입니다. 여전히 많은 마케터분들이 캠페인 성과 측정과 유입 분석을 위해 GA4를 이용 중일 것입니다. 하지만 유입 데이터만으로는, 구체적인 액션으로 연결하지 못하고, 고객을 제대로 이해하지 못합니다.바로 지금이 진정한 고객 경험을 이해하기 위한 최적의 시기입니다. Amplitude에 대해 궁금하신 게 있다면, Team MAXONOMY에 문의하세요. 성실히 안내 도와드리겠습니다. 문의하기콘텐츠 더 읽어보기[FAQ] GA에서 Amplitude로 전환하기UA 서비스 중단 대처 가이드북[FAQ] 구글 UA종료 & GA4 전환에 대해 궁금한 모든 것분석 솔루션, 여러 개 써도 되나요?
D2C(Direct-to-Customer) 기업이 직면한 세가지 과제 해결하기
진입 장벽이 낮은 D2C 비즈니스 모델은 온라인 쇼핑 산업에서 계속 성장하고 있습니다. 디지털 마케팅, 미디어 및 커머스 분야의 리서치 기업 eMarketer에 따르면, 2020년 D2C 분야의 매출은 전년보다 24.3% 증가하여 미국 이커머스 시장의 전체 매출을 앞질렀습니다. 온라인 광고와 온라인 마케팅의 일부 과제를 보강하여 잠재 고객에게 직접 도달할 수 있다면, B2C(Business-to-Customer) 비즈니스 모델보다는 D2C 모델이 더 적합할 수 있습니다.하지만 수많은 경쟁 기업과 브랜드, 비슷한 성격의 업체가 넘쳐남에 따라, D2C 기업들은 초반에 주로 활용했던 밀레니얼 기반 마케팅에만 의존할 수 없게 되었습니다.대량 광고로 더 많은 매출을 만들어내던 시대는 지났습니다. D2C 기업은 방대한 양의 고객 데이터를 처리하고 캠페인을 개선할 수 있는 통찰력을 얻을 수 있는 기술이 필요합니다. D2C 기업의 마케팅 담당자는 이러한 툴을 활용하여 업계가 직면한 세 가지 주요 과제를 보다 효과적으로 해결할 수 있습니다. CAC (Customer Acquisition Cost, 고객을 확보하는데 드는 비용)D2C 기업에게 소셜 미디어는 신규 고객을 확보하는 가장 중요한 채널입니다. 하지만 경쟁이 치열해지면서 페이스북과 같은 소셜 플랫폼에서 노출 1,000건 당 드는 비용이 크게 증가했습니다. 더 많은 수의 기업이 같은 그룹의 유저를 대상으로 관심을 얻기 위해 경쟁하고 있습니다. 뿐만 아니라 데이터가 플랫폼 간에 일관된 방식으로 공유되지 않기 때문에, 기업은 중요한 고객을 확보하는데 큰 도움이 되지 않는다는 사실을 인지하지 못한 채 한 채널에만 많은 투자를 하게 되기도 합니다.그렇다면 D2C 기업이 효율적인 비용으로 고객을 확보할 수 있는 방법은 무엇이 있을까요? 무엇보다 고객의 구매 경로를 명확히 파악해야 합니다. 마케팅 담당자가 웹사이트, 애플리케이션, 이메일 등 각 접점 채널의 가치를 명확히 분석할 수 있다면 소셜 채널에만 의존할 필요가 없습니다. 대신 고객의 반응이 있는 다른 채널에 투자할 수 있습니다.고객을 확보할 수 있는 소스를 분석하기 위해, D2C 마케팅 담당자는 다양한 채널에서 유저 데이터를 수집하고 통합할 수 있는 기술이 필요합니다. 이러한 정보를 수동으로 수집하는 것은 고객이 방문하는 다양한 플랫폼의 수를 고려해보면 매우 번거로운 일이며 오류도 발생하기 쉽습니다.고객을 확보하는 비용을 줄이기 위해서는, D2C 마케팅 담당자들은 AppsFlyer와 같은 어트리뷰션 툴을 활용하는 것도 고려해볼 수 있습니다.잠재 고객이 브랜드와 상호 작용하는 방식을 분석함으로써 D2C 기업은 자동화 된 메시지 또는 기타 콘텐츠를 통해 제품의 가치를 보다 빠르고 강력하게 보여주는 방법을 찾을 수 있습니다. 이를 통해 D2C 브랜드가 고객의 구매 주요 요인을 파악할 수 있도록 지원함으로써 고객을 확보하는 비용을 절감할 수 있습니다. 리텐션고객 충성도는 많은 D2C 기업에서 생존을 위한 핵심 요소로 여겨져 왔으나, 몇가지 요인으로 인해 충성도가 약해지기도 합니다. 고객들은 여러 D2C 기업보다는 아마존과 같은 하나의 플랫폼에서 구매하는 것을 더 선호할 수도 있습니다. 또한, D2C 기업의 쇼핑객들도 그들이 가장 좋아하는 제품이 품절되거나 다른 브랜드에서도 비슷한 제품을 이용할 수 있다면 충성도가 낮아질 수 있습니다. 실제로 코로나19 바이러스의 대유행 기간 동안 53 %의 소비자가 원래 구매하고자 했던 브랜드가 아닌 다른 브랜드에서 구매를 했습니다.리텐션을 높이기 위해서, D2C 기업은 고객에게 다른 곳에서는 얻을 수 없는 경험을 제공하여 차별화해야 합니다.데이터 통합 수집 플랫폼 mParticle의 마케팅 부사장인 Lyndi Thompson은 “고객 경험에 대한 고객의 기대치가 높아지고 있으며, 전환 비용이 그 어느 때보다 낮아지고 있습니다.” 라고 말했습니다.고객의 기대에 충족하기 위해 D2C 마케팅 담당자는 고객 여정에 대한 통합 뷰를 제공하는 mParticle과 같은 CDP(Customer Data Platform, 고객 데이터 플랫폼)이 필요합니다. 또한 Amplitude(앰플리튜드)와 같은 프로덕트 분석 플랫폼을 활용하는 것도 리텐션과 관련된 유저 액션을 분석하는데 도움이 됩니다. D2C 기업은 여러 채널의 유저를 추적하여 구매 빈도 또는 특정 액션 정보를 기반으로 리텐션 캠페인을 실행할 수 있습니다.미국의 명상 애플리케이션 Calm은 그들의 애플리케이션에서 알림 기능을 사용한 고객의 리텐션 비율이 거의 3배 증가했음을 Amplitude(앰플리튜드)를 통해 발견했습니다. 이 결과를 바탕으로 Calm은 유저들이 알람을 설정하도록 유도하는 메시지를 발송했습니다. 이 메시지를 본 유저의 40%가 알림을 설정함으로써 전반적인 리텐션 관리에 큰 도움이 되었습니다. 개인화도매 기업과 달리 D2C 기업은 마케팅을 통해 고객에게 직접 어필해야 합니다. 혼잡한 산업에서 진정한 개인화는 대형 유통업체나 경쟁사와 차별화할 수 있는 유용한 방법입니다. 고객들은 기업들이 여러 채널을 통해 그들이 선호할 것 같은 제품을 추천해주기를 기대합니다.미국의 교차 채널 마케팅 플랫폼 Iterable의 프로덕트 마케팅 이사 Jeffrey Vocell은 “효과적인 개인화는 고객을 이야기의 중심에 두고 제품이나 서비스를 개인의 우선 순위, 요구, 필요, 감정에 맞게 구성하는 것을 의미합니다.” 라고 말했습니다.가입 및 페이지 뷰와 같은 기본 데이터는 고객이 우리의 브랜드와 제품에 대해 어떻게 느끼는지 대략적으로 보여줍니다. D2C 마케팅 담당자는 개인 맞춤형 캠페인을 진행하기 위해 구매 시점뿐만 아니라 전체 고객 여정에 걸쳐 있는 사용자 정보를 필요로 합니다. 즉 마케팅 담당자는 유저 세그먼트에 타겟된 메시지를 작성하기 위해 행동 데이터를 활용해야 합니다.브라질의 배송 서비스 기업 Rappi는 Amplitude(앰플리튜드)를 활용하여 가장 중요한 유저 세그먼트를 자동으로 식별하고 맞춤형 경험을 제공하여 구매 전환율을 높였습니다. Rappi는 신규 유저를 사용할 가능성이 높은 서비스 유형별로 분류된 플랫폼으로 이동하도록 유도했습니다. 그 이후 각 유저에게 그들의 관심사에 맞는 콘텐츠가 포함된 이메일을 발송했습니다. Rappi는 이렇게 Amplitude(앰플리튜드)를 활용하여 신규 유입 유저의 최초 주문 수익을 10%까지 높일 수 있었습니다.물론, 개인화 전략을 개발하는 일은 단 한번의 시도로 완성되지 않습니다. 어떤 것이 효과가 있는지를 파악해가면서 전략은 계속해서 발전 및 개선되어야 합니다. 머신 러닝과 결합된 행동 분석은 기업이 개인화 마케팅을 위한 노력을 강화하고 보다 의미 있는 고객 경험을 제공할 수 있게 하는데 도움이 될 수 있습니다.
웹사이트에 Conversion Analytics를 활용하는 3가지 방법
전환 분석(Conversion Analytics)은 웹 사이트에서 리드를 늘리기 위한 노력의 첫 시작입니다. 장바구니, 랜딩 페이지 및 블로그 게시물에서 전환 분석을 활용할 수 있는 세 가지 방법을 알아보도록 하겠습니다.전환 분석이란(Conversion Analytics)?전환 분석은 웹 사이트 방문자의 행동을 추적하여 그들이 원하는 것을 수행하는지 (전환 또는 중단하는지) 확인하는 방법입니다. 전환 분석을 통해 전환에 해당하는 고객 유형과 행동 유형은 물론, 중단한 사용자가 전환에 실패한 타임과 위치를 파악할 수 있습니다.전환 분석을 수행하려면 고객의 여정을 먼저 이해해야 합니다. 이를 수행하는 가장 좋은 방법은 웹 사이트 방문자를 고객으로 전환하는 데 필요한 이상적인 단계에 대한 개요를 얻을 수 있도록 고객이 전환 퍼널에서 수행하는 각 단계를 매핑 하는 것입니다.사용자가 전환 할 것으로 예상되는 제품 또는 웹 사이트의 모든 부분에서 전환 분석을 수행 할 수 있습니다. 전환 분석을 위한 세 가지 공통 영역에는 장바구니, 랜딩 페이지 및 블로그 게시물이 있습니다.장바구니 전환 분석장바구니 전환은 전자 상거래 전환 유입 경로의 마지막 단계입니다. 방문자가 구매를 하지 않는 이유를 이해하는 것이 수익 증대의 핵심입니다.다음은 장바구니를 테스트하고 최적화하는 세 가지 일반적인 방법입니다. 1. 배송비 변동을 테스트합니다.온라인 쇼핑객은 배송비에 점점 더 민감 해지고 있습니다. 이는 장바구니 단계에서 구매 포기 의 주요 원인입니다 . Amplitude의 퍼널 분석을 사용하여 배송 기술 스타트업인 Rappi 는 배송비를 표시한 결제 단계가 중요하지 않다는 사실을 발견했습니다. 고객이 일정 금액 이상 주문하면 무료 배송을 제공함으로써 더 큰 주문 크기를 장려하여 각 거래를 평균 15 % 증가 시켰습니다. 2. 개인화로 고객 경험을 개선하세요.고객 경험 은 모든 전자 상거래 전환에서 가장 중요한 요소 중 하나입니다. 또한 고객 유지의 주요 동력 이기도합니다 . Blue Apron 은 식사 배달 서비스에 대한 장바구니 포기를 조사하고 Amplitude Engage 및 Optimizely를 사용 하여 구매를 완료하지 않은 사용자에게 개인화된 메시지를 테스트 했습니다. 그 결과 전환이 7 % 증가했습니다. 3. Conversion Driver를 찾으세요.Amplitude 의 Conversion Drivers 기능은 전환 유입 경로의 단계 사이에서 발생하는 모든 작업을 식별합니다. 그런 다음 각 액션에 상관 관계 점수를 부여하여 전환에 깊이 관련이 있는지 아니면 연관이 낮은지 알려줍니다. 사용자가 장바구니 페이지 직전에 수행하는 작업 중 자신의 경험에 영향을 미치는 작업을 알아보면, 전환과 관련된 행동을 파악하고 촉진하는 데 도움이 될 것입니다.방문 페이지 전환 분석랜딩 페이지는 다양한 채널에서 방문자를 안내하는 독립형 웹 페이지입니다. 사용자에게 무료 평가판 등록, 뉴스 레터 구독 또는 eBook 다운로드와 같은 작업을 완료하도록 유도합니다. 랜딩 페이지의 전환 분석은 얼마나 많은 사용자가 액션을 완료했는지 보여주고 다양한 테스트를 통해 전환을 증대시킬 수 있습니다.다음은 랜딩 페이지를 테스트하는 세 가지 일반적인 방법입니다. 1. 가입 과정에서 저해요소를 제거합니다.Unbounce는 저해요소를 "방문자가 행동을 완료하려고 할 때 경험하는 심리적 저항"으로 정의합니다. 가입을 가능한 간단하고 쉽게 만들어 저해요소를 줄이는 것이 당신의 임무입니다. 그 중 일부는 페이지 디자인 요소가 압도적이거나 복잡하지 않고 명확하고 이해하기 쉬운 지 확인하는 것일 수도 있죠. 또한 절대적으로 필요한 경우가 아니면 사용자에게 많은 필드를 채우도록 요청하지 마세요. 예를 들면, 이메일 주소만 필요한 경우 이름, 회사, 직위 등과 같은 불필요한 필드는 제거하세요. 2. 다른 메시지를 테스트합니다.클릭 유도 문안을 구성하는 방식은 사용자가 참여의 가치를 인식하는지 여부에 큰 영향을 미칠 수 있습니다. 사람들이 eBook을 다운로드하도록하려면 여러 가지 방법으로 eBook의 콘텐츠를 구성하고 A / B 테스트 를 사용 하여 어떤 메시지가 가장 공감하는지 확인하세요. 무료 평가판 제공 메시지도 마찬가지입니다. 3. 다른 플랫폼을 비교합니다.사람들이 웹 사이트를 방문 할 때 사용하는 플랫폼 (예 : 데스크톱과 모바일)별로 분류된 전환 분석을 실행합니다. 플랫폼간에 큰 차이가있는 경우 이유를 조사하십시오. 사용자의 변환을 방해하는 서식 지정과 관련된 버그 또는 플랫폼 별 문제가있을 수 있습니다.Amplitude 에서 Conversion Driver 의 속성 기능 을 사용하여 이러한 유형의 분석을 실행할 수 있습니다 . Conversion Driver를 통해 팀은 성장을 주도하는 플랫폼, 계획 유형, 캠페인 및 채널을 쉽게 이해할 수 있습니다.블로그 게시물 전환 분석회사는 블로그 게시물을 사용하여 최상위 트래픽 생성에서 리드 전환에 이르기까지 다양한 요구 사항을 해결합니다. 블로그 게시물의 전환 분석은 개별 기사를 최적화하는 방법을 식별하고 트래픽을 리드로 전환할 기회를 찾는 데 도움이됩니다.다음은 블로그 게시물을 테스트하고 최적화하는 세 가지 일반적인 방법입니다. 1. Amplitude의 Pathfinder를 사용 하여 전환에 관련있는 블로그 게시물을 찾습니다.Pathfinder는 사용자가 제품 또는 웹 사이트를 탐색하는 모든 다양한 방법을 볼 수 있도록 도와줍니다. 사용자가 블로그 게시물을 읽은 후 취한 행동을 살펴보면 전환이 몇 단계 제거 된 경우에도 전환과 연결된 행동을 찾을 수 있습니다. 전환과 연결된 것으로 확인 된 블로그 게시물에 CTA를 직접 추가 한 다음 전환 분석을 사용하여 더 많은 사용자가 행동을 취하는 지 확인하세요. 2. 다양한 CTA(Click to Action) 를 테스트 하세요.때로는 블로그 게시물과 일치한다고 생각하는 클릭 유도 메세지가 실제로 사용자에게 반향을 일으키지 않습니다. 블로그 게시물 내에서 다양한 종류의 작업을 A / B 테스트합니다. 예를 들어, 모든 블로그 게시물 끝에서 독자에게 eBook을 다운로드하도록 유도 할 수 있지만 뉴스 레터 가입은 실제로 더 매력적입니다. 전환 분석을 통해 어떤 CTA가 가장 효과적인지 알 수 있습니다. 또한 제안이 배치 된 위치 (예 : 블로그 게시물의 끝 또는 본문)에 대한 다양한 디자인 선택을 테스트하여 전환에 영향을 미치는지 확인할 수 있습니다. 3. 트래픽이 손실되는 이전 블로그 게시물을 새로 고칩니다.블로그 게시물이 감소하면 기존 콘텐츠의 수정이 필요할 수 있습니다. 오래된 콘텐츠를 새로 고치려면 예제 또는 통계를 업데이트하여 관련성이 있는지 확인하거나 길이 또는 범위를 확장하거나 SEO에 최적화되어 있는지 확인해야 할 수 있습니다. 새로고침된 블로그 게시물과 인라인 전환 프롬프트를 결합하면 성공을위한 비법을 얻을 수 있습니다.다음 단계 : 유지전환 분석 없이는 웹 사이트 전환을 개선하려는 노력이 실제로 효과가 있는지 확인할 수 없습니다. 전환 분석을 사용하여 웹 사이트를 개선하는 방법을 잘 이해하였다면, 다음으로는 고객 유지를 위해 최적화하는 것입니다.