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
🏃💨이탈률(Bounce Rate), 낮을수록 좋을까?🤔
대부분의 마케팅 지표는 그 의미가 명확합니다.예를 들어, '블로그의 방문자 수'라는 지표는 낮은 것보다 높은 것이 좋습니다. 반대로 '주간 뉴스 레터 구독 취소자 수'는 낮을수록 좋습니다. 이렇게 대부분의 마케팅 지표는 '높을수록 좋다' 혹은 '낮을수록 좋다'라는 명확한 평가 기준이 있습니다.그렇지만 이탈률(Bounce Rate)에는 그런 명확한 평가 기준이 없습니다. 본 포스팅에서는 이탈률을 어떻게 계산하는지, 어떻게 측정하는지, 높은 이탈률이 좋은 경우는 언제인지에 대해 다루도록 하겠습니다.✅ 키 포인트 ✅페이지 이탈이란, 방문자가 어떤 페이지에 접속한 후, '같은 사이트의 다른 페이지'를 탐색하지않고 떠나는 행위를 말합니다.이탈률은 페이지 유형 및 산업에 따라 다릅니다.이탈률에 대한 보편적인 기준은 없으며, 페이지의 맥락이 이탈률의 가장 중요한 분석 기준입니다.이탈률(Bounce Rate)이란? 🤔웹 사이트의 이탈률은 한 페이지에 접속한 후 떠나는 방문자의 비율입니다. 즉, 방문자가 한 페이지를 보고 같은 사이트의 다른 페이지를 탐색하는 대신, 뒤로 가기를 누르거나, 탭을 닫거나, 외부 링크로 옮기는 등 페이지를 떠나는 행위를 말합니다.이탈률은 웹 사이트의 전반적인 사용자 경험을 평가하는 중요한 지표입니다. 웹 사이트의 로딩이 느리거나, 디자인이 직관적이지 않는 등의 문제가 있다면, 해당 사이트의 이탈률은 높게 나타날 것입니다. 콘텐츠 역시 이탈률을 결정짓는 중요한 요소입니다. 가치 있는 콘텐츠를 제공하여 방문 목적을 충족시킨다면, 방문자를 페이지에 머물게 할 수 있을 것입니다. 하지만 이탈률이 높다고 꼭 나쁜 것만은 아닙니다. 방문자의 의문점을 효과적으로 해소해주는 콘텐츠를 제공했을 경우, 방문자가 굳이 해당 사이트의 다른 페이지까지 탐색하지 않아도 되니, 이탈률이 높게 나타날 것입니다. 이런 이유로 인한 높은 이탈률은 해당 사이트에 대한 신뢰도가 높다는 증거로 볼 수도 있습니다.반면, 이커머스 사이트의 상품 페이지 이탈률이 높다면, 문제가 있다고 볼 수 있겠죠.이탈률 계산법 🧮이탈률은 특정 기간 동안의 한 페이지 세션 수(Single-page Sessions)를 전체 세션 수(Total Sessions)로 나누어 간단히 확인할 수 있습니다.이탈률(Bounce Rate) = 한 페이지 세션 수(Single-page Sessions) / 전체 세션 수(Total Sessions)예를 들어, 클라우드 소프트웨어 업계의 트렌드를 다루는 기술 블로그를 운영하고 있다고 가정해 보겠습니다. 지난 달에 해당 웹 사이트에서 100,000개의 전체 세션이 발생하였고 그 중 특정 한 페이지 세션은 10,000개가 발생하였습니다. 이 경우 이탈률은 10%로 계산할 수 있습니다. Amplitude와 같은 디지털 분석 도구를 사용한다면, 이탈률을 자동으로 측정할 수 있습니다.이탈률 VS 종료율 🤼몇몇 사람들은 이탈률과 종료율을 구분하지 않고 사용하기도 합니다. 하지만 이 두개는 서로 다른 지표입니다. 이탈률은 한 페이지만 보고 이탈하는 방문자 수를 측정하는 반면, 종료율은 방문자가 사이트의 적어도 하나의 다른 페이지를 탐색하다가 해당 페이지를 만났을 때 떠나는 정도를 측정합니다. 예를 들어, 사용자 여정을 추적해보니 특정 페이지를 방문하면 급격하게 사이트를 이탈한다는 사실을 발견한다면, 해당 페이지의 종료율이 높다고 볼 수 있습니다. 이 경우 해당 페이지를 면밀히 살펴보고 페이지의 종료율이 높은 근본 원인을 찾아야할 것입니다.이탈률 평가 기준은? 🧐이상적인 이탈률은 얼마일까요? 평균 이탈률은 페이지 유형, 업종 및 기타 요소에 따라 다릅니다. Customedialabs의 조사결과에 따르면 전자 상거래 및 소매 사이트의 평균 이탈률은 20%에서 45% 사이입니다. 반면, 블로그나 위키 페이지는 65%에서 90% 정도의 이탈률을 나타냅니다. B2B 웹 사이트의 경우엔 평균 이탈률이 25%에서 55%사이입니다.블로그와 위키 페이지는 일반적으로 방문자들이 만족스러운 정보를 찾은 후 떠나는 경우가 많기 때문에 이탈률이 높게 나타납니다. 전자 상거래 사이트는 일반적으로 유사상품보기, 쿠폰 받기, 리뷰 확인하기 등 추가적인 탐색을 취하도록 설계되어있기 때문에 평균 이탈률이 낮게 나타납니다. 이렇게 페이지 유형에 대한 이해를 가지고 접근해야 이탈률을 제대로 평가할 수 있습니다.산업도 평균 이탈률을 결정짓는 요소입니다. 음식 및 레스토랑 관련 사이트는 모든 산업 중에서 이탈률이 높은 편이지만, 부동산이나 쇼핑 페이지는 이탈률이 낮습니다.결론적으로, 콘텐츠 및 산업의 맥락을 고려하지 않고 웹 사이트의 이탈률을 평가하는 것은 불가능합니다.이탈률을 낮추는 법 📉이탈률을 낮추기 위해선 방문자에게 더 가치 있는 경험을 제공해야합니다. 그 세부적인 방법은 다음과 같습니다.로딩 속도 높이기긴 로딩 시간을 좋아하는 방문자 없습니다. Google에 따르면 페이지 로드 시간이 1초에서 3초로 증가한다면, 이탈률은 32% 증가한다고 합니다. 로딩 속도는 구글 서치 콘솔에서 제공하는 모바일 및 웹 페이지 경험 지표에서 확인할 수 있습니다. '제대로 렌더링되지 않은 코드 조각' 등과 같이 느린 로딩 속도의 원인이 될만한 요소를 찾고 개선해야합니다.방문자 기대 충족페이지의 콘텐츠가 방문자에게 정말 가치 있는 것인지 확인해보세요. 의미없는 콘텐츠를 접한 방문자가 이탈하는 것은 어쩌면 당연합니다. 방문자의 기대를 충족 시키는 것은 검색 노출, 광고, 이메일 캠페인을 통한 유입 등의 측면에서도 중요합니다.사용자 경험 (UX) 개선아무리 로딩 속도가 빠르고 좋은 콘텐츠를 제공한다고 해도 UX가 혼란스럽고 불편하다면 방문자가 이탈할 가능성이 높습니다. 높은 이탈률을 나타내는 페이지가 있다면 해당 페이지의 UX를 점검할 필요가 있습니다. 귀찮은 스팸 팝업 광고가 너무 많은 뉴스 페이지나, 콘텐츠를 읽으려면 이메일 주소를 먼저 제출해야 하는 페이지가 대표적인 예시입니다.이탈률은 곧 페이지의 가치입니다 🧐이탈률은 페이지가 방문자에게 정말 가치있는지 판단하는 기준 중 하나입니다. 그렇지만, 이탈률에 일반적인 기준은 없다는 것을 기억하세요. 가치 있는 페이지 경험을 제공했다고 해도 이탈률은 다양하게 나타날 수 있습니다. 핵심은 페이지 경험 개선에 집중하는 것입니다.콘텐츠 더 읽어보기리텐션 캠페인 효과를 최대화하는 8가지 방법데이터기반 고객 여정 설계마케팅 캠페인의 고객 참여를 높이는 8가지 팁
Amplitude는 Google Analytics와 어떤 점이 다른가?
Amplitude VS GA 차이점 알아보기
그로스 해커의 데이터 분석 필수 솔루션: Amplitude(앰플리튜드)
“그로스 해커”, 한번쯤은 들어보셨을 단어일텐데요. 그로스 해커는 단순한 유행어가 아닙니다. 그로스 해커는 실시간으로 고객 데이터를 캡처하고 의미를 읽는 방법을 길러온, 제품과 마케팅에 모두 능숙한 인력입니다. 에어비앤비, 우버, 인스타그램, 링크드인과 같은 스타트업들이 유니콘으로 도달하기 위해 그로스 해킹을 사용해왔으나, 전통적인 일반 기업들은 아직 그로스 해킹에 큰 관심이 없는 상태입니다.성공하는 그로스 해커들은 전통적인 엔터프라이즈 비즈니스와는 전혀 다른 방식으로 고객 데이터에 접근합니다. 그들은 디지털 데이터 너머에 있는 실제 사람에 집중하고, 고객 행동을 분석하기 위해 특별히 제작된 최신 프로덕트 인텔리전스 툴을 이용하며, 고객 활성화를 위해 데이터 인사이트를 배치하고, 데이터를 팀 스포츠로 취급합니다.그로스 해커의 사고방식은 적절한 툴과 이전의 베스트 프랙티스와 결합되어, 엔터프라이즈 기업이 디지털 혁신을 실현하고 성장을 이어갈 수 있도록 청사진을 제공합니다. 이벤트 기반 데이터를 통해 고객과 공감하세요.그로스 해커는 고객 데이터에 대한 미묘한 이해를 바탕으로 어떻게 공감을 형성할 수 있을지 확인합니다. 데이터를 통해 확인한 고객의 욕구와 요구 사항에 익숙해지는 것은 더 나은 제품을 만드는데 도움이 됩니다.그로스 해킹의 기본은 데이터가 인간의 상호 작용을 위한 통로라고 여기는 사고 방식에서부터 시작합니다. 데이터를 익명의 대중이 아닌, 의미있는 개개인의 의사 표현으로 봐야 합니다. 이러한 사고 방식은 고객 데이터 안에서 행동 인사이트를 발견하고 고객과의 큰 공감을 만들어가는데 도움이 됩니다.물론, 사고 방식은 시작점일 뿐, 더 많은 것이 필요합니다. 올바른 종류의 데이터를 추적하는 것도 중요합니다. Google Analytics, Adobe와 같은 레거시 분석 솔루션은 인간 행동을 이해하는 데 도움이 되는 데이터를 잘 추적하지 않습니다. 대부분 대시보드에서 웹 활동을 추적하는데, 페이지뷰나 구매와 같은 대규모 수치를 보면 데이터 뒤에 있는 ‘개인’의 성격을 지우는 경향이 있습니다. 제품을 구매하는 주체는 페이지뷰가 아니라 사람입니다. 사람들은 “세션”에서 제품과 상호작용 하지 않습니다. 오랜 시간에 걸쳐 다양한 채널을 통해 제품과 상호 작용합니다.데이터를 통해 확인한 고객의 욕구와 요구 사항에 익숙해지는 것은더 나은 제품을 만드는데 도움이 됩니다.반면에 그로스 해커들은 이벤트 기반 데이터를 분석합니다. 이벤트 기반 데이터는 마우스를 클릭하거나 키 스트로크 및 손가락 스와이프 등의 액션이 있을 때마다 활동을 추적합니다. 이러한 이벤트를 Amplitude(앰플리튜드)와 같은 제품 인텔리전스 툴을 통해 실시간으로 분석하면, 고객의 미묘한 행동을 파악하고 니즈를 이해하는 것을 시작할 수 있습니다. 또한 이 ‘이해’는 결과적으로 더 나은 제품을 만드는 방향으로 이어집니다.Google Analytics, Adobe와 같은 레거시 분석 툴도 이벤트를 통합하기 위해 기술적으로 플랫폼을 확장했지만, 여전히 웹 페이지 중심의 분석입니다. 이러한 툴을 통해 이벤트를 추적하는 것으로는 데이터의 일부만을 확인할 수 있습니다. 고객 데이터 분석을 위해 특별히 설계된 최신 툴을 사용하세요.기존의 웹 분석 툴은 고객 행동 분석을 위해 설계되지 않았습니다. 기존의 툴은 단일 시점에서 익명의 웹 페이지 뷰를 측정하는 데는 탁월하지만 실제 사람들이 디지털 제품을 사용하는 방식과는 거리가 있습니다. 그로스 해커는 복잡한 고객 데이터를 적절하게 분석할 수 있는 툴을 사용합니다. 이러한 툴은 최소한 다음의 세 가지 요건을 충족해야 합니다.- 다양한 채널에서의 상호작용을 트래킹할 수 있는가.- 전체 소스에서 동일한 고객을 식별해내고 데이터를 통합할 수 있는가. (ID 확인)- 고객 데이터가 식별된 경우, 이 고객 데이터와 익명의 데이터를 결합할 수 있는가.세그먼트 및 프로덕트 인텔리전스 툴 Amplitude(앰플리튜드)와 같은 고객 데이터 플랫폼은(Customer Data Platform: CDP) 상기 요건들을 달성하기 위해 특별히 제작되었습니다. 예를 들어, 세그먼트는 사용자 정의 소스를 포함한 수십 개의 소스에서 이벤트 데이터를 수집합니다. 그 다음 시간이 지남에 따라 지속되는 통합 고객 프로파일을 생성합니다.또한 Amplitude(앰플리튜드)는 세그먼트의 다운 스트림에서 CDP를 통해 통합된 이벤트를 수집하는데 사용될 수 있습니다. 그 다음 리텐션, 전환 및 코호트 행동과 같은 고객 지표를 조사하기 위해 전문 기술자와 비전문 사용자 모두에게 적합한 데이터 분석을 제공합니다. Amplitude(앰플리튜드)에는 자체 ID 확인 기능과 수십 개의 데이터 소스에 대한 사전 구축된 통합 기능도 있습니다.웹 분석 혹은 일반적인 데이터 레이크가 아닌 고객 데이터 분석을 위해 특별히 제작된 툴의 장점은 사람을 염두에 두고 만들어졌다는 점입니다. 즉, ID 식별, 개인 정보 보호, 고객 라이프사이클 라포팅과 같은 고객 지향 기능을 즉시 제공합니다.그리고 이러한 툴은 이탈 가능성, 구매 성향 및 자동 세그먼트와 같은 사전 구축된 예측 속성을 계속해서 더 많이 제공합니다. 이 기능들은 복잡하고 운영 비용이 많이 드는 머신러닝 기반에서 작동하기 때문에, 큰 규모의 회사에서도 처음부터 모두 새로 구축하려면 매우 오랜 시간이 걸립니다. Amplitude(앰플리튜드)의 AutoML 기능은 고객의 행동에 따라 고객을 자동으로 모을 수 있게 합니다. 이를 통해 프로덕트 매니저와 마케터는 희망하는 사용자 분류 방식에 따라 규칙을 수동으로 생성하는 대신, 실제로 제품과 상호 작용하는 방식을 기준으로 사용자를 빠르게 그룹화 할 수 있습니다.최근 Amplitude(앰플리튜드)는 사용자가 주어진 동작을 수행할 가능성을 기준으로 머신러닝을 사용해서 사용자를 세분화하는 예측 코호트 기능도 제공하기 시작했습니다. 이러한 코호트가 마케팅 캠페인에 적용되면, 그로스 해커는 진정한 데이터 사이언티스트가 될 수 있습니다. 직접적인 효과를 위해 위해 데이터 인사이트에 신속하게 대응합니다.대시보드는 데이터 분석 결과를 시각화하고 해석하는데 유용하지만, 이것이 데이터 분석의 전부가 되어서는 안됩니다. 이를 기반으로 경영진이 의사 결정을 내리기를 기다리는 데는 몇 주 심지어는 몇 분기가 걸릴 수도 있습니다. 그 이유는 대시보드가 보편적인 방향으로만 사용자에게 안내하고 있기 때문입니다. 데이터를 분석하고 조치를 취하는 것은 사용자의 몫입니다.그로스 해커는 기존 엔터프라이즈 비즈니스와는 근본적으로 다른 방식으로고객 데이터에 접근합니다.그로스 해커에게는 기다릴 수 있는 시간 여유가 없습니다. 이들은 프로덕트 인텔리전스 툴을 통해 얻은 인사이트를 바탕으로 마케팅 및 인게이지먼트 캠페인에 직접 참여합니다. 이 과정에서 데이터를 통해 확인한 고유한 특성 및 코호트에 따라 메시징을 맞춤화할 수 있습니다. Amplitude(앰플리튜드)에는 대시 보드에서 기다릴 필요없이 실시간으로 데이터 통신을 할 수 있도록 사전에 구축 된 커넥터가 있습니다.예를 들어, 분석 결과 이탈 가능성이 높은 고객 그룹이 식별되었다면, 다음 단계는 당연히 해당 그룹에게 이메일 혹은 모바일 푸시 알림을 보내서 고객이 이탈하지 않도록 하는 것입니다. 이 메시지를 자동으로 트리거 함으로써, 그로스 해커들은 번개처럼 빠른 속도로 고객 경험을 변화시킬 수 있습니다. 데이터를 팀 스포츠로 만들어보세요.그로스 해커의 마지막 비결은 무엇일까요? 그로스 해커는 데이터를 활용하여 고객에게 서비스를 제공하는 새로운 방법을 모색하는 ‘데이터 민주주의’ 팀으로 활동하고 있습니다. 데이터는 고도의 전문 기술자들로 구성된 소규모 그룹에 국한되지 않고 그로스 해킹 프로덕트 매니저, 마케터, 디자이너도 쉽게 액세스할 수 있습니다. 누구나 스스로 데이터를 조사하여 성장 가설을 검증하고, 문제 지점을 확인하며, 고객 행동을 관할할 수 있는 액세스 권한이 있습니다.만약 데이터 전문가가 고객 인사이트의 게이트키퍼라면, 기업의 빠른 학습 및 적응 능력은 소수에게 제한된 대역폭과 전문 지식으로 인해 병목 현상이 발생할 수 있습니다. 데이터 전문가가 아닌 분들이 Google Analytics와 Adobe를 이용하여 표면적인 정보 이상의 인사이트를 확인하는 것은 매우 어렵습니다. 전문 기술자가 데이터 분석 내용을 다른 팀원에게 전달하기 위해 대시보드를 생성하는 경우, 비전문 사용자는 데이터와 상호 작용 하거나 데이터에 대한 질문을 할 수 없습니다. 해답을 얻기 위해 엔지니어링 팀에 질문을 한다고 해도, 이는 모든 사람의 업무 속도를 떨어뜨리는 결과를 가져오게 됩니다.Amplitude(앰플리튜드)와 같은 최신 분석 플랫폼은 처음부터 데이터 전문가가 아닌 사람도 사용할 수 있도록 설계되었습니다. Amplitude(앰플리튜드)의 UI는 쿼리를 작성하기 위해 자연어와 포인트 앤 클릭(point-and-click) 인터페이스를 사용합니다. 플랫폼별로 다른 용어를 사용하지 않기 때문에 eVars, sProp, goal slot ID와 같은 용어는 Amplitude(앰플리튜드)에서 볼 수 없습니다.또한 Amplitude(앰플리튜드)는 사전 제작된 광범위하고 고 부가가치의 구성하기 쉬운 다양한 차트를 제공하므로, 고객 행동을 쉽게 분석할 수 있습니다. 마지막으로 Amplitude(앰플리튜드)는 다양한 팀 협업 기능을 제공하여 그로스 팀이 차트에 의견을 추가하고, 분석을 퍼블리싱 하며, 툴 내에서 데이터에 대해 논의할 수 있도록 지원합니다.이렇듯 진정한 ‘데이터 민주주의’를 통해 그로스 해킹 조직은 피드백 주기를 획기적으로 단축할 수 있습니다. 또한 이를 통해 기존의 경쟁 기업들 보다 훨씬 더 높은 성장률을 달성할 수 있습니다. 그로스 해커가 될 준비가 끝났습니다!그렇다면, Google Analytics, Adobe Analytics, 데이터 웨어하우스, 데이터 레이크 및 이전의 대시보드와 같은 기존 데이터 분석 툴을 폐기해야 할까요? 아닙니다. 이러한 툴은 웹 분석과 데이터 스토리지, 시각화 등의 용도로만 사용하면 됩니다. 신속한 실험과 최적화를 통한 가파른 성장을 원한다면, Amplitude(앰플리튜드)와 같은 최신 프로덕트 인텔리전스 툴을 사용하여 원하는 결과를 얻을 수 있습니다. 그로스 해커의 고객 공감 능력, 독창성과 결합하면, 여러분도 빠르게 우상향 하는 성장 그래프를 확인할 수 있습니다.
분석 솔루션, 여러 개 써도 되나요?🤔
여러 가지 데이터를 통해 인사이트 발견을 돕는 분석 솔루션! 대표적으로 GA4, Amplitude가 있죠.어떤 조직에서는 이런 분석 솔루션을 2개 이상 사용하기도 합니다. 한 조직에서 여러 개의 분석 솔루션을 사용하는게 과연 좋을까요? 이번 포스팅에서는 분석 솔루션을 여러 개 사용하는 것이 좋은지에 대해서 알아보겠습니다. 우선 그 현황부터 파악에 보죠! 분석 솔루션을 이렇게 여러 개 사용하는 기업은 보통 다음 케이스에 속할 겁니다.웹사이트 분석용 솔루션, 앱 분석용 솔루션을 따로 사용여러 솔루션을 사용하는 가장 큰 이유입니다. 대개 이런 경우는 마케팅 팀과 프로덕트 팀의 협업 부재로 발생합니다. 일반적으로 마케팅 팀이 웹사이트를 관리하고 프로덕트 팀이 모바일 앱을 관리하다보니 이런 현상이 발생하죠. 더 자세히 말하자면, 웹사이트는 주로 온라인 홍보/광고를 위해 구축하는 경우가 많다보니 자연스럽게 마케팅 팀이 관리를 하게되고, 모바일 앱은 주로 개발과 관련된 팀이 중심이 되어 구축하는 경우가 많다보니 프로덕트 팀이 관리하게됩니다. 이렇게 분리된 업무 영역이 굳어져 굳이 2개의 분석 솔루션을 사용하게 되는 것이죠. 하지만 특별한 이유가 없다면 이렇게 2개의 솔루션을 사용하는 건 비효율적입니다.메인 솔루션의 부족한 기능 보충메인 솔루션이 가지고 있는 아쉬운 부분을 보충하는 용도로 여러 개 솔루션을 사용하는 경우입니다. 예를들어 Amplitude를 메인으로 사용하고 광고 통합을 위해 Google Analytics를 추가로 사용하는 경우나, 반대로 Google Analytics를 메인으로 사용하고 세션 재생 기능을 위해 Amplitude를 보조적으로 사용할 수 있죠. 하나의 솔루션으로 모든 기능을 충족할 순 없습니다. 사용하는 솔루션의 부족한 부분이 있다면, 다른 솔루션을 통해 충족하는 방법도 충분히 고려해볼만하죠.다수의 분석 솔루션 사용 문제점😵💫하지만 정말 특별한 경우가 아니라면 솔루션을 여러 개 사용하는 장점보다는 단점이 더 큽니다. 다음과 같은 많은 문제점이 발생할 수 있기 때문입니다.솔루션별로 다른 고객 프로필 관리고객을 더 깊이 이해하기 위해선 고객 정보를 하나로 통일하는 게 중요합니다. 하지만 솔루션을 여러 가지 사용하면 고객 정보가 흩어지게 되죠. 물론 고객 데이터를 내보내서 다른 솔루션에 통합하는 방식을 사용할 수 있겠지만, 이 작업에 만만치않을 시간이 소요됩니다. 어찌저찌 통합하였다 하더라도 실시간으로 고객 정보를 파악하고 대응하는 것이 불가능해집니다.고객 경험 개인화 어려움위의 문제점과 동일한 이유로 고객 프로필을 하나로 통일하지 않는다면, 개인화된 경험을 고객에게 제공하기 어려워집니다. 개인화는 시장에서 가장 큰 차별 요소이자, 요즘 시대에 필수적인 기능이 되어가고 있습니다. 고객은 이제 기업이 알아서 관련 상품, 콘텐츠, 혜택을 추천해주길 기대합니다. 또한 이런 개인화는 실시간성이 더해질 때 훨씬 효과적입니다. 실시간으로 고객의 행동과 원하는 것을 파악하여 제공할 필요가 있습니다.세그먼트 구축의 어려움행동 데이터를 기반으로사용자를 세분화하는 것이 분석 솔루션의 메인 기능입니다. 다수의 솔루션을 사용하면 이 중요한 기능에 제약을 받을 수 밖에 없죠. 호환되는 데이터를 내보내는 것이 아니라면, 세그먼트 기능을 깊게 활용하기 어려울 것입니다.어떤 한 기업이 마케팅 분석에는 Google Analytics를 사용하고, 모바일 앱에는 Amplitude를 사용한다고 가정해봅시다. 그리고 한 고객이 이메일 광고를 통해 웹 페이지를 방문하고 장바구니에 상품을 담았는데 당장 구매하지 않고 그 다음 주에 모바일 앱으로 구매를 하였다고 가정해봅시다. 이 때 이 고객이 이메일을 클릭했다는 정보와 웹 페이지에서의 행동 정보는 Google Analytics에 기록되고, 앱에서의 쇼핑 행동 정보는 Amplitude에 기록됩니다. 이메일 광고가 매출에 얼마만큼 기여하였는지 측정하고 싶어도 제대로 된 측정 값을 알 수 없게 되는거죠.전체 고객 여정 파악 불가고객은 한 가지 플랫폼을 사용하지 않습니다. 모바일 앱으로 접속했다 웹으로도 접속하죠. 하나의 분석 솔루션을 사용하면, 여러 플랫폼 사이에 고객이 얼마나 자주 이동하고 어느 부분에서 이탈하는지 파악할 수 있습니다. 여러 개의 솔루션을 사용하면 할 수 없죠.여러 솔루션 학습 필요솔루션 사용법을 배우는 것도 만만치 않은 일이죠. 솔루션이 여러 가지면 그만큼 학습하는 데 시간이 걸리고 머리도 복잡해집니다. 팀마다 다른 솔루션을 사용하는 경우라도, 서로 의사소통이나 협업하는 과정에서 상대방 솔루션을 어느정도 익혀야할 것입니다.솔루션 사용 비용여러 솔루션을 사용하면 비용도 당연히 배가 됩니다. 솔루션 마다 중복된 데이터가 많이 수집된다는 점을 생각하면 정말 아까운 일이죠. 또한 데이터는 수집할 수록 비용이 감소하는 경향이 있습니다. 여러 분석 솔루션을 사용한다면 이런 이점을 활용하지 못하고 각각에 대해 초기 데이트 프리미엄을 지불할 가능성이 높습니다.데이터 관리의 문제다수의 솔루션을 사용하는 가장 귀찮은 점은 데이터를 지속적으로 비교해야 한다는 것입니다. 데이터를 비교하는 시간도 시간이지만, 만약 데이터가 다르게 표시된다면 어떤 데이터가 잘못되었는지 파악하는 것도 어렵고 연결되어있는 여러 부서의 업무가 마비될 수 있습니다. 이런 데이터 관리의 문제는 단순 귀찮고 시간이 많이 들어가는 것을 넘어, 기술적인 문제로 이어져 제대로 된 데이터 활용 자체를 어렵게 할 수 있습니다.마치며😎결론적으로 여러 분석 솔루션을 사용하는 건 단점이 굉장히 크다는 것을 알 수 있습니다. 그렇기 때문에 많은 전문가들은 앞으로 분석 솔루션 시장이 하나의 솔루션으로 표준화될 것이라고 말합니다. Amplitude가 제품, 마케팅, 웹사이트, 모바일 앱 까지 모든 기능을 충족하는 최초의 분석 솔루션이 되는 것을 목표로 삼은 이유가 바로 여기있습니다. 아직 많은 작업이 남아 있지만, Amplitude는 분석 솔루션 시장의 선두적인 위치에서 그 목표를 향해 꾸준히 나아가고 있습니다.