ZB_PFM 5일차 고객 행동 퍼널/AARRR/PMF/아하모먼트/플래토/온라인데이터구조/삼위일체분석, 시계열분석, 세그먼트분석, 코호트분석, 퍼널분석, 하이브리드분석

0307 수강목표: Part 5_ 01 고객 행동 퍼널, 02 PMF

0310 수강목표: Part 5_03 아하모먼트,04 데이터분석

 

Chapter 1. 고객 행동 퍼널

01 퍼널의 개념

인풋(뜨거운 물) -> 전환 요소(커피원두) -> 아웃풋(커피)

# 인풋이 전환요소를 만나면 아웃풋이 된다. 이를 통해 고객 행동을 구조화할 수 있다.

# 아웃풋이 늘어나기 위해서는 인풋 또는 전환요소가 늘어나야 한다

인풋(커피) -> 전환요소(우유) -> 라떼(아웃풋)

# 직전 퍼널에서의 아웃풋이 다음 퍼널에서의 인풋이 된다.

고객 행동 퍼널

# 퍼널의활용: 퍼널을 체계화하고 인풋과 아웃풋의 관계를 파악하여 마케터가 원하는 아웃풋을 만드는 일

 

02 AARRR 퍼널

고객 행동 분석 퍼널

# AARRR 퍼널은 일반적인 고객행동을 도식화한 것으로 고객의 행동을 퍼널로 구조화하여 접근하자는 방법론

# 모든 서비스나 제품에 적용되지 않을 수 있다.

# 우리 고객만의 행동 퍼널을 구조화하고 이를 통해 우리 고객 만의 문제를 찾고 해결해야 한다

 

03 예상 질문

Q1. AARRR 퍼널은 무엇인가요?

A1. “퍼널은 전환요소를 통해 인풋이 아웃풋으로 연결되는 연쇄적인 구조를 말하며 고객의 행동을 구조화, 정량화하는데 사용합니다. AARRR은 고객의 일반적인 생애주기를 퍼널로 구조화한 것으로 Acquisition, Activation, Revenue, Retention, Referral의 다섯 가지의 퍼널로 구성되어 있습니다.”

 

Q2. 마케팅 실무에 AARRR은 어떻게 해결할 수 있나요?

A1. " 퍼널은 마케터가 원하는 고객의 결과 행동을 유도하기 위해 이에 연결된 인풋행동과 전환요소를 밝혀내 이를 기반으로 고객의 행동을 이해하고 바꿔나가는 형태로 사용할 수 있습니다. 각 단계별 전환을 정량화하여 원하는 고객의 행동을 만들어내는데 어디에 문제가 있는지, 이를 위해 어떤 고객행동의 변화가 필요한지를 구체화할 수 있습니다 "

---

Chapter 2. PMF

01 PMF의 개념

- AARRR 단계에서 꼭 정해진 순서대로 적용되지 않을 수도 있다. 제품이나 서비스에 따라 중요도도 다르다.

- 그래서 AARRR 퍼널을 성급하게 우리 서비스에 대입하기 전에 PMF를 살펴봐야 한다.

 

# PMF란?

> Product - Market Fit 제품과 시장의 궁합이 맞는지

> 자사 제품이 제공하는 핵심 기능이나 가치가 고객의 니즈를 충족하는 지 진단하는 개념이자 수단이 PMF!

> 사업의 지속가능성이 확보된 상태인지 

> 이를 확인하기 위한 지표는 retention, 전환율, NPS

[1] Retention / 재방문율	[2] 결제 전환율	[3] NPS
n일 뒤에도 방문하는 고객 / 오늘 새롭게 방문한 고객	오늘 결제한 고객 수 / 오늘 방문한 고객 수	추천고객 - 비추천 고객 / 전체 응답자
오늘 새롭게 방문한 고객이 지속적으로 재방문하고 있는가? M+1 리텐션: 한 달 뒤의 재방문율  d+7 리텐션: 7일 뒤 재방문율	오늘 방문한 고객 중 몇 명이 실제로 결제까지 했는가? or 회원가입	- 제품을 사용해 본 고객 중 자사 제품을 적극적으로 추천하는 고객이 충분한가? - 이는 설문을 통해 파악할 수 있다. - 파레토의 법칙: 20%의 유저가 전체 80%의 매출을 차지한다. 대부분의 서비스는 파레토의 법칙을 따른다. - 아주 만족하는 소수의 고객이 PMF의 달성을 가늠할 수 있다는 것.

 

 

02 PMF의 실무 활용

- BEP 전환율이 40%라면, 제품 B는 동일한 초기 유저를 모았다고 하더라도 지속가능하지 않은 상황임.
BEP 전환율? 손익분기점을 만드는 최소한의 결제 전환율

 

# 그렇다면 저 빨간선은 어떻게 결정할까?

- 정해진 답은 없지만, 몇가지 기준이 있다.

[1] 업계 평균 or 경쟁사와 비교

- 혁신의 숲과 같은 서비스를 통해 업계 평균이나 경쟁사와 자사의 리텐션과 구매 전환율을 비교해봤는데, 우리가 그보다 낮은 수준이라면 PMF가 달성되지 않은 것. 지속가능성의 리스크가 있다고 볼 수 있다.

- 또는 이미 자리잡힌 선도 경쟁사의 리텐션이나, 전환율이 자사의 리텐션, 전환율과 크게 다르지 않다면, PMF 달성에 근접했고 판단할 수 있다. 

 

[2] 비용(CAC)과 LTV 관점에서 판단

- 신규고객의 리텐션이나, 첫 구매 고객 전환에는 비용이 발생한다.

- 지속적으로 자사의 서비스를 재사용하는 경우 비용 투입 없이 자발적으로 재사용하는 경우가 많다.

- 따라서 신규고객의 리텐션이나 구매 전환율을 PMF의 근거로 생각하는 경우가 많다.

- 신규고객의 리텐션이나 첫구매전환에 발생하는 비용(CAC) 대비 높은 LTV를 창출할 수 있는 리텐션이나 구매전환율을 기준으로 삼는다.

- LTV( 고객생애가치 ) = 고객의 회당 결제액 / (1 - 리텐션)   //즉, 리텐션이 높아질 수록 LTV는 커진다.

- 현재의 CAC(비용)가 LTV(가치)보다 크다면 PMF를 달성하지 않은 것으로 간주

- 현재의 CAC보다 LTV가 커지기 위한 리텐션과 구매전환율의 기준을 잡을 수 있다. 이러한 기준 리텐션과 전환율보다 높아지는 것이 PMF 달성의 근거가 된다.

 

[3] BEP 관점으로 

- 기존의 상황이 유지된다고 했을 때 리텐션과 결제 전환율이 어느정도 되어야 사업적인 손익분기점을 달성할 수 있는가?

- 현재 구매자수가 향후 동일하게 유지된다는 전제 하에, 리텐션 또는 구매전환율이 몇 %가 되어야 BEP 달성이 가능한지

 

03 예상 질문

Q1. PMF는 무엇이고 왜 중요한가요?

A1. PMF는 Product Market Fit의 약자로 자사의 서비스나 제품이 고객의 핵심 니즈를 충족하고 있는 상황을 말하며, 자사의 서비스나 제품의 지속가능성을 판단하기 위한 개념으로 활용합니다.

 

Q2. PMF를달성하는방법은무엇인가요?

A2. PMF를 통해 서비스의 지속가능성을 판단하는 지표에는 리텐션, 결제전환율, NPS가 있으며 리텐션은 방문한 고객이지속방문 및 재사용하는지, 결제전환율은 방문한 고객들 중 유료고객이 되는 비율이 높은지, NPS는 사용한 고객들 중 적당히 만족한 고객이 아니라 아주 만족한 고객의 비율을 보는 것으로 세가지 모두 PMF 달성의 근거가 됩니다.

---

Chapter 3. 아하모먼트

01 아하모먼트의 개념

- PMF: 시장의 니즈가 자사의 핵심 가치로 충족이 된 상태

- PMF가 달성되기 위해서는 리텐션이 떨어지면 안된다. 이러한 리텐션이 떨어지지 않게 하는 것이 아하모먼트이다.

- 아하모먼트: 제품 및 서비스의 핵심 가치가 고객에게 전달되는 구체적 순간, 해당 고객의 리텐션을 급격히 상승시키는 구체적인 행동의 순간. 

- 아하모먼트를 경험한 고객은 고가치고객으로 남음 

- ex) 트위터: 가입 후 1주일 이내에 30명 이상 팔로우 만들기 / 슬랙: 팀 전체의 누적 메시지가 2,000개가 넘는 순간 / 우버: 첫 택시 호출에서 8분만에 택시가 매칭되는 순간  -> 이렇게 하면 재사용 동기를 느낄 것

 

# 아하모먼트 정하기

- 리텐션 그래프를 통해 아하모먼트를 찾는 핵심적인 가정: 아하모먼트를 경험한 고객과 그렇지 않은 고객은 리텐션에서 차이가 난다.

- 아하모먼트를 찾기 위해선 고객들을 먼저 나누어야 한다

(1) 연역적으로 아하모먼트 찾기

     제품의 핵심 기능별로 이를 경험한 고객과 경험하지 않은 고객으로 구분하여 리텐션 그래프를 확인

(2) 귀납적으로 아하모먼트 찾기

     전체 고객 중 최상위 리텐션과 최하위 리텐션을 보이는 고객을 구분하여 두 그룹의 리텐션을 확인

- 가장 높은 플래토가 만들어지는 고객 그룹을 찾았다면 그 고객 그룹의 사용자 경험을 해체하여 해당 고객들이 자사의 서비스에서 어떤 경험을 했는지 살펴보아야 한다. 

- 리텐션이 높은 그룹과 특정 액션의 교집합을 통해 그 그룹의 고객들 중 어느정도의 비율이 특정 액션을 했는지..

- 교집합이 너무 크다면? 고객들이 너무 많이 그 행동을 한다는 것 -> 아하모먼트 X  (ex) 앱 실행

- 교집합이 너무 작다면? 소수의 고객들만 그 행동을 함. -> 아하모먼트라고 보기 어려움

>> 50~60% 정도의 교집합이 아하모먼트로 적당함.

 

02 아하모먼트의 활용 방법

 

# 마케터가 해야 할 일

(1) 아하모먼트를 더 많은 고객들에게 경험할 수 있도록 해야 한다. 이를 위해 CRM, 광고, UX/UI 변경 등이 필요하다. 

(2) 아하모먼트를 경험한 신규 고객들의  리텐션이 실제로 높아지고 리텐션 그래프에 플래토가 만들어지는 지 모니터링 해야 함.

(3) 안정적인 리텐션과 플래토가 유지된다면 아하모먼트의 전/후 인풋 액션에 마케팅을 집중하여 아하모먼트 경험을 극대화

# 예시

- 인스타그램의 초기 아하모먼트 : 사진 보정 기능을 사용한 고객의 리텐션이 높아지는 것을 보고, 사진 보정과 공유를 중심으로 하는 소셜 미디어로 아하모먼트를 극대화

- 유튜브의 초기 아하모먼트 : 타인의 영상을 더 많이 시청하고 이것이 리텐션 개선으로 연결된다는 것을 발견, 영상 스트리밍 중심으로 서비스를 피봇팅

 

03 예상 질문

Q1. 아하모먼트는 무엇인가요?

A1. “PMF는 서비스의 지속가능성을 파악하기 위한 핵심적인 지표이고, 아하모먼트는 자사의 서비스나 제품이 고객의 핵심가치를 충족하여 리텐션이 높아지는 특정한 경험을 말하며 이를 활용해 PMF 달성을 앞당길 수 있다.”

 

Q2. 아하모먼트를 발굴하기 위해서는 무엇이 필요한가요?

A2. “아하모먼트는 고객을 여러 그룹으로 나누고 리텐션 그래프를 보며 플레토가 만들어지는 고객 그룹이 경험한 핵심 기능이나 경험을 찾아 발굴할 수 있다. 이때 연역적이나 귀납적 방법을 활용할 수 있다. 이를 통해 아하모먼트를 찾았다면 마케터는 최대한 많은 고객들이 아하모먼트를 경험할 수 있도록 만들어야 하며 이를 통해 실제 고객들의 리텐션이 개선되고 플레토가 높게 형성되는지 파악해야 한다.”

---

Chapter 4. 데이터 분석

01 온라인 데이터 구조

마케터는 데이터를 활용해 고객 행동 이해를 통한 가설을 세우고, 정량적인 실험 기획과 측정을 함으로써, 고객의 행동 원인을 파악한다. 

- 이벤트: 온라인에서 제품이나 서비스를 사용하면서 고객들이 남긴 모든 행동이나 흔적이 기록되는 데이터 

- 액션: 실제로 고객이 취한 행동 ex) 조회, 클릭, 방문, 구매

- 속성: 고객의 액션을 더 상세하게 이해할 수 있는 세부 특징   ex) 구매 상품 가격, 상품명 

# 예시 

순서	액션	속성
1	메인 홈 방문	누가, 어디로부터(utm)
2	홈 배너 조회	어떤 배너
3	'오늘의 발견' 노출	어떤 상품
4	홈 배너 클릭	어떤 배너

 

* UTM: 온라인에서 유입된 고객의 유입경로를 파악하는 파라미터    // 방문고객의 중요한 속성값

* 노출: 고객의 의도와 상관없이 눈에 보인것

* 조회: 고객이 의도를 가지고 본 것

- 고객 속성과 행동 속성을 가진 고객의 행동이 계속되어 하나의 완결된 상태가 되면, 거래가 만들어진다. 

- 마케터는 고객이 만들어내는 다양한 거래와 이벤트, 그것을 포함한 속성과 액션에 대한 다양한 데이터를 활용해 현상을 파악하고 가설을 수립하고 변화를 측정해야 한다. 

 

02 데이터 분석 방법론

# 삼위 일체 분석

- 현재의 행동, 직전의 행동, 직후의 행동, 속성

- 이 세가지의 다양한 조합을 통해 마케터는 필요한 분석을 함. 

- 위의 분석에 더해서 직전의 행동과, 직후의 행동과 각각의 행동 속성까지 분석하여 상관성과 행동 의도를 파악한다. 

 

# 삼위 일체 분석 실제 활용 사례

[시계열 분석] 

같은 속성을 공유하는 고객이나 고객의 액션이 시간이 흐름에 따라 어떻게 변화하는지를 살펴보기

HOW? 분석하고 싶은 특정 속성의 고객이나 특정 고객의 행동이 있다면 이를 일, 주, 월 단위로 쪼개서 시간의 흐름에 따라 그 값의 변화를 살펴보는 것.

- 시계열 분석을 통해 우리가 파악하고자 하는 것? 1. 변곡점    2. 비례/반비례 관계 찾기

(1) 변곡점

- 특정 행동의 월별 값을 살펴보면, 갑자기 증가하거나 감소하는 지점 발생 = 변곡점 

- 변곡점에 유효하게 작용한 특정 변수가 고객 행동에 영향을 미쳤을 가능성 높음 

- 마케터는 그 변곡점에 고객에게 무엇이 변동되었거나 영향을 주었는지 그 탐구의 범위를 좁혀서 찾아나갈 수 있다

(2) 상관관계 찾기 

- 시계열 상의 상관관계 찾기 

- 서로 영향을 미치는 것 같다고 생각되는 속성이나 액션을 지정하고 그 값들의 시계열 추이를 비교

- 비례 혹은 반비례 관계 찾게 되면 그 속성이나 액션을 삼위일체 분석에 연결된 다른 세부적인 속성과 전후액션을 비교하여 고객이 왜 그런 행동을 했는지 파악할 수 있음

- 변곡점 전후로 발생하는 시계열 상의 동일한 추이를 바탕으로 구매자 수와 검색광고 유입을 통한 방문자의 증가가 양의 관계를 보인다는 가설을 세우고 추가적인 삼위일체 분석을 진행할 수 있음 
- 검색광고 유입 고객의 유입 전후 액션이 다른 유입 경로 고객들과 무엇이 다른지 살펴보는 것도 좋음

[세그먼트 분석]

서로 다른 고객을 비교하는 방법. 일반적으로 내가 원하는 행동을 보인 고객과 그렇지 않은 고객을 비교하여 각 고객의 특징이 무엇인지 찾아내는 방법 

(1) 차이점/공통점 찾기

- 내가 원하는 행동을 보인 고객과 그렇지 않은 고객을 비교하여 고객의 속성부터 행동의 속성까지 무엇이 다른지 파악

- ex) 구매 고객 vs 미구매 고객 

- 차이점에 집중하는 것이 좋음. 왜? 공통점 보다는 차이점에서 그 행동의 영향을 미치는 요소를 발견할 가능성이 높다

(2) 정도의 차이 찾기

- 내가 원하는 행동을 많이 한 고객부터 적게 한 고객까지 정도를 나누어 고객의 그룹들을 만들고 이 사이에 차이점이 있는 지를 살펴봄

- ex) 한달 동안 구매를 많이한 고객 vs. 적게 한 고객 

 

[코호트 분석]

- 특정행동을 한 고객을 지정해놓고 그 고객의 시간의 경과에 따른 행적을 추적하여 살펴보는 것 

- 특정 고객이 과거에는 무슨 행동을 했는지, 혹은 시간이 흐른 후에 무슨일을 했는지..

- 리텐션이 이 코호트의 개념이다. 
- 오늘 방문한 고객이 한 달뒤에도 방문하는지

[퍼널분석]

- 특정 행동을 지정해놓고 그 행동을 한 고객들이 어떻게 변화하는지 살펴보는 것 

 

[하이브리드 분석]

- 서로 다른 행동을 하는 고객들의 세그먼트를 나누고 세그먼트 별로 퍼널분석이나 코호트 분석을 함

- 이를 위해 고객 세그먼트 별로 각각의 퍼널을 구조화해 차이를 비교하고 시간에 따른 행동을 코호트로 살펴보는 등...

- <사례> 구매자와 미구매자의 앱 진입 이후의 경로를 퍼널로 정리해 비교+미구매자에서 구매자가 되는 고객에 집중하여 시간에 따라 어떤 퍼널에서 행동이 바뀌는지.. 

- 고객 그룹(세그먼트)을 잘 나누는 것이 매우 중요

 

 

03 예상 질문

Q1. 데이터의 구조는 무엇인가요?

A1. “고객의 행동을 파악하고 그 의도를 유추하여 해결의 실마리를 찾아 나갈 수 있다는 점에서 데이터는 중요하다. 데이터는 로그의 형태로 기억되며 고객이 취한 행동인 ‘이벤트’를 중심으로 액션과 속성을 구분하여 기록하고 활용할 수 있다.”

 

Q2. 마케터가 데이터를 분석하는 방법에는 어떤 것들이 있나요?

A2. “계열 분석, 세그먼트 분석, 코호트 및 퍼널 분석으로 고객 행동을 분석할 수있다. 시계열분석은 시간의 흐름에 따른 변곡점을 찾는 것을 말한다. 세그먼트 분석은 서로 다른 그룹을 나눠 공통점과 차이점을 찾아내는 것이다. 코호트나 퍼널 분석은 분석의 핵심이 되는 기준을 전후로 고객의 행동을 추적하여 원인을 찾아내는 분석방법이다.”

 

 

 

"해당 글을 제로베이스 취업 스쿨 강의를 바탕으로 작성되었습니다."