Activation이란?

Acquisition을 통해 데려온 사용자가, 우리 서비스의 핵심가치를 경험했는가?

 

Activation 단계의 핵심은, Funnel에 대한 분석

• 사용자들이 경험하는 단계를 도식화
• 각 단계의 전환율을 측정/분석

Source: Clevertap

 

---

Funnel 분석의 고려 요소

핵심가치를 경험하는 시점과 연결되는 Stage를 잘 정의했는가?

• 비교적 이견이 없는 부분이긴 하나,
• 회사에서 생각하는 가치와 유저가 생각하는 가치가 다른 경우가 간혹 있으니 주의
  • A ha moment
  • Must Have
  • Critical Path  
    → 서비스의 마케팅 메시지와, 유저 리뷰 등에서 나오는 키워드가 일치하는가?

각 Stage 별 전환율을 어떤 기준으로 측정하는가?

• 전환율의 기준에 따라 측정값이 달라짐
  • 보통 유저를 기반으로 전환율을 계산하는 편이 좋다. (빨간색 하이라이트 부분)

 

Cohort를 쪼개서 보고 있는가?

Cohort란?

특정 기간동안 특정 경험 및 특성을 공유하는 집단.

집단을 나눌때 특정 Action을 했는지, 특정 Action을 한 시점이 무엇인지 나누어 보는 것이 좋다.

Funnel 분석의 가치

• 각 stage 별 conversion을 확인할 수 있다 (이건 기본...)
• Conversion에 영향을 주는 선행지표를 발견할 수 있다
  • Cohort A는 stage1→stage2 로 넘어오는 conversion이 35%인데
  • Cohort B는 stage1→stage2 로 넘어오는 conversion이 왜 20% 밖에 안되지?
• Cohort별 분석 예시
  • Signup cohort 에 따라 다른가?
  • UA medium / source / campaign 에 따라 다른가?
  • Event 경험 유무에 따라 다른가?
  • Demography 에 따라 다른가?

이탈의 원인 밝히기

• 데이터분석과 인터뷰
  • 정량데이터는 What은 알려주지만 Why를 찾아내기 힘든 데 반해,
  • 사용자 인터뷰를 진행하면 Why를 알아낼 수 있다.
• 일반적으로는 cohort에 따른 conversion rate를 비교하게 되지만
  • Tutorial을 완료한 사용자와, 그렇지 않은 사용자의 Conversion이 다른가?
  • 1월에 가입한 사용자와, 2월에 가입한 사용자의 Conversion이 다른가?
  • 친구초대로 가입한 사용자와, 그렇지 않은 사용자의 Conversion이 다른가?
•  Rawdata를 깊이있게 확인할 수 있다면, 이걸 역순으로 할 수 있음
  • Conversion 한 사용자 와 Conversion 하지 않은 사용자 는 뭐가 다른가?

Funnel 분석 정리

• Conversion이 중요하다→Global optimization
  • 개별 funnel의 최적화 → 전체 funnel의 최적화로 이어지지 않는 경우가 있음
  • Conversion rate를 높이는 것보다, Stage를 줄이는 게 효과적인 경우도 있음 (사실 매우 많음)
    • 마치, Feature의 갯수를 줄여 모델의 성능을 높이는 것과 비슷
    • Stage (혹은, Feature) 간의 상관관계를 통해 줄일지 결정하면 되지 않을까?
• Home Try On: 깔대기 뒤집어보기 (결제→배송 이 아니라, 배송→결제 로 퍼널을 만든다면?)
  • Warby Parker https://www.warbyparker.com/
  • MiaDonna https://www.miadonna.com/
  • Black Tux https://theblacktux.com/
• Cohort에 따른 차이와 그 원인을 파악하는 게 핵심
  • 이 퍼널의 conversion이 높은 그룹과 낮은 그룹의 차이?
  • 우수 고객과 그렇지 않은 고객은 어떤 행동이 다른거지?

Funnel 개선하기

• 개인화
  • 머신러닝/딥러닝을 통한 모델링도 좋지만, 초기엔 Rule Base Recommendation도 굉장히 잘 동작함
•  UI/UX
  • UI Redesign은 Conversion rate을 변화시키기 위한 대표적인 독립변수 (증가 뿐만아니라 감소도 할 수 있음)
  • 전/후 효과에 대한 정확한 측정과 검증과정이 필요함
•  적절한개입
  • 이메일, 푸시, 인앱메시지 등을 이용한 Use Flow 개입
  • 맥락을 잘 정의한다면 굉장한 효과를 볼 수 있지만, 잘못 사용하면 사용자를 떠나보내는 양날의 검
    • Targeting 잘 된 푸시나 이메일의 경우, non-targeting 푸시 이메일 대비 5배 이상의 성과
    • Uninstall 등의 부수 효과를 고려하면 10배의 성과 차이를 만든다고 해도 과언이 아님
    • 전체푸시, 전체이메일 (Non-targeting)은 상당히 고민하고 실행!