[GrowthHacking] 그로스 해킹 (1)

그로스 해킹 1 :

그로스 해킹이란, 그로스 해킹의 전제조건

1. 그로스 해킹이란?

그로스 해킹의 목적은 데이터에서 찾아낸 인사이트를 바탕으로 제품이나 서비스를 지속적으로 개선해 나가기 위해서다.

1.1. 그로스 해킹 핵심

• 크로스 펑셔널 팀 (Cross-Functional Team)
  • 여러 직군 간 협업이 필수적
  • 기능 기반 조직이 아닌 목적 기반 조직의 협업
• 린 스타트업 (Lean Startup)
  • IMVU의 공동 창업자 에릭 리스가 제안한 개념
  • 학습 비용을 최소화하고 성공 가능성 높이는 제품 개발 프로세스
  • 제품 개발 → 지표 측정 → 학습 및 개선
  • 아무도 원하지 않는 제품을 오랜 기간 만드는 것은 실패의 지름길
• 최소 기능 제품 (Minimum Viable Product, MVP)
  • 린 스타트업에서 강조하는 요소
  • 가설을 검증할 수 있는 최소한의 기능이 포함된 제품
  • 서비스 개선은 기능 추가가 아니다!
  • 최소한의 기능으로 사용자에게 가치를 전달할 수 있는 제품이 성공한다!
• AARRR
  • 그로스 해킹 기반의 대표적인 지표 관리 방법론
  • 스타트업의 성장을 위해 고객 유치, 활성화, 리텐션, 수익화, 추천 범주에 따라 지표 모니터링

1.2. 그로스 해킹이란!

• 크로스 펑셔널한 직군의 멤버들이 모여서
• 최소 기능 제품으로 실험하고
• 핵심 지표(AARRR)를 중심으로 학습하고
• 이를 빠르게 반복하면서
• 제품이나 서비스를 성장시키는 것

2. 그로스 해킹의 전제조건

개발하고자 하는 제품이 수요가 없는 제품이라면 어떤 그로스 해킹 방법론을 적용해도 제품은 성공할 수 없다. 따라서, 우리가 만든 제품이 그로스 해킹을 할 만큼 가치가 있는지 먼저 확인해야 한다.

2.1. 제품-시장 적합성 (Product-Market Fit)

• 우리가 생각한 문제가 실존하는가? 사업화 할 만큼의 가치가 있는가?
• 우리가 개발한 제품이 그 문제를 정말 해결하는가?
• 제품을 만드는 과정에서 세운 가설이 무엇인가? 그 가설이 검증되었는가?

2.2. PMF 확인을 위한 정량적 지표 3가지

설치 수, 가입자 수, 액티브 유저 수는 적합성 및 제품 성공 확률을 설명해주지 않는다. 단순히 마케팅 예산을 늘리면 일시적으로 늘어날 수 있는 부분이기 때문이다. 따라서 아래의 3가지 지표를 통해 그로스 실험을 진행해도 될지 판단하고, 충분하지 않다고 판단되면 위 3가지 질문을 다시 한 번 점검해봐야 한다.

(1) 리텐션 (Retention Rate)

• 특징
  • 사용자들이 특정 서비스에 남아서 얼마나 꾸준히 활동하는지 보여주는 지표
  • 일반적으로 시간이 지남에 따라 자연스럽게 감소
  • 핵심 기간은 서비스 사용 시작 직후 수일 이내
  • 서비스가 속한 카테고리의 영향을 많이 받기 때문에 절대적인 기준은 없음
    • 매일 보는 웹툰 앱 리텐션 수치 > 가끔 가는 여행 예약 앱 리텐션 수치
• 적합성 만족
  • 일정 기간 이후 기울기가 완만해지면서 안정적으로 유지되는가?
  • 기울기가 완만해지는 지점 높이가 높은가?

(2) 전환율 (Conversion Rate)

• 특징
  • 한 단계에서 다음 단계로 넘어가는 사용자의 비율
  • 서비스의 핵심 사용 경로에 대한 전환율 지표 확인
    • 앱 다운 → 회원 가입 → 본인 인증 → 상품 페이지 조회 → 구매하기 클릭 → 결제완료
  • 사용성, UI/UX 의 영향을 많이 받는 지표기도 함
  • 단계가 거듭될 수록 이탈이 늘어나기에 전환 퍼널은 역삼각형 형태
• 방법
  • 목표 이벤트 지정 → 목표로 향하는 경로/단계 구체화 → 각 경로 진입 대비 다음 경로 진입 비율 계산
• 적합성 만족
  • 모바일 앱 트래킹 서비스나 리서치 회사에서 발표하는 정기적인 리포트의 기댓값 참고
    • 예) 어도비 디지털 인덱스
  • 상품 카테고리에 따라 전환율 차이 있음
    • 선물/건강 관련 상품 > 전자기기
  • 유입 트래픽 출처에 따라 전환율 차이 있음
    • 친구 추천 링크 클릭 > 광고 클릭
  • 다양한 변수에 영향을 받기 때문에 수치 자체보다 시간의 흐름에 따른 변화 추이 확인

(3) 순수 추천 지수 (Net Promoter Score, NPS)

• 특징
  • 비교적 간단하게 서비스 성공 여부 예측 가능한 지표
  • 제품에 대한 열성 Fan 지표
  • Passives 그룹은 경쟁 제품이 나오면 이탈 가능성 높으며, NPS 계산에서 제외
  • -1 ≤ NPS ≤ 1
• 방법
  • “이 서비스를 주변 지인에게 얼마나 추천하고 싶은가?” 질문에 0-10점 선택지에서 답변
  • 3개 그룹으로 구분
    • 9-10점 → 적극적 추천 그룹 (Promoters)
    • 7-8점 → 소극적 추천 그룹 (Passives)
    • 0-6점 → 비추천 그룹 (Detractors)
  • NPS = (Promoters - Detractors) / 전체 응답자
• 적합성 만족
  • 전반적으로 NPS가 양수라면 양호
    • 일반적으로 0-6점 그룹보다 9-10점 그룹이 더 많은 것 자체가 굉장히 어려움

2.3. PMF 를 만족하지 못한다면

(1) 해서는 안 된다!

• 브레인스토밍
• 새로운 기능 추가
• 잔존율, 전환율 개선을 위한 실험
  • 잔존율과 전환율은 제품-시장 적합성을 찾고 난 이후 결과로 나타나는 지표에 불과
  • 잔존율과 전환율은 확인하는 수단일 뿐 목적이 될 수 없음

(2) 해야 한다!

• 정성적 데이터 수집 : 사용자 직접 만나 1:1 인터뷰
  • 미래가 아닌, 과거와 현재에 초점을 맞춰 질문할 것
  • 가정이 아닌, 경험을 물어볼 것
  • 결과가 아닌, 과정을 깊이 살펴볼 것
  • 기억이 아닌, 습관을 통해 드러난 구체적 경험을 확인할 것
  • 일반화된 진술이 아닌, 개인의 경험이 드러날 수 있도록 질문 / 답변할 것
  • 편향된 믿음을 확인하는 과정이 아닌, 순수한 호기심으로 접근할 것
  • 참고 서적 : 사용자 인터뷰(지앤선, 2015), 야생의 고객(김영사, 2015), 질문이 답을 바꾼다(어크로스, 2012)
• 정량적 데이터 활용 : 사용자 행동 데이터 분석
  • 서비스 로그
    • 트랜잭션의 결과를 기록하는 로그
    • 가입 / 예약 / 결제 등 하나의 트랜잭션이 완료되면 남는 로그
  • 행동 로그
    • 사용자가 트랜잭션에 이르기까지 서비스에서 하는 액션 하나하나에 대한 로그
    • 특정 상품 클릭, 검색, 배너 스와이프 등
    • 카테고리, 상품명, 가격, 이벤트 대상 여부, 평점 등의 이벤트 속성
    • 가입일, 누적 구매건수, 성별, 쿠폰 여부, 쿠폰 만료일 등의 사용자 속성
    • 이벤트 스키마 설계서 작성 필수
    • 이벤트 로그 적재 시 아마존 레드시프트, 구글 빅쿼리 등의 클라우드 DB 적합
    • 참고 포스팅 : 모바일 앱 로그 분석
• 최종적으로 다음과 같이 정리
  • 의도한 대로 사용자가 서비스를 사용하는가?
  • 사용자의 숨겨진 니즈가 있는가?
  • 실제 제품 사용하는 맥락이 우리의 생각과 동일한가?

REFERENCES

• [서적] 그로스 해킹 (위키북스, 2021)