[서평] 그로스해킹

1️⃣ 핵심 메시지

• 데이터 기반 성장은 단순 분석이 아니라 실험과 학습의 반복 과정

• 서비스 성장은 사용자 행동 데이터를 이해하는 것에서 시작됨

• 중요한 것은 많은 지표가 아니라 ‘지금 가장 중요한 지표’에 집중하는 것

• 좋은 데이터 분석은 단순 수치 확인이 아니라 사용자의 행동과 맥락을 해석하는 과정

2️⃣ 그로스 해킹에서 강조하는 개념

• 크로스펑셔널 팀(Cross-functional Team)
• 개발자, 마케터, 데이터 분석가 등 다양한 직군 기반의 협업 조직
• 기능 중심 조직이 아닌 목적 중심 조직 구조
• 빠른 실험과 효율적인 의사결정을 위한 협업 방식

• 린 스타트업(Lean Startup)
• ‘제품 개발 → 지표 측정 → 학습 및 개선’의 반복 구조 기반 제품 개발 방식
• 빠른 출시와 지속적인 개선 중심의 개발 철학
• 사용자 반응 검증 기반의 서비스 개선 프로세스
• 불필요한 개발 비용과 실패 가능성 최소화 목적

• 최소 기능 제품(MVP, Minimum Viable Product)
• 핵심 가설 검증을 위한 최소 기능 중심 제품
• 사용자 피드백 기반의 점진적 개선 방식
• 초기 시장 반응 확인 목적의 제품 전략

• AARRR 프레임워크
• 사용자 행동 흐름 기반 핵심 지표 관리 프레임워크
• 서비스 성장 단계별 문제 분석 및 개선 목적
• 단계
• 고객 유치(Acquisition)
• 활성화(Activation)
• 리텐션(Retention)
• 수익화(Revenue)
• 추천(Referral)

3️⃣ 제품 - 시장 적합성 만족 확인 방법

• 리텐션(Retention)
• 정의
• 사용자의 지속적인 서비스 이용 정도를 나타내는 유지율 지표
• 특징
• 제품-시장 적합성 판단을 위한 핵심 지표
• 초기 이탈 이후 안정적으로 유지되는 리텐션 패턴
• 지속적인 우하향 형태의 리텐션 그래프 = 제품-시장 적합성 부족 상태
• 핵심 가치 경험 유도를 위한 온보딩 과정의 중요성

• 전환율(Conversion Rate)
• 정의
• 특정 단계에서 다음 단계로 이동한 사용자의 비율
• 특징
• 사용자 행동 흐름 및 구매 의도 파악 목적의 지표
• 구매 의도가 명확한 상품군에서 높은 전환율 발생
• 선물
• 건강기능식품
• 가격 경쟁 심화 및 고관여 상품군에서 낮은 전환율 발생
• 추천 기반 유입 사용자의 상대적으로 높은 전환율 특징

• 순수 추천 지수(NPS, Net Promoter Score)
• 정의
• 고객 충성도 및 추천 의향 측정 목적의 지표
• 특징
• 고객 경험 및 서비스 만족도 평가 기준
• 계산
$$NPS = \frac{적극적\ 추천\ 그룹 - 비추천\ 그룹}{전체\ 응답자}$$
• 모든 응답자가 적극적 추천 그룹일 경우, NPS = 1
• 모든 응답자가 비추천 그룹일 경우, NPS = -1

4️⃣ AARRR 개요

• AARRR 프레임워크
• 사용자 행동 흐름 기반 핵심 지표 관리 프레임워크
• 부서 업무 기준이 아닌 사용자 이용 흐름 중심의 분석 구조
• 서비스 성장 단계별 문제 진단 및 개선 목적의 방법론

• AARRR 구성 단계
• 고객 유치(Acquisition)
• 활성화(Activation)
• 리텐션(Retention)
• 수익화(Revenue)
• 추천(Referral)

5️⃣ 고객 유치(Acquisition)

• 정의
• 사용자 유입 및 신규 고객 확보 단계
• 유입 채널 성과 측정 및 효율 분석 목적 단계

• 핵심 개념
• CAC(Customer Acquisition Cost)
• 고객 획득 비용 지표
• 마케팅 비용 대비 신규 가입자 수 기반 측정
$$CAC = \frac{마케팅\ 비용}{신규\ 가입자\ 수}$$
• 채널별·캠페인별·광고별·날짜별 세분화 분석 중요성

• 유입 경로 추적 방식
• UTM 파라미터
• 웹사이트 유입 경로 식별 목적의 URL 파라미터
• 채널 및 캠페인 성과 분석 목적
• Attribution
• 앱 설치 및 전환 기여 채널 식별 방식
• 모바일 마케팅 성과 측정 목적

• Attribution 유형
• 클릭 스루(Click-through)
• 광고 클릭 기반 기여 방식
• 일반적 기여 기간 : 약 7일
• 뷰 스루(View-through)
• 광고 노출 기반 기여 방식
• 일반적 기여 기간 : 약 1일

• 트래픽 유형
• 오가닉(Organic)
• 자연 유입 사용자
• 실제로는 유입 경로 미식별 사용자에 가까운 개념
• 페이드(Paid)
• 광고 비용 집행 기반 유입 사용자

6️⃣ 활성화(Activation)

• 정의
• 사용자의 핵심 가치 경험 유도 단계
• 서비스 핵심 경험 도달 여부 확인 목적 단계

• 핵심 개념
• 퍼널(Funnel) 분석
• 사용자 행동 흐름 단계별 분석 기법
• 최초 유입부터 목표 행동까지의 전환 과정 분석 목적

• 퍼널 분석 구조
• 사용자 행동 단계 도식화
• 단계별 전환율 측정
• 이탈 구간 분석 및 개선

• 퍼널 최적화 방식
• 개인화 추천
• UI/UX 개선
• CRM 메시지 활용
• 메일
• 푸시 알림
• 인앱 메시지

7️⃣ 리텐션(Retention)

• 정의
• 사용자의 지속적 서비스 이용 유지 단계
• 핵심 가치 재경험 여부 측정 목적 단계

• 리텐션 특징
• 장기적 사용자 경험 관리 중심 지표
• 단기 변화보다 점진적 개선 중심 특성
• 사용자 경험 전반 분석 필요성

• 리텐션 측정 방식
• 클래식 리텐션(Classic Retention)
• 특정 시점 재방문 비율 기반 측정 방식
• Day N 리텐션 중심 구조
• 범위 리텐션(Range Retention)
• 특정 기간 내 재방문 여부 기반 측정 방식
• 롤링 리텐션(Rolling Retention)
• 특정 시점 이후 재방문 유지 여부 기반 측정 방식

• 리텐션 분석 방식
• 코호트 기반 분석
• 가입 월별 분석
• 첫 구매 월별 분석
• 캠페인별 사용자 그룹 분석

• 리텐션 개선 방식
• 초기 이탈 감소 목적의 온보딩 개선
• 장기 유지 목적의 CRM 및 관계 관리 강화
• 정기 커뮤니케이션
• 프로모션
• 사용자 관리 활동

8️⃣ 수익화(Revenue)

• 정의
• 서비스 수익 창출 및 비즈니스 모델 검증 단계
• 비용 대비 수익 구조 안정성 분석 목적 단계

• 핵심 지표
• ARPU(Average Revenue Per User)
• 사용자 1인당 평균 매출 지표
$$ARPU = \frac{Revenue}{User}$$
• revenue : 위 고객의 서비스 이용 기간 동안 발생한 총 매출액
• ARPPU(Average Revenue Per Paying User)
• 결제 사용자 1인당 평균 매출 지표
$$ARPPU = \frac{Revenue}{Paying\ User}$$
• revenue : 위 고객의 서비스 이용 기간 동안 발생한 총 매출액
• LTV(Lifetime Value)
• 고객 생애 가치 지표
• 고객 전체 활동 기간 기준 기대 수익
$$LTV = \frac{M - c}{1 - r} - AC$$
• M : 1인당 평균 매출 (단위: 1년)
• c : 1인당 들어가는 평균 서비스 비용 (단위: 1년)
• r : 고객 유지 비율
• AC : 고객 획득 비용 (Acquisition Cost)
• LTR(Lifetime Revenue)
• 고객 생애 매출 지표
• 고객 전체 활동 기간 기준 누적 매출
$$LTR = \frac{revenue}{\#customers}$$
• #customers : 특정 고객 집단에 속하는 고객 수
• revenue : 위 고객의 서비스 이용 기간 동안 발생한 총 매출액

• 수익화 분석 방식
• 코호트별 LTR 추이 분석
• CAC 대비 수익 구조 비교 분석
• 퍼널 단계별 매출 세분화 분석

• 구독 모델 핵심 지표
• 기준 MRR : 전월 기준 매출
• 신규 MRR : 신규 고객으로 인해 증가한 매출
• 이탈 MRR : 기존 고객 이탈로 인해 감소한 매출
• 업그레이드 MRR : 기존 고객 대상 크로스셀, 업셀로 인해 증가한 매출
• 다운그레이드 MRR : 기존 고객의 요금제 하향조정 등으로 인해 감소한 매출

9️⃣ 추천(Referral)

• 정의
• 기존 사용자 기반 신규 사용자 유입 단계
• 입소문 및 추천 기반 성장 구조

• 핵심 개념
• 친구 초대 기반 추천 구조
• 저비용 고효율 유입 채널 특성
• 추천 기반 사용자의 높은 충성도 특징

• 추천 최적화 요소
• 자연스러운 초대 맥락 설계
• 보상 체계 구성
• 쿠폰
• 적립금
• 포인트
• 기프티콘
• 초대 사용자 온보딩 최적화

• 바이럴 계수(Viral Coefficient)
• 추천 시스템 효율 측정 지표
$$Viral\ Coefficient = \frac{사용자\ 수 \times 초대\ 비율 \times 인당\ 초대한\ 친구\ 수 \times 전환율}{사용자\ 수}$$

• 바이럴 계수 개선 방식
• 추천 액션 참여율 증가
• 평균 초대 인원 증가
• 초대 사용자 가입 전환율 향상