일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- MySQL
- not in
- 전처리
- matplotlib
- GROUPBY
- 결측값
- seaborn
- 머신러닝
- SQL
- Limit
- solvesql
- 데이터분석
- PostgreSQL
- join
- airflow.cfg
- having
- pandas
- hackerrank
- Oracle
- airflow 설치
- 파이썬
- Round
- 다중 JOIN
- 데이터리안 웨비나
- SUM
- TRUNCATE
- 데이터시각화
- SQLite
- 프로그래머스
- 그로스해킹
- Today
- Total
Milky's note
[그로스해킹] 퍼널 분석(Funnel Analysis) - feat.AARRR 본문
- 퍼널 분석(Funnel Analysis)이란?
퍼널 분석이란 고객의 최초 유입부터 최종 목표(회사가 원하는 목표는 결재)까지의 고객 여정을 단계별로 나눠 단계별 전환과 이탈을 측정하는 분석이다.
이 분석 법이 왜 퍼널 분석이라고 불리게 되었냐하면 퍼널은 깔대기라는 의미를 가지고 있다.
최초 유입하는 고객 수는 넓은 범위를 가지고 있지만 최종 목표까지 오는 고객들은 줄어들어서 그 모양이 깔대기와 비슷하기 때문이다. 최종 목표까지 오는 고객들이 줄어드는 이유는 당연하다. 사용자들은 시스템 또는 서비스에 긴 시간 노출이 되면 흥미를 잃거나 최종 목표까지 가는 과정이 복잡해서 중도 이탈을 하곤 한다.
퍼널에서 각각의 단계를 넘어가는 것을 전환(Conversion)이라고 하고, 그 비율을 전환율(Conversion Rate)라고 한다.
퍼널 분석 중 가장 많이 쓰이는 모델인 AARRR 모델에 대해 나타낸 지표이다.
AARRR은 가장 널리 알려진 퍼널 구조로
[Acquisition(획득)] > [Activation(활성화)] > [Retention(재방문)] > [Revenue(매출)] > [Referral(추천)]
의 순서로 구성되어 있다.
사용자를 획득하는 단계부터 사용자가 스스로 새로운 사용자를 유입하게 만드는 구조를 말한다.
실생활에서 이런 퍼널 구조를 가진 예를 생각해보았다.
1. 병원 (물론 자주 가면 좋지 않지만...)
(A) 환자가 아파서 광고를 보거나 검색을 해서 병원을 알아낸다.
(A) 환자가 병원에 방문하여 진료를 보고 처방을 받는다.
(R) 지난 진료가 괜찮았다면 증상이 생기면 해당 병원에 다시 방문한다.
(R) 진료를 보고 처방을 받는 금액을 지불한다.
(R) 주변 지인들에게 같은 증상이 생기면 병원을 추천해준다.
2. 온라인 강의
(A) 공부하고 싶은 분야의 온라인 강의를 찾는다.
(A) 해당 강의를 수강한다.
(R) 다른 관련 강의도 수강한다.
(R) 강의를 결제한다.
(R) 주변 지인들에게 경험해 본 강의를 추천해준다.
이러한 분석의 궁극적인 목표은 최종 단계에 도착하는 유저 수를 늘리는 것이다.
즉 전환율을 높이는 것이다.
전환율 = 현재단계 / 전단계 %
목표를 설정하기 위해서는 어떤 노력을 해야할까? 고민을 해보았는데 다음 두 가지 지점을 찾으면 늘릴 수 있다고 생각한다.
- 이탈이 많이 발생하는 지점
- 다음 단계로 전환되는 속도가 느린 지점
물론 이탈 지점의 개선할 점을 찾아서 수정하면 당연히 성과가 좋아질 것이다.(하지만 이것도 가설)
하지만 모든 지점을 개선하기에는 공수와 비용 등이 많이 소요되게 될 뿐더러 불필요한 개선을 많이 하게 되면
사용자 입장에서도 주기적인 업데이트와 바뀌는 환경에 불만을 띄게 될 수도 있다.
그래서 이탈률이 높은 단계를 찾고 그 단계부터 개선을 해야한다.
(참고 : https://www.beusable.net/blog/?p=3577)
개선하는 방법으로는 앞에서 설명한 A/B Test를 주로 사용하고 설문 조사 같은 방법도 사용하여 개선을 한다.
'데이터 분석 > 그로스 해킹' 카테고리의 다른 글
[Domain Knowledge] 광고 성과 지표 용어 정리 (0) | 2022.05.26 |
---|---|
[그로스해킹] LTV(Life Time Value)-고객 생애 가치 (0) | 2022.03.10 |
[그로스해킹] A/B Test (0) | 2022.03.09 |