[마케팅 지표] 관련 용어 정리 (LTV, CTA, CVR, 논페이드 마케팅...)

CPA Cost per Action

CTA Call to Action

CVR 전환율(Conversion Rate)

 

LTV

고객 생애 가치 Lifetime Value (a.k.a CLV)

• 고객 한 명이 비즈니스에서 평생 발생시킬 매출이자, 고객 한 명의 누적 결제 금액
• 유저가 평생 발생시킬 수익을 전부 더한 값에서 유저를 획득하기 위해 투자한 비용(CAC, Customer Acquisition Cost)을 빼서 계산할 수 있음
• 신규 고객을 확보하기 위해 얼마만큼 까지의 비용을 지출할 수 있는지에 대한 기준을 정하는 데에도 좋은 지표
• 신규 고객을 획득하여 구매를 촉진하는 것보다 기존 고객을 유지시키고 재구매를 유도하는 것이 훨씬 효율적
• 유입 채널별 유저들을 코호트로 나누어서 LTV를 계산해 보면, 가장 높은 가치를 보이는 유저군을 획득한 채널을 찾을 수 있다.
• 수익 x 재구매율 - 고객획득비용
• (평균 구매 금액 x 총 마진 × 구매 빈도 × 고객 수명) – 고객 획득 비용
• ARPU x 재구매율
  • ARPU(Average Revenue Per User)는 ‘유저당 평균 수익’

LTV출처_https://www.airbridge.io/blog-ko/what-is-ltv

 

페이드 마케팅 VS 넌페이드 마케팅

페이드 마케팅: 미디어에 돈을 쓰는 마케팅

넌페이드 마케팅: 브랜딩이나 SNS 채널 운영, CRM 마케팅 등을 통해 우리 브랜드에 충성하는 진성유저(팬)를 확보하고 그들의 소비를 최대한으로 이끌어내는 마케팅

-> 페이드 미디어 (TV, 포털, SNS 광고) 말고 Owned미디어, Earned미디어 활용하기 (직접 운영 및 소비자의 자발적인 리뷰 등)

출처_https://m.blog.naver.com/korepedia/221445956238

출처_https://alook.so/posts/potLZ1M

 

잔존율 데이터 분석

출처_ab180 블로그

• 어떤 페르소나가 다른 페르소나에 비해 리텐션이 높은가?
• 더 높은 고객 생애 가치(LTV)를 가진 페르소나는 무엇인가?
• 어떠한 액션이 이들 메트릭에 기여하는가?
• 어떻게 더 많은 유저들이 가치가 높은 페르소나에 속하도록 만들 수 있는가?
• 유저 제품 사용 기간이 1일인 경우: 적어도 30일 간의 일간 리텐션 확인
• 유저 제품 사용 기간이 1주 혹은 격주인 경우: 적어도 4주 간의 주간 리텐션 확인
• 유저 제품 사용 기간이 1달인 경우: 적어도 3개월 간의 월간 리텐션 확인
• 유저 속성: 국적 / 나이 / 사용 언어 / 플랫폼(iOS, Android, 웹) / 앱 버전 / 요금제 타입 / 유료 vs. 무료 유저
• Facebook은 가입 후 10일 내 최소 7명의 친구를 추가한 유저들이 장기적으로 잔존한다는 인사이트를 발견했습니다. 이것이 바로 행동 코호트입니다. Facebook이 행동 코호트를 정의하기 위한 필요 요소는 행동(최소 7명의 친구 추가)과 기간(가입한 지 10일 이내) 입니다.

출처_https://blog.ab180.co/posts/retention-series-4-2

 

 

1사 2사 3사 데이터 (First, Second, Third-party data)

• 데이터 수집 주체에 따라 분류됨.

참고링크: https://brunch.co.kr/@23why/146

제로, 퍼스트, 세컨드, 서드파티 데이터 뜻과 예시

 

마케팅 자동화 CRM툴인 ‘브레이즈(Braze)’와 고객 데이터 분석 툴 ‘앰플리튜드'

• 브레이즈를 사용하면 사용자의 행동에 따라 고객을 세그먼트하고, 원하는 채널에 의도하는 타이밍에 맞춰 개인화 된 마케팅 메시지를 자동으로 발송할 수 있습니다. 채널은 인앱(In-App), 인브라우저(In-Browser), 이메일, 카카오 알림톡, SMS 등 다양합니다.
• 앰플리튜드는 사용자 pool을 수많은 코호트(Cohort)로 분석하기에 용이한 사용자 데이터 분석 툴입니다. 앰플리튜드를 사용하면 우리 회사에서 운영하는 서비스의 모든 데이터를 누적하여 리텐션(Retention), LTV(고객 생애 가치, Life Time Value), 인게이지먼트 메트릭(Engagement Matrix) 등을 파악하여 사용자 데이터로부터 인사이트를 얻을 수 있습니다.
• 앰플리튜드 활용 사례: https://blog.ab180.co/posts/amplitude-use-case-marketer

 

그로스 마케팅 사례

링크드인

링크드인은 사용자가 최초 가입을 한 이후에도 자주 방문하여 다른 사용자와 교류하는 것이 중요하여서 사용자의 재방문율을 높이기 위한 고민을 했습니다. 링크드인은 재방문자의 채널 데이터를 살펴본 후 링크드인이 보낸 이메일의 링크를 재방문 하는 사람들이 많다는 것을 보고 이메일 개봉률이 가장 높은 시점을 리서칭하여 이메일 평균 개봉시간 30분 전에 메일을 보내도록 설정했습니다. 이러한 다양한 시도를 통해 링크드인은 엄청난 성장을 할 수 있었고, 한정된 예산으로 빠른 성장을 해야하는 스타트업에게 그로스 해킹은 선택이 아닌 필수라는 것을 보여주고 있습니다.

 

에어비앤비

방 사진에 대한 실험을 통해 ‘멋진 방 사진이 걸려있으면 예약률이 올라갈 것'이라는 가설을 세우고 테스트하기 시작했습니다. 직접 $5,000 나 되는 고가의 카메라를 빌려서 뉴욕 지역에 등록된 숙소 사진을 촬영해 올렸습니다.

그 결과, 고품질의 사진이 등록된 뉴욕 지역의 숙소는 그렇지 않은 곳보다 3배 많은 예약율을 기록했고 한 달만에 뉴욕 지역의 에어비앤비 매출은 2배가 되었습니다. 다른 몇 군데 지역에서도 테스트를 거쳐 비슷한 결과를 얻은 에어비앤비 팀은 '에어비앤비 전문사진 촬영 프로그램' 을 2010년 공식적으로 런칭했습니다.

 

유저가 처음 들어와서 어떤 부분에서 매력을 느끼는지, 어떻게 반응하는지를 직접 관찰하는 것이 굉장히 중요하다. 초기 잠재 이용자의 관심사를 최대한 다각도로 파악하는 데 리소스를 투입해야 한다.

가입하지 않아도 사용할 수 있는데 굳이 가입해서 사용하는 이유는 무엇일까?
첫 메뉴에서 어디로 진입했는가?
어떤 페이지를 맞닥뜨렸을 때 무슨 반응을 보이는가?
주로 어디에서 활동하는가?
어떤 소식들에 주로 반응하는가?
어떤 행동들을 주로 보이는가
어떻게 알고 가입했을까?

그로스마케팅 사례 출처_https://steemit.com/kr-newbie/@jenna.pulse9/4x5faw

스타트업 기업을 위한 ‘그로스 해킹’ 사례 — Steemit

 

다른 사례

(1) 퍼스트 파티 데이터를 활용해 맞춤형 이벤트 생성, 머신러닝(ML)을 통한 최적화

우선 몰로코는 메가히트포커 캠페인의 ROAS 퍼포먼스를 더욱 개선하고자, 퍼스트 파티 데이터를 활용한 CPA 최적화 방법을 제안했습니다. 매출 증대를 위한 높은 가격대의 구매 액션을 기준으로 최적화하는 맞춤형 이벤트를 생성해 몰로코의 CPA 모델에 학습을 진행했습니다. 이를 통해 해당 액션에 대한 CPA 최적화를 이끌어낼 수 있었고, 구매력이 높은 고가치 유저를 확보하여 ROAS 퍼포먼스까지 개선하는 결과를 낳았습니다.

https://medium.com/29cm/목적-조직에서의-da가-하는-일-bc4cf2535a89

 

29CM 블로그

https://medium.com/29cm/콘텐츠-혁신-제작-시간을-30일에서-10분으로-줄이다-8b048c1da4a3

https://medium.com/29cm/고객의-행동에서-찾은-임팩트-기회-13c5509c8cb7

- 29CM은 현재 Amplitude Experiment를 사용하여 실험을 진행

고객 분석 가설 검증 및 적용한 사레

 

상품을 장바구니에 담아두고 구매를 하지 않은 고객, 상품을 like 해두고 구매를 하지 않은 고객 대상으로 해당 상품을 리마인드하는 메세지를 발송했습니다. 앱을 켜지 않은 사용자에게도 리마인드 소식을 선제적으로 제공하고 강력한 메세지 하나만으로 고객의 능동적인 전환을 만들어낼 수 있는 앱푸시를 트리거로 채택했습니다. 실험비용과 리스크(사용경험)를 최소화하기 위해 특정 브랜드 상품으로 제한했고 실험 모수는 약 3,000명 수준으로 잡았습니다.

가설 검증 지표는 푸시 CTR(클릭율)과 CVR(구매전환율)입니다. 고객이 상품에 관심을 가지면 푸시 CTR이 증가할 것이고, 관심 상품을 구매하면 CVR이 증가할 것이기 때문입니다. 푸시의 효과를 높이기 위해 푸시의 골든타임(상품을 아카이빙한 후 언제 푸시 메세지를 발송하는 것이 가장 효과적일지)과 실질적인 푸시의 구매 기여도(푸시로 인하여 구매하게 되는 비율), 고객을 훅킹할 수 있는 UX writing을 함께 분석하여 반영했습니다.

그 결과 리마인드 푸시의 CTR과 CVR은 일반 광고 푸시 대비 약 13배, 10배 높은 수치를 기록했습니다. 이는 목표 대비 약 144% 초과 달성한 수준입니다. 이번 실험을 통해 고객이 좋아하는 상품을 리마인드해주는 것만으로 상품에 대한 관심이 지속하고 이 관심이 구매까지 이어진다는 것을 검증했습니다.

→ 7일간 실험을 진행한 후 약 4주간 자동화 작업을 진행했습니다. 이제 모든 고객은 아카이빙해두고 구매하지 않은 상품에 대해 최적의 타이밍에 가장 친화적인 언어로 리마인드 푸시를 자동으로 받게 됩니다.

재구매율을 높이기 위해 고객의 행동을 관찰했습니다. 가장 먼저 1)고객의 재구매가 많이 발생하는 채널을 탐색했고 2)이 채널에서 재구매를 한 고객들의 공통된 행동을 분석했습니다. 3)이 분석결과를 바탕으로 더 많은 고객이 재구매를 한 고객과 같은 행동을 할 수 있도록 트리거를 제공했습니다.

 

읽을만한 자료: 고객별 LTV 구하기

https://blog.naver.com/bestinall/222997501610

[데이터 마케팅 시리즈] 고객별 LTV(Life-Time Value) 구하기 : Buy-til-you-Die Models

- churn rate 이탈율