실전 사례를 통한 AARRR 모델 (AARRR 퍼널 분석) 활용법

AARRR 모델(AARRR 퍼널)은 제품 중심 기업과 스타트업에서 유용하게 사용되는 비즈니스 분석 프레임입니다. 마케팅 담당자는 이를 활용해 제품 운영 현황을 신속하게 파악하고 비즈니스 목표와 마케팅 전략을 세움으로써 더 높은 수익을 창출할 수 있습니다. 

이제 여러분께 AAARR 모델의 5가지 성장 로드맵을 소개하고, AARRR 퍼널을 활용한 제품 분석법을 실전 사례를 통해 설명해드리겠습니다. 

AARRR 모델 또는 해적지표 는 사용자 운영 과정에서 자주 활용하는 데이터 분석 모델로, 사용자 증가를 위한 5가지 로드맵(획득, 활성화, 유지, 수익, 소개)으로 구성됩니다.   

AARRR 모델은 사용자 획득부터 수익 창출에 이르기까지 총 5가지 성장 단계로 나눠집니다. 이제 각 단계별로 어떠한 의미를 가지고 있는지, 또 주의해서 살펴봐야 하는 내용은 무엇인지 상세히 설명해드리겠습니다. 

AARRR 의 첫 단계인 ‘A’는 사용자 획득, 즉 사용자가 여러 채널을 통해 여러분의 앱 혹은 웹사이트에 방문하는 것을 의미합니다. 고객이 유입되는 채널은 광고, 검색엔진 최적화(SEO), 지인 추천, 오프라인 행사 등 매우 다양합니다. 이 단계에서 고민해야 하는 포인트는, ‘신규 고객을 어떻게 획득할지’, ‘어디로부터 획득할지’,  ‘주로 어떤 채널을 통해 획득할지’ 입니다. 

어떤 제품인지에 따라 고객 획득을 측정하는 기준이 달라지지만, 대체로 조회수, 가입 사용자 수 등 지표를 통해 측정합니다.  

사용자 활성화란 사용자가 앱 또는 웹사이트에 첫 방문하여 주요 기능을 직접 사용하는 것을 의미합니다. 그렇다면 사용자 활성화 정도는 어떻게 측정될까요? 제품 사용감과 서비스 체험은 어떻게 더 향상될 수 있을까요? 이 단계에서는 사용자에게 제품의 가치를 알림으로써 활성화 정도를 점차 높여나가야 합니다. 

사용자 활성화는 제품의 성격에 따라 다양한 기준으로 측정됩니다. 예를 들어 설립 초기 페이스북은 회원가입 10일 내 최소 7명의 친구를 가진 신규 사용자를 측정 지표로 삼았고, 한 이커머스 앱의 경우 회원가입 3일 내 최소 1건을 주문한 신규 사용자를 측정 지표로 사용했습니다. 기타 측정 지표로는 제품 핵심 기능의 활용도, 사용자의 온라인 접속 시간 등이 있습니다. 

유지 단계에서는 신규 사용자를 장기 사용자로 전환시키는 것에 초점을 맞추고 있습니다. 신규 사용자를 획득하는 데는 기존 사용자를 유지시키는 것 보다 훨씬 많은 비용이 들어가기 때문입니다. 따라서 이 단계에서는 어떻게 장기 고객을 양성할 것인지, 또 어떻게 고객의 지속적인 구매 행위를 증가시킬 수 있을지 고민해봐야 합니다. 

측정 지표에는 익일 유지율, 1주차 유지율, 2주차 유지율, 월 유지율, EDM 메일 개설율 등이 있습니다.

이 단계는 사용자가 여러분의 제품 혹은 서비스를 유료 구매하기로 결정한 단계입니다. 이 단계에서는 사용자의 소비를 유도해 매출을 높이는데 총력을 기울여야 하며, 최대한 사용자를 소비하게끔 만들거나 매출을 늘릴 수 있는 행위를 하도록 유도해야 합니다.

이 단계의 측정 지표 역시 제품 성격에 따라 달라질 수 있습니다. 게임을 예로 들어보겠습니다. 유료화 상품 판매 중심의 수익 구조라면, 사용자가 구매한 게임 아이템, 스킨의 소비액이 주요 측정 지표가 됩니다. 광고 시청료 위주의 수익 구조라면, 광고주가 지불하는 광고비가 주요 지표가 됩니다.  

한 가지 기억해야 할 것은 고객의 평생 가치(LTV)를 지속적으로 높여 나가고, 고객 유치 비용은 계속해서 줄여나가야 한다는 것입니다.

사용자가 만약 여러분의 상품 혹은 서비스에 만족했다면 타인에게 이를 추천할 것입니다. 이 단계는 제품의 지속적인 성장을 위한 매우 중요한 단계로, ‘어떻게 충성도 높은 사용자를 보이지 않는 브랜드 홍보자로 만들 것’이며, 또 ‘어떻게 제품을 잠재 고객들에게 추천하도록 만들 것’인가를 고민해봐야 합니다. 

측정 지표에는 ‘순 추천고객 지수(NPS)’, ‘바이럴 지수(Viral Coefficient)’가 있습니다. 이는 브랜드에 대한 고객의 만족도와 사용자가 평균적으로 추천하는 고객의 수를 뜻합니다. 

지금까지 AARRR 모델 의 5가지 단계를 알아보았습니다. AARRR 퍼널 은 마케팅 혹은 제품 담당자가 고객 획득이나 수익성 분석 과정에서 자주 활용하는 데이터 분석 모델입니다. 하나의 제품 혹은 서비스에 대해 고객 획득부터 수익 창출에 이르는 완벽한 사이클을 형성하고, 명확한 단계와 지표를 통해 각종 측정과 최적화를 진행하는데 도움을 줍니다. 마케팅 혹은 제품 담당자는 이를 활용해 제품의 수익성 모델을 개선시키고, 제품의 유익한 성장을 도모할 수 있습니다.

제품마다 약간의 차이는 있겠지만, 대부분은 이 5가지의 성장 로드맵을 거치게 됩니다. 이제 자세한 설명은 차치하고, 하나의 실전 사례를 통해 AARRR 모델 을 어떻게 사용하는지 알아보도록 하겠습니다. 

먼저 비즈니스 인텔레전스 셀프 분석 플랫폼 FineBI를 활용해 ‘장보기 앱’의 AARRR 퍼널 5가지 성장 로드맵을 하나씩 분석해보겠습니다. 

FineBI는 다양한 비즈니스 모델을 빠르게 구축할 수 있는 셀프 서비스 분석 플랫폼입니다. 이 엔터프라이즈급 비즈니스 분석 툴은 다양한 비즈니스의 데이터 분석에도 자주 활용됩니다.

FineBI는 전문적이고 사용이 간편할 뿐 아니라, 인터페이스와 프로세스를 한눈에 파악할 수 있고, 각 모듈마다 기능 파티션이 명확히 분류되어 있습니다. 업무 실무자는 FineBI 셀프 데이터 셋 기능을 통해 드래그만으로도 데이터에 필터링, 잘라내기, 정렬, 요약 등을 수행 할 수 있으며, 셀프서비스를 통해 원하는 데이터 결과를 빠르고 간편하게 만들 수 있습니다. 또한 자동 추천 차트와 대시보드를 선택하여 데이터 시각화를 구현할 수 있습니다.

또한 FineBI를 통해 피라미드 모델, Kano Model (카노모델), BCG 매트릭스 모델, 듀퐁분석 모델, RFM 모델, 장바구니 분석 모델 등 다양한 데이터 분석 모델을 간편하게 구축하고 비즈니스 인사이트를 얻을 수 있습니다.

FineBI는 제조, 의약, 유통, 금융 등 다양한 산업의 비즈니스 분석 환경을 제공합니다. 관리자는 비즈니스 지표 데이터 분석과 디스플레이를 통해 비즈니스 동향을 쉽게 파악할 수 있습니다. 

또한 FineBI는 실무자들을 데이터 처리 및 시각화 업무에서 해방시켜줌으로써 데이터 분석, 데이터 관리, 비즈니스 커뮤니케이션에 더 많은 노력을 기울일 수 있도록 해줍니다.  

이제 FineBI를 통해 ‘장보기 앱’의 AARRR 퍼널 5가지 성장 로드맵을 하나씩 분석해보겠습니다. 

고객 획득은 신규고객을 모집하는 것, 즉 사용자에게 이 앱을 소개하고 사용해 보도록 하는 것입니다. 제품을 노출할 수 있는 채널은 굉장히 다양합니다. 하지만 어떻게 최적화된 채널을 선택할 수 있을까요? 또 어떻게 최소한의 예산으로 신규고객 모집의 최대 효과를 얻을 수 있을까요? 이를 위해서는 우선 채널 분석부터 시작해야 합니다. 

일반적으로 채널 분석은 ‘고객 획득 수’와 ‘고객 획득 품질’ 두 가지 관점으로 진행됩니다. 저희는 앱의 열람 시간을 고객 획득의 품질 평가 기준으로 삼았습니다.

결론: 오프라인 행사의 홍보 효과가 양과 질적인 면에서 가장 뛰어나다는 것을 알아냈습니다. 따라서 오프라인 행사의 투입을 늘리고, 슈퍼 혹은 시장 근처에서 오프라인 행사를 하는 것이 최적의 방안입니다. 

활성화와 회원가입은 완전한 대등관계가 아닙니다. 활성화를 위해서는 먼저 사용자의 활성도를 높여야 하며, 무엇보다도 제품 핵심 기능에 대한 사용자의 사용 환경을 고려해야 합니다. 

예를 들어, 숏클립 앱은 사용자가 영상을 일정 시간 이상 시청해야 하고, 채팅 앱은 신규 고객이 대화를 한 번 완성해야 활성화가 이뤄집니다. 장보기 앱에서는 구매를 한 번 했던 사용자를 활성 사용자로 인식합니다. 

이제 아래 그림과 같이 FineBI를 사용해 라인 차트를 만들고, 각 월별 사용자와 이용 현황을 분석해보도록 하겠습니다.   

결론: 그림에서 보듯 10월 활성화율이 크게 하락했습니다. 먼저 실제 상황을 고려해 활성화율이 하락한 원인을 구체적으로 분석해 봐야 합니다. 동시에, 신규 고객 활성화를 위한 이벤트를 보조적으로 진행하면서, 각 신규 고객별로 정교화 운영을 진행하는 것이 좋습니다. 

예를 들어, 홈페이지 상에서 맞춤형 제품을 추천해 사용자를 유입시키거나, 새로 가입은 했지만 아직 주문이 일어나지 않은 사용자에게 쿠폰을 발송하여 사용자 활성화를 유도할 수 있습니다.

사용자를 활성화시켜도 유지시키지 못한다면 결국 이탈이 일어나게 됩니다. 그동안의 노력이 물거품이 되는 것이죠. 따라서 유지와 사용 환경에 따라 각각의 사용자에게 맞는 운영 전략을 세울 필요가 있습니다. 

사용자 유지를 위해 통계를 내리는 것 역시 매우 중요합니다. 유지 분석 파일을 참고하여, 파인비를 사용해 활성 사용자의 당일 유지율, 1주차 유지율, 2주차 유지율, 30일차 유지율을 각각 계산해보겠습니다. 

FineBI를 통해 데이터 처리도 편리합니다. FineBI는 다양한 계산공식, 필터링 컴포넌트를 보유하고 있어, SQL과 코드를 거의 사용할 필요가 없습니다. 

FineBI를 활용한 당일 유지율을 계산법은 아래와 같습니다.  

3.1 컴포넌트 만들기

먼저 「분석 새로 만들기」를 클릭하면 분석 내부의 데이터 추가 인터페이스로 자동 접속됩니다. 

샘플 데이터셋에서 「사용자 유지 분석」데이터셋을 선택하고 「확인」을 클릭합니다.

아래 그림과 같이 좌측 하단 모서리의 컴포넌트를 클릭합니다. 

3.2 활성화 사용자의 유지율 계산

참고: 샘플 데이터에는 ‘활성화_로그인 시간차’가 계산되어 있습니다. 처리되지 않은 데이터의 경우 열을 새로 추가하여 시간차 계산을 사용하도록 합니다. 

3.2.1 당일 유지율

「+」을 클릭하여 계산 필드를 추가하고 공식을 입력합니다:COUNTD_AGG(IF(Activate_login time difference=0, contact number, NULL))/COUNTD_AGG(contact number). 필드명을 「당일 유지율」로 입력하고 「확인」을 클릭합니다. 

공식 설명:

3.2.2 1주차 유지율

「+」을 클릭하여 계산 필드를 추가하고 공식을 입력합니다:COUNTD_AGG(IF(AND(Activate_login time difference>=1, activate_login time difference<=7), contact number, null))/COUNTD_AGG(contact number). 계산 필드명을 「1주차 유지율」로 입력하고 「확인」을클릭합니다.

2주차, 3주차, 4주차 유지율 모두 같은 방식으로 계산합니다. 

3.3 계산 필드 드래그

「최초 활성화 일자」를 차원 축으로 드래그 시키고, 유지율 지표를 지표축으로 드래그 시킵니다. 그 다음 「최초 활성화일자」를 「년 월」로 표시로 설정합니다.

최초의 활성화 일자를 차원으로 하여, 월별 활성화 사용자 유지율을 산출합니다. 

3.4 효과 보기

결론: 1주차 유지율이 당일 평균보다 35% 이상 하락했습니다. 사용자 충성도를 높이고 제품 체험을 향상시킬 필요가 있습니다.

4주차 유지율이 상대적으로 하락세를 보이고 있습니다 이는 어느정도 전환이 이루어졌음을 의미합니다. 이 사용자들을 대상으로 정교화 운영 관리를 진행하여 안정적으로 전환될 수 있도록 해야 합니다. 

사용자가 활성화된 이후 앱의 사용자가 되었다면, 이제 어떻게 소비를 유도해 수익을 창출하고 이윤을 얻을 수 있을지 고민해봐야 합니다. 장보기 앱에는 여러 수익성 요소가 있는데, 저희는 우선 고객의 구매 활성도를 수익 향상의 주요 방법이라고 가정해보겠습니다. 

사용자를 활성 사용자, 일반 사용자, 회원 사용자, 크게 세가지 유형으로 분류했습니다. 이제 차트를 사용해 데이터를 시각화하면 다양한 사용자의 소비 상황을 한눈에 파악할 수 있습니다.

아래 그림과 같이 깔때기 차트를 사용해 다양한 유형의 소비자 사용 현황을 확인해보겠습니다.

FineBI에는 50가지 이상의 차트 양식이 설치되어 있습니다. 여기에는 시장의 거의 모든 기본 및 전문 차트가 포함되어 있으며, 뛰어난 동적 효과와 강력한 인터렉션 체험을 제공합니다. 사용자는 필요에 따라 다양한 기능을 설정할 수 있고, 모바일 혹은 대형 LED 스크린을 통해 수정 및 기타 작업을 진행 할 수 있습니다.  

결론: 저활성 사용자 수가 매우 많습니다. 이는 큰 잠재력이 있음을 의미합니다. 저활성 사용자를 활성화시키고 회원 사용자를 유지시켜야 합니다. 

제품의 사용자가 어느정도 늘어나면 사용자들 사이에 자발적인 소개가 일어나도록 해야합니다. 자발적 소개 데이터 지수는 K계수(추천 계수)입니다.

K = (한 사용자가 친구에게 보내는 초대 수)*(초대를 받은 사람이 신규 사용자로 전환되는 비율)

K 값은 자발적 소개의 결과 수준을 나타냅니다. K값이 1보다 크면 굉장히 큰 자발적 소개 효과가 있음을 의미합니다. K값이 클수록 그 효과가 커지지만, K값이 1보다 낮으면 소개 효과가 점차 작아져 결국 사라지게 됩니다. 

k 값의 계산법은 아래 그림과 같습니다다.

결론: 이 앱의  K 값은 1 보다 크며, 자체 소개 효과를 가지고 있습니다. 여기에 ‘친구 초대하고 레드포켓 받기’ 등 이벤트를 통해 k값을 더욱 끌어올려 소개의 효과를 높일 수 있습니다.    

5 개의 AARRR 퍼널 성장 로드맵을 통합하면 아래 그림과 같이 매우 포괄적인 AARRR 분석도가 완성됩니다.

아래 버튼을 클릭하시면 FineBI를 무료로 사용하실 수 있습니다.