안녕하세요. 원포인트에서 활동하고 있는 11년차 그로스마케터 강정규 입니다.
시장에서 PMF 검증을 마치고, 성장해 나가는 스타트업 분들 중에서 과거보다 성장세가 둔화된 것처럼 보이거나 재 도약의 필요성을 느끼고 계신 분들이 계신가요?
오늘은 성과 개선 데이터 분석모델 중 ‘코호트 분석’ 모델을 통해 개선한 사례를 공유합니다.
사례기업과 비슷한 문제를 겪고 있다면, 3분만 시간을 내셔서 새로운 시각으로 비즈니스 성장에 인사이트를 얻어가시길 바랍니다.
의뢰 기업 ‘클린디’는 칫솔살균기와 전동칫솔, 개인 맞춤형 칫솔을 제조하여 판매하는 성장 단계에 스타트업 입니다.
초기 개인 맞춤형 ‘구간진단 테스트와 칫솔추천 알고리즘’을 통해 고객들에게 빠르게 브랜드를 알렸습니다.
이후 고객들의 치아건강 문제 개선을 위한 Product(칫솔살균기, 전동칫솔, 개인 맞춤형 칫솔)을 출시하여 성장한 기업입니다.
하지만 어떤 이유인지 ‘자사몰’과 ‘META’ 광고에서 만큼은 광고 예산을 증액할수록 ROAS(광고수익률)가 하락하는 문제를 가지고 있어 성장을 위한 투자가 오히려 손실로 이어지는 상황이었습니다.
그로 인해 이를 개선할 수 있는 캠페인 구조 설계와 효과적인 광고운영 매뉴얼 구축이 필요했습니다.
1. 기업의 현상태를 진단할 수 있는 데이터환경구축
광고/마케팅 성과 개선 작업을 진행하기에 앞서 항상 중요하게 생각하는 선행과제가 있습니다.
바로 ‘인웹 데이터기반의 의사결정 모델’을 도입하는 것입니다.
광고관리자에서 보여주는 광고지표(CPC,CTR,ROAS)만 가지고 광고의 성과를 섣불리 판단하기에는 보이지 않는 허들이 많습니다.
예컨데 지금 당장은 구매가 많이 발생되지 않은 광고이지만 웹사이트 내에서 회원가입과 결제시작 그리고 깊은 상호작용(7페이지이상 조회 등)을 보이고 있는 상태라면?
즉시 광고를 중단(OFF)하기보다 조금 더 지켜보는 것이 좋을 수 있습니다.
그 이유는 구매에 가까운 깊은 상호작용들이 발생하고 있다는 뜻은 곧 성과반등(ROAS)으로 이어질 수 있다는 긍정적인 신호이기 때문입니다.
하지만 위와 같이 웹트래킹 환경구축이 되어 있지 않으면 이러한 웹사이트 내부에서의 고객들의 상황을 알 수 없습니다.
당연히 광고관리자만 본다면 CPC는 높고 CTR도 생각보다 높지 않은 상태에서, ROAS까지 안나오니 당장 광고를 끌 수 밖에 없습니다.
(식별할 수 있는 눈이 부족한 것 입니다.)
당장 광고를 끄는것 까지는 문제 될 건 없지만
광고를 끄는 결정 이후로 별 다른 대안점을 찾지 못한다면 도돌이표 처럼 광고 저성과는 반복될 수 밖에 없습니다.
실제로 많은 의뢰기업 분들을 만나보면 GA(Google Analytics)와 GTM(Google Tagmanager)는 설치되어 있지만, 제대로 된 환경 구축이 되어 있지 않아 데이터가 방치된 상태인 경우가 많습니다.
*기업 맞춤 퍼널 설계 칼럼에 대해 조금 더 자세히 알고 싶은 분들은 아래 링크 칼럼을 참고하시기 바랍니다.
결과적으로, 이러한 과정을 통해
웹사이트에 발생하는 사건 중 우리에게 유의미한 결과를 가져올 수 있는 여러 사건을 수집하고 데이터시각화 모델(퍼널 및 분석모델)을 통해
현 문제를 정확히 진단하는 것이 첫 번째 과제 입니다.
2. 데이터 분석 모델링 도입(코호트)
코호트 분석은 다른 말로 ‘동질집단’ 분석이라고도 합니다.
쉽게 예시를 들면 과거 ‘마시멜로 실험’으로 마시멜로를 먹은 그룹과 먹지않은 그룹을 20년간 분석한 사례가 대표적입니다.
우리 웹사이트에서 특정한 행동을 보인 사람들을 ‘A라는 동집 집단’으로 정의하고 그들에게 어떠한 변화를 주었을때 그들의 상태나 결과가 앞으로 어떻게 변화하는가를 분석하는 ‘전향적 데이터분석’과
또, 과거 데이터 현황을 시각화 하여 ‘해당 동질집단’은 과거 시간에 흐름에 따라 어떠한 변화를 보여왔는지를 분석하는 ‘후향적 데이터분석’이 가능합니다.
위 이미지는 데이터분석 모델 중에 ‘코호트(Cohort)’ 분석 탐색 보고서 화면 입니다.
이러한 데이터 모델링을 통해
‘웹사이트에 들어와서 특정한 행동을 한 그룹’과 그렇지 않은 그룹을 비교해서 어느 그룹이 더 핵심 전환(ex: 구매)에 많이 전환되었는지 분석할 수 있습니다.
위에 이미지를 구체적으로 보면 ‘결제시작(checkout)’에 참여한 코호트가 결제(purchase)까지 참여 전환된 확률을 보여주고 있습니다.
한눈에 보더라도 평균 44.8%(약 2명 중 1명)로 아주 높은 구매 전환율을 보입니다. 이는 해당 동질집단이 단순히 그래프가 아니라 우리에게 실질적으로 얼마나 수익(Benefit)적인 가치가 있는지 설명해줍니다.
예시) 각 동집집단 모집당 비용
- CPS(구매당) 10,000원 vs
- CPS(결제시작당) 3,000원
광고를 통해 위와 같은 결과가 나왔다면 결제시작에 참여한 코호트( 동질집단)는 확률적으로 44%가 제품을 구매할 것으로 예상할 수 있으니 반드시 남는 구조라고 이해할 수 있습니다.
이러한 모델링으로, 오늘 클린디의 사례에서는 25~50%의 구매전환율을 가진 코호트를 6개의 집단으로 특정하여 정의했습니다.
3. 안정적인 META(DA)광고 학습을 위한 ‘학습모델’ 선정
정의한 코호트는 어떻게 사용하면 좋을까요? 두가지 방법이 권장됩니다.
하나는 해당 코호트 유저를 더 많이 식별하고 확보할 수 있도록 광고매체에 전환목표(Action)로 활용하는 방법입니다.
커머스 광고를 운영하시는 고객사 분들의 광고관리자를 열어보면
대부분은 전환목표로 ‘구매’ 액션만 사용하는 경우가 많습니다. 이후 타겟팅이나 소재만 나눠가며 여러 광고를 AB테스트 하는 경우 입니다.
일반적인 광고운영 방식이라 크게 지적할 점은 없지만, 광고 예산이 적은 초기 캠페인에서는 효과가 떨어질 수 있는 방식입니다.
초기 광고예산에 적은 경우에는 초기 학습과정에서 적정한 학습목표 달성이 어려워지며 머신러닝이 부정적인 영향을 가져 옵니다.
(META에서 공식적으로 권고한 초기 머신러닝에 부합하는 조건은 ‘학습캠페인별 7일 이내 전환이벤트 50개 수집’입니다.)
7일간 구성된 캠페인별로 50건 이상의 구매를 만들어야 유효한 학습데이터가 갖춰진다고 이해할 수 있습니다.
하지만, 구매당비용이 3만원이라고 가정할 때 최소 캠페인당 요구되는 주간 광고비용은 150만원이 되며 캠페인수가 3개인 경우 450만원의 주간 학습 비용이 필요하게 됩니다.
초기 검증과정에서 사용하기에는 부담스러운 광고비가 될 수 있습니다.
이럴 때는 ‘구매’라고 하는 최종 목표만 ‘전환액션’으로 사용하는 것보다는
비교적 목표 달성 난이도가 낮으면서, 최종 목표와도 연관성이 높은 다양한 전환목표(‘코호트A~E’)를 사용하면 학습달성 수가 높아지면서
높은 난이도의 학습 목표를 요구한 캠페인보다 더 효과적인 최종 성과를 내기도 합니다. 적용 케이스별로 성과가 다를 수 있어 다각도 분석 후 적용이 필요합니다.
4. 코호트(전환목표) 모델 성과 가설 검증
이렇게 광고에 코호트 전략을 사용한 이후에도 ‘코호트 분석’은 지속되어야 합니다.
그 이유는 단순히 ‘코호트의 행동(가정:결제시작)’만 인위적으로 늘리는 결과는 자칫 숫자만 늘고 전환율은 떨어지는 경우도 생기기 때문입니다.
그 경우 해당 동집집단에게 보여준 광고나 CRM 등 문제가 있던 것은 아닌지, 단순히 코호트를 늘리기 위한 자극적인(훅킹) 광고가 진행되고 있지는 않은지 그로 인해 코호트의 가치나 전환율이 떨어지고 있지 않는지
면밀하게 분석하여 광고를 디테일하게 관리해야 합니다.
위 이미지과 같이, 광고로 인한 성과가 좋으면서도 코호트 분석보고서에서도 전환율이 유지/상향되는 현상을 보인다면 매우 긍정적인 상황으로 판단할 수 있습니다.
5. 안정적인 성과 증대를 위한 잠재고객(리타겟)정의 및 도입
두 번째는 코호트는 그 자체로도 충분한 구매가능성이 높은 잠재고객(타겟)으로 사용할 수 있는 점입니다.
광고 타겟팅 활용 기술이 부족한 경우 ‘리타겟 광고’는 그저 우리 웹사이트에 몇번 방문한 사람한테 한번 더 광고를 보여주는 기술 정도로 생각합니다.
하지만, 이 기술은 지금과 같이 구매가능성이 검증된(확률이 매우 높은) 잠재고객을 식별하여 그 동집 집단에게만 정확한 광고를 송출했을 때
비로소 효과적인 퍼포먼스를 보여줍니다.
이번에 정의한 클린디 코호트는 약 25~50%에 가까운 구매전환율이 검증된 타겟입니다.
그렇기 때문에 일반적인 웹사이트 방문자의 구매전환율(약1~4%)보다 매우 높은 구매가능성을 내포한 타겟이라고 볼 수 있습니다.
위와 같은 클린디 브랜드의 사례에서도
깊은 상호작용을 한 유저의 집단을 Desire(열망)이라는 funnel(퍼널)로 묶어 코호트화 하고 광고를 보낸 리타겟 광고에서 ROAS 508%라는 아주 우수한 결과를 도출한 것을 확인할 수 있습니다.
6. 광고 저성과 소재 교체 시기에 대한 판단기준 수립
위와 같은 데이터 분석모델(코호트 등)을 도입하여 타겟과 광고학습에 대한 문제를 충분히 개선했다면 마지막 퍼즐 과정이 광고소재 관리를 통해 위닝소재를 발굴하는 것 입니다.
아무리 효과적인 ‘광고학습 모델’과 ‘타겟팅’을 구성했다고 하더라도, 광고의 설득력이 떨어진다면 무용지물 입니다.
최근 META의 AI학습모델이 더욱 고도화 되면서 콘텐츠의 중요성 더 대두되고 있습니다. 이젠 광고콘텐츠만 잘 만들어도 AI가 먼저 콘텐츠를 보고 “아 이 콘텐츠는 이런 사람들한테 더 잘먹히겠는데?”라는 의사결정을 스스로 내려서 학습하기 때문입니다.
위닝 소재는 단지 몇개의 광고소재를 돌려보고 그 중에 제일 나은 것을 고르는 과정이 아닙니다.
여러 광고 메세지 전략(감성소구,편익소구,USP소구 등)과 더불어 다채로운 표현방식을 통해 코어 타겟이 어떠한 페인포인트에 더 효과적인 반응을 보이는지 찾는 과정임과 동시에
그 중 가장 유효한 ‘기준점’이 될 수 있는 소재를 찾아 맞춤형 평가모델을 도입하여 전체 ROAS의 상향적 평균을 만들어내는 과정입니다.
클린티 케이스에서는 명확한 ROAS 기준점(Threshold)을 수립하고, 소재를 4등급(우수/중위/하위/저성과)으로 나누어 체계적으로 관리했습니다.
- 저성과: 즉시 OFF 또는 소재 변경
- 하위 : 전환목표 및 타겟 재입찰
- 중위 : 1주 유지 or 동일 세트내 예산 집중
- 우수: 예산 증액 및 유지
광고소재(콘텐츠) 평가 모델을 구성하는데 중요한 점은 평가 기준이 너무 짧으면 섣부른 판단이 되고, 너무 길면 전체 월별 ROAS 평균이 떨어질 수 있어서 적절한 주기를 설정하고 관리하는 것이 핵심입니다.
그래서 데이터를 보는 담당자와 퍼포먼스+콘텐츠제작(ex)디자이너) 담당자가 하나의 그로스해킹 팀이 되어 협업하면 효과적입니다.
끝으로.
이 프로젝트를 통해 클린디는 광고비 증액에도 흔들리지 않는 견고한 ROAS 구조를 완성했습니다.
더 고무적인 것은 클린디 내부 팀이 이 과정을 내재화하여 스스로 데이터를 보고 판단할 수 있는 조직으로 성장했다는 점입니다.
능력 있는 컨설턴트의 목표는 평생 고객을 붙잡아두는 것이 아니라, 고객이 스스로 설 수 있도록 돕고 떠나는 것이라고 생각합니다.
오늘 소개한 [트래킹 환경 구축 → 코호트 분석 → 학습 모델 최적화 → 정밀 리타겟팅 → 소재 관리]의 5단계 프로세스는 클린디뿐만 아니라, 성장의 벽에 부딪힌 모든 커머스 스타트업에 유효한 방정식입니다.
이외에도 위 이미지와 같이 다양한 데이터분석 모델링을 통해 현재 정체된 비즈니스의 문제는 진단하고 개선점을 도출할 수 있습니다.
데이터 속에 숨겨진 매출의 단서를 찾고 싶으신가요?
원포인트의 검증된 전문가와 함께, 여러분의 비즈니스에도 ‘성장의 그날’을 만나 보시길 바랍니다.
