안녕하세요. 원포인트에서 활동하고 있는 10년차 그로스마케터 강정규 입니다.
초기 스타트업을 운영 중이신 멤버 분들은 모두 첫 서비스를 런칭(MVP포함)하던 때를 기억하시나요? 오랜 시간 사업
아이템을 준비하며 수 많은 인증과 UIUX 개편을 거쳐 잠재고객들에게 서비스를 선보이던 그 때 기대와 걱정이 공존하셨을 겁니다.
그 과정에서 아주 긍정적인 초기 고객의 반응을 얻게 될 경우, 발 빠르게 서비스 런칭을 확대해 갈 수 있지만 반대의 경우, 생각보다 미지근한 고객 반응을 맞이하게 되면 뒤늦게 어디서 부터 잘못 된 것인지, 그 때 가서 원인을 찾고자 하십니다.
그 원인을 찾는 과정에서 ‘감과 느낌’에 의존할 경우 고객의 진짜 목소리를 찾지 못하고, 서비스 개선까지 꽤 많은 시간 돌아갈 수 있습니다.
이러한 상황에 놓여있거나, 놓여질 상황에 있는 스타트업 대표님과 팀원분들은 딱 3분만 시간을 내서 오늘 인사이트를 통해 초기 온보딩 과정에서 준비해야할 필수 과제들을 인식하시고, 대비하셔서 효과적인 서비스 개선을 이뤄나가시길 바랍니다.
1. 서비스 초기 온보딩
서비스 초기 온보딩 과정은 웹/앱 서비스의 필수 기능과 가치를 핵심 타겟에게 전달하고, 서비스를 빠르게 인지하고 이용하도록 한 뒤, 서비스 경험 과정에 대한 평가를 통해, 이를 개선하고 서비스 이탈을 방지하여 장기적인 서비스 고도화를 위한 기반을 마련하는 과정입니다.
이 과정에서 메인 UIUX에 대한 고객 반응, 광고 캠페인의 잠재고객의 상호작용 반응, 웹/앱 서비스 이용 과정에서의 이탈율과 이탈지점, 서비스 재이용율(리텐션) 등을 데이터화 하여 시각화 하고 이해관계자들과 데이터를 통해 서비스를
개선할 의사결정에 참여하게 됩니다.
2. 웹/앱 트래킹 환경 구축의 필요성
- 서비스 초기 온보딩 과정에서 반드시 확인해야 하는 아래 3가지
- 메인 UIUX에 대한 고객 반응
- 광고 캠페인을 통한 서비스 상호작용 반응
- 웹/앱 서비스 이용 과정에서의 이탈율과 이탈 지점
정보를 누락없이 수집하고 데이터시각화 하기 위해서는 ‘트래픽 분석 도구’ 설치가 필요합니다.
초기 스타트업에서는 고 비용의 유료 분석솔루션을 사용하기에는 어려운 경우가 많아, 대부분 GA(Google Analytics)를 트래픽 분석도구로 많이 활용합니다. 그 이유는, 위와 같은 특정한 데이터를 수집하기 위해서는 ‘데이터 태깅’ 작업이 필수적인데, GA는 GTM(Google tagmanager) 솔루션을 통해서 누구나 간편하게 ‘데이터를 수집’할 수 있는 ‘이벤트 태그’ 기능을 제공하기 때문입니다.
‘이벤트 태그’ 기능에서 ‘이벤트(event)’란 유저가 웹사이트에 발생시킨 일련의 사건을 의미합니다.
웹사이트에 메인배너를 클릭하거나, 카테고리를 클릭하거나, 회원 가입을 하는 등 유저가 경험할 수 있는 모든 사건이 ‘이벤트’로 정의 될 수 있습니다. ‘태그’란 각각의 ‘이벤트’별로 라벨(이름표)링을 해주는 작업을 의미합니다.
별도로 이벤트에 태그를 하는 이유는 웹사이트에 발생될 수 있는 수 십~수 백개의 이벤트들에 이름이 없다면 기억할 수
없고 분류체계에 따른 그룹화와 데이터시각화를 할 수 없기 때문입니다.
Ex1) 웹사이트에 회원가입을 완료(이벤트 발생) -> MEMBER_joinclear(태그)
Ex2) 웹사이트에 메인배너를 클릭(이벤트 발생) -> UIUX_Mainbanner_Click(태그)
예시 처럼, ‘이벤트 태그’ 작업을 통해, 웹사이트에서 발생할 수 있는 일련의 사건을 UIUX, MEMBER, Activation 등 분류체계를 나눠서 형성하여 정리하는 작업을 통해 3가지 핵심 정보를 찾아낼 수 있습니다.
- 메인 UIUX에 대한 고객 반응
- 광고 캠페인을 통한 서비스 상호작용 반응
- 웹/앱 서비스 이용 과정에서의 이탈율과 이탈 지점
이 전반의 과정을 ‘웹/앱 트래킹 환경 구축’ 이라고 합니다.
3. 이벤트 텍소노미를 통한 퍼널 구축
웹/앱 트래킹 환경 구축 과정에서 앞서 설명한 ‘이벤트 태그’ 작업을 분류체계을 나눠 정의하고 분류하여 이벤트 환경을
구축하는 것을 ‘이벤트 텍소노미’ 과정이라고 합니다.
이 과정을 통해, 우리 서비스를 접촉한 유저의 뎁스에 따라 퍼널을 구축할 수 있게 되죠.
대표적인 퍼널로는 위에 사례와 같은 AARRR/AIDA 퍼널이 있습니다.
Attention(인지) : 서비스에 접촉한 유저 중 단순 이탈한 유저가 아닌 첫 서비스를 인식했다고 정의할 수 있는 유저
Interest(흥미) : 서비스를 인식한 이후 흥미를 느껴 콘텐츠를 탐색한 유저
Desire(열망) : 콘텐츠 탐색에 빈도와 뎁스가 깊어, 서비스 이용을 목적으로 구체적인 유저 경험을 하고 있는 유저
Action(전환) : 서비스를 이용하거나 웹사이트 목적에 도달한 유저
유저가 웹사이트와 상호작용한 깊이를 기반으로 퍼널을 구축할 때 알게되는 정보는 아래와 같습니다.
- 서비스의 접촉한 유저의 단순 이탈율
- 서비스 이용에 관심을 갖게 된, 1st-Party을 모수
- 서비스 이용 목적을 가진 핵심 잠재고객
- 서비스 목적을 달성한 고객의 특성과 상호작용 반응
또한 다른 시각에 마케팅 퍼널로는 ‘유지율(Retenton)과/추천(referral)’퍼널의 그림까지 볼 수 있는 AARRR 퍼널도
많이 사용됩니다. 이러한 퍼널(funnel)모델은 비즈니스의 현상황을 진단하고 평가 할 수 있는 기준이 될 수 있습니다.
프레임워크에 GA에 세그먼트 기술을 접목하게 되면 각각의 유입경로 및 광고캠페인 별로 개별 퍼널을 시각화하여, 더욱 유효한 광고 캠페인을 발굴하여 이를 확대하거나 성과가 저조한 광고 캠페인을 찾아 개선의 단초를 찾을 수도 있습니다.
4. 데이터 시각화를 통한 온보딩 과정 전반을 이해
웹 트래킹 환경 구축 과정을 통해 ‘이벤트 텍소노미, 퍼널’ 데이터 시각화를 통해 비즈니스 전반의 성과와 문제를 시각화하는 과정을 미리 준비하게 되면 초기 서비스 온보딩 과정에서 데이터를 기반으로한 고객의 진짜 목소리를 정확도 높게 예측할 수 있게 되며 무엇보다 서비스 온보딩에 참여한 모든 이해관계자들에게 현재의 성과와 문제를 쉽게 설명하여 설득할 수 있는 강력한 근거 자료가 되기도 합니다.
데이터드리븐을 진행하는 과정에서 참 다양한 에피소드가 존재했습니다.
페어링크의 경우 기업에서는 현재 2가지 전환(장비가입/전화문의)이 서로 같은 동일 유저가 2가지 전환 액션에 중복참여하는 것 같다(그래서, 실제 잠재고객의 유입 아닌 것 같다)고 생각하셨지만, 데이터 분석결과 두 전환 액션에는 일부 중복값이 존재했지만, 대부분은 각기 전환액션에 참여한 유저가 더 많아 기업에서 생각하셨던 데이터 평가와 완전 다른 결과를 보인 경우도 존재했습니다.
이렇게 데이터 결과를 두고 서로 납득하기 어려운 결과도 많이 발생합니다.
다만, 데이터가 없었다면 한 방향의 요인으로만 결정하게될 문제도 여러 시각으로 바라볼 수 있어서 의사결정 하는데 많은 도움이 되셨다는 피드백을 주셨을 때 이 과정이 참 유의미하다 느꼈습니다.
최근에는 Gemini, GPT 등 AI를 통해 잘 수집된 데이터를 제공하기만 하면 고급 지식이 있어야 가능했던 ‘R을 활용한 데이터분석, 선형 회귀분석’ 등 다채로운 데이터 분석 인사이트를 제공받을 수도 있습니다.
결과적으로는 이를 통해 데이터드리븐(데이터기반의 의사결정 모델 도입) 과정을 경험할 수 있게 됩니다. ‘데이터수집부터 시작되어 의사결정(Data-driven)’ 과정을 토대로 광고매체에 활용하여 광고 캠페인 전체 성과를 개선해 나가거나 서비스 UIUX를 개편하여 서비스 이용율을 증대하는 등의 즉각적인 결과 개선을 해나갈 수 있습니다.
5. 데이터 드리븐을 통해 정확도 높은 개선에 참여
오늘 과정과 함께 설명한 ‘중장비 플랫폼, 페어링크’ 역시 이러한 데이터드리븐 과정을 통해
3가지 핵심 성과 지표를 달성하였습니다.
- 전환당비용 77% 개선
- 전환수 908% 증가
- 광고 타겟검증 – 인웹 상호작용 결과 도출
결론적으로는, 스타트업의 초기 온보딩 과정에서의 마케팅 과정은 모두 위와 같은 사전 준비가 되어야 함을 말씀드리고
싶습니다. 또한 이 과정을 충분히 경험해본 전문가와 함께 초기 온보딩을 함께 할 수 있다면 많은 시행착오를 줄여나갈 수
있습니다.
꼭 저와 함께 협업하지 않으시더라도, 원포인트를 통해 능력있고 합이 맞는 마케터와 협업하셔서 성공적인 스타트업 온보딩이 되시길 바랍니다.
