본문 바로가기
공부 & 프로젝트/프로젝트 및 스터디

데이터 기반 마케팅 핵심 개념 총 정리본

by donnanoa82 2025. 11. 21.

오늘부터 차례 차례 데이터 분석, 분석 도구, 실험 설계, 사용자 연구, 심리, UX 관련된 내용을 공부하며 정리해볼 예정입니도.

이 내용을 기반으로 앞으로 일주일에 한 개의 앱이나 플랫폼도 분석할 예정이구요. 함께 공부하고 의견 나눠봐요 !

아자뵤 !

요즘 마케터들이 가장 자주 언급하는 단어 중 하나가 데이터다. 단순히 ‘감’이나 ‘경험’만으로 마케팅을 하던 시대에서, 이제는 숫자로 전략을 설계하고, 데이터를 통해 고객을 이해하는 시대로 넘어왔다. 그 중심에 있는 개념들이 바로 AAARRR, 퍼널, LTV, 코호트 분석, 그리고 리텐션이다. 용어는 어렵게 느껴지지만, 실제로는 “고객을 오래, 꾸준히, 수익적으로 유지하기 위한 도구들”이다. 하나씩, 현실적인 시선으로 공부해보자  

1) AAARRR: 고객 여정의 핵심 프레임워크

 

정의

“해적지표”라고도 불림.  왜냐면 AARRR 소리가 해적 “Arrr!” 같아서 붙엇다함 

AAARRR는 고객이 브랜드를 처음 발견하고 결국 ‘추천’까지 하게 되는 가치 생성의 흐름을 의미

단계 의미 핵심 질문
Awareness 인지 어떻게 사람들에게 서비스를 알릴 것인가?
Acquisition 유입 어디서 고객이 들어오는가? 어떻게 하면 사람들이 우리 서비스, 앱을 찾아올까?
Activation 활성화 처음 경험이 괜찮았는가? 어떻게 하면 사람들이 행동을 할까? (등록/ 앱 설치 등)
Retention 유지 다시 오고 싶은가? 어떻게 하면 사람들이 재방문 할까? 
Revenue 수익 얼마나 돈을 쓰는가? 어떻게 하면 많은 사람들이 우리 서비스에 지불할까?
Referral 추천 고객이 자발적으로 홍보하는가? 어떻게 하면 사람들이 우리 서비스를 타인에게 추천할까?

경제학적으로 해석하면, 고객이 브랜드를 선택하기 위해 드는 ‘탐색 비용’을 줄이고, 사용 경험을 통해 효용을 확신하게 되며, 결국 **추천을 통해 네트워크 효과(Network Effect)**가 발생한다. 이 네트워크 효과 (구전효과) 는 광고비 없이 고객이 고객을 데려오는 구조다. 구전효과란 ? 말그대로 입소문을 의미한다. 

 

AARRR? AAARRR?

누군가는 AARRR(유입/활성화/유지/수익/추천) 형태로 생각하며, 또는 AAARRR(인지/유지/활성화/유지/추천/수익) 구조라고 생각하는 이도 있다. 왜인지는 ?! 모르겠다.. 일단 전체 형태만 기억하자 인지부터 ~ 추천구조라는 것을 

 

실무에서 어디에 쓰일까?

  • 스타트업은 주로 Activation + Retention 개선에 집중한다.
  • 이커머스는 Revenue + LTV를 강화하며 CRM 전략을 세운다.
  • 앱 서비스는 Referral을 통한 가입 확산을 노린다.

핵심은 ‘단계별 문제를 찾고, 이를 개선하는 실험(A/B Test)하기!'

 

1-1) AAARRR 퍼널 주요 지표와 개선 

단계 목표 대표 지표
Awareness 나라는 브랜드를 알게 만들기 노출수, 도달수, 브랜드 검색량, CPM
Acquisition 우리 “집(서비스)”로 데려오기 CTR, CPC, 방문수, 회원가입율, CAC, CVR, 이탈율
Activation “아 이거 쓸만한데?”를 느끼게 만들기 활성화율, 첫 핵심 행동 완료율, 온보딩 완료율
Retention 다시 오게 만들기 D1/D7/D30 리텐션, 재방문율, 재구매율, 이탈률
Revenue 돈을 벌고, 더 많이 벌게 만들기 CVR, 객단가(AOV), ARPU, LTV, 유료전환율
Referral 고객이 고객을 데려오게 만들기 추천 유입 비율, NPS, 리뷰작성률, K-factor

 

(1) Awareness: “사람들이  알고 있나?”

[주요 지표]

  • Impressions(노출수): 광고/콘텐츠가 몇 번 보여졌는지
  • Reach(도달수): 몇 명에게 보여졌는지
  • CPM(Cost Per Mille): 1,000회 노출당 비용
  • 브랜드 검색량: 브랜드명·브랜드+카테고리 검색량(Naver/Google)
  • 브랜드 키워드 CTR: “브랜드명” 검색 후 내 사이트로 들어오는 비율 (클릭 수 / 노출 수 = CTR)

[분석 가능 툴]

  • Google Ads / Meta Ads/ TikTok Ads : 광고 노출, CTR, CPM
  • Naver Ads/ Kakao Ads : 검색 광고 + 클릭률
  • Google Trends : 브랜드 검색량 추세
  • Search Console : 검색 유입, CTR

[지표로 진단하는 법]

  • 노출수·도달수 둘 다 낮다
    → 아직 사람들에게 거의 안 보이고 있다는 뜻 (미디어 집행량 or 채널 전략 이슈)
  • 노출은 많은데 브랜드 검색량이 안 오른다
    → 광고/콘텐츠가 ‘기억에 안 남음’ (메시지·브랜딩 이슈)
  • 브랜드 키워드 검색은 늘어나는데 전환이 안 된다
    → 나에 대한 기대는 있는데, 들어와보니 실망 (다음 단계 문제: Acquisition/Activation)

[개선 방법]

  1. 메시지 명확화
    • **“우리가 누구고, 누구에게, 무엇을 주는지”**가 한 줄로 설명돼야 함
    • 예:
      • “모든 사람을 위한 건강식품 브랜드” XXXXXXXXXX
      • “30대 직장인을 위한, 카페인 대신 멘탈에 좋은 뇌 건강비타민” OOOOOOO
  2. 크리에이티브(이미지/영상) 개선
    • 썸네일/첫 3초 후킹 요소 강화
    • 제품만 보여주지 말고, 사용 상황·before & after 보여주기
  3. 채널 믹스 조정
    • 타겟이 Z세대면: TikTok, Instagram Reels
    • 정보형/비교형 상품이면: 블로그, 브런치, 유튜브 비교 리뷰
  4. 브랜드 검색량 키우는 활동
    • 인플루언서/UGC 활용
    • “브랜드명 + 키워드”가 자꾸 반복되게 노출

 

(2) Acquisition: “관심 가진 사람을 내 집(사이트/앱)으로 데려오기”

[주요 지표]

  • CTR(Click Through Rate): 광고/콘텐츠를 본 사람 중 클릭한 비율
  • CPC(Cost Per Click): 클릭 1회당 비용
  • Landing Page CVR(랜딩페이지 전환율): 방문자 중 회원가입/앱 설치/장바구니 등 특정 행동을 한 비율
  • Bounce Rate(이탈률): 들어오자마자 나간 비율
  • CAC(Customer Acquisition Cost): 1명 신규 고객을 확보하는데 든 마케팅 비용

[분석 가능 툴]

  • GA4 : 유입경로, 랜딩 이탈, 가입 전환
  • Amplitude / Mixpanel : 이벤트 기반 유입 + 행동 분석
  • Hotjar / Clarity : 히트맵, 세션 리플레이, UI 이탈

[지표로 진단하는 법]

  • CTR 낮음 → 광고 소재/카피/타겟팅 문제
  • CTR은 괜찮은데 랜딩 CVR이 낮음 → 랜딩페이지 메시지/UX 문제
  • 랜딩 CVR은 괜찮은데 CAC가 너무 높음 → 수익 구조·입찰 전략·채널 믹스 문제

[개선 방법]

  1. 광고/콘텐츠에서 ‘누구를 위한 것인지’ 명확히
    • “모든 사람”을 타겟팅하면 클릭률도 낮고, CAC도 올라감
    • 예: “20대 지성피부 여성에게 맞춘 저자극 톤업 선크림”
  2. 랜딩페이지와 광고 메시지 일치
    • 광고에서 “첫 구매 30% 할인”이라고 해놓고 랜딩페이지 상단에 그 정보 없으면 바로 이탈
    • 광고의 헤드라인과 랜딩페이지의 첫 문장/배너는 최대한 비슷하게.
  3. 첫 화면(Above the Fold)에서 궁금증 해결
    • 제품이 뭔지, 누구에게 좋은지, 어떤 베네핏인지, CTA 버튼까지 한눈에
    • 스크롤 내리기 전까지:
      • USP
      • 주요 혜택
      • CTA(“지금 신청하기/첫 구매 할인 받기”)
  4. 가입/장바구니 전까지의 마찰 줄이기
    • 소셜 로그인(카카오, 네이버, 구글)
    • 필수 입력 정보 최소화
    • 주소 자동완성, 결제수단 다양화

 

(3) Activation: “아 이거 괜찮은데?” 하고 느끼게 만들기

Activation은 고객이 **“서비스의 핵심 가치를 처음으로 체감한 순간”** => 여기서 성공 못 하면, 유입 다 해놔도 바로 떠남

따라서, 핵심 기능을 보유해야하고, 그 기능을 사용할 수 있도록 해야하는 것이 중요 ! 안그러면 밑빠진 독에 물붓기 

 

[주요 지표]

  • Activation Rate(활성화율) = 가입자 중 첫 핵심 기능을 사용한 비율
  • Time to Activation(활성화까지 걸린 시간) = 가입 후 첫 핵심 기능 사용한 시간까지 걸린 평균 시간
  • Onboarding Completion Rate = 온보딩 튜토리얼/초기 설정 끝까지 수행한 비율
  • 첫 구매율/첫 핵심 행동 완료율

[분석 가능 툴]

  • GA4 이벤트 분석 : 핵심 행동 설정 후 전환 측정 
  • Amplitude / Mixpanel : Activation 이벤트 트래킹
  • Firebase Analytics (앱) : 앱 온보딩/ 첫 행동 추적

[지표로 진단하는 법]

  • 가입은 잘 되는데, 그 이후 행동이 거의 없다
    → Activation 설계가 약한 것
  • 온보딩 단계에서 이탈률이 너무 높다
    → 질문이 너무 많거나, UX가 어렵거나, 초반에 “왜 해야 하는지”를 못 설명하고 있음
  • 활성화까지 시간이 오래 걸린다
    → 초반에 고객이 헤매고 있다는 뜻

[개선 방법]

  1. “핵심 행동”을 먼저 정해야 한다
    • 예:
      • 명상 앱: 첫 명상 1회 실행
      • 쇼핑 앱: 첫 찜/장바구니/첫 구매
    • 노트앱: 첫 노트 작성, 첫 To-do 입력
  2. 온보딩에서 정보 수집보다 ‘가치 체험’을 먼저
    • ❌ “이름, 나이, 성별, 관심사, 뉴스레터 수신 동의…”
    • ✅ “원하는 목표를 선택하게 하고 → 바로 그에 맞는 콘텐츠를 보여주기”
  3. 초기 경험을 ‘튜토리얼’이 아니라 ‘진짜 사용’으로 만들기
    • 예:
      • “예시 데이터”가 아니라 내가 직접 입력한 데이터를 바로 시각화
      • “예시 장바구니”가 아니라 실제로 내가 고른 상품을 장바구니에 담게 하기
  4. 체크리스트/미션 구조 도입
    • “가입 완료 → 첫 행동 → 두 번째 행동”을 작은 미션처럼 설계
    • 달성 시 보상(포인트/쿠폰/배지) 부여

 

(4) Retention: “계속 쓰게 만드는 힘”

[주요 지표]

  • Retention Rate(리텐션율)
    • D1, D7, D30, W1, M1 등

    • 용어 의미 예시 상황 예시)
      100명 설치
      날짜      		 행동
      D1 Retention 가입/첫 사용 다음 날 돌아온 비율 오늘 앱 설치한 사용자 중 내일 다시 접속한 비율 다음날 35명 접속 D1 : 35 %
      D7 Retention 7일 후 돌아온 비율 설치 후 7일째 앱에 접속한 비율 7일 뒤 20명 접속 D7 : 20 %
      D30 Retention 30일 후 다시 사용한 비율 설치 후 30일째 이용한 비율 30일 뒤 10명 접 D30 : 10%
      W1 Retention 1주째 유저 유지율 첫 주 동안 1번이라도 사용한 비율    
      M1 Retention 1개월째 유저 유지율 한 달 뒤에도 유지되고 있는 비율    
  • Churn Rate(이탈률)
    • 구독/멤버십 서비스에서 특히 중요
  • 재방문율 / 재구매율
  • DAU/MAU + Stickiness
    • DAU = Daily Active Users; 하루 동안 서비스를 사용한 순 사용자 수
    • MAU = Montly Active Useres; 한 달 동안 최소 1번 이상 사용한 순 사용자 수
    • Stickiness = DAU / MAU (얼마나 자주 돌아오는가)
  • 코호트별 리텐션 곡선
    • 같은 시점에 들어온 사용자 그룹 (코호트)이 시간이 지나면서 얼마나 남아있는지 그래프로 확인하는 차트
    • 예
      • 2024년 3월 가입 사용자
      • 2024년 3월 첫 구매 사용자
      • 앱을 1월 15일에 처음 설치한 사용자 

[분석 가능 툴]

  • GA4 리텐션 보고서 : D1, D7, D30 유지율
  • Amplitude / Mixpanel : Cohort 리텐션 곡선
  • Firebase : 앱 리텐션 + 푸시 효과
  • CRM Tools (Klaviyo, Barze, Salesforce) : 리텐션 메시지 + 데이터

[지표로 진단하는 법]

  • D1 리텐션이 낮다
    → 처음 경험 자체가 별로거나, “이걸 왜 계속 써야 하는지”를 못 느끼게 함
  • D1은 괜찮은데 D7, D30이 급격히 떨어진다
    → 단기 호기심은 있는데, 습관/루틴으로 자리잡지 못하는 서비스
         첫 경험은 좋지만, 반복 사용 이유가 약함 
         콘텐츠/가치 제공이 일회성일 수 있음
  • 재구매율이 특정 카테고리에서만 낮다
    → 상품 자체의 만족도/품질 이슈, 혹은 그 상품 특성상 재구매 주기가김

[개선 방법]

  1. 고객 세분화(세그먼트)부터
    • 자주 구매하는 고객 vs 가끔 구매 vs 한번만 구매하고 사라지는 고객
    • 최근 구매일, 구매금액, 구매 카테고리별로 고객을 나누고
    • 각 세그먼트별로 다른 메시지·오퍼 제공
  2. 라이프사이클 메시지 설계
    • 가입/첫 구매 후:
      • D+1: 사용법/활용팁 안내
      • D+3~7: 후기 사례, 비슷한 유저의 사용 스토리
      • 예상 재구매 시점 – 몇 일 전: 리필/재구매 리마인드
    • 예: 화장품 토너 – 평균 45일 사용
      → 구매 후 35~40일 사이에 “거의 다 쓰셨나요?” 메시지+쿠폰 발송
  3. 제품/서비스 자체에 “돌아올 이유” 심어두기
    • 기록/통계(다이어트, 공부, 운동)
    • 연속 사용 보상(출석체크, 연속 구매 혜택)
    • 누적 포인트/레벨 업 시스템
  4. 이탈 직전 또는 이탈 후 케어
    • 휴면 직전 고객에게:
      • “이런 기능이 새로 생겼어요”
      • “마지막으로 이 혜택은 어떠신가요?”
    • 구독 해지 단계에서:
      • 해지 이유 간단 선택 설문 + 맞춤 대안 제시(플랜 다운그레이드, 일정 일수 무료연장 등)

 

(5) Revenue: “돈이 어디서, 어떻게 발생하는지”

[주요 지표]

  • Conversion Rate(CVR): 방문 → 구매 / 무료 → 유료 전환 비율
  • AOV(Average Order Value, 객단가): 1회 주문당 평균 결제 금액
  • ARPU(Average Revenue Per User): 유저 1명당 평균 매출
  • LTV(Lifetime Value): 고객 생애 가치
  • 유료 전환율 (프리미엄, 구독, 인앱 결제 등)
  • 채널별/코호트별 매출 & 마진

[분석 가능 툴]

  • GA4 전환보고 + 구매 이벤트 : 구매 퍼널 추적
  • Mixpanel : 인앱 구매 전환 분석
  • Shopify Analytics, Cafe24, 고도몰 : 쇼핑몰 실구매 데이터
  • SQL + DB (Redshift, BigQuery, MySQL) : 매출 데이터, LTV, 최종 인사이트

[지표로 진단하는 법]

  • CVR이 낮다 → 구매까지의 과정이 복잡하거나, 신뢰·가격·가치가 맞지 않음
  • CVR은 괜찮은데 AOV가 낮다 → 사는 사람은 많으나, 한 번에 많이 안삼을 의미, 객단가를 올릴 여지 (세트/업셀)
    (업셀Upsell : 고객이 구매하려는 상품보다 더 비싼 상품, 더 큰 용량, 상위 옵션을 구매하도록 유도하는 판매전략)
  • AOV는 괜찮은데 LTV가 낮다 → 재구매·반복 사용 문제 (결국 Retention 이슈)

[개선 방법]

  1. 가격·할인·구성 실험
    • 세트 상품, 번들(“2+1”, “3개 묶음 할인”) 구성
    • 구독형 옵션 추가 (정기배송)
    • 신규 고객 vs 기존 고객에게 다른 가격 정책 운영
  2. 업셀·크로스셀 설계
    • 장바구니/결제 단계에서:
      • “함께 많이 구매한 상품” 자동 추천
      • 상위 버전/더 큰 용량 제안
    • 예:
      • 30정 비타민 장바구니에 담으면 →
        90정 대용량을 “더 저렴한 단가”로 노출
  3. 결제 UX 개선
    • 결제 단계에서 이탈률이 높다면:
      • 결제 수단 추가(카카오페이, 네이버페이, 토스 등)
      • 배송비 정책 단순화
      • 예상 결제 금액을 일찍 보여주기
  4. LTV 관점에서의 Revenue
    • 단기 매출에만 집착하지 말고:
      • 첫 구매에서 너무 큰 할인을 줘서 “할인 없으면 안 사는 고객”만 모으고 있는 건 아닌지
      • 재구매가 잘 일어나는 카테고리/상품에 마케팅 예산을 더 쏠 수는 없는지

 

(6) Referral: “고객이 고객을 데려오는 성장 루프”

[주요 지표]

  • Referral Share(추천 유입 비율): 전체 신규 유입 중 추천/초대/공유로 들어온 비율
  • Invite → Signup 전환율: 초대 메시지를 받은 사람 중 실제 가입한 비율
  • NPS(Net Promoter Score): “이 서비스를 친구에게 추천하겠습니까?” 점수
  • 리뷰 작성률 / 평점
  • K-factor (좀 더 본격 그로스에서 쓰는 지표)
    • = 1인당 평균 초대 수 × 초대 전환율

[분석 가능 툴]

  • AppsFlyer (모바일 앱) : deep link 초대, 추천 유입
  • Amplitude / Mixpanel : 추천 이벤트 추적
  • CRM Tools (Klyaviyo, Braze) : 추천 코드 사용 분석
  • 리뷰툴 (Alimtalk, Yotpo, Trustpilot) : 리뷰작성률, UGC 분석

[지표로 진단하는 법]

  • NPS는 높은데 실제 추천 유입이 적다
    → 추천 구조/UX가 불편하거나, “추천할 이유(보상)”가 약함
  • 리뷰는 있는데 평점이 낮다
    → 제품·서비스 개선이 먼저 (강제 리뷰 유도만 하면 독)

[개선 방법]

  1. 추천을 고객 여정 안에 녹이기
    • 결제 직후:
      • “친구와 함께 쓰면 더 좋아요 – 추천하면 둘 다 혜택”
    • 문제 잘 해결된 순간:
      • 예: 영어 앱에서 레벨업했을 때, 다이어트 앱에서 3kg 감량했을 때 → 공유 버튼 노출
  2. 보상 구조 설계
    • “추천한 사람만 혜택”이 아니라 **“추천한 사람 + 추천받은 사람 모두 혜택”**인 구조가 더 잘 돌아감
    • 예:
      • 추천인: 5,000원 쿠폰
      • 피추천인: 첫 구매 20% 할인
  3. 리뷰/UGC 활성화
    • 리뷰 작성시 소정의 포인트/쿠폰
    • User Generated Content ⇒ 사용자가 직접 만든 콘텐츠
    • 사진 리뷰를 위한 템플릿 가이드 제공 (예: 전·후 사진, 사용상황 사진)
  4. NPS와 VOC를 Growth에 연결
    • NPS 설문 후:
      • Promoter : 추천자 / Passive : 중립 / Detractor : 비추천자
      • **Promoter(9~10점)**에게는 추천/리뷰 유도
      • **Detractor(0~6점)**에게는 불편했던 점을 물어보고, 제품/서비스 개선에 반영

2) 퍼널(Funnel): 어디서 이탈하는가?

이미 위에서 AAARRR 퍼널을 통해 퍼널에 대해 공부하긴 했으나, 복습 차 다시 확인해보자. 

퍼널은 고객이 구매에 이르기까지의 단계별 흐름을 ‘깔때기’처럼 표현한 분석 방식이다.

광고 노출 → 웹 유입 → 상세페이지 열람 → 장바구니 → 결제

 

여기서 중요한 것은 “어디서 고객이 빠져나가는지(이탈)”를 찾는 것이다. **퍼널 관리는 곧 ‘지출 대비 효율을 높이는 방법’**이다.

같은 광고비를 써도, 퍼널 개선만으로 매출이 달라진다.

 

예시
화장품 쇼핑몰에서 상세페이지 조회는 많은데 장바구니 담기가 적다면?

  • 비교 콘텐츠 부족
  • 후기 신뢰도 낮음
  • 제품 선택형 정보 부족

➡ 이 문제를 해결해 CVR(전환율)을 올리는 것이 퍼널 최적화

 

2-1) 그로스 퍼널 ? 

비즈니스가 지속적으로 성장(그로스)하는 구조를 만들기 위해 고객 여정을 쪼개고, 단계별로 실험하는 프레임워크

 

1. 단계 정의

2. AAARRR 단계 작성

3. 문제점 찾기

4. 문제에서 원인 찾기

5. 목표 설정 / OMTM (One Metric That Matters)

 

1. 단계 정의: 우리 서비스의 “여정”부터 그리기

그로스 퍼널은 남들이 쓰는 템플릿을 그대로 가져오는 게 아니라,
**“우리 서비스에서 성장에 진짜 중요한 행동이 뭐지?”**를 정의하는 것부터 시작

 

[단계 정의의 핵심 포인트]

  • 서비스 타입에 따라 퍼널이 달라진다
    • 이커머스: 노출 → 클릭 → 상세페이지 → 장바구니 → 결제 → 리뷰
    • 구독형 앱: 랜딩 → 회원가입 → 온보딩 완료 → 첫 핵심 기능 사용 → 7일/30일 재방문
    • 교육 서비스: 유입 → 회원가입 → 첫 강의 시청 → 3강 이상 수강 → 과제 제출/완강
  • 정말로 “가치가 발생하는 지점”을 기준으로 나눈다
    • 단순 페이지뷰 말고,
      • “제품 가치를 체험한 행동” (Activation)
      • “돈이 발생한 행동” (Revenue)
      • “매출을 예측할 수 있는 신호” (Retention 관련 행동)를 단계로 잡는 게 중요.

예를 들면, 명상 앱이라면:

광고 클릭 → 앱 설치 → 회원가입 → 첫 명상 시작 → 3회 이상 명상 → 구독 결제

 

여기서 진짜 중요한 건
“3회 이상 명상” 같은 행동이 리텐션과 결제 확률을 많이 올리는 행동인지 데이터로 검증해서,
그걸 퍼널의 핵심 단계로 정의하는 것.

 

 

2. AAARRR 단계 작성: 단계에 이름과 지표 붙이기

1번에서 “우리가 실제로 어떤 단계들을 거치는지”를 정했다면, 이제 그걸 AAARRR 프레임워크에 매핑해 보는 것. 

이미 위에서 나와있긴 하기에 예시를 통해 간단하게 짚고 넘어감

 

예시: 이커머스 그로스 퍼널

[서비스: 스킨케어 D2C 쇼핑몰]

  • Acquisition (유입)
    • 단계: 광고 노출 → 클릭 → 사이트 방문
    • 지표: CTR, CPC, 신규 방문 수
  • Activation (첫 경험)
    • 단계: 회원가입, 첫 상세페이지 열람, 찜/장바구니
    • 지표: 회원가입 전환율, 상세페이지 뷰/세션, 첫 장바구니 담기율
  • Retention (재방문·재사용)
    • 단계: 7일 내 재방문, 30일 내 재구매
    • 지표: D7, D30 리텐션, 재구매율
  • Revenue (매출)
    • 단계: 첫 결제, 객단가, 반복 결제
    • 지표: ARPU, LTV, 매출/유입
  • Referral (추천)
    • 단계: 리뷰 작성, 친구 추천 코드 사용, SNS 공유
    • 지표: 리뷰 작성률, 추천 유입 비율, 추천당 매출

이렇게 하면 좋은 점은,

  • **“우리는 지금 Activation이 약한 서비스인지, Retention이 무너진 서비스인지”**를 한눈에 볼 수 있고
  • 어떤 팀/담당자가 어느 단계의 지표를 책임져야 하는지까지 명확해짐

 

3. 문제점 찾기: “이 퍼널 어딘가에 구멍이 있다”

이제 그로스 퍼널이 만들어졌으면, 다음은 **“어디서 물이 새고 있는지(이탈)”**를 찾는 단계야.

 

[문제 찾는 방법]

  1. 단계별 전환율을 숫자로 보기
    • 예:
      • 광고 클릭 → 사이트 방문: 5%
      • 방문 → 회원가입: 20%
      • 회원가입 → 첫 구매: 8%
      • 첫 구매 → 재구매(30일 내): 10%
  2. 업계 평균, 과거 대비, 채널별로 비교하기
    • “우리 회원가입 전환율이 낮다”가 아니라,
      • 지난달 대비 떨어졌는지?
      • 페북 유입 vs 구글 유입 차이가 심한지?
      • 모바일 vs PC 차이가 있는지?
        같은 비교를 통해 **“진짜 이상한 구간”**을 찾는 거야.
  3. 데이터만 보지 말고, 행동 패턴도 함께 보기
    • 세션 리플레이(Hotjar 같은 도구)
      • 사용자의 행동(스크롤·클릭·터치·전환·이탈)을 녹화처럼 저장해, 그걸 다시 재생해서 보는 분석 기능
      • 왜 이탈했는지 원인을 직접 눈으로 확인할 수 있는 도구
    • 히트맵, 클릭맵
    • 폼 이탈률(입력하다가 포기하는 필드)

한 줄 요약:
그로스 퍼널에서 문제점 찾기는 “어디서 사람들이 더 이상 안 움직이는지”를 찾는 과정이다.

 

 

4. 문제에서 원인 찾기: 데이터만 보면 안 되는 이유

여기서 많은 마케터들이 하는 실수는 “전환율 낮네 → UX가 별로인가봐” 하고 바로 결론 내버리는 거야.

그로스 관점에서는, **“문제(전환율↓) → 가설(왜 그럴까?) → 검증(정량+정성)”**까지 가야 해.

 

[원인을 찾는 3가지 축]

  1. 정량 데이터 (숫자)
    • 디바이스별, OS별, 브라우저별, 채널별 전환율 비교
    • 특정 버튼/페이지 진입 비율
    • 이탈 페이지 Top 5
  2. 정성 데이터 (사람의 이야기)
    • 고객 인터뷰, 설문
    • 고객센터/VOC, 리뷰, 커뮤니티 반응
    • “왜 구매를 망설였는지?”에 대한 답변
  3. 경쟁사/레퍼런스 벤치마크
    • 우리만의 문제인지, 업계 전반 문제인지
    • 경쟁사는 어떤 정보 구조, 카피, 혜택을 주는지

예시: “장바구니 → 결제 전환율이 낮다”의 원인 탐색

  • 정량:
    • 모바일에서 이탈률 특히 높음
    • 결제 단계에서 페이지 로딩 시간↑
    • 비회원 구매 vs 회원 구매 중 하나가 특히 낮음
  • 정성:
    • 후기: “배송비가 너무 늦게 보여서 뒤늦게 알게 된다”
    • CS: “쿠폰 사용법이 헷갈린다” 문의 많음

➡ 여기서 도출되는 가설 예:

  • 배송비 정보가 결제 직전에만 보여서 이탈이 난다
  • 쿠폰 적용 구조가 복잡해서 가격이 명확하게 안 보인다

이제야 비로소 **“무엇을 실험해야 하는지”**가 명확해진다.

 

 

5. 목표 설정 & OMTM: 지금 이 시기에 가장 중요한 ‘한 개의 숫자’

그로스 팀이 하는 일의 본질은 **“무한히 많은 지표 중에서, 지금 회사가 가장 신경 써야 할 단 하나의 지표(OMTM)를 고르고, 그 숫자를 올리는 데 집중하는 것”**이야.

 

[OMTM(One Metric That Matters)란?]

  • 지금 이 단계의 회사/프로덕트 상황에서 가장 중요한 한 개의 지표
  • 모든 실험, 캠페인, 리소스가 이 지표를 올리기 위해 존재
  • 시기별로 바뀔 수 있음
    • 초기: Activation Rate (가입 후 첫 핵심 행동까지 가는 비율)
    • 성장기: Retention 또는 LTV
    • 수익화 단계: ARPU / 매출
    • 제품 초기: NPS, 핵심 기능 재사용률

[OMTM 정하는 방식]

  1. 사업 단계와 문제를 먼저 본다
    • 유입은 잘 되는데 유저가 안 정착한다 → Retention 관련 OMTM
    • 활성 유저는 많은데 돈은 안 번다 → Revenue / 유료 전환 관련 OMTM
  2. 그로스 퍼널에서 ‘병목 단계’를 찾는다
    • 퍼널 분석 했을 때, 가장 급하게 고쳐야 할 곳이 OMTM 후보
    • 예:
      • 유입 → 회원가입 5% (너무 낮음)
      • 회원가입 → 첫 행동 10%
      • 첫 행동 → 재방문 60%
    • 이 경우, **Activation이 병목 → “회원가입 후 첫 핵심 행동 전환율”**을 OMTM으로 잡을 수 있음
  3. OMTM을 수식/정의로 명확하게 적어본다
    • 예:
      • “최근 7일 내 신규 가입자 중, 가입 후 24시간 안에 ‘X 기능’을 1회 이상 사용한 비율”
      • “장바구니에 담은 사람 중 결제를 완료한 비율”

[예시]

상황: 이미 유입은 많고, 광고비도 많이 쓰고 있음. 그런데 매출이 빠르게 안 늘고 있음.
퍼널 분석 결과:

  • 유입 → 방문: 괜찮음
  • 방문 → 장바구니: 괜찮음
  • 장바구니 → 결제: 매우 낮음

이때 OMTM으로 이렇게 정할 수 있음: 장바구니 담기 후 24시간 내 결제 완료율

 

그리고 그에 맞는 실험을 설계:

  • 장바구니 푸시 알림 발송
  • 장바구니 페이지에 “최근 본 상품·리뷰·혜택” 추가
  • 배송비/최종 가격을 더 빨리 보여주기
  • 쿠폰 자동 적용 기능 도입

모든 실험은 결국 OMTM 숫자를 올렸는지/내렸는지로 평가하는 거야.

 

3) LTV (Lifetime Value): 고객 한 명의 가치

LTV는 특정 고객이 우리 브랜드와 관계를 유지하는 동안 얼마나 많은 돈(=수익)을 남기는지를 계산한 지표다. 단순 매출이 아니라 순이익 관점이 중요.

LTV > CAC(고객 획득 비용) 이라면 광고해도 됨.
LTV < CAC 라면 광고할수록 손해.

계산방법

정답 공식은 하나가 아닌, 비즈니스 모델에 따라 다르게 계산.

 

(1) 매출 기반 LTV

가장 단순한 방식 (쇼핑몰·구독 초기에 많이 사용)

 

LTV = 평균 구매액 × 평균 구매 횟수

 

 

예)

  • 1회 구매 평균 = 3만원
  • 연간 평균 구매 횟수 = 4회
    ➡ LTV = 3만원 × 4 = 12만원

단점: 비용, 유지 비용, 할인, CAC를 반영하지 않음

 

(2) 순이익 기반 LTV

비용까지 고려하는 방식 → 실제 마케팅 ROI 판단 가능

  • ROI :
    • Return On Investment; 투자 대비 수익률
    • ROI = (수익 - 비용) / 비용 x 100 %
    • ROI가 높을수록 광고/투자가 효율적
    • 예) 
      • 광고비: 100만원 / 광고로 발생한 매출: 300만원 / 원가 제외 수익: 200만원
      • ROI = (200/100)x100 = 200% 
LTV = (평균 구매액 × 구매 횟수 × 이익률) – 유지비용

 

  • 이익률 = 제품/서비스 판매 후 남는 순이익 비율. 마진율
  • 유지비용 = 고객 1명을 유지하기 위해 드는 비용
    • 예시) CRM 비용, 배송비 지원, 쿠폰, 구독 관리 비용(서버/개발비), CS 비용(인력비) 등

 

예)

  • 평균 구매액 3만원
  • 연간 구매 4회
  • 이익률 40%  
  • 유지비용 1만원  

➡ 3만 × 4 × 0.4 – 1만 = 3.8만

이 방식이 마케팅 비용 투입 결정에 더 정확

 

(3) 예측 기반 LTV(Predictive LTV)

SaaS·앱·구독에서 자주 사용

(SaaS : Software as a Service; 구독형으로 사용하는 소프트웨어 서비스로 PC에 깔고 구매하는 것이 아닌, 로그인만 하면 웹/앱에서 바로 사용가능하며 매달/매년 요금만 내는 형태. Notion / Figma/ Zoom 등)

  • D7/D30 리텐션
  • 구독 이탈률(Churn Rate)
  • ARPU/구매주기 기반
LTV = ARPU / Churn Rate

 

  • ARPU : Average Revenue Per User. 사용자 1명당 평균 매출
    • ARPU = 총 매출 / 총 사용자 수

예) 월 ARPU가 10,000원이고 월 이탈률이 5%라면
➡ LTV = 10,000 / 0.05 = 200,000원

📌 리텐션과 이탈률이 핵심
→ 그래서 D1~D30 리텐션 분석이 중요해지는 것!

 

중요 이유?

  • 신규 고객을 데려오는 비용은 점점 비싸진다.
  • 따라서 “기존 고객을 유지하는 전략(리텐션)”이 더 효율적이다.
  • SaaS, 구독, 이커머스 모두 LTV를 기준으로 마케팅을 설계한다.

LTV를 높이는 대표 전략

  • 리필 주기 맞춤 푸시 메시지
  • 구독 할인
  • VIP 전용 혜택
  • 크로스셀링(연관 상품 추천)
  • 업셀링(상위 모델 유도)

 

4) Cohort(코호트): 같은 시점의 고객을 비교 분석

코호트 분석은 같은 시점·특성을 가진 고객 그룹을 나누고, 이후 행동 변화를 추적하는 방법

이 방식은 고객군의 성향 차이를 발견하는 데 핵심적

 

예) 3월 첫 구매 고객 vs 4월 첫 구매 고객

  • 3월 고객은 재구매가 높다 → 콘텐츠/상품 가치 이해 기반 유입
  • 4월 고객은 재구매가 낮다 → 할인 이벤트 유입(가격 민감층)

즉, 코호트 분석은 ‘고객 세그먼트별 전략 차별화’를 가능하게 함

 

코호트 분석이 주로 쓰이는 분야

분야 목적/예시
앱·웹 서비스 (SaaS, 플랫폼) 가입 날짜별, 설치 날짜별 초기 사용자의 리텐션 추적
이커머스·쇼핑몰 첫 구매 시점별 코호트에서 재구매율, 구매주기 분석
구독 서비스(OTT, 음원 등) 구독 시작 월별 코호트의 구독 유지율, 해지율 분석
게임 출석률, 결제 패턴, 업데이트 후 사용자 변화 추적
마케팅 캠페인 특정 광고에 유입된 유저들의 잔존율과 구매율 비교

코호트 분석 방법 (단계별)

Step 1) 코호트 기준 정하기

목적에 따라 기준 상이

  • 가입일 기준
  • 첫 구매일 기준
  • 캠페인 유입 기준
  • 앱 설치 기준

Step 2) 기간 단위 설정

  • 일 단위 (D1, D7, D30 등)
  • 주 단위 (W1, W2…)
  • 월 단위 (M1, M2…)

Step 3) 시간 흐름에 따른 행동 측정

대표 지표:

분석  지표예시
리텐션율 D1(다음날), D7(일주일 후) 잔존
전환율 무료 유저 → 유료 전환
구매율 재구매 비율, 객단가 변화
이탈률 구독 해지, 앱 삭제

 

코호트 분석 시 자주 쓰는 데이터 테이블 예시

이렇게 비교하며 어떤 달에 들어온 사용자들이 더 오래 남는지 확인

가입월 M1 리텐션(%) M2 M3 M4
2025.01 60% 35% 20% 8%
2025.02 55% 32% 18% —

코호트 분석에 많이 사용하는 툴

마케팅/데이터 분석 툴

툴 장점
GA4 (Google Analytics) 앱/웹 유저 리텐션 코호트 바로 리포트 가능
Amplitude 제품 개선 중심, 행동 기반 코호트 분석에 강력
Mixpanel 퍼널·리텐션 결합 분석이 뛰어남
Adobe Analytics 대형 기업용 고급 분석

SQL 기반 분석 (DB 직접 조회)

도구 분야
BigQuery GA4 데이터 분석 + SQL
Redshift 대규모 데이터 처리
Snowflake 클라우드 데이터 웨어하우스

 

5) Retention: 돌아오게 만드는 힘

리텐션: 서비스나 제품을 일정 기간 안에 다시 사용한 고객의 비율
고객이 ‘다시 안 오는 이유’를 해결하는 것이 리텐션 마케팅

경제학적으로 보면, 리텐션을 높이면 고객 유지 비용이 신규 획득 비용보다 훨씬 낮게 들며, 이를 통해 기업의 총 이익이 커짐

 

주요 리텐션 전략 예시

업종 전략
이커머스 장바구니 리마인드, 재구매 쿠폰
SaaS 온보딩 튜토리얼, 무료 기능 제한
앱 서비스 푸시 알림, 레벨/포인트, 게임화

 

중요한 점: 리텐션은 UX 개선 없이는 절대 올라가지 않음 
=> 마케팅 메시지만 바꾸는 것이 아니라 서비스 경험 그 자체를 고쳐야 함

 

리텐션을 높이는 UX 개선 방법

1) 온보딩(Onboarding) 개선

 

온보딩 ?

  • 처음 사용자가 “이 서비스는 나에게 가치 있다”라고 느끼게 만드는 과정
  • 새로운 사용자가 처음 서비스에 들어왔을 때, 서비스의 가치를 빠르게 이해하고 계속 쓰도록 안내하는 과정

 

UX 개선 예시

  • 핵심 기능을 직접 체험하게 해주기 (튜토리얼 버튼이 아니라 실제 사용)
  • 가입 즉시 개인화된 추천 제공
  • 복잡한 절차는 건너뛰기 / 나중에 하기 버튼 추가
Bad Onboarding XXXXX  Good Onboarding OOOOO
10페이지 설명 서비스 “직접 체험" 유도
글/튜토리얼 위주 사용자가 눌러보게 함
모든 기능 소개 핵심 기능만 보여줌
가입만 시키고 끝 즉시 혜택/가치 제공

 

실무 팁:
GA4 → Onboarding Funnel → 어디서 이탈하는지 찾기
→ 그 단계 UI 개선 + 스킵 버튼 추가만으로 리텐션 증가

 

2) 사용자의 목표를 빠르게 달성

 

사용자가 “찾고 싶은 정보” “원하는 행동”을 빠르게 할 수 있어야 함

 

UX 개선 예시

  • 검색어 자동완성 + 최근 검색 기록
  • 이커머스: 배송일, 재고, 리뷰 위치 상단 고정
  • SaaS: 반복 작업을 자동 저장 / 자동 완성

실무 팁:
Heatmap(히트맵: Hotjar, Clarity)으로
→ 클릭 많이 발생하는 UI 위치에 CTA(주요 버튼) 옮기기

 

3) 가치 제공 시점 앞당기기

 

“기다리지 않고 바로 즐거움/혜택”을 제공

 

UX 개선 예시

  • 앱 실행 시 오늘의 포인트 지급
  • 첫 가입 시 무료템/보상 제공
  • SaaS 무료 플랜에 부분 기능 개방 → 핵심 기능만 제한

실무 팁:
GA4 Event 분석 → 사람들이 가장 자주 쓰는 기능을 무료 공개 + 확장 기능만 유료

 

4) 유저가 스스로 ‘계속해야 하는 이유’ 만들기 (습관화 UX)

 

지속 사용을 유도하는 보상 + 진행 기록 + 커넥션

 

UX 개선 예시

  • 연속 로그인/사용 스트릭( 3일 연속 이용 보상)
  • 레벨, 경험치, 배지(게임화)
  • 구독 서비스: “이달 소비 통계/ 요약 리포트 제공”

실무 팁:
UX Writing 중요!
예:
“포인트 받기” → “오늘도 23원 벌기 ”
“레벨 조회” → “너는 상위 8% 유저! ”

 

5) 문제 해결 UX(Help UX)

막히지 않아야 계속 쓴다 (특히 SaaS, 금융, 전문 서비스)

UX 개선 예시

  • 검색형 FAQ, 챗봇, 실시간 고객센터 연결
  • 도움말 Tooltips (=기능 위에 마우스 올리면 설명)
  • 예시 템플릿 제공

실무 팁:
고객 문의 데이터를 분류 → 반복 문의 상위 10개 → UI 개선 or 자동화

 

6) North Star Metric (NSM, 노스스타 지표) 북극성 지표

North Star = 북극성
→ “길을 잃지 않게 해주는 하나의 별”

사용자가 서비스에서 경험하는 핵심 가치(Value)를 가장 잘 드러내는 단 하나의 지표

 

즉, 유저에게 가치를 주면 자동으로 증가하는 지표, 성장하면 매출도 함께 성장하도록 설계된 지표

    •  

중요 포인트

  • “매출” 같은 결과가 아니라,
    → 그 매출을 만들어내는 ‘가치 사용량’
  • 회사의 모든 팀을 하나의 방향으로 움직이게 함
    → PM, 개발, 디자인, 마케팅, 영업까지 모두 같은 목표

북극성 지표가 중요한 이유 

이유 설명
방향성을 한 곳으로 묶어줌 모든 팀이 같은 목표로 움직임
장기 성장을 유도 단기 매출보다는 “유저 가치”에 집중
데이터 기반 의사결정 가능 무엇이 효과적인지 실험과 측정 가능
우선순위 판단 기준이 됨 어떤 기능/캠페인부터 해야 하는지 명확

"무엇을 먼저 할까?"라는 질문에 대한 기준점이 됨.

 

NSM을 잘 정하는 기준

체크리스트 설명
1) 사용자 가치와 연결되는가? 유저가 활용하는 “가치” 있어야 함
2) 반복 사용 증가를 반영하는가? 일회성 성장이 아닌 “습관화” 반영
3) 장기 매출과 연관되는가? NSM이 올라가면 매출도 자연스럽게 증가
4) 팀 전체가 영향을 줄 수 있는가? 마케팅만, 개발만 아닌 모두가 기여 가능
5) 측정/추적 가능한가? 데이터 수집 기술적으로 가능해야 함

 

업종/서비스별 NSM 예시

서비스 NSM 예시
Netflix, Disney+ (OTT) 유저별 월간 시청 시간
Spotify, 멜론 총 음악 청취 시간 or 활성 청취자 비율
배달앱 (배달의민족, 요기요) 완료된 주문 수
이커머스 (쿠팡, 네이버 쇼핑) 월간 구매 고객 수
카카오톡 등 메신저 DAU당 메시지 전송 수
SaaS (Notion, Slack 등) 유저당 핵심 기능 사용량 (예: Slack 메시지 수)
교육 앱(토스잉글리시, 듀오링고) 학습 완료 세션 수, 연속 학습 유지율
핀테크(토스, 뱅크샐러드) 사용자의 금융 활동 수행 횟수

포인트: ******NSM = 매출을 만들게 하는 행동********

🚨 NSM을 잘못 정한 사례 + 문제점

잘못된 NSM문제
회원가입 수 가입만 하고 안 씀 → 리텐션 0
앱 설치 수 설치 후 바로 삭제해버림
총 매출 할인/프로모션으로 일시적 왜곡
유입 수 광고비만 늘어남 → 품질 저하

예시:
🔻 앱 설치 수를 NSM으로 잡으면 → 마케팅이 설치만 늘리는 데 집착
➡ 정작 사용자들은 이탈 → LTV↓ → 회사 손해

 

NSM을 만드는 실전 흐름

퍼널 전체를 보고 → 핵심 가치 행동을 찾고 → NSM으로 선정

과정 예시

Step 1) 해적지표(AARRR) 퍼널로 전체 흐름을 본다

→ 가입, 활성, 리텐션, 매출, 추천까지

Step 2) 사용자에게 “가치를 주는 행동” 정의

  • 시청, 재생, 결제, 주문, 학습 등

Step 3) 가치 행동이 반복될 때 매출이 증가하는지 확인

  • 반복 → 습관 → 리텐션 → LTV → 매출 증가

Step 4) 이 가치 행동을 수치화하여 NSM 설정

 

실무 예시: 배달앱 NSM 만들기

1) 사용자 가치 = “편하게 음식을 주문한다”

2) 가치 행동 = “주문하여 배달을 받는다”

3) 반복될수록 매출 증가

4) NSM 후보

  • 사용자당 월간 주문 수
  • 완료된 총 주문 수
  • 활설 주문 고객 수

최종 NSM: 완료된 주문 수

 

'공부 & 프로젝트 > 프로젝트 및 스터디' 카테고리의 다른 글

이것만 보면 데이터 마케팅에 대한 정보는 끝 !  (1) 2025.12.05

관련글

티스토리툴바