[AARRR] Activation

Activation단계의 핵심은, Funnel에 대한 분석

전환율 측정방법
추천하는 전환율 측정방법은
상품을 본 이후 결제한 고객의 수/ 상품을 보기만 한 고객의 수(다시 말해 결제로 넘어가지 않은 사람) 방법을 추천

 

코호트를 나누어 보는게 중요. 고객을 다양한 세그먼트로 나누어서 보기.
예컨대
 1)모바일과 pc에 따라 결제비율이 다른지?
 2) 특정 액션을 했는지 여부

세그먼트를 나누는건 자유롭게 나누지만)
추천하는 방법 중 하나는 이벤트!!를 했는지 안했는지 여부 (ex. 퀵뷰 클릭)

 

이탈의 원인 밝히기
데이터분석과 인터뷰
정량데이터는 what은 알려주지만 why를 알아내기 힘든 반면
사용자 인터뷰를 진행하면 why를 알 수 있다.

일반적으로 코호트에 따른 전환율 비교하게 되지만
튜토리얼을 끝낸 유저와, 그렇지 않은 사용자의 전환율은 다른가?

이걸 역순으로 할 수 있음.
전환한 사용자와 전환하지 않은 사용자는 뭐가 다른지?

퍼널분석정리
개별 퍼널의 최적화 중요하지만-> 전체 퍼널의 최적화로 이어지지 않는 경우가 있음.
전환율을 높이는 것보다, 스테이지를 줄이는게 효과적인 경우도 있음(사실 매우 많음)

코호트에 따른 차이와 그 원인을 파악하는게 핵심.
이 퍼널의 전환율이 높은 그룹과 낮은 그룹은 무슨 차이가 있는건지?
우수고객과 그렇지 않은 고객은 어떤 행동이 다른거지?

퍼널개선하기
개인화

규칙에 따라 추천하는 rule-base recommendation도 초기에는 굉장히 잘 작동함.
예컨대 남성에게는 이런 푸시를 보내고? 이런 채널을 통해 들어온 사람은 이런 이벤트? 쿠폰?을 주고 하는 방법

 

UI/UX

UI Redesign은 전환율을 변화시키기 위한 대표적인 독립변수(증가가 아니라 변화라고 쓴 부분에 유의) 더 나빠질 수 있기 때문

적절한 개입
이메일, 푸시, 인앱메시지 등을 이용한 use flow 개입
맥락을 잘 정의한다면 굉장한 효과를 볼 수 있지만, 잘못 사용하면 사용자를 떠나보내는 양날의 검

타겟팅이 잘 된 푸시나 이메일의 경우, 논-타겟팅 푸시 이메일 대비 5배 이상의 성과
uninstall 등의 부수효과를 고려하면 10배의 성과 차이를 만든다고 해도 과언이 아님
전체푸시, 전체이메일은 진짜.진짜.진짜.진짜.진짜. 보수적으로 보낼 것.