퍼널 최적화 전략
제품 내 공들여 만든 기능을 출시하면, 출시하자마자(배포도 아직 100% 안되었을 텐데도) 설레는 마음으로 데이터를 살핀다. 가장 먼저 이 기능을 얼마나 사용하는지 알기 위해 ‘사용율’을 살피고 그 해상도를 좀 더 높여 해당 기능 사용까지의 ‘퍼널별 전환율’을 살핀다.
첫 출시에 바로 만족스러울만한 사용율을 얻기란 쉽지 않다. 어떻게 해야 높은 사용율을 얻어낼지 기획 단계에서부터 충분한 고민이 필요하지만 어차피 ‘좋은 사용성’이라는 시험대에서 채점은 유저들의 몫이기에 오래 고민을 끄는 것보다는 일단 출시를 하고 데이터로부터 시드를 얻는 것이 좋다. 유저의 여정, 제품 내 퍼널의 어느 단계에서 유저 이탈이 심한지 찾고 그 이유가 무엇인지 찾아 문제를 정의하고 개선한다. 이것이 일반적으로 이야기하는 퍼널 최적화이다. 퍼널 최적화는 요컨대 ‘유저의 제품 내 특정 전환율 증진’을 위한 하나의 방법인 셈이다.
제품 그로스와 관련해서 책으로 공부하기보다는 직접 몸으로 부딪쳐보며 지식을 체득해 온 나로서는 퍼널 최적화에 어떠한 대표 전략들이 있는지 잘 모른다. 여러 그로스 경험들을 돌아봤을 때, 접근이 크게 2가지로 나뉜다고 생각한다.
진입률 높이기: 해당 기능 화면까지의 진입률(퍼널 유입량)을 높이는 방향
진입 이후 전환율 높이기: 해당 기능 내에서의 전환율(퍼널 내 전환율, 완수율)을 높이는 방향
둘은 어느 정도 서로에게 영향을 끼친다. ‘진입률’이 높으면 그 기능에 관심이 없는 유저들까지도 섞여 있을 수 있기 때문에 ‘진입 이후 전환율’이 낮을 수 있다. 반대로 ‘진입률’이 낮다는 건 소수의 유저들이 그 기능을 공들여서 찾아 진입했다는 의미이기 때문에 ‘진입 이후 전환율’이 높을 수 있다.
대부분의 기능들은 출시 직후 ‘진입률’이 낮다. 유저들이 인지하지 못할 가능성이 크고 설령 인지하게 되더라도 많이 낯설기 때문이다. 그렇기에 ‘진입 대비 전환율’은 좀 더 보수적으로 해석하는 것이 좋다. 새로운 기능에 관심이 많은 소수 정예 유저들이 만들어낸 전환 값이기 때문에 거품이 껴있을 수 있다.
진입률과 진입 이후 전환율, 둘 중 뭘 먼저 챙기는 게 좋을까?
기능에 대한 안정성 체크가 필요하거나, 유저 피드백을 통해 더 탄탄하게 기능을 고도화하고 싶다면 진입 이후 전환율을 먼저 챙기는 것이 좋다. 소수 정예의 초기 유저들을 만족시킨 이후에 더 많은 유저들에게 다가가면 된다. 이와 별개로 초기 데이터를 봤을 때 뒤 퍼널 구멍이 지나치게 크다면, 당연히 진입 이후 전환율을 먼저 챙겨야 할 것이다.
그 외의 경우는 무조건 진입률을 높이는 것이 중요하다. 맛있는 요리를 준비했는데, 맛깔나게 먹어줄 손님이 없으면 어떡하나. 기능의 존재 목적을 생각해도 진입률이 중요하지만 임팩트 관점에서도 그러하다. 해당 기능 사용율에 끼치는 영향의 크기가 훨씬 크다. 진입 이후 전환율 증대로 1.2~1.5배의 그로스를 할 수 있다면 진입률 증대로는 10배도 충분히 가능하다.
진입률 증대
신규 기능을 출시할 때 그 기능을 제품 내 어디에 위치시킬지 결정을 해야 한다. 이 때는 기능 사용율을 우선적으로 고민해서 결정하기보다는 전체 제품 내 정보 구조 및 위계를 해치지 않는 방향으로 결정하기 마련이다. 기능들이 많아짐에 따른 인지 부조화를 방지하기 위함이기도 하고 제품 안에서 유저들이 길을 잘 찾아 여러 기능들의 전반적인 사용율이 건강해질 수 있기 때문이기도 하다.
특정 기능의 진입률을 높이기 위해 해당 기능의 위치를 옮기는 것도 방법이지만 이는 인지 부조화 등의 부작용이 클 수 있어 조심스럽게 접근해야 한다. (하지만 인지 부조화 없이 10배 개선했던 사례 — 기능의 위치 조정으로 무료체험 10배 늘리기) 위치를 옮기는 방법 외에 진입률을 올릴 수 있는 전략은 엔트리 전략이다. 해당 기능으로 바로 랜딩되는 지름길을 만드는 것이다. 엔트리 전략도 2개로 나눠볼 수 있다
A. 홈 엔트리 : 뭉툭하지만 노출량을 극대화하는 엔트리
B. 넛지 엔트리 : 노출량은 적지만 뾰족한 엔트리
각 엔트리 전략들에 대한 내용은 후속 글(전환 10배 높여주는 치트키, 자연스러웠어…! 제품 내 PPL)로 나눠서 다뤄볼 예정이다.
진입 이후 전환율 증대
여기서부터는 각 상황에 따라 정의된 문제가 무엇인지가 중요해진다. 이 단계에서 왜 이탈했을까? 에 대한 답은 보편적으로 내리기 어렵다. ‘이해가 안되어서’, ‘단계가 길어서’, ‘필요가 없다고 느껴져서’ 정도가 그나마 보편적인 이유들일 것 같다. 하여 어떤 문제들을 해결했는지 보다는, 재밌는(?) 방법으로 퍼널을 개선했던 사례들을 공유하는 것이 좋을 것 같다.
A. 퍼널 순서 바꾸기: 단순히 순서만 바꿔서 전환율 높이기
B. 퍼널 개수 늘리기: 설득력을 더해주는 퍼널을 ‘추가’하여 전환율 높이기
C. 퍼널 구조 뒤집기: 최종 전환 CTA를 가장 첫 퍼널에 위치시키기
D. 퍼널 구멍 없애기: 이탈률을 개선하는 게 아니라 기획을 바꿔서라도 그 단계를 아예 없애버리기
마찬가지로 위 사례들은 별도의 글로 다뤄볼 예정이다.
‘퍼널 최적화’라는 꼭지로 전략을 세분화해서 연역식으로 접근했던 것이 아닌데, 귀납적으로 돌아보니 위와 같이 깔끔하게 정리가 되었다. 하긴 구독 그로스 전략들도 구매 화면 진입률을 높이는 방향과 진입 대비 전환율을 높이는 방향으로 나눠서 그루핑이 되겠다. 우리 스쿼드는 이제 구독에 국한되지 않고 점점 제품 전반에 관여하는 기능들로 도메인 커버리지를 넓혀가고 있다. 그 경험 속에서 퍼널 최적화 전략은 더 탄탄해지고 다채로워질 것이다.
기대해 주세요!
마지막으로, 딜라이트룸에서 알라미와 함께 아침을 바꿀 분들을 모십니다 ⏰
>> 여기서 지원하면 입사 축하금이 100만원 👀 <<
알라미 팀 채용
Editor 선미’s comment
이 글의 원문은 딜라이트룸(알라미) 테크 블로그에 업로드 된 “퍼널 최적화 전략”입니다.
흔히 퍼널 분석이라고 하면 퍼널 진입 이후 전환율에 대해서만 생각하게 되는데요. 서승환님의 글은 퍼널에 사용자가 얼마나 유입되는지, 즉 퍼널의 진입점이 더 중요할 수 있다는 관점을 보여줍니다. 그야말로 실무 경험에서 나온 조언이죠. 제품 전반의 성장에 대해 생각을 하다보니 특정 기능의 전환율을 최적화보다, 기능 임팩트의 절대적인 크기를 최대화하려면 어떻게 해야할까를 실무를 하면서 많이 고민하시는 것 같아요. 
시리즈의 후속 글에서 진입률 증대를 위해 어떤 전략을 사용할 수 있는지, 실제로 알라미에서 성과를 거둔 방법은 무엇인지 사례를 기반으로 얘기를 해주시니까 후속 글(전환 10배 높여주는 치트키, 자연스러웠어…! 제품 내 PPL)도 꼭 읽어주세요.


대표 이미지

예상 읽기 시간

공개 가능

제목

요약

전환 텍스트

작성일

conversion_type

시리즈 내 순서

conversion_text

멤버 전용

글쓴이

시리즈

상단 노출

전환 유형

오히려 뎁스를 하나 더 두는 편이 전환율 측면에서 나을 수도 있다.

퍼널은 줄일수록 좋은걸까?

공짜로 주는데 왜 받질 않는거니

유저들은 공짜 선물을 싫어한다

그로스 해킹 방법론에 입각한 알라미의 구독 지표 모니터링

그로스 팀의 지표 미팅 (1) 구독 지표 모니터링

알라미 구독 지표 개선을 이끌어낸 지표 모니터링 사례

그로스 팀의 지표 미팅 (2) 구독 지표 개선을 이끌어낸 모니터링 사례

적절하지 못한 할인 전략은 오히려 전체 매출 하락으로 이어질 수 있다.

할인은 제공하면 무조건 이득이다?

제품 내 유저들의 수많은 여정 속에서 임팩트 있는 문제를 발굴하고 정의하는 것이 PO 역량의 출발점이라고 생각한다.

16배 성장을 이끌고도 패배한 실험

진입률과 진입 이후 전환율, 둘 중 뭘 먼저 챙기는 게 좋을까?

퍼널 최적화 전략

신규 기능들은 초반에 어느 정도의 진입률을 보일까? 제품 코어 기능이 아니고서야 0.1%~0.5% 내에 있을 기능들이 대부분일 것이다.

전환 10배 높여주는 치트키

결과는 대단했다. 대조군 대비 많게는 16배까지도 전환율이 증대하였다.

자연스러웠어…! 제품 내 PPL

구매화면 노출 시점을 당겼을 때 온보딩 구매화면 방문율은 15% 늘어나는 데에 그쳤지만 방문 대비 전환율은 80% 가까이 증대했다

첫 구독 유도의 중요성

신규 유저 리텐션 1% 증분과 구독 전환율 1% 증분의 가치를 서로 비교해 보았다

리텐션을 고려한 첫 구독 유도의 중요성

‘어떤 이탈 방식’이 최적일지 테스트를 해보기로 했다

퍼널 최적화 전략

Contents

데이터 분석 소식을
매월 받아보세요

⏰ 딜라이트룸(알라미) 데이터 분석 사례 모아보기

함께 읽어보면 좋은 글

코호트 분석 Cohort Analysis

데이터 실험으로 성과를 만드는 방법

A/B 테스트를 실패해도 괜찮은 이유

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

퍼널 최적화 전략

Contents

데이터 분석 소식을 매월 받아보세요

⏰ 딜라이트룸(알라미) 데이터 분석 사례 모아보기

함께 읽어보면 좋은 글

코호트 분석 Cohort Analysis

데이터 실험으로 성과를 만드는 방법

A/B 테스트를 실패해도 괜찮은 이유

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요