모바일 마케팅 분석

확보 지표: 도달 범위와 비용 효율성 측정

확보 지표는 앱 다운로드, 모바일 웹사이트 방문 등 사용자가 모바일 에코시스템으로 유입되는 방식, 그리고 이러한 활동과 관련된 비용에 중점을 둡니다.

• 설치/다운로드: 모바일 앱의 경우 설치 또는 다운로드 수가 최초 진입점 지표 역할을 합니다. 이는 가장 기본적인 지표입니다. 여기서 중요한 사실은 맥락을 파악해야 한다는 것입니다. 설치 횟수가 높다고 해서 앱이 성공했다고 단정할 수는 없습니다. 빠르게 이탈하거나, 활발하게 이용하지 않는 사용자가 많을 경우 특히 그렇습니다.

• CPI(설치당 비용) 및 CPA(확보당 비용): 이 지표는 사용자 확보 캠페인의 비용 효율성을 정량화합니다. CPI는 한 건의 신규 앱 설치를 유도하는 데 발생한 평균 비용을 나타내며, 총광고비를 해당 지출에 기인한 설치 횟수로 나누어 계산합니다. CPA는 단순한 설치를 넘어 사용자 등록, 온보딩 절차 완료, 최초 구매 등 특정 행동과 관련된 비용을 측정합니다. CPI와 CPA는 모두 다양한 광고 채널과 캠페인의 재무 성과를 평가하는 데 필수적입니다.

• CAC(고객 확보 비용): CAC는 유료 고객을 확보하는 데 특히 중점을 둠으로써 확보 비용에 대한 보다 전체적인 관점을 제공합니다. 정해진 기간 동안의 총 세일즈 및 마케팅 비용(급여, 간접비, 광고비 등 포함)을 해당 기간에 확보한 신규 유료 고객 수로 나누어 계산합니다. CAC는 확보한 모든 사용자(설치 또는 초기 행동)가 수익을 창출하는 것은 아니라는 사실을 고려하기 때문에 일반적으로 CPI나 CPA보다 높습니다. 이는 확보 지출을 수익 창출 잠재력과 직접적으로 연계합니다.

 
참여 지표: 사용자 상호 작용 측정

사용자를 확보한 후에는 참여 지표를 통해 사용자가 모바일 앱 또는 웹사이트와 얼마나 활발하고 빈번하게 상호 작용하는지를 측정합니다. 높은 참여도는 수익 창출과 장기적인 고객 유지로 이어지는 경우가 많습니다.

• DAU(일일 활성 사용자) 및 MAU(월간 활성 사용자): DAU는 특정 날짜에 앱과 상호 작용하는 순 사용자 수를 나타내며, MAU는 30일 동안의 순 사용자 수를 측정합니다. 이러한 지표는 활성 사용자 기반의 전체 규모와 앱의 일반적인 '고착도(stickiness)'를 나타냅니다. DAU와 MAU의 비율(보통 백분율로 표시)은 참여 빈도에 대한 인사이트를 제공합니다. 비율이 높을수록 사용자가 한 달 내에 정기적으로 더 많이 방문한 것입니다.

• 세션 길이 및 빈도: 세션 길이는 사용자가 한 세션 동안 앱 내에서 보내는 평균 시간을 측정합니다. 세션 빈도는 사용자가 특정 기간(예: 일별, 주별) 동안 얼마나 자주 새로운 세션을 시작하는지 추적합니다. 이러한 지표를 종합하면 사용자 상호 작용의 깊이와 규칙성을 측정할 수 있습니다. 일반적으로 세션이 길고 빈도가 높을수록 앱에 대한 사용자의 투자가 더 많아집니다.

• 유지율: 이 지표는 앱을 처음 이용한 후 특정 기간 후에 다시 앱을 재방문하는 사용자의 비율을 측정합니다(예: 1일차 유지, 7일차 유지, 30일차 유지). 높은 유지율은 기업의 지속 가능한 성장에 필수이며, 앱이 지속적인 가치를 제공하고 사용자가 계속해서 재방문함을 나타냅니다. 이는 제품-시장 적합성과 장기적인 생존 가능성을 나타내는 강력한 지표입니다.

• 이탈률: 이탈률은 유지율의 반대 개념으로, 정의된 기간 동안 앱 사용을 중단하는 사용자 비율을 나타냅니다. 높은 이탈률은 사용자 경험, 가치 인지 부족, 기술적 문제, 비효과적인 온보딩 등과 관련된 문제를 뜻할 수 있습니다. 견고한 사용자 기반을 유지하고 생애 가치를 극대화하려면 이탈을 최소화해야 합니다.

올바른 참여 지표는 실질적인 CLV(고객 생애 가치)를 달성하기 위한 필수 전제 조건입니다. 이는 향후 수익 창출 잠재력과 전반적인 비즈니스 상태를 나타내는 선행 지표 역할을 합니다. 참여 지표가 낮으면 초기 사용자 확보 규모나 비용 절감 등에 관계없이 낮은 CLV를 예측할 수밖에 없습니다. 따라서 사용자 참여 및 유지 개선에 초점을 맞춘 전략적 활동은 비록 작은 비율일지라도 장기적인 매출과 수익성에 긍정적인 영향을 미칠 수 있습니다.

수익 창출 지표: 매출 측정

수익 창출 지표는 모바일 마케팅 활동과 앱 자체의 재무 성과를 직접 추적하여, 사용자 기반이 얼마나 효과적으로 수익으로 전환되는지를 평가합니다.

• ARPU(사용자당 평균 매출): ARPU는 특정 기간 동안 발생한 총매출을 같은 기간의 총 활성 사용자 수로 나누어 계산합니다. 이는 유료 및 비유료 사용자를 모두 포함한 전체 사용자 기반에서 평균 매출 기여도에 대한 광범위한 측정치를 제공합니다.

• ARPPU(유료 사용자당 평균 매출): ARPPU는 구매를 하거나 재정적으로 기여하는 사용자가 창출하는 매출에 중점을 둡니다. 총매출을 유료 사용자 수로 나누어 계산합니다. ARPPU는 전환 사용자 세그먼트의 수익 창출 효과를 더 명확하게 파악하고 가치 있는 고객의 지출 패턴을 이해하는 데 유용합니다. ARPU와 ARPPU를 비교하면 수익을 창출하는 사용자의 비율을 파악할 수 있습니다.

• CLV(고객 생애 가치): CLV(또는 LTV)는 앱 또는 브랜드와의 전체 관계를 통해 기업이 평균 고객 한 명으로부터 창출할 수 있는 총 순 매출을 나타내는 예측 지표입니다. CLV를 계산할 때는 평균 구매 가치, 구매 빈도, 고객 수명(종종 유지율/이탈률에서 파생) 등을 고려합니다. 이는 초점을 단기적인 이익에서 장기적인 고객 관계와 수익성으로 전환하기 때문에, 지속 가능한 성장을 위한 가장 중요한 지표라고 할 수 있습니다. 성공적인 비즈니스 모델은 일반적으로 LTV가 CAC보다 훨씬 커야 합니다.

• ROAS(광고 투자 수익률): ROAS는 광고에 지출한 1달러당 발생한 총매출을 측정합니다. 광고 캠페인이 직접적으로 영향을 미친 매출을 해당 캠페인의 비용으로 나누어 계산합니다. ROAS는 특정 광고 활동의 수익성을 직접적으로 측정할 수 있으며, 일반적으로 전술적 캠페인을 최적화하는 데 사용됩니다.

일반적인 기여도 모델

기여도를 파악하기 위한 크레딧 할당 모델은 다양하며, 각 모델은 서로 다른 방식으로 채널 성과를 인식합니다.

• 첫 번째 접점 기여도: 사용자가 전환하기 전에 가장 먼저 상호 작용한 마케팅 접점에 크레딧을 100% 할당합니다.

• 마지막 접점 기여도: 전환 전 마지막 접점에 크레딧을 100% 할당합니다. 간편하다는 이유로 가장 많이 사용되어 왔지만, 초기 단계의 영향력 있는 상호 작용을 간과하는 경우가 많습니다.

• 다중 접점 기여도: 사용자 여정의 여러 접점에 크레딧을 분배합니다. 일반적으로 다음과 같은 분배 방식이 있습니다.

• 선형: 모든 접점에 크레딧을 동등하게 분배합니다.

• 시간 가치 하락: 전환 시점에 더 가까운 접점에 더 많은 크레딧을 부여합니다.

• U자형(위치 기반): 첫 번째와 마지막 접점에 더 높은 크레딧을 할당하고 나머지를 중간 상호 작용에 분배합니다.

기여도 모델을 선택할 때는 일반적인 고객 여정과 비즈니스 목표를 반영하는 것이 가장 이상적입니다. 하지만 실질적인 제약과 데이터 가용성이 모델 선택에 영향을 미치는 경우가 많습니다..

모바일 기여도 과제

모바일 환경에서의 기여도는 몇 가지 고유하고 중요한 해결 과제가 있습니다.

• 노출 기여도(VTA): 사용자가 광고에 노출(노출 횟수)된 후 클릭하지는 않았지만 전환이 발생한 경우, 기여도를 어떻게 평가해야 할까요? 광고 조회수가 행동에 영향을 미칠 수 있지만, 이 연결을 명확하게 측정하고 잘못된 상관관계를 피하는 것은 기술적으로 어려우며, 광고 네트워크와 MMP가 사용하는 특정 추적 방법론에 의존하는 경우가 많습니다. 적절한 기여 기간, 즉 광고를 본 후 전환으로 인정되는 기간을 결정하는 것도 복잡합니다.

• 디바이스 간 추적: 사용자는 여러 디바이스에서 브랜드와 자주 상호 작용합니다. 모바일 앱에서 발견하고, 데스크탑 웹사이트에서 조사하며, 나중에는 태블릿에서 전환할 수 있습니다. 이러한 상호 작용을 단일 사용자 여정으로 연결하는 일은 그리 쉽지 않습니다. 파편화된 사용자 식별자, 그리고 플랫폼 간(웹 쿠키 대비 모바일 광고 ID)에 추적 메커니즘이 다르기 때문입니다. 이로 인해 고객 경로에 대한 통합 관점을 확보하기 어렵습니다.

• 폐쇄형 네트워크 서비스: Meta, Google 등 주요 광고 플랫폼은 폐쇄형 네트워크 서비스로 운영됩니다. 이들은 자체 에코시스템 내에서의 사용자 활동에 대한 광범위한 데이터를 보유하고 있으며, 자체적인 내부 기여도 시스템을 활용하는 경우가 많습니다. 이러한 플랫폼에서 보고된 데이터는 기여도 논리, 조회 기간, 데이터 액세스의 차이로 인해, 타사 MMP에서 보고된 데이터와 다를 수 있습니다. 마케터는 종종 이처럼 서로 다른 보고서를 조정해야 합니다.

• 데이터 개인 정보 보호 규정: 이는 모바일 기여도가 직면한 가장 심각한 과제입니다. GDPR, CCPA 같은 개인 정보 보호 규정과 각 플랫폼이 시행하는 정책, 특히 Apple의 ATT(앱 추적 투명성) 프레임워크는 데이터 개인 정보 보호 및 모바일 분석 추적에 근본적인 영향을 미쳤습니다. ATT는 다른 회사의 앱과 웹사이트에서의 추적을 목적으로, 디바이스의 고유 IDFA(광고주 식별자)에 액세스하기 전에 앱이 명시적인 사용자 동의를 얻도록 요구합니다. 많은 사용자가 옵트아웃하기 때문에 사용자 수준의 결정론적 앱 간 추적을 위한 IDFA의 가용성이 급격히 감소했습니다. 이에 대응하여 Apple은 개인 정보를 보호하는 기여도 프레임워크인 SKAdNetwork를 도입했습니다. SKAdNetwork는 운영 체제에서 광고 네트워크로 직접 기여도 데이터를 제공합니다. 하지만, 이는 개별 사용자 수준의 데이터가 아닌 집계된 데이터입니다. 또한 전달이 지연되고, 전달하는 캠페인의 세분화 및 설치 후 이벤트 데이터의 양이 제한적입니다. 이는 iOS 캠페인에 대해 정확한 실시간 사용자 수준 기여도를 수행하는 데 큰 영향을 줍니다. 유사한 개인 정보 보호 고려 사항은 Android 광고 식별자(Google 광고 ID 또는 GAID) 및 브라우저 기반 추적에도 영향이 있습니다.

이벤트 추적

이벤트 추적은 앱 내에서 미리 정의된 사용자의 특정 행동이나 활동을 기록하도록 분석 플랫폼(예: Adobe Analytics)을 구성합니다. 버튼 클릭, 화면 보기, 스크롤 활동 같은 간단한 상호 작용부터 튜토리얼 완료, 장바구니에 항목 추가, 게임 레벨 완료, 콘텐츠 공유, 구매 성공 등 보다 중요한 마일스톤에 이르기까지, 추적할 가치가 있다고 여겨지는 모든 활동이 추적 대상이 됩니다.

포괄적인 이벤트 추적을 구현하면 사용자가 앱의 다양한 기능 및 콘텐츠와 상호 작용하는 방식에 대한 세분화된 데이터를 얻을 수 있습니다. 이를 통해 마케터와 제품 팀은 기능 채택률을 측정하고, 상세한 수준에서 사용자 참여 패턴을 이해하며, 주요 워크플로우의 진행 상황을 추적하고, 유지 또는 수익 창출과 연관된 특정 조치를 정확히 파악할 수 있습니다. 이 세분화된 데이터는 퍼널 분석, 사용자 흐름 분석 같은 더 정교한 분석의 원재료가 됩니다.

퍼널 분석

유입 경로 분석이라고도 불리는 퍼널 분석은 사용자가 앱 내에서 원하는 특정 목표 또는 전환 경로를 완료하기 위해 취하는 순차적인 단계를 시각화합니다. 사용자 등록 프로세스, e커머스 결제 흐름, 온보딩 튜토리얼 순서, 생산성 앱에서 핵심 작업을 완료하는 데 필요한 단계 등을 예로 들 수 있습니다. 이 분석은 각 단계를 성공적으로 완료하는 사용자 수를 측정하고, 연속적인 단계 간 전환율 또는 이탈률을 계산합니다.

퍼널 분석의 핵심 가치는 중요한 사용자 흐름에서 병목 현상과 마찰 지점을 파악하는 데 있습니다. 사용자가 프로세스를 포기하는 지점(특정 단계 간의 높은 이탈률)을 정확히 찾아 해당 단계를 개선 및 최적화할 수 있습니다. 예를 들어, 결제 퍼널에서 장바구니를 확인하고 결제를 시작하는 사이에 큰 이탈이 발생한다면 장바구니 화면의 디자인, 명확성, 사용 가능한 결제 옵션 등에 잠재적인 문제가 있다는 신호입니다.