Let's Start Funnel Analysis
우리 서비스나 영업 채널이 경쟁 업체에 비해서 어느 정도의 성과를 거두고 있는지 궁금하신가요? 사용자들이 우리 서비스를 이용하다가 어디서 이탈하는지 궁금하지 않으세요? 바로 퍼널 분석을 통해서 이러한 문제를 진단하고 어디서부터 개선해야 할지 판단할 수 있습니다. 여러분들이 매일 사용해야 하는 퍼널 분석에 대해서 알아봅시다.
안녕하세요, Dano입니다. 이번 시간에는 고객의 행동을 추적해서 데이터를 분석할 때 가장 먼저 사용하는 도구 중 하나인 퍼널에 대해 알아 봅시다. 뭔가 어렵게 들리죠? 자, 복잡한 이야기는 다 빼고 바로 예시를 가지고 시작합시다.
우리가 잘 아는 분이 번화가에서 화장품 매장을 하고 있다고 칩시다. 그런데 이 분이, 데이터로 분석을 해보고 싶다고 저희한테 도움을 요청했어요. 그러면 가장 먼저 파악해야 할 숫자가 뭘까요? 흔히 ‘매출’이라는 단어를 떠올릴 텐데요. 지금은 주제를 고객들의 행동 데이터를 분석하는 것으로 한정해 봅시다. 그러면 매장에서, 고객들이 하는 행동 중에, 가장 중요한 것 2가지를 떠 올려 봅시다. 어떤 것들이 있을까요?
제일 처음하는 행동은 '매장에 들어온다'입니다. 일단 매장에 들어와야 우리 손님이 되는 거고 그래야 구매를 할 수 있겠죠? 그 다음으로 중요한 행동은 뭘까요?
"상품을 구매한다"입니다. 계산대 앞으로 가서 결제를 하고 상품을 구매하는 행동이죠. 이게 바로 이 매장의 존재 이유입니다. 고객들이 매장에 들어와서 상품을 살펴 보고 상품을 구매하도록 유도해서 매출을 올리는 것. 이 단순한 목표를, 얼마나 효율적으로 실행하고 있는지를 측정하는 방법이, 바로 퍼널 분석입니다.
자, 바로 이 2가지 행동을 하는, 고객들의 수를 세어 봅시다. 그러면 첫번째 숫자는 '매장에 들어온 사람의 수'가 됩니다. 줄여서 내방객의 수라고도 합니다.
일단, 어제 500명이 들어왔다고 가정합시다. 어제 하루에 500명이 우리 매장에 들어왔습니다.
이제 두번째 행동의 수를 세어 봅시다. 상품을 구입한 사람의 수입니다. 그런데, 보다 정확하게 말하자면, '매장에 들어온 사람 중에 상품을 구매한 사람의 수'입니다. 즉 첫번째 행동을 하고 그 후에 두번째 행동을 한 사람을 말하는 것입니다. 자, 어제 50명이 구매했다고 가정합시다.
그러면 500명이 들어와서, 그 중에 50명이 구매했으니까, 구매율이 얼마죠? 10%죠. 즉 이 매장은 내방객 기준으로 10%의 구매 전환율을 가진 매장입니다. 그게 첫번째 온 손님이든, 두번째 온 손님이든, 세번째 온 손님이든 가리지 않고, 모두 다 합쳐서 내방객이라고 하고, 내방객 기준으로 10%의 구매 전환율입니다. 그렇죠? 여기서 전환율이라는 표현을 쓰는 이유는, 우리가 '매장에 들어온 사람' 즉 '내방객'을 그 다음 단계인 '구매 고객'으로 전환시키고자 하기 때문입니다. 그리고, 어떤 전환율인지를 구체적으로 표시하기 위해서 구매라는 단어를 붙여서 '구매 전환율'이라고 부릅니다. 이렇게 퍼널은 특정 단계에 있는 고객을 우리가 원하는 단계로 전환시키고자 할 때 그 효율을 측정하는 도구입니다.
방금 사용한 숫자들은 어떻게 구할 수 있을까요?
당연히 실제로 조사해서 구해야 합니다. 지금은 계산의 편의를 위해서 제가 임의로 정한 건데, 이 매장은 오프라인 매장이니까, 내방객의 경우에는 계수기라고 불리는 수동 카운터를 가지고 매장 입구에서 일일이 세야 합니다. 물론 디지털 측정 솔루션을 사용할 수도 있습니다.
그러면 구매 고객의 수는 어떻게 셀 수 있까요? 구매 고객의 수는 POS 기기를 찍어 보면 되겠죠? 그 기기에 기록된 결제 건수를 이용하면 구매자 수를 추정할 수 있습니다.
그런데 제가 왜 추정이라는 말을 썼을까요? 구매자수와 결제 건수가 다를 수 있기 때문입니다. 한 명이 결제를 2번 나눠서 했다면 구매자수와 결제건수가 다르겠죠? 실제로 심층분석을 할 때는, 이런 것들을 구분해서 진행해야 하지만 일단은 넘어 갑시다. 그런 사람이 많지는 않을테니까요.
우리가 방금 한 게 퍼널 분석입니다. 어렵지 않죠?
자, 어떻게 했는지 다시 한번 살펴 봅시다. 먼저 고객의 행동을 트랙킹했습니다. 어떻게 했죠?
가장 중요한 행동 2가지를 정해서 트랙킹했습니다.
첫번째 행동은 ‘매장에 들어왔다’입니다. 그렇죠? 내방객의 수를 셌죠?
두번째 행동은 ‘상품을 구매했다’입니다. 그렇죠? POS로 구매자의 수를 확인했죠?
이 두가지 행동을 측정하기 위해서, 우리는 서로 다른, 두가지 측정 방법을 사용했습니다. 여러분들이 앞으로, 사용자의 행동을 트랙킹할때, 개별 행동에 대해서 가장 적합한 방법으로 각각 측정을 해야 합니다. 여기서 두번째 행동은 우리가 원하는 목표 행동입니다. 첫번째 행동을 한 사람이 두번째 행동, 즉 상품을 구매하도록 하는 것이 우리의 목표입니다.
자, 여기서 주목해야 할 점은, 이 2가지 행동에 선후 관계가 있다는 점입니다. 매장에 들어오지 않고 물건을 구매할 수는 없습니다. 그렇죠? 이렇게 선후 관계가 있는 경우에만 퍼널을 사용해야 합니다.
매장에 들어온 사람의 수, 매장에 들어온 사람 중에서 구매한 사람의 수, 이렇게 2개의 집합이 있고 첫번째 집합에 비해 두번째 집합의 수는 줄어 들기 마련입니다. 매장에 들어온 모든 사람이 물건을 구매하는 경우는 흔한 일은 아닐 겁니다. 그렇죠?
이걸 그림으로 그리면 깔때기 모양이 만들어 지고 그래서 퍼널이라고 부르는 겁니다.
이때 누군가 '온라인 구매가 있어요'라고 말할 수 있습니다. 흔히 하는 실수가 저 구매자수에 난데 없이 온라인 구매자수를 넣는 겁니다. 우리는 지금 매장에 들어 온 사람 중에서 구매한 사람의 수를 세고 있기 때문에 온라인 구매자수는 빼야 합니다. 온라인 판매의 효율은 이 퍼널이 아닌 다른 퍼널을 만들어서 별도로 측정하는 게 맞겠죠?
우리가 일반적으로 전환율이라고 할 때 대개는 구매 전환율을 말합니다. 그런데 회원가입 비율을 계산하려고 한다면 가입 전환율이라고 하는 게 맞겠죠?
명칭도 잘 골라서 사용해야 커뮤니케이션 오류를 줄일 수 있습니다. 데이터 분석을 열심히 해서, 좋은 결과를 얻었다고 하더라도, 커뮤니케이션을 잘하지 못하면 아무런 소용이 없습니다. 일의 마무리는 항상 커뮤니케이션입니다.
퍼널을 구성하는 각 이벤트를 퍼널의 단계라고 부릅니다. 그럼 우리가 만든 퍼널은 몇 개의 단계로 이루어져 있나요?
2개. 2단계죠. 다단계 퍼널은 첫번째 단계에서 시작해서 마지막 단계로 고객을 전환시키는데 있어 중간에 여러 단계가 있다는 것을 의미합니다. 3단계, 4단계, 이렇게 단계를 추가할 수 있습니다. 각 단계는 '매장에 들어왔다', '구매를 했다', '포인트를 적립했다' 등과 같은 고객의 행동입니다.
퍼널을 세로로 그릴 수도 있고 가로로 그릴 수도 있는데 저는 대개 가로로 그립니다. 왜 그렇게 할까요?
다단계 퍼널에서는 가로로 그려야 서로 간의 길이를 비교하기가 용이합니다. 또 2개의 가로형 퍼널을 위아래로 배치하면 2개의 퍼널을 쉽게 비교할 수 있습니다.
퍼널의 크기는 2가지 방법으로 표시할 수 있습니다.
첫번째 방법은 첫번째 단계의 수를 100으로 하고 그 이후 단계의 수들을 상대적인 비율로 표시하는 방법입니다. 그러면 첫번째 단계 기준으로 각 단계의 전환율을 확인할 수 있습니다. 서로 다른 퍼널들을 비교할 때 전환율을 한 눈에 파악할 수 있다는 장점이 있습니다.
두번째 방법은 각 단계의 수를 절대값으로 그리는 방법입니다. 서로 다른 퍼널을 비교할 때 절대값 비교가 가능하다는 장점이 있습니다. 하지만 전환율을 같이 적지 않으면 전환율 파악이 어려워 비교를 위해서는 잘 쓰지 않습니다. 퍼널 하나를 단독으로 표시해서 절대값과 전환율을 동시에 보여 주고자 할 때 주로 사용합니다.
퍼널을 이용해서 어떤 이야기를 전달하고자 하는지에 따라 적절한 표시 방법을 선택하셔야 합니다.
퍼널로는 이 매장에서 얼마의 매출이 발생했는지 확인할 수 없다는 점을 기억해야 합니다. 전환율은 내방객 1인당 구매비율이기 때문에 매출에 대한 어떠한 정보도 가지고 있지 않습니다.
물론 퍼널을 비율이 아닌 절대값으로 그려서 구매자의 수가 많으면 매출이 높겠지라고 추측할 수 있지만 말 그대로 추측일 뿐입니다. 그래서 퍼널 옆에 내방객 1인당 매출 또는 구매자 1인당 매출을 표기해서 매출을 파악할 수 있게 해 주기도 합니다.
구매자수 x 구매자 1인당 매출 = 총매출
두 매장의 구매자 1인당 매출을 서로 비교하면 소위 말하는 '객 단가' 비교가 가능합니다. 어느 매장이 구매 고객 1명당 가치가 더 높은지를 파악할 수 있습니다.
자, 이제 3단계 퍼널을 한번 만들어 봅시다. 우리가 구매자들에게 ‘포인트 적립’을 할지 물어 본다고 가정합시다.
50명의 구매자 중에 포인트 적립을 한 사람이 10명이라고 하면, 20%의 전환율이 나옵니다.
그런데 내방객 500명 기준으로 보면, 500명 중에 10명이 적립을 했으니까 2%의 전환율이 됩니다. 그렇죠?
만약 우리가, 구매자 대상으로, 포인트 적립을 더 많이 하도록 권장하는 캠페인을 진행한다면, 2개의 전환율 중에 어떤 전환율을 이용해서 캠페인의 성과를 측정해야 할까요?
앞에 거, 20%입니다. 구매자 중에 포인트 적립을 한 사람의 비율이죠. 우리가 캠페인을 하는 대상이 구매자이고 구매자를 적립하는 사람으로 전환하고자 하기 때문입니다. 만약 그게 아니라 포인트 적립 홍보 캠페인을 구매고객이 아닌, 내방객 전체를 대상으로 진행한다면 후자의 전환율, 2%를 이용하는 것이 맞습니다.
위에서 예를 든 구매자 대상 적립 캠페인의 경우에는 3단계 퍼널을 그냥 사용하지 말고 구매했다 > 적립했다 로 구성된 2단계 퍼널을 따로 그려서 관리하는 것이 좋습니다.
자, 이렇게 그린 퍼널을 어떻게 활용할 수 있을까요?
첫번째로, 10%의 구매율은 이 매장의 효율성을 측정하는 도구로 사용할 수 있습니다. 내방객을 늘리면, 얼마의 구매 고객을 더 만들 수 있는지를 예측할 수 있겠죠? 거기에 구매고객 1인당 매출, 즉 객단가를 곱하면 얼마의 매출을 더 올릴 수 있는지도 예측할 수 있습니다.
이 값으로 주변의 다른 매장과 비교할 수 있습니다. 옆의 화장품 매장은 전환율이 12%인데 우리 매장은 10%야. 이렇게 쓸 수 있겠죠. 그런데 옆의 화장품 매장에서 전환율을 알고 있을리도 없고 안다고 해도 알려주지 않겠죠? 경쟁 업체한테.
그래서, 여러 매장에 대한 정보를 쉽게 얻을 수 있는 프랜차이즈를 관리한다면 이런 퍼널을 이용해서 매장 간의 효율성을 비교할 수 있을 겁니다. 가로수길점과 홍대점 간의 비교가 가능하겠죠?
이 값은 일반적으로 지역별, 산업별, 취급상품별로 달라집니다. 그래서 비슷한 것끼리 비교해야만 합니다. 오프라인 상점은 대개 20 ~ 40% 정도이고 전자 상거래의 경우 2~4%의 값이 일반적이라고 알려져 있습니다.
이렇게 매장의 효율성을 측정하는 도구로 활용할 때는 특정 일자가 아닌, 특정 기간의 데이터를 가지고 비교해야 합니다. 연간 또는 분기별 비교가 적합하겠죠?
구매 전환율이 다른 업체보다 높다는 말은, 우리가 1명의 고객을 매장에 데려왔을 때 구매가 더 많이 일어난다는 것을 의미하기 때문에 경쟁 업체에 비해서 적은 광고비로 더 많은 매출을 올릴 수 있다는 것을 의미합니다. 즉 경쟁력이 높다는거죠.
비슷한 상품을 파는 이커머스 업체들끼리 서로의 효율을 비교하기 위해 많이 사용합니다. 가구 쇼핑몰은 가구 쇼핑몰끼리, 핸드폰 매장은 핸드폰 매장끼리
게임 업계에서도 같은 장르의 게임들끼리 비교할 때 사용합니다. RPG 게임은 RPG 게임끼리, 퍼즐 게임은 퍼즐 게임끼리. PC 게임과 모바일 게임 간의 비교는 별 의미가 없겠죠?
두번째, 시간에 따른 변화를 측정할 수 있습니다. 위에서 만든 어제자 퍼널을 다른 일자의 퍼널과 비교해 보면 어떨까요? 두 일자 사이에 매장에 어떤 변화가 있었는지 바로 알 수 있을 겁니다. 대개 하루 전, 일주일 전, 4주 전, 일년 전과 비교합니다. 한달 전의 값과 잘 비교하지 않는 이유는 요일 효과가 있을 수 있기 때문입니다. 특정 요일에 매출이 높은 경우 같은 요일끼리 비교해야겠죠? 금요일 매출은 금요일 끼리 지난주 같은 요일, 4주 전의 같은 요일, 이렇게 비교해야 겠죠?
만약 월급날의 영향을 많이 받는다면 어떻게 해야 할까요? 25일, 말일 이런 날끼리 비교해야겠죠? 지난 달의 25일, 지난 달의 말일, 이런 식으로
게임 업계에서 말하는 월초효과라는 것도 있습니다. 월초에 핸드폰 소액 결제 한도가 리셋되기 때문에 월초에 결제가 늘어납니다. 그럼 월초끼리 비교해야겠죠?
만약 매장에 아무런 변화가 없었고 외부효과도 거의 변화가 없었는데 전환율이 크게 변했다면 내방객들이 달라졌다는 것을 의미합니다. 평소에 오던 사람들이 아니라 중국 관광객들이 몰려 왔다든지, 우연히 단골 고객이 떼돈을 벌었다든지 등이 원인일 수 있겠죠?
옆에 새로운 경쟁 매장이 생겼거나 갑자기 경기가 안 좋아졌다든지, 이런 외부효과에 의해서 달라질 수도 있습니다. 다만 이런 외부 효과에 의한 변화는 특정 원인이 얼마나 영향을 미쳤는지 파악하기 쉽지 않습니다.
세번째, 특정 사건이 발생한 경우 그 사건의 임팩트를 파악하기 위해 사용할 수 있습니다. 사건의 전과 후를 비교하는거죠. 만약 매장의 구조를 변경헀거나 뛰어난 직원을 채용했거나 기존에 없던 남성용 화장품 섹션을 추가했다든지, 이런 사건 전후의 전환율을 비교함으로써 그 변화의 임팩트를 숫자로 확인할 수 있습니다. 흔히 말하는 BEFORE & AFTER 비교가 바로 여기에 해당합니다.
해석에 있어서 가장 많은 논쟁을 불러 일으키는 사용례입니다. 어떤 요인 때문에 Before & After의 차이가 발생했는지를 정확하게 파악하기 어렵기 때문입니다. 모든 요인이 통제 가능한 실험실에서는 단 하나의 요인만 변하도록 설계해서 실험할 수 있지만 현실에서는 불가능하다는 점을 잊어서는 안됩니다. 그래서 새로운 기능을 출시하고자 하거나 기획된 실험을 하고자 하는 경우에는 반드시 다음에 소개할 A/B 테스트를 이용하기를 권장합니다.
제발... 부탁입니다...
네번째, A/B 테스트의 결과를 검증할 때 사용할 수 있습니다. 만약 구매 고객에게 포인트 적립을 권할 때, "포인트 적립하시겠어요?"라고 그냥 물어 보는 방법과 "500원 포인트 적립하실 수 있는데 하시겠어요?"라고 적립되는 금액을 말하면서 권유하는 방법, 이렇게 2가지 방법이 있다고 합시다. 이 두 방법 간의 효과를 서로 비교하기 위해 사용할 수 있습니다.
주의해야 할 점은 외부효과를 최소화하기 위해서 고객들에게 번갈아 가면서 물어봐야 한다는 점입니다. 1번 고객에게는 A안, 2번 고객에게는 B안, 3번 고객에게는 다시 A안, 4번 고객에게는 다시 B안, 이렇게 해야 합니다. 오전 10시부터 12시까지는 A안, 오후 12시부터 2시까지는 B안, 이렇게 하면 안 됩니다. 오전에는 학생들이 주로 오고, 오후에는 직장인들이 주로 온다든지 하는 것처럼 오전 고객과 오후 고객이 서로 다른 프로화일을 가질 수 있기 때문에 피해야 합니다. 이렇게 동일한 사용자군을 대상으로 서로 다른 2가지 방법의 효과를 테스트하는 것을 A/B 테스트라고 하고, 그로스 해킹의 실험을 검증할 때 사용합니다.
여기서 숙제 하나, 매장 앞을 지나다니는 사람들을 유동인구라고 합니다. 이 유동인구를 우리가 앞에서 그렸던 퍼널에 추가해 봅시다. 어제의 유동 인구가 1만명이라고 할 때 퍼널을 어떻게 그려야 할까요? 직접 손으로 그려 보세요. 인스타그램에 올리시고 해쉬태그로 #함께성장하는친구들 이라고 달아주시면 제가 보고 리뷰해 드리겠습니다. 그리고 이 때 유동인구 기준으로 구매 전환율은 어떻게 될까요? 코멘트로 남겨 주세요.
이 영상이 도움이 되셨다면 좋아요와 구독 버튼을 눌러 주세요. 제가 다음 영상을 준비하는데 커다란 힘이 됩니다. 궁금하신 점이 있으면 코멘트로 남겨 주세요.
그럼 다음 시간에 뵐게요.