Upsell
- 이미 고른 제품보다 더 비싸고 더 좋은 버전을 사게 하는 것
- 업그레이드의 관점
- 예) 아반떼 풀옵션 살 바엔 그랜드를 사는 게 …
Cross-Sell
- 관련된 다른 상품을 구매하는 것
- 아예 다른 구매를 유도
- 예) 아이폰을 사려고 봤더니 애플 워치도 있으면 좋을 것 같고.. 에어팟.. 아니 에어맥스? 노트북도 맥북으로 바꿀까?
→ 두 가지 모두 판매를 늘려서 매출을 극대화 하기 위한 전략
그래서 분석가랑 판매 전략이랑 무슨 연관성이?
돈이 되는 분석을 하자
그럼 어떤 지표를 보고 매출을 분석해볼 수 있을까?
한 고객당 얼마나 쓰고 있을까?
ARPU
- Average Revenue Per User
- 전체 매출 / 전체 유저 수
ARPPU
- Aveerage Revenue Per Paying User
- 전체 매출 / 결제 유저 수
매출 증가의 원인을 살펴보자
3월 매출이 10만원이었는데, 4월 매출이 20만원으로 늘었다. 왜?
- 결제 유저 수 증가 & ARPPU는 그대로
- 결제 유저 수는 그대로 & ARPPU가 증가
- 결제 유저 수 증가 & ARPPU도 증가
그래서 왜 증가했는데?
-
결제 유저 수가 왜 증가했을까?
- 전체 고객 중 결제 유저를 살펴보자. → 결제 유저, 미결제 유저
- 결제 유저의 구성을 살펴보자. → 재결제 유저, 신규 결제 유저
-
ARPPU가 왜 증가했을까?
- 결제 패턴을 살펴보자.
- 1회에 결제하는 금액은 똑같지만, 전보다 자주 구매하는 경우
- 결제하는 횟수는 똑같지만, 한 번 결제할 때 전보다 비싼 금액을 구매하는 경우
- 결제 패턴을 살펴보자.
- 결제 유저 수 증가 & ARPPU도 증가
고객의 가치
LTV
- (Customer) Lifetime Value
- 고객 생애 가치
- 고객이 우리 서비스를 사용하는 동안 불러일으킨 가치
→ 코호트를 나누어 비용을 계산하고 해당 고객들의 가치를 분석
LTV 계산 방법
- 이익 X 거래 기간(Life Time) X 할인율(현재 가치 계수)
- 고객의 연간 거래액 X 수익률 X 고객 지속 연수
- 고객의 평균 구매 단가 X 평균 구매 횟수
- (매출액 - 매출 원가) / 구매자 수
- 평균 구매 단가 X 구매 빈도 X 계속 구매 기간
- (평균 구매 단가 X 구매 빈도 X 계속 구매 기간) - 신규 획득 비용 + 고객 유지 비용
코호트 분석(Cohort Analysis)
출근 첫 날 팀장님이 와서 “1월에 런칭한 서비스가 있는데, 잘 되고 있는지 한 번 봐줄 수 있어요?” 라고 하셨다면?
데이터를 쪼개면 그 안에 있는 무언가를 발견할 수 있다.
데이터를 쪼개는 대표적인 방법
- 시간에 따라 쪼개기 → 시간이 흐르면서 데이터가 어떻게 변화하는지
- 사용자 별로 쪼개기 → 사용자들을 어떤 특성에 따라 나누고, 다른 특성을 가진 사용자들과 다르게 행동하는지 고객 세분화, Customer Segmentation, 코호트 분석
- A/B 테스트 → 사용자들에게 다른 옵션을 주고 어떻게 행동하는지
고객 세분화 방법
인구 통계 데이터 기반
- 성별, 연령대, 지역, 직업 등
사용 기기 기반
- 사용 디바이스, OS, 앱 버전 등
유입 채널 기반
- 어떤 채널을 통해 들어왔는지
결제, 앱 로그 등 유저 데이터 기반
- 결제 유저 / 미결제 유저
- 웹사이트 방문 시간대
내가 서비스 기획자라면, 회사 페이지에 도착한 사람들에게 무엇을 바랄까? → 결제 완료
회사는 어떤 데이터를 볼까?
- 사이트에 방문한 사람 수
- 결제 버튼을 클릭한 사람 수
→ 중요한 것은 두 지표의 비율 전환율이다. (결제 버튼 클릭한 사람 수 / 사이트 방문한 사람 수)
