안녕하세요. 오늘의집 데이터 분석가 노라입니다. 그동안 아티클을 통해 오늘의집이 데이터를 기반으로 어떻게 업무를 진행하는지 소개된 바 있는데요. 이 글에서는 오늘의집에서 1st party data와 2nd party data를 조합하여 어떤 방식으로 유입 기여 분석을 하는지 소개드리고자 합니다.
플랫폼에서 유입의 중요성
플랫폼 서비스라는 특성 상 오늘의집에게 유입 지표 자체는 큰 의미를 가집니다. 공간을 꾸미는 방법을 공유하고, 필요한 상품을 구매할 수 있고, 인테리어 업체의 도움을 받을 수 있도록 중개해주는 서비스를 제공하기 때문에, 앱 트래픽 1건은 그만큼 많은 시도를 할 수 있는 가능성을 의미합니다.
오늘의집 이외에도 많은 플랫폼 서비스에서 유입을 중요한 지표로 생각하고, 월, 주, 일 단위로 리뷰하고 있습니다. 만약 유입 성과를 리뷰하는 담당자가 여러분이라고 가정해 봅시다.
위 그래프에서 Week1 과 Week2의 방문자 수는 같습니다. (WAU는 Weekly Active User를 의미합니다) 같은 방문자에서 Week2는 Week1 대비 구매자 수는 증가했지만 콘텐츠 조회자 수는 감소했다면 어떻게 해석하실 건가요? 어떤 유저가 유입되어서 위와 같은 차이를 보이는 걸까요?
하나의 가설로 “Week2 에 네이버 쇼핑을 통해 구매 의지가 강한 유저가 많이 유입되어 구매자 수는 증가하고 콘텐츠 조회자 수는 감소했다” 를 제시할 수 있습니다. 가설이 맞는지 검증하기 위해 여러분은 실제 유입을 매체 별로 구분해 어떤 페이지를 방문했는지 파악해봐야 할 것입니다.
또 어느날은 위 그래프와 반대로 비슷한 WAU에서 콘텐츠 조회자 수만 늘어났을 수도 있습니다. 이 경우, 콘텐츠에 관심 있는 유저가 많이 들어왔을텐데요. 어떤 이유로 콘텐츠에 관심이 많은 유저가 있었는지에 대한 확인이 필요합니다.
이런 가설과 검증을 마케터가 빠르게 진행하고 효율적으로 유저의 유입을 유도하고 성과를 파악하기 위해서는 유입 채널, 데모, 등을 바탕으로 유입을 고도화한 분석이 필요합니다.
오늘의집은 이를 위해 어트리뷰션 툴 데이터와 내부 로그 데이터를 모아서 <유입 기여 분석 시스템>을 구축했습니다. (* 데이터에 관한 자세한 사항은 이전 '오늘의집의 데이터 마케팅 기반 만들기' 글을 참고해주세요.)
유입 기여 분석 시스템 구축이 필요한 이유
Appsflyer와 같은 MMT 툴을 통해 광고를 진행하며 데이터를 트래킹할 수 있지만, 오늘의집의 서비스 규모가 커지고 복잡도가 늘어나면서 일부 한계가 있었습니다.
- 외부 어트리뷰션 데이터로는 웹 / 앱 채널 중 한쪽만의 트래킹이 가능하거나, 오가닉 중 일부 데이터가 누락되어 내부 트래픽 대비 절대값의 gap이 있습니다.
- 또한 유입 이후 다양한 서비스(콘텐츠, 커머스, 시공)에 유입 채널이 미치는 영향을 분석하는 부분에서도 외부 트래커에 모든 이벤트를 심는 것에 한계가 컸습니다.
- 하루에도 유저는 여러 매체 + 푸시와 같은 오가닉에 중복 노출됩니다. 이들의 영향력을 비교/분석해 기여를 인정하는 부분이 필요했습니다. 가령, 푸시와 알림톡 등 저렴한 채널로 도달하는 유저는 굳이 더 비싼 마케팅 매체까지 활용할 필요는 없는 것이죠.
서론이 다소 길었는데, 이제 본격적으로 오늘의집 마케팅팀에서는 유저가 어떤 경로로 오늘의집을 유입 되었는지 확인하는 방법을 소개해 드리려고 합니다.
일별 유입 기여 트래킹 구현하기
- 트래킹 이론 : first touch
오늘의집 마케팅팀에서는 first touch를 기준으로 일별 유입 기여를 트래킹하고 있습니다.
잠깐, 여기서 first touch 가 무엇인지 모르신다구요? first touch는 이벤트(ex. 방문, 구매, 등) 발생의 기여를 산정하는 attribution model 중 하나로, 유저가 이벤트 발생 전까지 여러 매체를 거쳤다면 그 중 가장 첫 번째 매체를 이벤트 발생의 원인으로 여기는 것입니다. 아래 유저의 경우로 예를 들어 설명해보도록 하겠습니다.
유저A가 오전 11시에 네이버 쇼핑의 상품을 클릭해서 오늘의집 앱을 이용하고, 오후 1시에 다시 오늘의집 앱을 이용하고, 오후 2시에 연관 상품이 페이스북 광고로 떠서 광고 상품을 클릭해 오늘의집을 이용했습니다. 이 경우 first touch는 네이버 쇼핑이 이날 유저A의 앱 유입에 기여했다고 산정합니다.
first touch 외에 attribution model에는 last touch, multi-touch 등이 있습니다. last touch의 경우 가장 마지막 매체를 인정, multi-touch의 경우 각각의 터치의 기여를 나누어서 인정하는 방법입니다.
오늘의집에서 일별 유입 기여를 first touch로 보는 이유는, 유저가 당일 첫번째로 접한 매체에 따라서 그날 활동의 성격이 결정되기 때문입니다. first touch는 유저가 오늘의집을 어떻게 인지하게 되었는지, 유저가 관심 있는 상품/이벤트는 무엇인지에 대한 정보를 포함합니다.
오늘의집을 설치하지 않은 유저의 first touch는 오늘의집에 대한 이미지를 결정합니다. 카카오 1boon 에서 노하우를 보고 오늘의집을 설치한 유저는 콘텐츠를 자주 보는 유저가 될 가능성이 높고, 페이스북에서 상품을 보고 오늘의집을 설치한 유저는 상품을 자주 구매하는 유저가 될 가능성이 높습니다.
오늘의집을 이미 설치한 유저라면, first touch는 유저가 관심 있는 상품/이벤트를 알려줍니다. 여러분도 오늘의집에서 어떤 상품을 봤는데, 이후에 계속하여 비슷한 상품 광고가 뜨는 경험을 해보셨을 겁니다. 유저 데이터를 이용하여 맞춤형 광고가 표시되기 때문인데요, 이를 반대로 추적하면 유저가 관심을 갖기 시작한 시발점을 찾을 수 있겠죠?
참고로 기여 중 어떤 것을 선택하느냐는 정답이 없습니다. 각자의 서비스에 맞게, 혹은 같은 서비스라도 목표에 맞게 기여를 구분할 수 있습니다. 실제로 오늘의집에서 같은 방식으로 구매에 대한 기여도 보고 있는데요, 이 경우에는 first touch가 아닌 가장 마지막 순간에 구매에 영향을 준 last touch를 고려하고 있습니다.
- 데이터 소스 : Appsflyer + 오늘의집 로그 데이터
오늘의집 마케팅팀에서는 Appsflyer 데이터와 오늘의집 로그 데이터를 이용하여 유입 기여를 트래킹하고 있습니다. Appsflyer 데이터에서는 유저가 어떤 매체를 클릭해서 오늘의집을 방문했는지 확인할 수 있고, 로그 데이터에서는 방문 후 유저의 활동을 확인할 수 있습니다.
“Appsflyer 데이터로 충분하지 않은가?” 라는 의문이 드실텐데요.
Appsflyer 의 경우 앱 활동만 트래킹이 가능하고, 기기id 기준으로 되어 있습니다. 한 회원이 여러 기기를 이용할 경우 혹은 하나의 기기로 여러 회원이 이용한 경우로 인하여 회원 기반의 정확한 판단이 되지 않고, 내부 데이터와 같이 해석하기 어렵습니다. 즉, “앱 + 웹을 통해서 한 회원이 어떤 경로를 통해서 유입되었고, 이후 어떤 활동을 했는가”에 대한 답을 하기 위하여 오늘의집 자체 로그 데이터를 추가로 이용합니다.
“그렇다면 반대로 오늘의집 로그 데이터만 이용하면 안되나요?”
오늘의집 로그 데이터는 오늘의집 서비스를 이용한 시점부터의 기록입니다. 따라서, 오늘의집 앱을 켰을 때 url에 매체 데이터가 붙는 경우에만 유입 기여를 확인 할 수 있습니다. 즉, 오늘의집은 일괄된 기준으로, 최대한 누락 없이 정확하게 앱 + 웹 기여를 확인하기 위해 Appsflyer와 오늘의집 로그 데이터를 이용합니다.
- 데이터 가공 방법
우선 오늘의집 로그에서 날짜, 회원id, 기기id 별 최초 로그 기록을 수집합니다. 이때 해당 로그에 Appsflyer에선 트래킹 하고 있지 않는 push 혹은 utm 파라미터 값이 있다면 함께 수집합니다. 다음으로 날짜, 소스, 미디엄, 캠페인 별 최초의 Appsflyer 기록을 수집합니다.
이렇게 어떤 경로를 통해서 유입되었는지 확인 할 수 있는 데이터를 1개씩만 남긴 후, 방문 시간을 기준으로 순서대로 나열했을 때 가장 첫번째 데이터만 남깁니다. 그 뒤, 소스/미디엄/캠페인을 기준으로 organic/inorganic, paid/nonpaid, 캠페인 목적 등 필요한 구분값을 매칭합니다.
- 성과 관리 : 누락된 매체가 없도록
구분값 매칭을 위해 오늘의집에서는 URL 관리 규칙을 작성 및 적용합니다.
오늘의집 마케팅팀에서는 퍼포먼스팀, 브랜드팀, CRM팀, 등 많은 동료분들께서 다양한 시도를 위해 수많은 캠페인을 생성하는데요. 캠페인 생성 때마다 구분값을 입력하기엔 너무 많은 사람들의 리소스가 낭비되기 때문에, 팀 리더분들과 데이터 분석가의 논의 하에 최대한 범용 가능한 규칙을 세웠습니다.
이 규칙을 바탕으로 자동화 된 url 생성 시트에 팀원분들은 신규 매체가 생성될 경우에만 구분값을 적고, 데이터 분석가는 해당 데이터 확인 후 구분값과 유입 데이터 매칭을 위해 DB에 업로드합니다.
성과 누락은 여러 이유로 발생 가능합니다. 규칙을 잘 이해하지 못해서 발생하기도 하고, 매체 세팅 실수로 발생하기도 하고, 데이터 오류로 인해 발생하기도 합니다. 사람이기 때문에 완벽할 수는 없고, 기기id 누락, law data의 시점 차이 등으로 데이터가 예상치 못하게 찍힐 때가 있습니다. 이런 저런 문제의 임팩트를 줄이고자 매주 성과 누락 매체를 공유하고 개선하는 작업을 하고 있습니다.
유입 트래킹 데이터 활용 방법
- 광고 운영 및 성과 판단 : 광고 성과를 유입 트래킹을 통해 어떻게 판단하나요?
일반적으로 퍼포먼스 마케팅은 CPI, CPA, CVR, ROAS, 등의 지표로 광고 성과를 판단합니다. Daily로 지표를 확인하며 매체의 효율을 판단하고 예산을 조정하죠. 하지만, 광고의 성과로 플랫폼의 현황을 설명하는데 한계가 있습니다. 광고비를 감액했을 때, 설치/가입/매출의 관계는 CPI, CPA, ROAS 로 바로 확인 가능하지만, MAU는 위 지표 만으로 설명하기 어렵습니다.
기존 유저를 대상으로 앱 유입을 유도하는 캠페인의 경우, CPC가 좋아 클릭이 많은 것과 앱 MAU가 증가하는 것은 다릅니다. 10만원의 광고비로 CPC가 100원인 광고가 있다면 클릭 수는 1천 건입니다. 또한, 트래킹 툴에서 찍힌 서비스 유입 이벤트수는 500이라고 가정합니다. 그런데 실제 앱 회원 유입은 몇 건일까요? 해당 광고가 극단적으로 10명의 유저에게 1달 내내 반복해 노출되었다면, 실제 MAU 기여는 중복을 제외하고 10이 됩니다.
만약, 해당 광고가 1인당 1달에 2회 노출로 제한되어 광고가 잘 도달 되었다면 MAU 기여는 500이 되었을 겁니다. 유입 기여 테이블 구축 후, 오늘의집은 일간/주간/월간 단위로 매체별 유입 성과를 단순히 CPC/인게이지 수치로 보는 것을 넘어, 유니크하게 순증 임팩트를 산출할 수 있게 되었습니다.
정리하자면, 매체 별로 트래킹 툴에서 본 성과와 내부DB에서 first touch 유입을 해석했을 때, 순증을 데려오는 단가가 다른 매체들을 발견할 수 있었습니다. 또한, 각 매체별로 유저에게 중복되어 노출되는 비중 및 내부 액션 데이터를 중심으로 구분한 seg별 유입의 증분 등을 빠르게 확인 할 수 있어 마케팅 예산 집행 및 미디어믹스 최적화에 활용하고 있습니다.
- 유입 대시보드 : 우리 서비스에 들어온 유저들이 왜 증가/감소하는지 어떻게 보고 계시나요?
유입 대시보드를 통해 매일 DAU에서 어떤 경로의 유입이 증감했는지를 직관적으로 확인할 수 있습니다. 특별한 마케팅 액션이 있었을 때, 그날의 영향력을 확인하기도 하고 예상과 다르게 트래픽이 빠졌을 때 문제의 원인을 파악하기도 쉬웠습니다. 또 내부에 대시보드를 구현하고 나니, 외부 트래킹 툴보다 사내 접근성이 높아 마케팅팀이 아닌 다른 팀에서도 원인을 파악하기 용이했습니다.
유입 대시보드를 일 단위 뿐만 아니라 주/월 단위로 구현해 성과 리뷰하는데 사용합니다. 우리가 잘한 점은 무엇인지 더 잘해야 하는 부분이 있는지 확인하고 다음 전략을 개선하는데 반영합니다. 위 표의 수치로 예시를 들어보겠습니다.
<예시 해석>
7월의 경우 전월 대비 신규 회원은 약 9% 감소하였고, 기존 회원은 약 1% 감소하였습니다.
organic 회원이 전반적으로 감소하는 추이였지만, paid 의 경우 기존 회원은 잘 방어했습니다.
마케팅 예산 집행이 6/7월 다르지 않았음을 고려할 때 paid 채널 유입 효율이 개선되었습니다.
또한 , 7월 nonpaid 기존 유저가 크게 증가하였는데, 7월 앱 내 새롭게 시도한 온사이트 이벤트가 성공한 것으로 보입니다.
여기까지 오늘의집 마케팅팀에서 유입을 바라보는 방법과 시각을 공유 드렸습니다. 읽으면 간단하고 당연해 보이지만, 데이터 구축 및 해석에는 항상 예기치 못한 이슈가 발생합니다.
외부 트래픽을 연동하는 부분으로 분석가인 제 입장에서는 매체에 대한 이해가 많이 필요했는데, 이번 기회를 통해 마케터와 서로 의견을 적극적으로 공유하며 이해도를 넓힐 수 있었습니다. 특히, 이번 작업을 통해 마케터가 좀 더 쉽게 실적을 리뷰하고 성과를 최적화 할 수 있게 되어 데이터 드리븐 마케팅을 더 잘 할 수 있는 환경을 갖추게 된 것 같아 보람됩니다.
외부 데이터와 내부 서비스간 데이터를 유기적으로 연결하면, 발견할 수 있는 인사이트가 무궁무진합니다. 오늘의집 마케팅-그로스팀에서는 이런 인프라를 바탕으로 더 고도화 된 실험/분석을 함께 치열하게 고민할 동료를 찾고 있습니다. 자세한 내용은 아래 링크에서 확인해주세요!
