[그로스해킹] AARRR - Revenue

[ Revenue ]

• 사업의 성패를 가르는 건
• 어떤 BM(Business Model)을 가지고 있고, 이게 제대로 작동하는지 
• 뭐든지간에 매출로 돌아와야 의미가 있음 !!
• 서비스를 만드는 사람이라면 그 서비스를 통해 어떻게 돈을 벌 건지에 대한 생각과 시행착오를 겪어야 함 

 

[ Revenue 관련 지표 ]

• ARPU (Average Revenue Per User)
  • 인당 평균 결제액 = Revenue / User 
  • 전반적인 Monetization 상황을 보는 데 유용함
    • 결제자 비율이 높은지 
    • 결제자들이 평균적으로 어느 정도 결제하는지 
    • 두 가지 중요 정보를 하나의 숫자로 요약해서 확인할 때 사용 
  • User와 Revenue를 확실히 정의하지 않으면 굉장히 모호해짐  
    • User를 누적 가입자 전체로 볼까? 누적 결제자 전체? 이번 달 결제자? 이번 달 로그인? 오늘 로그인 ?????
    • Revenue는 누적 결제 금액 전체? 이번 달 결제액? 오늘 결제액????? 
  • 따로 정의되지 않았다면 Monthly로 구분해서 보는 게 일반적
    • 월 매출 / MAU
  • 아니면 애초에 명시적으로 기간을 정의하기도 함 = ARPDAU(Average Revenue Per Daily Active User)
    • 일매출 / DAU 
  • 사내에서 굉장히 명확한 기준을 적용해야 하고 이걸 모든 사람들이 알고 있어야 함 ! 
• ARPPU (Average Revenue Per Paying User) 
  • 결제자 인당 평균 결제액 = Revenue / Paying User 
• ASP (Average Selling Price)
  • 평균 판매 가격  = Revenue / # of units sold 
• 위 두 개 지표도 마찬가지로 '기간'을 정의해주어야 함 
  • 어느 기간 동안의 매출과 결제자인지 명확히 정의하기 
  • 따로 정의되지 않았다면 Monthly로 구분해서 보는 게 일반적  

 

[ Lifetime Value ]

• 유저 생애 가치
• 한 명의 고객이 진입부터 이탈까지 전체 활동 기간동안 누적해서 발생시키는 기대 수익 
• 현실에서 이런 계산은 거의 쓸 일이 없음 
• 공식에 넣어서 계산하기에는 너무 많은 가정이 필요함 
  • 인당 Cost(유지비용, 획득비용) 계산 가능 ? -> 불가능
  • 인당 평균 매출이 기간마다 일정한가 ? -> 아님 
  • 고객 유지 비율(혹은 이탈 비율)이 기간마다 일정한가 ? -> 아님 
• LTV 대신 LTR(Lifetime Revenue)을 활용하자 !
  • 계산이 어려운 Cost(유지비용, 획득비용)은 생각하지 말고 
  • 고객이 lifetime으로 결제한 매출의 평균 합계액만 계산 , Sales만 계산하자 ! 
  • 한 명의 고객이 진입부터 이탈까지 전체 활동 기간동안 누적해서 발생시키는 매출
  • 가입자 당 결제액 계산 ! 

 

[  LTR 활용 ]

• CAC(Customer Acquisition Cost) + @ < LTR 
  • CAC 가이드라인을 잡는 데 활용할 수 있음 

• CAC vs. LRT vs. ROAS(Return On Ad Spending)
  • Paid Marketing에서 성과를 판단할 때는 여러 가지를 고려해야 함
    • CAC
    • LTR(혹은 LTV)를 고려한 Return(광고 사이트 대시보드 말고 실제 내부 데이터로 확인할 수 있는 Return 값 !!)
    • CAC payback period
    • 인플레이션에 따른 Discount rate 고려 

 

[ Revenue 구성 ]

• 아이템별 매출의 합계 ?
  • 아이템 A 매출 + 아이템 B 매출 + ... + 아이템 Z 매출
• 스토어별 매출의 합계 ?
  • 구글플레이 매출 + 앱스토어 매출
•  회원별 매출의 합계 ?
  • 신규회원 매출 + 기존회원 매출
• Revenue = 결제자 수 * ARPPU

• 세세하게 레벨을 나누고 cohort 나눠서 살펴보면, 굉장히 많은 매출 인사이트를 얻을 수 있음 ! 

 

[ Subscription Service라면? ]

• MRR (Monthly Recurring Revenue)
  • 월별 반복 매출 = Base MRR + New MRR - Churn MRR + Upgrade/Downgrade MRR 
  • Upsell : 기존 고객이 사용하는 제품의 상위 버전을 구매하게 만드는 것
  • Crosssell : 고객이 이미 구매한 제품과 관련되거나 보완적인 제품을 추가로 구매하도록 유도하는 것 
  • 매출을 어떤 기준으로 쪼개서 보느냐에 따라 많은 인사이트를 얻어낼 수도 있음 

 

[ 우리 서비스의 고래는 누구인가? ]

• 고래 : 서비스에서 굉장히 많은 돈을 결제하는 핵심 사용자 
• In-game 매출의 60%는 0.23% 사용자로부터 나온다는 리서치 결과가 있음 

• 사람들은 유저들이 정규분포 비슷한 형태로 존재할 것이라고 생각하지만, 실제로 보면 거의 평평한 형태를 띄는 경우가 많음
  • 극단의 사람이 굉장히 많다 ! 
  • 돈을 한 푼도 안쓰는 사람도 많고 돈을 엄청 많이 쓰는 사람도 많음 
• 이 고래에 초점을 맞춰서 서비스를 개발해야 함 
  • Operating 측면에서
    • 중간에 위치한 사용자 한 명이 나가는 것과 핵심 사용자 한 명이 나가는 것은 차이가 굉장히 큼 
    • 핵심 사용자에게 얼마나 효율적으로 집중할 지 고려해야 함 
  • Revenue 측면에서 
    • 소수 사용자가 전체 서비스에 기여하는 바가 매우 크다는 점을 고려해야 함 

 

[ RFM ]

• 마케팅 분야에서 매출 분석할 때 오랫동안 사용되어 온 프레임워크 

• Recency :얼마나 최근에 결제했는가 ?
• Frequency : 얼마나 자주 결제했는가 ?
• Monetary : 얼마나 많은 금액을 결제했는가 ? 
• 각 부분별로 기준을 세우고, 유저마다 이 기준에 따라 어떤 그룹인지 판단하는 것 
• 그룹별로 다른 행동을 취할 수 있음 
  • Heavy User : 모든 항목에서 높은 점수를 받은 경우 -> 이미 잘 사고 있기 때문에 가격할인X 10개 사면 하나 더 주기
  • 이제 막 결제를 시작한 새로운 고객 :  R는 높지만 F, M는 낮은 경우 
  • 떠나간 VIP : F와 M는 높지만, R이 낮은 경우 
  • 떠나간 고객 : 모든 항목에서 낮은 점수를 받은 경우 -> 안사고 있기 때문에 더 주는 거 소용X 당장 가격 할인 !