Onsoo's Growth

2018년 9월 6일 목요일 - 파이어베이스 개념 가이드

06 Sep 2018 | 서비스 기획 데이터 분석

파이어베이스 애널리틱스를 통한 유저 인사이트 도출

모비아카데미의 파이어베이스 관련 강의를 듣고 왔다. 저녁 7시30분부터 시작해서 10시까지 진행된 빡센 강의였다. GA만 알았지 Firebase에 대해 지식이 전무했던 나에게는 너무 좋은 강의였다. 강의가 길어서 오늘 강의 내용을 정리하는 것은 어려울 것 같고, 간단하게 기억하고 싶은 것만 정리한다.

파이어베이스(Firebase)

  • 모바일 사용성 분석에 맞춰진 툴
    • GA는 웹 사용자 분석에 맞춰진 것, 그래서 모바일 사용에는 Firebase가 더 많은 기능을 지원한다.
    • Firebase의 분석 기능은 여러 기능 중 일부이다. 모바일 앱을 만들고, 성능을 강화하고, 사용성을 분석하는 세가지 파트가 있다.
  • 파이어 베이스 기본 지식
    • 이벤트 Event
      • 이벤트 값을 설정하면서 파라미터 값을 설정할 수 있음(무슨 아이템, 얼마짜리 등등), 필터해서 조회도 가능
      • 사전에 가이드가 된 이벤트들이 있어 가져다 쓰는 것도 가능
    • 사용자 속성 User Property
      • 유저를 정의하는 용도로 사용되는데, 이 설정을 필터로 넣어 리포트값 넣을 수 있음
    • 잠재고객 Audience
      • 이벤트와 사용자 속성을 조합하여 구성된 유저들의 그룹
      • 그룹별로 필터 리포팅
      • 그룹별로 Push 날릴 수 있음 Push Notification
      • 그룹별로 A/B 테스트 처럼 화면 다르게 보여줄 수 있음 Remote Config
  • 파이어베이스 장점
    • GA처럼 집계된 정보만 보는 것이 아니라, 사용자별로 데이터가 있어서 속성에 따라 액션이 가능함
      • 잠재고객별 Push Notification, Remote Config 가능
      • BigQuery를 통해 rawdata를 받을 수 있음
    • Predictions를 이용하여 사용자의 행동을 예측할 수 있다.
      • 저렴한 비용으로 ML을 이용할 수 있다.
      • 데이터 쌓고 분류하는데 2주 정도 소요된다고 한다.
      • 기본적으로 4가지 분류를 제공한다
        • 설정한 이벤트에 도달할 수 있는지 (Who will make it to level 25?)
        • 곧 이탈할 고객인지 (Who will churn?)
        • 구매를 일으킬지 (Who will spend money?)
        • 친구에게 앱을 추천할지 (Who will share my app with friends?)
      • 그 고객 타겟으로 액션도 취할 수 있다. 심지어 타겟 정확도 범위도 설정 가능함
        • Push Notification 앱 푸시
        • In-App Messaging 앱 내에서 팝업처럼 나오는 것
        • Remote Config 타겟별로 다른 화면을 보여주는 것
    • Push Notification
      • 앱 푸시 후 Conversion 측정도 가능
    • Remote Config
      • 한번 설정하면 마케터가 Firebase console을 이용해 간단하게 A/B 테스트를 진행하고 결과값을 확인할 수 있음.
      • 테스트를 위한 타겟을 설정할 수도 있고, precition을 통해 행동을 예측하고 그 타겟별로 다르게 보내줄 수 도 있음

마케팅 지식

  • 목표 중심의 마케팅 집행, 그리고 자동 타겟팅
    • 요즘은 회원가입, 레벨달성, 구매 등 목표 설정이 우선시 되고 있음
    • 목표 설정하면 거기에 맞춰서 자동으로 설정해주며 마케팅 최적화하는 것이 트렌드

First time user experience가 중요, 출처

  • 요즘 마케팅은 UA보다 Retention과 Engagement가 중요
    • UA(User Acquisition) : 사용자 모객
    • 요즘은 앱을 딱 열었을 때, 첫 경험에 따라 리텐션에 많은 영향을 준다.
    • 아주 잘만든 앱의 2일째 리텐션도 52%정도. 일반적인 앱 리텐션은 28%~46%정도
    • 그러니까 열심히 모객한 고객의 48%~78%가 떠나가는 것은 일반적인 이야기

앞으로 고객이 얼마나 가치를 창출할까 출처

  • LTV보다 CLV를 보기 시작
    • LTV(Life Time Value) : 일반적으로 앱에서는 Total Revenue/Install로 계산함
      • 단점! 평균 값이다보니 높은 가치를 발생시키는 사람과 낮은 가치를 발생시키는 사람 따로 보지를 못함
    • CLV(Customer Lifetime Value) : 고객의 미래를 예측해서, 앞으로 발생시킬 가치까지 포함시킨 것으로 pLTV(predictive LTV)라고도 함
      • 과거에 가치를 많이 일으킨 고객이 앞으로도 그럴 보장은 없다. (Customers who were valuable in the past may not always be valuable in th future.)
      • 고객이 떠날 것인지, 아닐 것인지 고려후 앞으로 구매 패턴을 예측함
      • 고객의 행동/상태에 따라 고객별로 매겨지는 가치가 다 다르다는 것을 기본 전제로 함
      • 이걸 위해서 많은 회사들이 Data Scientist를 비싼 돈을 내고 채용하는 것임
      • Firebase의 Prediction을 이용하면 이런 분석도 가능하다고 함

Related Posts