*이 글은 아하 모먼트(Aha Moment)의 개념과 프로덕트 데이터 분석 툴, 믹스패널(Mixpanel)로 아하 모먼트를 발견하는 방법에 대해 작성한 글입니다.
이런 분들께 도움이 될 거에요✅ 아하 모먼트의 개념이 궁금했던 PO/마케터✅ 아하 모먼트를 찾는 방법을 알고싶은 PO/마케터✅ 믹스패널(Mixpanel)로 아하 모먼트를 찾고 싶은 PO/마케터✅ 믹스패널(Mixpanel) 고급 기능을 활용해보고 싶은 PO/마케터 (코호트, 시그널)
1. 아하 모먼트(Aha Moment) 왜 중요한가요?
제품을 사용하면서 “어~ 이거 괜찮은데?” 하면서 푹 빠졌던 순간이 있으셨나요?
혹은 어떤 앱을 사용하다가 “마침 이런 앱이 필요했는데!” 하고 생각했던 적이 있나요?
바로 이러한 순간을 우리는 아하 모먼트라고 합니다. 아하 모먼트(Aha Moment)란 제품 및 서비스를 이해하고, 제품의 가치를 처음으로 느끼는 순간을 의미합니다. 우리는 이처럼 아하 모먼트를 느끼게 되면 제품에 호감을 가지게 되거나 더 나아가 그 브랜드의 팬이 되기도 합니다.
예를 들어, 클로이가 평소에 친구들과 즐겁게 놀고 나서 정산할 때 따로 계산해서 나누는 것에 불편함을 느끼고 있었다고 가정해 봅시다. 그러던 중 카카오톡에서 금액만 입력하면 자동으로 정산을 하는 기능을 우연히 발견하게 되죠. 그 뒤에 1/N 정산이 필요할 때는 카카오톡을 주로 사용하게 된다고 해봅시다. 여기에서 클로이에게 아하 모먼트는 카카오톡으로 쉽고 편리하게 1/N 정산을 한 순간이 될 수 있습니다.
위의 사례처럼 모든 유저들이 우리 서비스의 아하 모먼트를 경험해서 꾸준히 우리의 제품을 이용하면 좋겠지만 이는 쉽지 않습니다. 유저의 행동은 한 가지로 정의되는 것이 아니고 여러 니즈에 따라 각각 다양한 행동을 보이기 때문입니다.
따라서 유저가 처음 우리 제품이나 서비스를 접할 때, 우리 제품의 가치를 빠르게 발견하고 아하 모먼트를 경험할 수 있는 양질의 NUX(New User Experience) 제공하는 것이 중요합니다. 이는 단순히 가치를 느끼는 것을 넘어 유저가 계속 우리 제품을 이용할지 아니면 떠날지를 결정하는 중요한 동기부여가 되기도 합니다.
2. 아하 모먼트를 찾을 땐, 프로덕트 데이터 분석 부터
아하 모먼트는 유저의 행동 데이터에서 포착할 수 있습니다.
이는 숫자로 정확하게 수치화하는 정량적 데이터로도 확인할 수 있지만 유저 인터뷰 등을 통한 정성적 데이터로도 확인할 수 있습니다.
이렇게 정량적, 정성적으로 수집한 정보를 바탕으로 고객 퍼소나별로 어느 시점에서 이탈하는지, 어떤 카테고리에서 행동이 활성화되는지 등 제품을 사용하는 행동 패턴을 통해 제품 개선점을 발견하게 됩니다. 특히 아하 모먼트를 찾기 위해 우리가 목표로 하는 주요 행동을 수행한 사람과 아닌 사람들을 나누어 분석하는 것이 굉장히 중요한데, 이러한 분석 기법을 코호트 분석(Cohort Analysis)이라고 합니다.
코호트 분석이란 특정 기간 동안 공통적인 특성과 경험을 공유하는 사용자들을 코호트 그룹으로 묶어 지표를 수치화하여 분석하는 것을 의미합니다. 주요 전환 행동 혹은 선행 지표 행동들을 수행하는 과정들을 코호트별로 나누어 분석하게 되면 예상하지 못한 깊은 인사이트를 얻을 수 있습니다.
예를 들어, 유저가 제품 구매 여정에서 장바구니에 제품을 담지 않는 현상을 발견했다고 가정해 보겠습니다.
구매완료는 유저가 가치를 느낄 수 있는 중요 행동이고, 장바구니 담기는 구매의 선행 지표로 유저가 가치를 느끼고 있다는 것을 보여주는 지표일 수 있습니다. 따라서 우리는 유저들이 왜 장바구니에 제품을 담지 않는지, 장바구니에 제품을 담고 구매하는 사람들과 담지 않고 구매하는 사람들 간의 고객 여정(User Journey)이 어떻게 흘러가는지 분석할 필요가 있습니다. 두 유저간의 차이를 통해 더 많은 유저가 아하 모먼트를 경험할 수 있는 방법들을 찾고 개선해야 하기 때문입니다.
3. 아하 모먼트를 찾기 위한 프로덕트 데이터 분석 도구, 믹스패널
믹스패널(Mixpanel)은 PO/마케터들이 아하 모먼트를 찾기 위한 다양한 기능과 리포트를 지원합니다. 우선, 위의 사례에 맞게 유저가 장바구니에 제품을 담지 않는 현상을 믹스패널의 E-commerce 대시보드를 통해 분석해 보고 가설을 세워보도록 하겠습니다.
1) 퍼널(Funnel) 데이터 분석
우선, 유저가 장바구니에 제품을 잘 담지 않는다는 것을 명확히 확인하기 위해 제품 상세 페이지에서 장바구니를 담기 전환율이 어떻게 되는지에 대한 데이터를 분석해야 합니다.
아래의 예시처럼 믹스패널의 Funnel Report를 통해 제품 상세페이지를 본 다음 장바구니를 담고, 최종적으로 구매 완료하는 사람들이 어떻게 되는지 확인해 볼 수 있습니다.
아래 데이터에 따르면 최근 30일 동안 제품 상세페이지를 본 사람들 중 오직 34%만이 장바구니를 담고 구매를 완료하고 있음을 볼 수 있습니다.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment) 찾기 - 상세 페이지 to 장바구니 담기 퍼널 리포트 예시
2) 코호트(Cohort) 분석
그럼 이제 어떤 유저 그룹이 장바구니를 잘 담지 않는지, 그리고 그 유저 그룹군들은 장바구니를 담지 않는 대신 어떠한 행동을 하는지 데이터를 쪼개어 분석해 보도록 하겠습니다.
위에 생성한 퍼널 리포트에서 Breakdown 기능을 활용해 제품을 브랜드별로 나누어 보면 아래와 같은 전환율 데이터 확인이 가능합니다.
믹스패널로 아하 모먼트 찾기 - 전환율이 떨어지는 구간 찾기 예시데이터를 확인해보면 스케처스 브랜드를 상세페이지에서 본 그룹군은 장바구니를 담기에 소극적이며 구매 전환율도 좋지 않음을 확인할 수 있습니다.
결과적으로 우리는 스케처스 브랜드가 우리 서비스에 잘 맞는 브랜드인지, 추후 액션에 대해 고민해 볼 수 있습니다.
그럼, 자세한 정보를 확인해 보기 위해 스케처스 상세페이지를 본 유저들을 코호트 그룹으로 묶어보겠습니다.
믹스패널에서는 아래처럼 유저들을 특정 이벤트, 프로퍼티, 코호트들을 묶어서 코호트 그룹을 쉽게 만들 수 있습니다.
예를 들면 아래처럼 최근 30일 동안 제품 상세페이지에서 스케쳐스 브랜드를 1번이라도 본 유저를 그룹으로 묶어보겠습니다.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 코호트 생성 예시이렇게 생성한 그룹군을 다른 리포트에 넣고 다각도에서 해당 코호트 그룹군에 대한 분석이 가능합니다.
예를 들면 아래의 예시 처럼 리텐션 리포트에 해당 코호트로 Breakdown 하여 스케쳐스 상세페이지를 본 유저와 스케쳐스 상세페이지를 보지 않은 유저들 간의 재구매 리텐션율을 분석이 가능합니다.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 코호트 활용 예시
위의 리포트는 Daily 재구매 리텐션 차트를 스케쳐스 상세페이지를 본 유저(주황색 라인)와 보지 않은 유저(보라색 라인)로 코호트를 쪼개 리텐션율 차이를 분석한 것입니다. 이를 통해 스케쳐스 상세페이지를 한 번이라도 본 유저는 오히려 다른 상세페이지를 본 유저보다 재구매율이 상당히 뒤처짐을 확인할 수 있습니다.
최종적으로 우리는 제품 상세페이지에서 스케쳐스를 본 유저는 전환율뿐만 아니라 재구매 리텐션율에도 좋지 않은 영향을 끼침을 알 수 있습니다.
이를 바탕으로 '스케쳐스는 우리 유저들이 좋아하지 않는 브랜드이며, 전환율에 좋지 않은 영향을 미친다' 라는 가설을 세우고 다양한 후속 액션을 고민해 볼 수 있겠죠.
4. 상관관계 분석으로 발견하는 아하 모먼트
페이스북은 서비스 초창기에 오로지 "한 가지 핵심 목표에 굉장히 집중했다"라고 이야기합니다.
그들은 어떤 지표를 올리는 것이 페이스북의 Growth에 가장 큰 영향을 주는 것인지 다각도에서 분석하기 시작했고, 그 결과 “10일 안에 7명의 친구”를 추가한 유저의 페이스북 리텐션이 급격히 올라가는 것을 발견했다고 합니다. 빠른 시간 안에 최소 7명 이상의 친구가 생기게 되면 페이스북 피드에 새로운 친구들의 이야기가 떠서 교류하게 되고, 본인도 글을 올리면서 어느새 떠나지 않고 페이스북을 즐겨 사용하게 된다는 것이었죠.
위 페이스북 사례처럼 단순히 상관관계가 어느 정도 있다는 것을 넘어서 구체적으로 어떤 행동을 며칠 안에 몇 번 하는 것이 특정 지표를 달성하는데 영향을 준다는 내용을 쉽게 알 수 있다면 어떨까요? 믹스패널의 시그널(Signal) 리포트는 데이터 엔지니어/사이언티스트의 도움 없이도 특정 KPI와 가장 상관관계가 높은 행동을 분석해 주는 리포트입니다.
예를 들어서, 2주 차 리텐션을 높이는 것이 주요 목표라고 가정해 봅시다.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 시그널 리포트 활용 예시1
이처럼 믹스패널의 시그널 리포트(Signal Report)에서는 특정 유저를 대상으로, 특정 기간동안 2주 차 리텐션을 높이는데 가장 상관관계가 높은 Top Events가 무엇이었는지 즉각적인 분석이 가능합니다.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)찾기 - 시그널 리포트 활용 예시2
시그널 리포트를 활용해 제품을 찾는 행동 (Products Searched)을 7일 안에 최소 2번 이상하는 행동이 2주 차 리텐션율을 높이는 것과 상관관계가 강한 연관성이 있다는 것을 확인할 수 있습니다.
결과적으로 고객들이 제품을 찾는 행동 (Products Searched)을 많이 할수록 우리 서비스에 가치를 느낄 가능성이 높을 것이라고 가설을 세울 수 있겠습니다.
코호트 분석 및 시그널 리포트 분석을 통해 우리는 유저가 언제 감소하고 증가하는지, 그리고 어떤 행동을 해야 우리의 목표에 다다를 수 있는지를 확인하고 이에 따른 개선 방안을 시기에 맞추어 실행할 수 있게 됩니다. 예를 들면 상관관계가 높은 행동을 많이 하도록 유도하는 프로모션을 기획하거나, 전환율이 낮게 나오는 코호트에게 앱푸시를 날려서 전환을 많이 하도록 유도할 수 있겠죠.
믹스패널(Mixpanel)로 아하 모먼트(Aha Moment)를 찾는 과정을 살펴보았습니다.
사실 아하 모먼트는 고객이 가치를 느끼는 순간이기 때문에 고객 중심의 사고를 하지 않으면 파악하기 어렵습니다. 또한 제품이 업데이트되어 가면서 계속 바뀐다면 더욱 파악이 어렵겠죠.
하지만 그렇기에 더더욱 고객 입장에서 데이터를 끊임없이 분석하고, 고객에게 가치를 주는 제품을 만들어가기 위해 아하 모먼트를 찾고, 또 찾아야 합니다.
‘우리 제품의 가치는 무엇인지’, ‘고객들의 아하 모먼트를 어떻게 하면 극대화할 수 있을지’에 대한 고민을 하고 있다면, 그 단서를 믹스패널을 통해서 찾아보시는 것은 어떠실까요?
참고 자료 :
우리 서비스의 아하 모먼트를 발견하고, 유저가 사랑하는 서비스를 만들고 싶다면
데이터 분석 툴 믹스패널 전문 컨설턴트의 1:1 데모를 받아보세요.
도메인에 맞는 믹스패널 맞춤 활용을 함께 고민해 드릴게요!
