정성 및 정량 데이터로 더 나은 성장 실험 실행

성장 마케팅은 빠른 성공에 관한 것이 아닙니다. 회사를 무한정 확장할 수 있는 데이터 기반 기반을 구축하는 것입니다. 그 기반에는 고객이 있습니다. 기반을 튼튼히 하려면 고객을 만족시키는 데 가장 먼저 투자해야 합니다.

회사를 성공적으로 성장시키려면 고객이 사이트에서 행동을 취하거나 행동을 취하지 않는 이유를 이해해야 합니다. 이를 위해서는 고객, 의사 결정 프로세스 및 여정에 대한 완전한 관점이 필요합니다. 양적 및 질적 데이터가 있는 경우에만 이 완전한 보기를 얻을 수 있습니다. 정량적 데이터는 분석에서 비롯되며 "무엇"(그들이 취하는 조치)을 제공하며, 여기서 정성적 데이터는 사용자 연구에서 제공되고 "왜"(해당 조치를 취하는 이유)를 제공합니다.

"깔때기의 모든 부분에 양적 및 질적 지표를 모두 보유 하고 비즈니스 지표를 개선할 뿐만 아니라 고객 만족도를 개선하고 있는지 확인하기 위해 동시에 살펴보는 것이 정말 중요합니다." – Nikunj Kothari, 성장 제품 리드, Opendoor

Amplitude의 풍부한 제품 분석과 UserLeap과 같은 도구의 지속적인 연구를 결합하면 판매 유입경로를 완벽하게 파악하여 최고의 성장 마케팅 결정을 내릴 수 있습니다.

제품 분석을 사용하여 고객 문제 식별

제품 분석은 정량적 데이터를 추적하고 공개하여 고객 문제를 식별하는 데 도움이 됩니다. 유지율, 이탈률 및 가입율과 같은 양적 데이터는 이러한 비율이 지나치게 높거나 낮은 경우 마케팅 활동에 문제가 있음을 나타낼 수 있습니다.

정량적 데이터는 낮은 유지율이든 높은 이탈률이든 문제가 무엇인지 알려줍니다. 정량적 데이터가 없으면 마케팅 문제가 무엇인지에 대한 아이디어는 추측일 뿐입니다.

정량적 데이터를 얻으려면 Amplitude가 제공하는 제품 분석을 실행해야 합니다.

문제 식별

제품 분석을 적절하게 활용하려면 먼저 Amplitude를 사용하여 상위 수준에서 유입경로를 분석하여 전반적인 고객 평생 가치 및 최고의 획득 캠페인과 같은 개선 기회를 찾아야 합니다. 이 높은 수준의 정보는 특정 요일에 고객과의 급락 지점 또는 실적이 저조한 캠페인과 같은 눈에 띄는 위험 신호를 강조하며, 이는 그로스 마케터와 제품 팀 모두에게 가치가 있는 정보입니다.

유입경로를 살펴보면 캠페인 이후 사용자 수가 급증했지만 얼마 지나지 않아 감소한 것을 발견했다고 가정해 보겠습니다. 월말까지 사용자는 전월보다 몇 명 더 많았지만 월초만큼은 없었습니다. n일 유지율을 자세히 살펴보면 5일째까지 많은 신규 가입이 남았음을 알 수 있습니다. 수정해야 할 특정 문제 제공: 사람들이 앱을 사용한 지 5일 만에 이탈합니다.

청중을 자세히 살펴보세요

다음으로 일반적인 분석(페이지 트래픽 및 이탈률)을 넘어 집단 또는 잠재고객 세그먼트를 살펴봅니다. 일반 교통 정보와 달리 코호트는 행동 그룹으로 나눌 수 있습니다. 코호트가 실제 행동 및 행동과 연결되기 때문에 일반 트래픽보다 코호트 정보를 더 의미 있게 만듭니다.

높은 수준의 분석에서는 제품 사용 5일 차에 고객이 급격히 감소하는 것으로 나타났으므로 동질 집단을 파고들어 실제로 누가 이탈하는지 확인합니다. n일 유지율과 5일 차에 떠난 코호트를 살펴보면 이러한 고객 중 상당수가 앱에서 소셜 공유 기능을 사용하지 않는다는 것을 알게 됩니다. 이제 5일 후에 사람들이 떠나는 문제는 해결해야 할 스레드가 있습니다. 바로 소셜 공유 기능의 사용을 촉진하는 것입니다.

문제에 대한 변환 드라이버 설정

해결하려는 문제에 대한 잠재적인 수정 사항을 확인했으면 해당 문제를 해결하거나 해결하는 변환 드라이버를 설정합니다. 전환 동인은 앱에서 소셜 공유를 사용하거나 재생 목록을 만드는 것과 같이 모니터링하려는 이상적인 작업입니다. 전환 동인은 동질 집단 및 캠페인마다 다릅니다. 생각해 보십시오: 이 특정 그룹이 하기를 바라는 것은 무엇입니까?

소셜 공유를 사용하는 사용자는 더 오래 머무르는 경향이 있으므로 소셜 공유는 이 캠페인의 전환 동인입니다. Amplitude를 사용하여 소셜 공유를 위한 전환 동인을 만든 다음 더 많은 고객이 이 기능을 사용하도록 유도할 수 있는 방법에 대한 가설로 이동합니다.

가설 및 A/B 테스트

이 시점에서 수정하려는 것이 무엇인지 알고 변환 드라이버가 설정됩니다. 이제 전환 동인을 높이는 방법을 브레인스토밍하고 이러한 가설을 테스트해야 합니다. 자문해 보십시오. 이러한 전환을 어떻게 현실로 만들 수 있습니까?

사람들이 소셜 공유 기능을 사용하여 이러한 고객이 5일 이상 유지되는지 확인하려면 이를 호출하거나 광고를 실행하는 팝업 튜토리얼과 같이 소셜 기능을 강조하는 다양한 앱 레이아웃을 A/B 테스트할 수 있습니다. 소셜 공유 기능의 장점을 보여주는 캠페인입니다. 거기에서 변환 드라이버 성능을 면밀히 모니터링하고 어떤 변경 사항이 가장 효과적인 미세 조정에 가장 큰 영향을 미치는지 확인합니다.

이러한 A/B 테스트를 실행하는 동안 가능한 한 많은 데이터를 캡처해야 한다는 점은 주목할 가치가 있습니다. 실패한 테스트는 성공적인 테스트보다 더 많은 유용한 데이터를 제공할 수 있습니다.

그러나 이 양적 데이터는 그림의 일부만을 보여줍니다. 정성적 데이터는 더 자세한 세부 정보를 제공하고 가능한 한 많은 정보로 정량적 기반 변경이 이루어지도록 합니다.

사용자 조사를 실행하여 고객 문제 이면의 이유 를 조사하십시오.

고객 유입경로 내 문제를 식별한 후 성장 마케팅을 개선하기 위한 다음 단계는 문제의 원인을 정확히 찾아내는 것입니다. 그리고 질적 데이터, 즉 직접 조사를 통해 제공된 데이터를 통해서만 문제가 발생하는 이유를 식별할 수 있습니다.

새로 변경된 클릭 유도문안 또는 버튼 배치와 같은 특정 문제 또는 성장 실험에 대해 청중에게 직접 묻는 설문조사는 단일 출처인 고객을 제공합니다. 이렇게 하면 일반 분석이 남을 수 있는 의심이 사라지고 문제를 직접 해결할 수 있습니다. 그러나 기억하십시오. 정량적 데이터는 정성적 연구에서 올바른 질문을 하는 데 필요한 정보를 제공합니다.

따라서 정량적 데이터에서 문제가 사용자 가입 5일 차 이후 낮은 유지율임을 나타내면 정성적 데이터를 사용하여 사용자가 5일 후에 이탈하는 이유를 식별하는 데 도움이 될 수 있습니다.

정성적 데이터를 수집하는 가장 좋은 방법 중 하나는 UserLeap이 제공하는 사이트 또는 앱에 내장된 빠른 설문조사인 마이크로서베이를 사용하는 것입니다. 거기에서 고객에게 기능에 대한 피드백을 제공하도록 요청할 수 있습니다. 다시 말해서 데이터가 남긴 의심을 제거할 수 있습니다.

소셜 공유를 사용하지 않는 사람들의 집단으로 돌아가자. 정량적 분석을 사용하여 초기에 앱을 떠나는 사람들과 공유 기능을 사용하지 않는 사람들 사이의 상관 관계를 발견했습니다. 우리는 다양한 레이아웃과 팝업을 시도하여 해당 기능의 사용을 유도했습니다. 이 모든 것은 Amplitude의 정량적 분석이 있기 때문에 가능합니다.

다음으로, UserLeap을 사용하여 마이크로서베이를 활용하여 사람들이 소셜 공유 기능을 사용하거나 사용하지 않는 이유를 물어볼 수 있습니다. 우리는 사람들에게 기능의 새로운 배치나 기능을 홍보하는 데 사용되는 팝업에 대해 질문하여 이러한 변경 사항이 의미가 있는지 여부를 판단할 수도 있습니다. 이를 통해 문제의 핵심에 접근하고 기능을 더 많은 청중에게 더 매력적으로 만들어 유지율을 높일 수 있습니다.

질적 연구의 유용성은 위와 같은 개별 사용 사례를 뛰어넘습니다. 지속적인 연구는 가설을 구축하는 동안 그 이유 를 밝히는 데 도움이 될 뿐만 아니라 가설을 테스트하는 데 도움이 되어 문제가 실제로 문제가 되기 전에 문제에 대한 솔루션을 시도할 수 있도록 합니다.

예를 들어 가입 장벽 마이크로서베이를 사용하여 다양한 랜딩 페이지가 게시되기 전에 테스트하여 어떤 페이지가 가장 실적이 좋거나 나쁜지, 그리고 그 이유를 확인할 수 있습니다. 이러한 마이크로 설문조사의 피드백은 출시 전에 가장 효과적인 사이트 또는 앱을 구축하는 데 도움이 되므로 최고의 첫인상을 남길 수 있습니다.

UserLeap의 강력한 AI 기반 텍스트 분석을 사용하면 가입 장벽에 초점을 맞추든 라이브 기능을 개선하는 데 초점을 맞추든 모든 설문 조사를 신속하게 검토할 수 있습니다. UserLeap의 텍스트 분석은 공통 기반 또는 반복되는 문제를 찾는 데 도움이 되도록 답변에서 핵심 용어, 감정 및 주제를 가져옵니다. 이 정보를 사용하여 고객의 요구와 요구에 맞춰 의미 있는 개선을 신속하게 수행할 수 있습니다.

양적 및 질적 데이터로 더 나은 성장 실험 만들기

양적 데이터와 정성적 데이터 모두를 통해 이제 어떻게, 무엇을, 언제, 어디서, 왜 UX 실험을 통해 정보에 입각한 결정을 내리고 고객 문제를 해결하며 청중을 전반적으로 더 잘 이해할 수 있는지에 대한 답을 얻었습니다.

실험을 위한 가설을 생성할 때 현재 보유하고 있는 모든 데이터를 활용하십시오. 즉, 표면 수준의 비즈니스 메트릭을 해결하는 것이 아니라 근본적인 고객 문제를 충족하는 솔루션을 아이디어화하고 테스트하십시오. Amplitude와 UserLeap의 기능을 결합하면 이 프로세스를 최대한 고통 없이 원활하게 수행할 수 있습니다. 그러나 그것에 대해 우리의 말을 받아들이지 마십시오.

“Opendoor에서 Amplitude와 UserLeap은 모두 PM 기술 스택의 필수적인 부분입니다. Amplitude는 문제가 있는 시기와 위치를 보여주고 UserLeap은 문제의 원인을 빠르게 찾는 데 도움이 됩니다. UserLeap에서 제공하는 정성적 통찰력이 없었다면 가장 시급한 문제를 해결하기 위해 많은 A/B 테스트를 배포하는 데 몇 주를 소비해야 했습니다.” – Nikunj Kothari, 성장 제품 리드, Opendoor

사이트나 앱이 라이브 상태이든 초기 테스트 단계이든 관계없이 고객은 진실의 원천입니다. 양적 및 질적 데이터로 해당 소스를 찾고 상상할 수 있는 최고의 첫인상을 주는 앱을 만드십시오.

Opendoor가 어떻게 UserLeap 및 Amplitude와 정성 및 정량 분석을 결합하여 실험 속도를 높이고 제품 성장을 주도했는지 알아보십시오. 지금 녹화된 웨비나를 시청하십시오.