깔때기 분석이란 | 전환율을 높이기 위해 어떻게 사용합니까?

마케팅 담당자로서 귀하의 궁극적인 목표는 마케팅 캠페인에서 원하는 결과를 달성하는 것입니다. 성공하려면 모든 조직 리소스가 있어야 합니다. 그러나 당신이 원하는 것은 그것을 통합하고 적용하는 완벽한 방법입니다. 깔때기 분석 이 필수적인 곳입니다.

퍼널 분석은 특정 목표로 이어지는 일련의 이벤트를 매핑하고 분석하는 데 사용할 수 있습니다. 사용자 행동 유형에 대한 대화율을 알아보는 효과적인 방법입니다. 예. 모바일 앱에서 사용자의 참여에서 시작하여 완벽한 판매 거래로 끝나는 흐름입니다.

깔때기는 입에서 더 넓고 길이가 좁아지는 물리적 물질입니다. 이렇게 하면 더 적은 볼륨이 통과할 수 있습니다. 퍼널 분석은 유사한 원리로 작동합니다. 퍼널에 진입할 사용자 수, 즉 거래를 시작할 사용자 수에 대한 사실을 제시합니다. 그런 다음 거래를 완료할 사용자에 대한 사실과 추정치를 제공합니다.

퍼널 분석은 트랜잭션의 특정 병목 현상에 대한 유용한 정보를 제공할 수 있습니다. 병목 현상은 일반적으로 사용자가 참여를 중단할 때 나타납니다. 사용자 이탈을 유발하는 문제를 해결하는 데 도움이 됩니다. 고객이 구매 과정에서 정체된 이유를 알게 되면 고객과의 향후 상호작용을 단순화할 수 있습니다. 퍼널을 분석하면 조직의 사용자 전환율을 높이는 데 도움이 됩니다.

예를 들어, 전자 상거래 웹사이트는 방문자를 웹사이트로 유도하고 목표는 판매입니다. 이를 전환 또는 거시 전환이라고 합니다. 판매를 시작하고 완료하려면 다양한 단계가 필요합니다. 프로세스는 방문자가 귀하의 사이트에 도착하는 것으로 시작하여 카트에 제품을 추가하는 것으로 끝납니다. 마지막으로 결제 버튼을 클릭하고 구매합니다. 이러한 단계를 목표 또는 미시 전환이라고 합니다.

퍼널 분석 유형

퍼널 분석은 하나의 유형이나 범주에 넣을 수 없습니다. 다양한 유형이 될 수 있습니다.

다음은 퍼널 분석 유형의 몇 가지 예입니다.

• 전자상거래 – 사용자가 더 많은 제품을 구매하도록 유도합니다.
• 온라인 서비스 – 목표는 사용자 전환, 이탈률 증가 및 감소입니다.
• 모바일 앱 – 목표는 사용자 참여를 과장하는 것입니다.

유입경로 분석은 방법 적용에 따라 다음과 같은 유형이 될 수 있습니다.

1. 마케팅 퍼널 분석
2. 세일즈 퍼널 분석
3. 온보딩 퍼널 분석

퍼널 분석은 프로젝트의 복잡성에 따라 다음과 같은 유형이 될 수 있습니다.

1. 등록 양식 작성과 같은 간단한 프로젝트를 포함합니다.
2. 앱의 온보딩 프로세스와 같은 보다 복잡한 프로세스를 포함합니다.

이러한 각 유형에서 전체 프로세스를 처음부터 끝까지 측정할 수 있습니다. 방문자가 최종 목표, 즉 구매에 도달한 첫 페이지부터 시작됩니다. 프로세스는 구매 목표를 넘어설 수도 있습니다.

모든 유형의 공통 스레드는 선형성입니다. 퍼널 분석은 일반적으로 선형 사용자 여정을 분석하는 경우에 유용합니다. 분석은 사용자 경험이 단순한 프로세스를 만드는 데 도움이 될 수 있습니다. 종점에 도달하는 간단한 방법이 있습니다.

평균 구매 수를 확인하기 위해 깔때기 분석을 사용할 수 없습니다. 사용자 개발을 위해서만 사용할 수 있습니다. 이는 전자상거래, SaaS, 모바일 앱 등 모든 비즈니스에 적용됩니다.

기본 퍼널 분석 프레임워크

퍼널 분석 프레임워크는 적용이 간단합니다. Dave McClure가 만들었습니다. AARRR 모델이라고도 합니다. 마케터는 필요한 변경을 통해 대부분의 온라인 비즈니스에 적용할 수 있습니다.

AARRR 모델은 고객이 서비스에서 몇 가지 일반적인 단계를 거친다고 말합니다. 단계는 다음과 같습니다.

• STEP 1. 취득. 이는 사용자가 귀하의 웹사이트 또는 앱을 방문했음을 의미합니다.
• 2단계. 활성화. 사용자가 귀하의 제품 또는 서비스를 경험했습니다.
• STEP 3. 보유. 사용자는 귀하의 비즈니스에 대한 반복적인 경험을 위해 돌아옵니다.
• 4단계. 수익. 사용자가 제품 또는 서비스를 구매합니다.
• 5단계. 추천. 그런 다음 사용자는 귀하의 비즈니스를 지인에게 소개합니다.

참조용 기본 모델입니다. 시간이 지남에 따라 비즈니스 프로세스에서 더 많은 데이터가 생성됩니다. 또한 깔때기 분석에 대한 더 많은 경험을 얻을 수 있습니다. 단계 간의 상관 관계를 계산하여 분석을 더 세분화할 수 있습니다. 데이터는 논리 기반 처리에서 데이터 기반 처리로 퍼널을 전환하는 데 도움이 됩니다.

퍼널 분석을 만드는 방법

퍼널 분석을 쉽게 생성할 수 있습니다. 최소한의 시간에 유입 경로 분석 을 설정하는 데 도움이 되는 단계를 제공합니다.

1단계: 유입경로의 단계를 분필로 작성

첫 번째 단계는 퍼널에서 사용할 방법을 계획하는 것입니다. 일반적으로 깔때기는 4~8단계로 구성됩니다. 그 이상의 단계가 있으면 전체 프로세스가 매우 복잡해질 수 있습니다. 또한 올바르게 생성된 데이터의 양을 분석하지 못할 수도 있습니다. 단계가 적으면 적절한 유입경로가 존재하지 않을 수도 있습니다.

2단계: 퍼널 분석을 위한 정확하고 적절한 도구 선택

관련 노하우가 없는 경우 타사 도구를 선택할 수도 있습니다. 처음에는 타사 도구를 사용하는 것이 더 나은 옵션일 수 있습니다. 이제 리소스가 많지 않을 것이며 이러한 도구는 매우 유용할 것입니다. 그러나 비즈니스가 성장함에 따라 이러한 도구는 필요한 모든 데이터를 제공하지 않습니다. 그런 다음 사용자 지정 도구를 만들어야 합니다. 퍼널 분석 도구 는 Python, SQL 또는 Bash를 사용하여 구축할 수 있습니다.

퍼널 분석 기능이 내장된 몇 가지 도구를 제공하고 있습니다.

• Google Analytics: 목표를 설정하거나 전자 상거래 설정을 향상시키는 데 사용할 수 있습니다.
• NotifyVisitors: 기본 용도는 웹사이트에 대한 히트맵을 만드는 것입니다. 그러나 퍼널 메트릭도 내장되어 있습니다.

3단계: 퍼널 시각화 생성 및 설치

프로세스의 마지막 단계입니다. Google Data Studio 또는 Tableau를 사용하면 유입경로를 시각화할 수 있습니다.

깔때기 분석에서 제공하는 유용한 데이터

퍼널 분석은 사용자 경험 및 프로세스 최적화를 개선하는 것을 목표로 합니다. 더 높은 사용자 전환으로 이어질 수 있습니다. 그러나 분석은 어떤 데이터를 제공합니까? 우리는 여기서 이 중요한 질문에 답했습니다.

데이터를 분석하는 세 가지 주요 방법이 있습니다.

#1 "병목 확인".

가장 많은 수의 사용자가 전체 프로세스에서 물러나도록 하는 프로세스의 지점입니다. 대부분의 사용자가 특정 지점 이후 프로세스에서 진행하지 않는 경우 전체 프로세스의 병목 현상입니다. 가장 높은 하락이 발생한 곳을 살펴보는 것이 좋습니다. 절대 수치와 비즈니스 기대치를 모두 고려해야 합니다. 이러한 기대는 상식에 근거할 수 있습니다. 그러나 그러한 기대에는 확고한 기반이 있어야 합니다. 그 기반이 시장 벤치마크가 될 수 있습니다.

#2 다양한 단계 내에서 시간 지연.

이 단계는 프로세스의 각 단계에서 사용자가 소요하는 시간을 확인합니다. 다른 단계에 비해 시간이 많이 걸리는 단계가 있으면 사용자가 크게 감소할 수 있습니다. 또한 사용자는 저렴한 제품과 비교할 때 비싼 제품에 대해 구매 결정을 내릴 수 없습니다. 기업은 고가의 제품에 대해 우수한 정보와 인센티브를 제공해야 합니다. 따라서 사용자가 제품 구매에 대해 결정을 내릴 수 있습니다.

#3 더 나은 타겟팅을 위해 세분화 사용

다른 사용자 세그먼트는 프로세스의 다른 단계에서 더 효율적일 수 있습니다. 이 데이터를 확인하면 정확한 사용자 세그먼트를 타겟팅하는 데 도움이 될 수 있습니다. 사용자 세그먼트가 단계를 어렵게 찾은 이유를 찾을 수도 있습니다. 예. 남성은 특정 남성용품 사이트를 정기적으로 방문하지만 아무것도 구매하지 않을 수 있습니다. 그런 다음 웹 사이트는 다른 접근 방식을 사용할 수 있습니다. 남편에게 줄 선물을 사라고 아내를 표적으로 삼을 수도 있습니다.

결론

프로세스에서 병목 현상을 찾는 데 사용할 수 있습니다. 그런 다음 사용자가 프로세스를 중간에 중단하지 않도록 잘라낼 수 있습니다. 또한 사용자 행동을 분석하여 단계를 최적화할 수 있습니다. 따라서 깔때기 분석 은 사용자 전환을 크게 늘리는 데 필수적인 도구입니다.