이번 주는 웹사이트의Optimization (최적화)에 대한 2번째 이야기, Conversion Optimization (전환 최적화) 에 대한 이야기를 적어보겠습니다. 이 글의 많은 아이디어와 예시는 Chris Goward 저서 ‘You Should Test That: Conversion Optimization for More Leads, Sales and Profit or The Art and Science of Optimized Marketing’ 의 내용을 참고, 일부 번역 하였습니다.
——————-
“내가 어디로 가야하는 지 말해줄래? ” 앨리스가 말했다. “그건 네가 가지고 싶어하는 것이 무엇인지에 따라 달라지겠지.” 고양이가 대답했다. – 이상한 나라의 앨리스 중에서
전환의 최적화를 논하기 전에, 먼저 전환(Conversion)이 무엇을 의미하는지 정리하고 넘어가자. 전환은 회사 입장에서 방문자가 웹사이트를 방문해서 했으면 하고 바라는 그것, 즉 크고 작은 성공을 의미한다. 예를 들면 양식을 작성하거나, 제품을 구입하거나 등등 웹사이트의 성공으로 측정하는 그 행위를 의미한다. 따라서 일반적으로 전환율(Conversion Rate)은 다음의 산술식으로 정의한다.
전환율 (%) = 전환 수 (#) / 방문자수 (#) × 100
(보고자하는 전환의 종류에 따라 방문자수 대신 방문수로 대치되는 경우도 많다.)
우리가 테스트나 개인화를 위한 타겟팅을 고민하기 전에 사실 먼저 고민해야하는 것은, 궁극적으로 가고자하는 목표(전환)가 무엇이 되겠는지, 웹사이트 최적화를 통해서 얻고 싶은 것이 무엇인가를 아는 것이다. 대부분 회사들이 전환의 최적화를 통해 얻고 싶어하는하는 것은, 추가의 비용을 더 지불하지않고도 더 많은 매출 혹은 그와 유사한 성공을 얻고 싶어한다. 이 타이밍에서 바로 타켓팅을 하지 않고 테스팅을 먼저 해야 하는 이유는 왜 일까? (혹시 테스팅과 타켓팅 차이점이 익숙하지 않은 분들은 지난 주 포스트를 참고하시기 바란다.) 당신이 마케팅 담당자고, 네이버에 특정한 키워드 광고가 매번 클릭이 될때 마다 3,000원의 비용이 든다고 가정을 해 보자. 당연히 당신은 효과가 별로 없는 광고가 계속 클릭이 되서 비용을 계속 내는 것을 원하진 않을 것이다. 간단히 말하면 효과가 검증되지 않은 누군가에게 임의로 타켓팅을 하는 것보다는 테스팅을 통해서 그 광고의 효과를 먼저 검증하고 효과가 좋은 즉 전환율이 높은 광고로 타켓팅을 하도록 하는 것이 바람직하다.
조금 더 자세하게 살펴보자. 어떤 회사가 다음과 같은 테스트 결과를 얻었다고 가정해보자. 이 회사는 구글에 키워드 클릭당(Cost per click : CPC) 3달러를 지불하는 광고를 하고 있다. 이 광고를 통한 노출수 (Impression)은 100,000 이었다. 키워드와 랜딩페이지를 최적화를 하기 전의 데이터를 보면(Baseline) 40번의 Conversion을 만드는데 총 6,000 달러를 소요했고, 전환 하나를 만들어내기 위해 150불의 비용이 소요되었다.
(Goward, Chris. You Should Test That: Conversion Optimization for More Leads, Sales and Profit or The Art and Science of Optimized Marketing – Kindle location 806)
첫번째 시나리오에서는 Paid Search를 최적화하여Click-Through Rate(CTR)를 10%정도 높힐 수 있는 시니리오를 적용했을 경우이다. 참고로 Click-Through란 실제로 그 광고가 클릭이 된 수를 의미한다. 따라서 CTR은 일반적으로 Click-Through를 방문수로 혹은 방문자수로 나눈다. 이 경우엔 방문수도 증가했고, 전환수도 증가했다. 전환이 증가했으나 전환당 비용은 150불로 Baseline과 동일하여 조금 개선은 되어보이지만 결국 총 Cost는 10%가 증가한 6,600불이 되었다. 결국 전환이 증가한 만큼 Cost도 증가한 상황이다.
두번째 시나리오의 경우는 랜딩페이지만 최적화하여 적용한 경우다. 이 경우 궁극적으로 전환수도 증가하고 심지어 전환당 비용은 감소했다. 그런데 유입에 대한 숫자(방문수)에는 전혀 도움이 안되었다. 키워드에 돈을 지불하는 이유는 더 많은 유입을 유도해서 전환을 높히기 위함인데 반쪽짜리 성과만 보였다.
이 경우에는 세번째 시나리오 즉 Paid Search에 대한 최적화와 랜딩페이지 최적화를 모두 시행했을 경우에 두 마리의 토끼를 모두 잡을 수 있다. 이것이 현실적으로 가능해지려면, 잘 설계된 시나리오를 가지고 여러가지 테스트기법을 통해서 최소 몇 주 정도의 테스트 기간을 걸치는 노력이 필요하다. 이런 것들을 웹사이트에 쉽게 구현할 수 있는 많은 좋은 Tool들이 이미 시장에 나와있으니 테스트 시나리오를 잘 구성만 할 수 있으면 그런 것들을 통해 이 정도의 데이터는 쉽게 얻을 수 있다.
실제로 많은 전문가들의 조언에 따르면 테스트를 통해 성과를 보이기 힘든 산업이나 목표 혹은 대상 같은 것은 없다. 중요한 것은 이것의 효과를 어떻게 수치적인 부분으로 환산이 가능한가에 대한 물음인데, 테스트의 결과 및 효과를 보여주는 많은 Tool들에서는 통계적으로 사용하는 Lift를 통해서 그 수치적인 비즈니스의 결과를 보여준다. 그 계산의 방법은 다음과 같다. 예를 들면, 간단하게 온라인 쇼핑몰의 일년 매출이 천만 달러인 경우, 이 사이트 전체 전환율을 10 % 향상시킬 것으로 기대한다고 가정할 때, 대략 다음과 같이 매출에 대한 상승(Revenue Lift)을 예측할 수 있다.
$ 10,000,000 × 10 % = $ 1,000,000
(Goward, Chris. You Should Test That: Conversion Optimization for More Leads, Sales and Profit or The Art and Science of Optimized Marketing – Kindle location 862)
이 결과는 단순히 Control (Baseline) 대비 전환율(Sales Conversion Rate) 상승이 10%, 20%, 30% 되었을 경우에 예상되는 매출이다.
만약 전환율 상승이 20%라고 동일하게 설정하였을때 AOV (Average Order Value)가 상승하면 훨씬 더 큰 폭의 매출이 증가될 수 있음을 확인할 수 있다.
(Goward, Chris. You Should Test That: Conversion Optimization for More Leads, Sales and Profit or The Art and Science of Optimized Marketing – Kindle location 868)
AOV는 일반적으로 Revenue / Order 로 정의하고 우리말로 객단가로 설명하기도 한다. AOV lift를 증가시킨다는 의미는 원래 구매 한건이 이루어질때 10,000원 사던 사람들이 구매 한건 당 11,000원 혹은 12,000원 어치를 사게하도록 사이트를 최적하거나 혹은 광고를 최적화하겠다는 의미다. 사이트나 광고를 최적화하려면 현재 사이트에서 매출을 방해하는 요인 혹은 광고의 효과를 더 극대화 할 수 있는 부분이 무엇인가가 분석되고 고민되어야 한다는 의미다. 이런 맥락이 이해가 된다면, 우리가 현재 처한 상황(Baseline)에 대한 명확한 분석없이, 우리가 얻고자하는 리턴에 대한 치밀할 예측이 없이 무모하게 타켓팅을 하는 것이 얼마나 시간과 노력을 허비하는 프로세스인지를 이해할 수 있다.
매출이 사이트에서 발생하는 회사에서 AOV 나 Revenue가 중요한 지표인 반면 사이트에서 lead를 만드는 것이 중요한 회사들은 매출 관련한 지표보다는 LTV(Life Time Value)가 중요한 지표로 사용되기도 한다. 고객 LTV는 초기 구매 자체에 관심을 가지기 보다 그 이상의 가치를 지닌 새로운 고객의 평균 순가치를 알려주는 지표인데, 반복 구매를 한 고객의 비율과 평균 주문액을 예측할 수 있다면 고객의 총 가치를 대략적으로 계산할 수 있게 된다.
전환을 최적화한다는 것은 단순히 전환율 상승(Conversion Rate Lift) 그 이상의 의미를 포함한다. ‘단순히’ 라고 표현했다고 해서 전환율 상승이 비즈니스에 아주 작은 정도의 영향력이 있다는 의미는 절대로 아니다. 오히려 전환의 최적화를 통한 즉각적인 전환율 상승은 기업이 테스트 기반의 과학적인 최적화를 지속하게 할 수 있는 성공 경험의 시작점이다. 더욱 중요한 것은 전환 최적화를 위한 테스트의 과정과 결과를 분석하는 일련의 활동들이 궁극적으로 기업의 전반적인 마케팅 전략 및 비즈니스 전략에 영향을 줄 수있는 지속적 학습 환경을 만든다는데 있다. 이 과정을 통해 기업은 스스로 진화하면서 학습한다.