13. Growth Hacking

13.1. Growth Hacking

13.1.1. Growth Hacking 이란

13.1.2. Growth Hacking 프로세스

13.1.3. Growth Marketing

13.1.4. 그로스해킹 기술/도구

13.2. Google Merchandise Store 데이터

1. 트래픽 소스 데이터: 웹사이트 방문자가 어디에서부터 웹사이트를 방문했는지에 대한 정보를 포함합니다. 이 정보는 유기적인 트래픽, 유료 검색 트래픽, 디스플레이 트래픽과 같은 다양한 트래픽 유형에 대한 데이터를 제공하여 사용자가 웹사이트에 도달하는 방식을 이해하는 데 도움을 줍니다.

2. 콘텐츠 데이터: 이 섹션은 웹사이트 사용자의 행동에 대한 정보를 포함합니다. 방문자가 본 페이지의 URL, 콘텐츠와 상호 작용하는 방식과 같은 정보를 제공하여 사용자의 행동 및 웹사이트 상호작용을 이해하는 데 도움이 됩니다.

3. 거래 데이터: 이 부분은 Google Merchandise Store 웹사이트의 거래에 관한 정보를 제공합니다. 구매, 주문 및 결제와 관련된 데이터를 포함하여 전자상거래 활동을 분석하는 데 중요한 정보를 제공합니다.

• 컬럼설명

1. fullVisitorId: 사용자를 식별하는 고유 ID입니다.

2. date: 방문 일자입니다.

3. totals: 이 필드는 여러 하위 변수를 포함하는 STRUCT형식입니다.
• hits: 사용자의 방문 중 발생한 총 행동 수입니다.
• pageviews: 페이지 뷰의 총 수입니다.
• bounces: 1페이지만 방문하고 사이트를 떠난 세션의 수입니다.
• transactions: 트랜잭션의 총 수입니다.

4. trafficSource: 트래픽 소스 정보를 포함하는 STRUCT형식입니다.
• referralPath: 리퍼러 URL의 경로입니다.
• campaign: 캠페인 이름입니다.
• source: 트래픽의 방문자가 웹사이트로 오게 된 구체적인 출처를 나타냅니다. 예를 들어, Google을 통해 웹사이트를 방문한 경우, source는 "google"이 됩니다. 다른 예로, 특정 웹사이트의 링크를 클릭하여 웹사이트를 방문한 경우, 해당 웹사이트의 도메인 이름이 source가 됩니다.
• medium: 방문자가 웹사이트로 어떠한 경로나 방법으로 유입되었는지를 나타냅니다. 예를 들어, organic search를 통해 웹사이트를 방문한 경우, medium은 "organic"이 됩니다. 또한, Google Ads를 통해 광고 클릭으로 웹사이트를 방문한 경우, medium은 "cpc" (Cost Per Click)가 됩니다.

13.3. 지표

13.3.1. MAU (Monthly Active User)

WITH UserActivity AS (
  SELECT
		    fullVisitorId as user_id
		  , PARSE_DATE('%Y%m%d', date) AS year_month
  FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
)
SELECT
		  FORMAT_DATE('%Y-%m', year_month) AS year_month
		, COUNT(DISTINCT user_id) AS MAU
FROM UserActivity
GROUP BY year_month
ORDER BY year_month;

WITH MonthlyActiveUsers AS (
  SELECT
		    FORMAT_DATE('%Y-%m', PARSE_DATE('%Y%m%d', date)) AS year_month
		  , COUNT(DISTINCT fullVisitorId) AS MAU
  FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
  GROUP BY year_month
)

SELECT
		  year_month
		, MAU
		, IFNULL(CAST(((MAU- LAG(MAU, 1) OVER (ORDER BY year_month)) / LAG(MAU, 1) OVER (ORDER BY year_month)) * 100 AS INT64),0) AS growth_rate
FROM MonthlyActiveUsers
ORDER BY year_month;

13.3.2. WAU (Weekly Active User)

SELECT 
		  DATE_TRUNC(PARSE_DATE('%Y%m%d', date), WEEK) AS week
		, COUNT(DISTINCT fullVisitorId) AS WAU
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
GROUP BY week
ORDER BY week;

13.3.3. DAU

SELECT
		  PARSE_DATE('%Y%m%d', date) AS date
		, COUNT(DISTINCT fullVisitorId) AS DAU
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
GROUP BY date
ORDER BY date;

WITH UserVisits AS (
    SELECT
	        PARSE_DATE('%Y%m%d', date) AS day
	      , fullVisitorId
	      , COUNT(*) AS visit_count
    FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
    GROUP BY day, fullVisitorId
),

VisitBuckets AS (
    SELECT
	        day
	      , CASE
	            WHEN visit_count = 1 THEN "1 visit"
	            WHEN visit_count BETWEEN 2 AND 3 THEN "2-3 visits"
	            WHEN visit_count BETWEEN 4 AND 7 THEN "4-7 visits"
	            WHEN visit_count BETWEEN 8 AND 14 THEN "8-14 visits"
	            WHEN visit_count BETWEEN 15 AND 28 THEN "15-28 visits"
	            ELSE "28+ visits"
	        END AS visit_frequency
	      , COUNT(DISTINCT fullVisitorId) AS user_count
    FROM UserVisits
    GROUP BY day, visit_frequency
)

SELECT 
	    day
	  , visit_frequency
	  , user_count
FROM VisitBuckets
ORDER BY 
    day
  , CASE 
        WHEN visit_frequency = "1 visit" THEN 1
        WHEN visit_frequency = "2-3 visits" THEN 2
        WHEN visit_frequency = "4-7 visits" THEN 3
        WHEN visit_frequency = "8-14 visits" THEN 4
        WHEN visit_frequency = "15-28 visits" THEN 5
        ELSE 6
    END;

13.3.4. Stickiness

WITH DailyActiveUsers AS (
  SELECT
		    PARSE_DATE('%Y%m%d', date) AS visit_date
	    , COUNT(DISTINCT fullVisitorId) AS DAU
  FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
  GROUP BY visit_date
),
MonthlyActiveUsers AS (
  SELECT
		    FORMAT_DATE('%Y-%m', PARSE_DATE('%Y%m%d', date)) AS month
		  , COUNT(DISTINCT fullVisitorId) AS MAU
  FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
  GROUP BY month
)
SELECT
		  visit_date
		, MAU
		, DAU
	  , CONCAT(ROUND((DAU / MAU) * 100, 1),'%') AS Stickiness
FROM DailyActiveUsers
JOIN MonthlyActiveUsers
ON FORMAT_DATE('%Y-%m', visit_date) = month
ORDER BY DailyActiveUsers.visit_date

13.4. Growth Hacking 사례

13.4.1. 드롭박스

• 분석 : 소비자의 행동 데이터를 분석하여 신규 사용자 대부분이 친구 추천을 통해 유입되는 것을 확인하였습니다.

• 목적 : 사용자 획득 (Acquisition, Referral)

• 아이디어 : 페이팔이 현금 리워드를 제공한 반면, 자금 상황을 고려해 무료 저장공간을 제공하는 시스템을 제안했습니다.

• 우선순위 결정 : 지인 추천 바이럴을 마케팅에 초점을 두었습니다.

• 실험과 결과 : 추천에 따른 리워드 서비스를 통해 한 달 만에 신규고객 280만 명을 확보했습니다.

13.4.2. 에어비앤비

• 분석 : 크레이그리스트(거래사이트)에 등록된 임대인(집주인) 데이터를 수집하였습니다.

• 목적 : 에어비앤비 브랜드 인지도 향상, 사용자 획득 (Awareness, Acquisition)

• 아이디어
• 에어비앤비에 글을 올리면 많은 사용자를 보유한 크레이그리스트에 임대인들이 집을 이중으로 등록할 수 있도록 autolink 개발해 신규 사용자를 확보했습니다.
• 데이터 분석을 통해 숙소 주인들이 직접 올리는 사진이 실제 상태보다 안 좋아 보여 예약률이 떨어진다는 가설을 세워 고화질의 사진을 업로드하여 테스트를 진행해 예약률이 3배 높아진 결과로 전문 사진 촬영 서비스를 도입했습니다.

• 우선순위 결정 : 임대 플랫폼 시장에서 임대인의 중요성을 일찍 깨닫고 임대인을 위한 서비스 개선을 우선으로 하였습니다.

• 결과 : 크레이그 리스트 autolink 기능을 통해 크레이그리스트에서 에어비앤비로 사용자 전환을 통해 신규고객을 유치하였습니다.