모바일 분석,모바일 앱 참여도와 성능을 높이다

기업들은 소비자와 관계를 맺고 직원들에게 자율권을 부여 하기 위해 모바일 앱을 도입해왔다. 그러나 웹상에서 분석 기 술(analytics) 활용이 당연하게 여겨지는 것과는 달리, 심층 분석을 거의 활용하지 않는 모바일 프로젝트에서는 앱의 사용 방식과 도입율을 확인할 수 있는 방법이 제한적이다. B2C(기 업과 소비자간) 앱의 경우, 앱 스토어에 등록된 사용자 후기와 다운로드 수를 집중적으로 보게 되지만, 이런 후기와 수치들 이 해당 앱에 대한 경험을 전부 보여주진 않는다. B2E(기업과 직원 간) 앱을 관리하는 기업용 비즈니스(Line of Business: LOB) 앱 관리자들은 앱 개발이 사용자 확보로 곧 이어질 것 이라 생각하며, 낮은 이용률과 도입율의 원인 등 상황을 이해 하기 위한 모바일 분석은 등한시한다.

그러나 모바일 전략가들은 기업의 비즈니스 목표와 연관된 모바일 분석을 각 앱에 적용해 모바일 앱 프로젝트의 가치와 수익을 극대화해야 한다. 모바일 분석은 모바일 소프트웨어 개발주기(Software development life cycle: SDLC)의 핵심 요소이며 사용자 참여도 개선과 유지율 증대, 사용자 경험 강 화에 필요한 데이터를 제공함으로써, 앱의 개발 과정에 상당 한 혜택을 가져다 줄 수 있다.

모바일 분석은 앱 자체의 개선뿐 아니라 유용한 비즈니스 인텔리전스(BI) 확보에도 핵심적인 역할을 한다. 다면적 모바 일 분석 계획은 기업이 자사 모바일 앱 전략을 평가하는데 도 움을 줄 수 있다. 이에 가트너는 모바일 분석 솔루션의 3대 핵 심 요소인 벤치마크 분석, 운영 분석 및 행동 분석을 적용한 모범사례를 다음과 같이 제시한다<그림 1 참조>.

모바일 분석 솔루션의 3대 핵심 요소를 적용하여 효과적인 모바일 분석 전략을 수립하라.

벤치마크 분석(Benchmark Analytics)

기업 임원들은 종종 모바일 프로젝트 착수에 앞서 사전 투 자수익률(ROI) 평가를 실시한다. 이는 프로젝트의 가치와 실 행 가능성을 판단하는데 도움이 될 수 있지만, 모바일 앱의 성 공 여부를 결정짓는 요소라고 볼 순 없다. 모바일 전략가들은 프로젝트의 기획 단계에서부터 비즈니스 담당자들과 협력하 여 모바일 앱 사용자 고객 전환율(conversions from offers), 가입자당 평균수익(Average revenue per unit: APRU), 세 션 빈도(재방문율) 등과 같은 벤치마킹 지표를 수립해야 한다. 또한, 배포 후 모바일 앱의 성공여부를 다각도로 파악하기 위 해 시장 및 경쟁 분석 프로세스를 구축해야 한다.

벤치마크와 시장 분석은 앱의 성공여부를 측정하고 모바일 앱 전략을 세우는데 있어 중요하다. 특히 B2E 앱보다는 B2C 앱에서 그 역할이 더욱 두드러진다. 개별 앱으로부터 데이터 를 확보하는 것만으로는 충분치 않다. 가령, 특정 앱의 운영 목표가 매주 수십만 명의 실사용자를 확보하는 것이라면, 해 당 목표를 시장에 출시된 유사 앱들과도 비교해서 볼 필요가 있다. 통계자료를 꼼꼼하게 분석하기 위해선 시장 전체의 상 황적 데이터를 확보해야만 하는 법이다.

더불어, 모바일 앱과 앱 관련 활동의 성패여부를 완벽하게 이해하기 위해 다운로드의 소스를 추적하고 마케팅 캠페인, 소셜 미디어 프로모션, 기타 이벤트 등과의 관련성을 찾는 것 이 매우 중요해지고 있다. 과거 소스 추적은 여러 인터넷 및 소셜 도구로부터 고유 URL을 생성해야 했기 때문에 쉽지 않 은 작업이었지만, 최근에는 이와 같은 기능이 모바일 분석 제 품의 마케팅 자동화 툴이나 서비스 자체에 포함돼 보다 쉬운 작업이 가능하다.

소비자용 앱의 경우, 경쟁사 디스티모(Distimo)를 인수한 앱 애니(App Annie)와 플러리(Flurry) 등의 시장 분석 서비 스 제공업체들이 애플 앱스토어, 구글 플레이스토어, 윈도우 스토어, 아마존 앱스토어 등 주요 앱스토어에서 수집한 실시 간 데이터에 기반해 앱 시장 분석 정보를 제공 중이다. 이러한 업체를 통해 기업들은 자사 모바일 앱을 같은 범주에 속한 타 사 앱들과 비교할 수 있으며, 시간, 지역, 기기 유형 등을 기준 삼아 각종 수치를 분석할 수 있다<그림 2. 참조>. 모비디아 (Mobidia) 등의 서비스는 보다 광범위한 분석을 지원하기 위 해 실사용자 기반의 앱 사용 데이터를 제공한다. 모바일 전략 가들은 실사용자 기반의 앱 활용 패턴을 분류, 도출 및 비교함 으로써, “트위터 앱 실사용자 중 몇 퍼센트가 내 앱을 활용하 는가”등의 의문을 해소할 수 있다. 이렇게 얻은 통찰력은 모 바일 앱 내 홍보 관련 투자를 유도하고 시장 출시 결정을 내리 는데 도움을 줄 수 있다.

운영분석(Operational Analytics)

운영 분석은 앱의 기술적인 부분과 성능에 관련된 필수 정 보를 수집하여 기기의 하드웨어 구성 및 네트워크 환경과의 연관성을 찾아낸다. 운영 분석은 앱 문제를 파악하고 수정하 는데도 필수적이다. 이러한 분석은 모바일 앱의 실험 단계에 서는 물론 출시 이후 단계에도 적용돼야 한다. 일반적으로 품 질보증(QA)팀이 모바일 앱의 개발 및 실험 단계에서 앱의 버 그와 변형을 분석하기 위해 자동화된 스크립트를 활용, 기능 (functional) 및 로드(load) 실험을 실시한다. 그러나 사전 실 험만으로는 현실에서 당면 가능한 문제들을 모두 파악할 수 없다.

앱 배포 이후 운영 및 성능 분석을 적용하는 것 또한 앱 개 발 주기에 있어 매우 중요하다. 가트너는 모바일 앱 개발을 위 해 애자일 개발 방식(agile development)을 권장한다. 이를 통해 운영 분석이 실제 앱의 사용, 성능 동향을 파악할 수 있 으며, 결과적으로 해당 앱의 지속적인 개선을 위한 피드백 회 로(feedback loop)를 구현할 수 있다. 모바일 성능 분석 제품 을 고를 때는 고장, 성능문제 관련 정보를 수집하는지 확인하 고, 아래 데이터 포인트(data point)와 연관지어봐야 한다.

● 기기 모델, 종류, 운영체제 버전, 하드웨어 구성 정보 등 기기 관련 세부 사항
● 무선 신호 강도, 연결 속도, 무선 통신 사업자, 위치 정보 등 무선 네트워크 환경
● CPU, 메모리, 저장 공간 등 자원 소비량, 네트워크 끊 김, 터치 동작 추적, 기타 앱 상호작용 등 모바일 앱 운영 정보

모바일 앱을 테스트하기 위해, 기업들은 실제 물리적 기기 에 대한 가상 유저 모니터링(synthetic monitoring)과 분석 을 강화하고 있다. 앱퓨리파이(Appurify), 키노트(Keynote), 퍼펙토 모바일(Perfecto Mobile) 등의 벤더들은 실제에 가까 운 앱 성능 테스트 실험 환경을 모의로 구현하기 위해 클라우 드를 통해 접근이 가능한 분산 기기 팜(distributed device farm)을 구축해왔다. 앱 배포 후 운영 분석을 적용할 경우, 뉴 렐릭(New Relic), 마이크로소프트(Microsoft), 크리터시즘 (Crittercism), 앱다이내믹스(AppDynamics) 등의 벤더들을 고려할 수 있다. 이들은 실제 데이터(live data)를 수집하고 상호 비교 및 분석하기 위해 모바일 앱에 탑재 가능한 소프트 웨어 개발도구를 제공하고 있다.

또한, 앱셀러레이터(Appcelerator), 페가시스템 (PegaSystems), 텔레릭(Telerik), 코니(Kony)등의 벤더들은 성능 기록(logging)과 분석 서비 클라이언트 런타임의 일부로 제공하 고 있다(그림 3 참조). 모바일 전략가들은 이러한 도구들을 채 택함으로써, 앱의 성능 저하를 줄이거나 효과적으로 해결할 수 있으며, 앱의 도입과 활용을 늘리고 앱의 배포 주기를 단축 시킬 수 있다.

행동 분석(Behavioral Analytics)

기업들은 방대한 양의 데이터를 수집하기 위해 시간, 비용 및 자원을 적극적으로 투자한다. 그러나 데이터 분석의 실질 적인 목표는 필요 조치 사항들을 결정할 수 있는 통찰력을 얻 는 것이다. 인앱(in-app) 행동 분석은 기업이 제품, 서비스 제 공 방식을 개선하고, 매출과 사용자 참여를 높일 수 있는 방법 을 찾도록 돕는다. 모바일 앱은 데스크톱과 인터넷 기반 앱 대 비 사용자 인터페이스(UI)가 제한적이기 때문에, 분석 기술을 통해 기능 구성 면에서 최적의 조합을 찾는 것이 특히 중요하 다.

그러나 행동 분석을 활용하는 것은 쉽지 않은 일이다. 기업 이 알고자 하는 특정 행동에 초점을 둔 분석기술과 데이터가 무엇인지 선별해내야 하기 때문이다. 모바일 분석 벤더들이 공급하는 제품 중 일부는 이런 문제를 해소할 수 있는 기능을 포함하고 있으나, 대부분의 분석 결과는 관찰 단계에만 머물 뿐 앱의 성능이나 생산성 향상으로 이어지지 않는다. 화면 조 회 수, 세션 지속시간 등과 같은 무의미한 통계자료의 단순 수 집만으로는 비즈니스 목표에 도달할 수 있는 유의미한 앱 개 선이 이뤄지지 않는다.

모바일 전략가들은 이러한 데이터 포인트를 사용자 행동 당 가치로 환원해서 볼 수 있어야 한다.

행동 분석의 이점을 극대화하기 위해서는 모바일 전략가들 이 데이터를 효과적으로 관리하고 결과물을 적절한 곳에 적용 해야 한다. 기업들은 행동 분석을 통해 자사 앱과 사용자간의 상호작용을 관찰함으로써, 실행 가능한 통찰력 확보, 앱 개선, 비즈니스 결과 향상 등을 제고할 수 있다. 인앱 분석 결과 평 가 시 고려해야 할 두 가지 주요 행동 분석 기법은 다음과 같 다.

1) 코호트 분석(Cohort Analysis)
코호트란 모바일 앱 상에서 일정한 기간 내 특정 행동을 수 행한 사용자 집단으로 볼 수 있다. 코호트 분석을 통해 사용자 참여도, 유지율 등과 같은 범주에 대해 더 깊은 통찰력을 얻을 수 있다.

사용자 유지율을 보여주는 <그림 4>는 가입일 별로 사용자 들을 묶어 코호트를 생성했다. 이러한 코호트들은 소비자 세 부집단, 마케팅 캠페인 수단, 지리적 위치 등 기타 범주에 맞 춰 분류 할 수 있다. 모바일 전략가들은 코호트 활동과 시간 경과에 따른 변화 추이를 분류 및 비교함으로써 앱의 도입, 활 용, 참여를 유도하는 구체적 요인들을 파악하고 필요 시 앱을 개선할 수 있다.



2) 퍼널 분석(Funnel Analysis)
퍼널(깔때기)이란 특정 목표에 도달하기까지 수반되는 일련 의 단계들을 의미한다. 모바일 앱 상에서 이러한 목표는 사용 자가 앱을 1회 이상 실행하는 것 등의 핵심 사용자 행동을 뜻 한다. 이는 앱 유지율 혹은 주기적인 작업의 완료를 나타내며, 사용자 참여도 지표로 사용될 수 있다. 퍼널을 정의하게 되면, 기업은 지정 목표로 전환되는 사용자 수를 정확히 파악할 수 있고, 전환율 향상을 위해 최적화돼야 할 요소가 무엇인지에 대한 통찰력을 확보할 수 있다.



<그림 5>를 참조하여 간단한 3단계 앱 프로세스 예를 들어 보자. 퍼널 분석은 각 사용자 행동의 단계별 전환을 보여주며, 정확한 이탈 시점을 파악하는데 도움을 준다. 이러한 정보는 해당 퍼널의 특정 사용자 세부집단을 공략하거나, 푸시알람 등을 통해 사용자 행동을 다음 단계로 유도하는데 사용될 수 있다.

퍼널과 코호트 분석은 B2C 앱의 사용자 세분화와 참여도를 향상시키는데 도움이 되지만 B2E 앱에서도 유용하게 활용될 수 있다. 일례로, 한 명품유통업체에서는 고객 맞춤형 상품을 추천하기 위해 매장 직원들이 사용하는 모바일 판매 앱에 인 앱 행동 분석을 적용했다. 이 업체는 판매 실적 우수사원들의 앱 활용 방식을 퍼널과 코호트 분석으로 면밀히 검토함으로 써, 전 세계 매장 직원들을 대상으로 한 신규 모바일 앱 교육 프로그램을 개발할 수 있었다. 모바일 전략가들은 사내 직원 의 생산성과 효율성 제고를 위해 퍼널 및 코호트 분석을 B2E 앱 상에 체계적으로 적용할 필요가 있다.

모바일 앱 개발 플랫폼 제품 중 해당 업체 플랫폼 상에서 앱 을 개발하게 되면 인앱 데이터 추출을 런타임의 일부로 제공 하는 업체들이 있는데, 이 제품들을 통해 행동 분석을 이용할 수도 있다. 이 같은 기능을 제공하는 모바일 앱 개발 플랫폼 벤더들로는 코니(Kony), 앱셀러레이터(Appcelerator), 페가 시스템(PegaSystems) 및 IBM 워크라이트(IBM Worklight) 가 있다. 네이티브(native) 도구 등 기타 앱 개발 수단을 사용 중이거나 최상 수준(best-of-breed)의 동일 기능 구현을 원 하는 기업들은 독립된 소프트웨어 개발 도구를 활용해 행동 분석을 실시할 수 있다. 이러한 소프트웨어 개발 도구는 적절 한 상호작용을 수집하기 위해 설치된 모바일 앱 자체에 내장 될 수 있으며 분석 용 대시보드에 제시된 결과물에도 적용될 수 있다. 로컬리틱스(Localytics), 플러리(Flurry), 믹스패널 (Mixpanel), 업사이트(Upsight) 등의 벤더들은 거의 모든 모 바일 앱에서 설치 가능한 포괄적 행동 분석 솔루션을 제공한 다.

투자수익률 극대화를 위해 최적의 분석 도구 구성을 조합하라.

기업들은 벤치마크, 운영, 행동 데이터를 아우르는 모바일 앱 분석 도구를 활용함으로써 자사 모바일 앱의 성과를 개선 하고 성공여부를 측정할 수 있다. 수많은 도구가 사용 가능한 만큼, 모바일 전략가는 앱 성능에 부정적인 영향을 미치거나 사용자의 사생활을 침해하는 일 없이 모바일 분석의 투자수익 률(ROI)을 극대화 할 수 있도록 최종 사용자의 수와 부류를 기반으로 한 최적의 분석 도구 구성을 찾아야만 한다.

일반적으로 모바일 앱 개발 플랫폼 및 모바일 분석 벤더들 은 무료 혹은 기본사양 제품을 제공하여 기업들이 해당 분석 도구와 리포트를 시연해볼 수 있도록 한다. 그러나 이는 기본 기능만 제공하게 때문에 월간 사용자수(Monthly Active User: MAU) 추적, 사용자 세분화 등에 있어 제약이 따른다. 무제한 월간 사용자수 추적과 높은 수준의 기술 지원 등 고급 기능으로의 업그레이드는 유료 전환 시에만 가능하다. 이에 기업들은 이러한 업그레이드에 수반되는 비용이 고객 참여도, 매출 등의 지표 증가로 상쇄될 수 있는지 검토해봐야 한다. 많은 모바일 벤더들이 수백만 명의 월간 사용자를 확보할 수 있는 B2C 앱 기준으로 가격 모델을 책정함에 따라 기업들 은 완전하고 포괄적인 자사 사용자 기반 확보를 목표로 비용 을 지불하고자 한다. 그러나 소기업이 B2E앱을 사용할 경우, 월간 사용자수가 최대 수백 명 혹은 그 이하일 것이기 때문에 전체 사용자 기반을 확보하는 것이 아닌 다른 요소를 기준으 로 유료 전환을 결정해야 한다.

로컬리틱스 등의 벤더는‘기업’버전으로 업그레이드 시 API와 개인 맞춤형 인앱 메시징 기능 등을 지원한다. 믹스패 널을 포함한 타 벤더의 경우, 유료 사용 전환 시 고객이 모바 일 앱으로 얻을 수 있는 평생 가치를 추적해 기업이 얼마 정도 의 마케팅 비용을기능들은 벤더 별로 다르며, 해당 기능이 기업이 얻고자 하는 통찰력과 연관이 있는 경우에만 유료 버전으로 업그레이 드하는 것이 옳다.

분석 시장은 곧 분기점에 도달할 것이다. 구글, 웹트렌즈 (Webtrends), 어도비 옴니추어(Adobe Omniture) 등 전통 웹 분석 벤더들은 고객을 전방위적으로 파악하려는 노력의 일 환으로 자사 제품에 모바일 분석 기능을 탑재하고 있다. 이와 유사하게, 뉴 렐릭(New Relic), 앱다이내믹스(AppDynam ics), 마이크로소프트(Microsoft) 등 애플리케이션과 서버 성 능에 초점을 둔 애플리케이션 성능 관리(Application Performance Management: APM) 벤더들은 모바일 사용자 경험(UX)을 측정하고자 모바일 사용자 행동 지표를 기존 비 즈니스에 추가하고 있다. 기존 모바일 제품에 투자를 해온 기 업의 경우, 해당 모바일 제품이 자사 모바일 분석 전략에 어떻 게 부합하는지 평가하고, 필요 시 특정 부문별 최고 수준의 제 품을 도입해 이를 강화해야 한다. 모바일 분석은 모바일 앱 생 애 주기의 중대한 요소로, 관련 미래 수익을 극대화하기 위해 현시점에서의 투자가 요구된다