지난달 광고비 리포트를 열었을 때 숫자가 이상했던 적 있나요? 광고 예산을 30% 올렸는데도 유료 전환 수는 거의 그대로예요. 소재도 바꿔보고 타겟팅도 조정해봤는데, 결과는 비슷하고요.
이쯤 되면 보통 두 가지 반응이 나와요. "광고비를 더 올려야 하나", 아니면 "우리 제품이 문제인가" 하고요. 그런데 두 반응 모두 문제의 위치를 잘못 짚고 있을 가능성이 높아요.
CleverTap이 앱 퍼널 전체를 추적한 데이터를 보면, 앱을 설치한 유저 중 실제로 첫 번째 핵심 액션까지 도달하는 비율은 15%에 불과해요. 나머지 85%는 앱 안 어딘가에서 조용히 사라지고 있는 거예요. 문제는 광고 밖이 아니라 퍼널 안에 있어요.
이 글에서는 퍼널 분석으로 이탈 구간을 정확히 찾고, 단계별로 전환율을 끌어올리는 방법을 실제 사례를 기반으로 풀어볼게요.
📌 핵심 포인트
광고비와 설치 수가 동시에 늘어도 유료 전환이 같은 속도로 따라오지 않는 건 이상한 일이 아니에요. 퍼널 내부에 이탈 구조가 그대로 남아 있으면, 유입을 늘리는 것은 새는 양동이에 물을 더 붓는 것과 같아요.
한 커머스 앱의 사례를 볼게요. 광고비를 2배로 늘려 일 설치 수를 1,000건에서 2,000건으로 늘렸다고 가정해 볼게요. 그런데 유료 전환율은 여전히 2%로, 유료 결제 유저는 40명에 불과했어요.
이런 상황에서는 설치 수를 늘려봤자 이탈 구조가 그대로이면, 유료 결제 유저 수는 광고비에 비례해서 늘지 않아요. 문제는 광고가 아니라 퍼널 내부에 있는 거예요.
이건 이 앱만의 문제는 아니에요. CleverTap의 퍼널 벤치마크를 보면, 앱 설치 후 회원가입 화면까지 도달하는 비율이 82%, 계정 생성까지가 63%, 튜토리얼 완료가 22%, 첫 액션이 15%예요. 단계마다 유저가 반씩 사라지는 구조가 업계 평균이에요.
전환율을 하나의 숫자로만 알고 있으면 어디를 고쳐야 할지 알 수 없어요. "전환율 3%"라는 말 속에는 이런 가능성이 전부 숨어 있어요.
원인이 각각 다르면 해법도 완전히 달라요. 온보딩이 문제라면 가입 플로우를 줄여야 하고, 결제 화면이 문제라면 가격 정책이나 결제 UX를 봐야 해요. 전체 전환율만 보면 이 차이가 완전히 묻혀요.
그래서 퍼널 분석이 필요해요. 고객이 첫 접점(앱 설치, 회원가입)에서 최종 전환(유료 결제, 구독)까지 이르는 여정을 단계별로 끊어서, 각 구간의 전환율과 이탈률을 데이터로 확인하는 방법이에요. 구간별 전환율을 살펴봐야 문제의 위치가 보이고, 그래야 비로소 어디를 고쳐야 할지 결정할 수 있어요.
그렇다면, 퍼널 분석은 어떻게 하는 걸까요?
전환율을 높이려면 먼저 어디가 막혔는지를 알아야 해요. 아래와 같이 3단계로 살펴볼 수 있어요.
퍼널을 분석하기 전에 먼저 우리 서비스의 고객 여정을 단계로 나누어야 해요. 업종마다 조금씩 다르지만, 앱 서비스를 예로 든다면 아래와 같이 나눠볼 수 있어요.
여기서 중요한 건 각 단계의 이벤트를 팀 내에서 명확하게 합의하는 거예요. 예를 들어, "온보딩 완료"가 회원가입까지인지, 프로필 입력까지인지, 관심사 설정까지인지 사람마다 다르게 이해하면 분석 결과도 매번 달라지기 때문이에요.
퍼널 단계를 정의했다면, 각 구간의 전환율을 한 화면에 시각화해보세요. 퍼널 차트를 보면 어느 구간에서 가장 가파르게 숫자가 줄어드는지 한눈에 보여요. 그 구간이 바로 가장 먼저 개선해야 할 병목 지점이에요.
앰플리튜드 퍼널 차트에는 Conversion Drivers라는 탭이 있는데요. 두 단계 사이에서 전환한 유저와 이탈한 유저가 각각 어떤 이벤트를 거쳤는지 자동으로 비교해줘요. 전환 유저가 특정 이벤트를 많이 거치고 있다면 그 이벤트가 전환에 기여하고 있다는 신호이고, 이탈 유저에게만 집중된 이벤트가 있다면 그게 이탈 원인일 수 있어요. 수동으로 가설을 세우기 전에 데이터가 먼저 방향을 잡아주는 셈이죠.
이때 전환율만 보면 안 돼요. 함께 봐야 할 지표가 두 가지 더 있어요.
많은 팀이 전환율이 낮은 구간을 발견하고 무작정 개선에 들어가는 실수를 해요. 전체 온보딩 완료율이 30%라고 해볼게요. 이 숫자만 보고 "온보딩 화면을 줄이자"고 결정하면 어떻게 될까요?
앰플리튜드에서 이 구간을 OS별로 쪼개보면 전혀 다른 그림이 나올 수 있어요. iOS는 42%인데 안드로이드는 18%라면, 문제는 온보딩이 길어서가 아니에요. 안드로이드 온보딩에 특정 문제가 있어서예요.
이때 앰플리튜드의 Journeys 기능을 쓰면 이탈 유저가 어떤 경로를 거쳤는지 시각적으로 볼 수 있어요. 전환한 유저의 경로와 이탈한 유저의 경로를 나란히 비교하면, 어디서 갈라지는지가 바로 보여요. 단순히 "3단계에서 이탈"이 아니라 "3단계에서 뒤로가기를 누르고 → 설정 화면으로 갔다가 → 앱을 종료"하는 패턴까지 추적할 수 있어요.
"온보딩이 안 좋다"에서 "안드로이드 3단계 알림 권한 화면이 안 좋다"까지 좁히면 액션이 완전히 달라져요. 전자는 온보딩 전체를 뜯어고쳐야 하는 큰 프로젝트지만, 후자는 이번 주 안에 고칠 수 있는 구체적인 이슈예요.
세그먼트 기준은 다양해요.
세그먼트를 어떻게 쪼개느냐에 따라 보이는 문제가 달라지고, 그래서 취할 수 있는 액션도 달라져요. 원인을 찾았다면 이제 퍼널 단계별로 어떻게 고칠지 알아야 해요.
병목 구간을 찾았다면 이제 어떻게 고칠지 알아야 해요. 퍼널 단계별로 가장 효과적인 개선 방법을 정리했어요.
앱 마케팅에서 전환율 문제가 가장 많이 발생하는 구간이에요. 광고를 클릭했는데 앱 설치로 이어지지 않는다면, 원인은 크게 2가지예요.
온라인 교육 플랫폼 클래스101은 앰플리튜드로 결제 퍼널을 분석하다가, 체크아웃 페이지 진입 후 0~10초 사이에 이탈이 집중된다는 걸 발견했어요. UTM 소스별, 전환 속도별로 세그먼트를 쪼개보니, 특정 채널에서 유입된 유저에게 결제 버튼 컴포넌트가 제대로 로딩되지 않는 기술적 이슈가 원인이었어요. 이 한 가지 버그를 고친 결과, 전환율이 30% 개선됐어요.
유입 단계의 문제는 광고가 별로여서가 아니라, 유저가 첫 화면에서 기대한 경험을 못 하기 때문인 경우가 많아요. 광고 소재와 앱 첫 화면의 메시지가 일치하는지, 기술적으로 화면이 정상 로딩되는지부터 확인해야 해요.
👉 클래스101, 앰플리튜드로 데이터 기반 의사결정 체계 만들기
앱을 설치했는데 온보딩을 완료하지 않고 이탈하는 비율은 생각보다 높아요. 앱 설치 후 처음 3분이 사용자의 잔류 여부를 결정한다고 해도 과언이 아니에요. 이 단계에서 이탈이 높다면 온보딩 플로우 자체를 점검해야 해요.
실제로 자산관리 앱 뱅크샐러드는 앰플리튜드로 신규 설치 유저의 퍼널을 분석한 결과, 회원가입 단계에서 대량 이탈이 발생하고 있다는 걸 발견했어요. 팀은 회원가입 프로세스 자체를 없애면 더 많은 사람이 다음 단계로 넘어갈 것이라는 가설을 세우고 실험했고, 퍼널 전환율이 30% 이상 상승했어요. 감으로 UI를 바꾼 게 아니에요. 퍼널 데이터로 이탈 구간을 특정하고, 가설을 세우고, 실험으로 검증한 결과예요.
👉 뱅크샐러드, 앰플리튜드로 퍼널 전환율 30% 개선한 이야기
앱 마케팅 퍼널에서 가장 과소평가되는 구간이에요. 온보딩을 완료했다고 활성 유저가 되는 게 아니에요. 사용자가 앱의 핵심 가치를 한 번이라도 직접 경험해야 비로소 재방문 가능성이 높아져요. 이걸 업계에서는 Aha Moment(아하 모먼트)라고 불러요. 이 개념을 가장 잘 보여주는 건 실리콘밸리의 사례들이에요.
금융 앱이라면 "첫 송금 완료", 커머스 앱이라면 "첫 구매 완료", 피트니스 앱이라면 "첫 운동 기록 완료"가 아하 모먼트가 될 수 있어요. 이 경험을 한 사용자와 하지 않은 사용자의 D7 리텐션율은 보통 2~3배 이상 차이가 나요.
AB180 블로그에 공개된 앰플리튜드 PM 활용법 아티클에서도 흥미로운 데이터가 있어요. 한 커머스 앱에서 상품 공유 기능을 사용한 유저의 구매 전환율은 48.3%였고, 사용하지 않은 유저는 14.0%에 그쳤어요. 3.4배 차이예요. D30 리텐션은 더 큰 격차를 보였는데요. 공유 기능 사용 유저가 38.9%, 미사용 유저가 5%였어요. 아하 모먼트를 경험했느냐 안 했느냐에 따라 전환율과 리텐션이 완전히 달라지는 거예요.
그렇다면 우리 앱의 아하 모먼트는 어떻게 찾을 수 있을까요?
직관에 의존하지 않고 데이터로 찾는 방법이 있어요. 단계적으로 설명할게요.
1단계: 후보 이벤트를 선정하세요
아하 모먼트 후보가 될 수 있는 이벤트 목록을 만들어요. 커머스라면 "첫 구매 완료", "장바구니 추가", "찜하기 10회" 같은 이벤트들이 후보예요. 금융 앱이라면 "첫 송금", "계좌 연결 완료", "투자 상품 조회 3회"가 될 수 있어요. SaaS라면 "첫 리포트 생성", "팀원 초대", "대시보드 저장"이 후보가 될 수 있어요.
후보는 너무 좁게 잡지 않는 게 좋아요. 처음에는 5~10개 이벤트를 열어두고 데이터가 좁혀주게 두는 방식이 효과적이에요.
2단계: 코호트를 나눠서 리텐션 커브를 비교하세요
앰플리튜드 리텐션 분석에서 각 후보 이벤트를 수행한 유저 코호트와 수행하지 않은 유저 코호트를 각각 만들어요. 예를 들어, "첫 구매 완료" 이벤트를 수행한 코호트 vs 미수행 코호트를 비교하는 방식이에요.
이때 D7 리텐션 커브를 핵심으로 보세요. 두 코호트의 리텐션 커브가 얼마나 벌어지는지가 그 이벤트의 아하 모먼트 강도를 나타내요.
3단계: 기울기 차이가 가장 크게 벌어지는 이벤트를 찾으세요
후보 이벤트별로 "수행 코호트 D7 리텐션 - 미수행 코호트 D7 리텐션" 격차를 계산해요. 격차가 가장 크게 벌어지는 이벤트가 우리 앱의 아하 모먼트 후보 1순위예요.
예를 들어, "첫 구매 완료" 코호트의 D7 리텐션이 45%, 미수행 코호트가 12%라면 격차는 33%p예요. 반면 "찜하기 10회" 코호트가 22%, 미수행이 13%라면 격차는 9%p에 불과해요. 이 경우 "첫 구매 완료"가 아하 모먼트로서 훨씬 강력한 신호예요.
리텐션 커브 격차가 큰 이벤트를 찾았다면, 업종 특성과 맞는지 교차 검증해보세요.
아하 모먼트를 찾았으면, 그다음은 유저가 그 경험에 최대한 빨리 도달하도록 경로를 줄이는 거예요. 회원가입 후 핵심 기능까지 몇 번의 탭이 필요한지 세어보세요. 불필요한 단계가 있으면 제거하고, 인앱 메시지나 툴팁으로 핵심 기능 쪽으로 유도하세요.
👉 앰플리튜드 사용법: PM이 반드시 알아야 할 7단계 기능 분석
무료로 앱을 쓰고 있는 사용자를 유료로 전환시키는 건 앱 마케팅 퍼널의 최종 관문이에요. 이미 앱에 익숙해진 사용자인 만큼, 이탈 원인은 가격이 부담스럽거나 유료 기능의 가치를 모르겠다는 경우가 많아요.
Adapty의 2024년 데이터를 보면, 프리미엄(무료 기능 제한) 모델의 유료 전환율은 2~5% 수준인데요. 반면 무료 체험(Free Trial)을 제공하는 앱의 전환율은 37.3%예요. 같은 앱이라도 유저에게 가치를 먼저 경험하게 했느냐 안 했느냐에 따라 전환율이 7배 이상 벌어져요.
유료 전환율 높이는 방법
단, 너무 잦은 메시지는 오히려 이탈을 유발하니 빈도 설정에 주의해야 해요.
신규 유저를 데려오는 비용(CAC)은 기존 유저를 유지하는 비용보다 훨씬 커요. 앱 마케팅 퍼널은 첫 결제로 끝나지 않아요. 재사용 여정까지 설계해야 진짜 퍼널 최적화예요.
리텐션 전환율 높이는 방법
퍼널 분석 방법은 알겠는데 막상 실행이 안 되는 팀이 많아요. 현장에서 반복적으로 나타나는 3가지 패턴이 있는데, 각각 이유와 해결 방향이 달라요.
퍼널 분석을 시작하려고 보면 데이터가 없는 경우가 많아요. "필요할 때 쌓으면 되지"라고 생각하다가 막상 분석을 하려면 과거 데이터가 없어서 아무것도 못 하는 거예요. 데이터는 분석 필요성을 느낀 후에 쌓기 시작하면 99% 확률로 늦어요.
어디서부터 시작해야 할지 막막하다면 아래 순서로 접근해보세요.
먼저 이벤트 설계부터 해요. 5단계 퍼널을 완성하려고 하면 부담이 커요. 대신 지금 당장 비즈니스 임팩트가 큰 구간 하나를 골라서 그 구간에 해당하는 이벤트 2개(진입 이벤트 + 전환 이벤트)만 먼저 설치하는 거예요. 예를 들어, 온보딩이 가장 의심스럽다면 "온보딩 시작" 이벤트와 "온보딩 완료" 이벤트 두 개만 심어도 구간 전환율 측정이 바로 시작돼요.
이벤트 설계 시 팀 내에서 합의해야 할 것이 있어요. 이벤트 이름 규칙(예: useronboardingcomplete), 어떤 속성(property)을 함께 보낼지, 어떤 조건에서 발화되는지를 문서화해두지 않으면 나중에 데이터가 쌓여도 신뢰하기 어려운 상황이 생겨요.
그다음 도구를 세팅해요. 앰플리튜드처럼 이벤트 기반 분석을 지원하는 툴이 있으면, SDK를 심고 이벤트를 실제로 발화시켜보는 테스트까지 하루 안에 할 수 있어요.
마지막으로 첫 퍼널 차트를 그려봐요. 이벤트 데이터가 일주일치만 쌓여도 퍼널 차트를 그릴 수 있어요. 수치가 아직 안정적이지 않더라도, 어느 구간의 이탈이 가장 심한지 방향은 보여요. 그 방향을 바탕으로 다음 이벤트 설계를 확장하면 돼요.
모든 단계를 동시에 개선하려다가 아무것도 개선하지 못하는 경우가 많아요. 그런데 한 구간에만 집중해도 전체 성과에 미치는 영향이 생각보다 크다는 걸 알면 생각이 바뀌어요.
구체적인 계산을 한번 해볼게요. 아래 상황을 가정할게요.
여기서 온보딩 완료율만 60%에서 70%로 10%p 올리면 어떻게 될까요?
유료 전환이 9명에서 10.5명으로, 약 17% 증가예요. 광고비를 17% 더 쓰지 않고, 온보딩 한 구간만 개선했을 뿐인데요. 설치 비용이 건당 5,000원이라고 가정하면, 같은 전환 1.5명을 광고로 만들려면 7,500원이 더 필요해요. 반면 온보딩 개선은 개발 리소스 한 번이면 반영구적으로 효과가 지속돼요.
이게 "광고비를 올리기 전에, 이미 들어온 트래픽을 더 잘 전환시키는 것이 ROI가 훨씬 높다"는 말의 실제 근거예요.
효과적인 방법은 전환율이 가장 낮은 구간 1개를 골라 집중 개선하는 거예요. 그 구간에서 10%p만 개선해도 전체 성과에 미치는 영향은 생각보다 커요.
"온보딩이 좀 길어 보여서 줄였어요", "푸시 알림 문구가 별로인 것 같아서 바꿨어요"처럼 감으로 접근하면, 바꾼 게 효과가 있었는지 없었는지 알 수 없어요. 우연히 좋아졌다고 해도 왜 좋아졌는지 모르면 다음에 또 같은 실수를 반복하게 돼요.
가설을 세우는 가장 간단한 템플릿은 이렇게 생겼어요.
"우리는 [이탈 구간 + 세그먼트]에서 이탈이 높은 이유가 [원인 가설]이라고 생각한다. 따라서 [변경 내용]을 적용하면 [지표]가 [방향]으로 변할 것이다."
예를 들어, "온보딩 3단계에서 안드로이드 유저의 이탈이 높은 이유가 알림 권한 요청 타이밍이 너무 이르기 때문이라고 생각한다. 따라서 알림 권한 요청을 첫 아하 모먼트 이후로 미루면 온보딩 완료율이 5%p 이상 오를 것이다."처럼요.
이렇게 가설을 명문화하면 A/B 테스트 설계가 훨씬 쉬워져요. 무엇을 바꾸고, 무엇을 측정하고, 어떤 결과가 나오면 반영할지 기준이 생기기 때문이에요. 이탈 원인 가설 → A/B 테스트 → 검증 → 반영의 사이클을 지켜야 퍼널 최적화가 쌓여가요. 감이 아니라 데이터가 결론을 내려야 다음 최적화도 자신 있게 할 수 있어요.
아래 5가지 질문에 답해보세요.
3개 이상 "아니오"가 나왔다면, 퍼널 최적화보다 측정 환경을 먼저 갖추는 게 순서예요. 구체적인 시작 방법은 위의 "데이터가 없거나 늦게 쌓기 시작한 경우" 섹션을 참고하세요. 핵심 이벤트 설계 → 도구 세팅 → 첫 퍼널 차트 그리기, 이 3단계로 시작하면 돼요.
전환율 문제의 답은 광고 예산이 아니라 퍼널 데이터에 있어요. 지금 어느 단계에서 고객이 이탈하고 있는지, 그 이유가 무엇인지를 정확히 측정해야 비로소 효율적인 마케팅이 가능해져요.
특히 앱 마케팅 환경에서는 광고 클릭부터 앱 설치, 첫 구매, 재구매까지 전 구간을 정확히 추적하는 측정 인프라가 없으면 퍼널 최적화 자체가 불가능해요. 앰플리튜드는 앱 퍼널 전 구간의 이벤트를 측정하고, 이탈 구간과 병목 지점을 직관적인 차트로 시각화해주는 제품 분석 솔루션이에요.
지금 우리 퍼널의 어느 단계가 막혔는지 데이터로 직접 확인하고 싶다면, AB180을 통해 지금 바로 무료 데모를 신청해보세요.
💡 AB180 x 앰플리튜드와 함께 성장한 기업들의 스토리를 만나보세요.
