[컴퓨터월드] 기업들은 소비자와 관계를 맺고 직원들에게 자율권을 부여하기 위해 모바일 앱을 도입해왔다. 그러나 웹상에서 분석 기술(analytics) 활용이 당연하게 여겨지는 것과는 달리, 심층 분석을 거의 활용하지 않는 모바일 프로젝트에서는 앱의 사용 방식과 도입율을 확인할 수 있는 방법이 제한적이다. B2C(기업과 소비자간) 앱의 경우, 앱 스토어에 등록된 사용자 후기와 다운로드 수를 집중적으로 보게 되지만, 이런 후기와 수치들이 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 것이라 생각하며, 낮은 이용률과 도입율의 원인 등 상황을 이해하기 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 강화에 필요한 데이터를 제공함으로써, 앱의 개발 과정에 상당한 혜택을 가져다 줄 수 있다.

모바일 분석은 앱 자체의 개선뿐 아니라 유용한 비즈니스 인텔리전스(BI) 확보에도 핵심적인 역할을 한다. 다면적 모바일 분석 계획은 기업이 자사 모바일 앱 전략을 평가하는데 도움을 줄 수 있다. 이에 가트너는 모바일 분석 솔루션의 3대 핵심 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 투자수익률(ROI) 평가를 실시한다. 이는 프로젝트의 가치와 실행 가능성을 판단하는데 도움이 될 수 있지만, 모바일 앱의 성공 여부를 결정짓는 요소라고 볼 순 없다.

모바일 전략가들은 프로젝트의 기획 단계에서부터 비즈니스 담당자들과 협력하여 모바일 앱 사용자 고객 전환율(conversions from offers), 가입자당 평균수익(Average revenue per unit: APRU), 세션 빈도(재방문율) 등과 같은 벤치마킹 지표를 수립해야 한다. 또한, 배포 후 모바일 앱의 성공여부를 다각도로 파악하기 위해 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 데이터를 확보하는 것만으로는 충분치 않다. 가령, 특정 앱의 운영 목표가 매주 수십만 명의 실사용자를 확보하는 것이라면, 해당 목표를 시장에 출시된 유사 앱들과도 비교해서 볼 필요가 있다. 통계자료를 꼼꼼하게 분석하기 위해선 시장 전체의 상황적 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 것이 매우 중요해지고 있다. 과거 소스 추적은 여러 인터넷 및 소셜 도구로부터 고유 URL을 생성해야 했기 때문에 쉽지 않은 작업이었지만, 최근에는 이와 같은 기능이 모바일 분석 제품의 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 서비스 제공업체들이 애플 앱스토어, 구글 플레이스토어, 윈도우 스토어, 아마존 앱스토어 등 주요 앱스토어에서 수집한 실시간 데이터에 기반해 앱 시장 분석 정보를 제공 중이다. 이러한 업체를 통해 기업들은 자사 모바일 앱을 같은 범주에 속한 타사 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 위해 실사용자 기반의 앱 사용 데이터를 제공한다. 모바일 전략가들은 실사용자 기반의 앱 활용 패턴을 분류, 도출 및 비교함으로써, “트위터 앱 실사용자 중 몇 퍼센트가 내 앱을 활용하는가?” 등의 의문을 해소할 수 있다. 이렇게 얻은 통찰력은 모바일 앱 내 홍보 관련 투자를 유도하고 시장 출시 결정을 내리는데 도움을 줄 수 있다.

운영 분석(Operational Analytics)
운영 분석은 앱의 기술적인 부분과 성능에 관련된 필수 정보를 수집하여 기기의 하드웨어 구성 및 네트워크 환경과의 연관성을 찾아낸다. 운영 분석은 앱 문제를 파악하고 수정하는데도 필수적이다.

이러한 분석은 모바일 앱의 실험 단계에서는 물론 출시 이후 단계에도 적용돼야 한다. 일반적으로 품질보증(QA)팀이 모바일 앱의 개발 및 실험 단계에서 앱의 버그와 변형을 분석하기 위해 자동화된 스크립트를 활용, 기능(functional) 및 로드(load) 실험을 실시한다. 그러나 사전 실험만으로는 현실에서 당면 가능한 문제들을 모두 파악할 수 없다.

앱 배포 이후 운영 및 성능 분석을 적용하는 것 또한 앱 개발 주기에 있어 매우 중요하다. 가트너는 모바일 앱 개발을 위해 애자일 개발 방식(agile development)을 권장한다. 이를 통해 운영 분석이 실제 앱의 사용, 성능 동향을 파악할 수 있으며, 결과적으로 해당 앱의 지속적인 개선을 위한 피드백 회로(feedback loop)를 구현할 수 있다. 모바일 성능 분석 제품을 고를 때는 고장, 성능문제 관련 정보를 수집하는지 확인하고, 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 끊김, 터치 동작 추적, 기타 앱 상호작용 등 모바일 앱 운영 정보

모바일 앱을 테스트하기 위해, 기업들은 실제 물리적 기기에 대한 가상 유저 모니터링(synthetic monitoring)과 분석을 강화하고 있다. 앱퓨리파이(Appurify), 키노트(Keynote), 퍼펙토 모바일(Perfecto Mobile) 등의 벤더들은 실제에 가까운 앱 성능 테스트 실험 환경을 모의로 구현하기 위해 클라우드를 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 소프트웨어 개발도구를 제공하고 있다.

또한, 앱셀러레이터(Appcelerator), 페가시스템(PegaSystems), 텔레릭(Telerik), 코니(Kony)등의 벤더들은 성능 기록(logging)과 분석 서비스를 모바일 앱 개발 플랫폼(MADP) 제품의 서버와 클라이언트 런타임의 일부로 제공하고 있다(그림 3 참조). 모바일 전략가들은 이러한 도구들을 채택함으로써, 앱의 성능 저하를 줄이거나 효과적으로 해결할 수 있으며, 앱의 도입과 활용을 늘리고 앱의 배포 주기를 단축시킬 수 있다.

행동 분석(Behavioral Analytics)
기업들은 방대한 양의 데이터를 수집하기 위해 시간, 비용 및 자원을 적극적으로 투자한다. 그러나 데이터 분석의 실질적인 목표는 필요 조치 사항들을 결정할 수 있는 통찰력을 얻는 것이다. 인앱(in-app) 행동 분석은 기업이 제품, 서비스 제공 방식을 개선하고, 매출과 사용자 참여를 높일 수 있는 방법을 찾도록 돕는다. 모바일 앱은 데스크톱과 인터넷 기반 앱 대비 사용자 인터페이스(UI)가 제한적이기 때문에, 분석 기술을 통해 기능 구성 면에서 최적의 조합을 찾는 것이 특히 중요하다.

그러나 행동 분석을 활용하는 것은 쉽지 않은 일이다. 기업이 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 조회 수, 세션 지속시간 등과 같은 무의미한 통계자료의 단순 수집만으로는 비즈니스 목표에 도달할 수 있는 유의미한 앱 개선이 이뤄지지 않는다. 모바일 전략가들은 이러한 데이터 포인트를 사용자 행동 당 가치로 환원해서 볼 수 있어야 한다.

행동 분석의 이점을 극대화하기 위해서는 모바일 전략가들이 데이터를 효과적으로 관리하고 결과물을 적절한 곳에 적용해야 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 평가 시 고려해야 할 두 가지 주요 행동 분석 기법은 다음과 같다.

1) 코호트 분석(Cohort Analysis)
코호트란 모바일 앱 상에서 일정한 기간 내 특정 행동을 수행한 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 사용자들을 묶어 코호트를 생성했다. 이러한 코호트들은 소비자 세부집단, 마케팅 캠페인 수단, 지리적 위치 등 기타 범주에 맞춰 분류 할 수 있다. 모바일 전략가들은 코호트 활동과 시간 경과에 따른 변화 추이를 분류 및 비교함으로써 앱의 도입, 활용, 참여를 유도하는 구체적 요인들을 파악하고 필요 시 앱을 개선할 수 있다.

2) 퍼널 분석(Funnel Analysis)
퍼널(깔때기)이란 특정 목표에 도달하기까지 수반되는 일련의 단계들을 의미한다. 모바일 앱 상에서 이러한 목표는 사용자가 앱을 1회 이상 실행하는 것 등의 핵심 사용자 행동을 뜻한다. 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 들어보자. 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 인앱 행동 분석을 적용했다. 이 업체는 판매 실적 우수사원들의 앱 활용 방식을 퍼널과 코호트 분석으로 면밀히 검토함으로써, 전 세계 매장 직원들을 대상으로 한 신규 모바일 앱 교육 프로그램을 개발할 수 있었다. 모바일 전략가들은 사내 직원의 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 앱을 개발하게 되면 인앱 데이터 추출을 런타임의 일부로 제공하는 업체들이 있는데, 이 제품들을 통해 행동 분석을 이용할 수도 있다. 이 같은 기능을 제공하는 모바일 앱 개발 플랫폼 벤더들로는 코니(Kony), 앱셀러레이터(Appcelerator), 페가시스템(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 원하는 기업들은 독립된 소프트웨어 개발 도구를 활용해 행동 분석을 실시할 수 있다.

이러한 소프트웨어 개발 도구는 적절한 상호작용을 수집하기 위해 설치된 모바일 앱 자체에 내장될 수 있으며 분석 용 대시보드에 제시된 결과물에도 적용될 수 있다. 로컬리틱스(Localytics), 플러리(Flurry), 믹스패널(Mixpanel), 업사이트(Upsight) 등의 벤더들은 거의 모든 모바일 앱에서 설치 가능한 포괄적 행동 분석 솔루션을 제공한다.

투자수익률 극대화를 위해 최적의 분석 도구 구성을 조합하라

기업들은 벤치마크, 운영, 행동 데이터를 아우르는 모바일 앱 분석 도구를 활용함으로써 자사 모바일 앱의 성과를 개선하고 성공여부를 측정할 수 있다. 수많은 도구가 사용 가능한 만큼, 모바일 전략가는 앱 성능에 부정적인 영향을 미치거나 사용자의 사생활을 침해하는 일 없이 모바일 분석의 투자수익률(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 벤더들은 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 기업들은 완전하고 포괄적인 자사 사용자 기반 확보를 목표로 비용을 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 기준으로 유료 전환을 결정해야 한다.

로컬리틱스 등의 벤더는 ‘기업’ 버전으로 업그레이드 시 API와 개인 맞춤형 인앱 메시징 기능 등을 지원한다. 믹스패널을 포함한 타 벤더의 경우, 유료 사용 전환 시 고객이 모바일 앱으로 얻을 수 있는 평생 가치를 추적해 기업이 얼마 정도의 마케팅 비용을 투자해야 할지 알 수 있게 돕는다. 이러한 추가 기능들은 벤더 별로 다르며, 해당 기능이 기업이 얻고자 하는 통찰력과 연관이 있는 경우에만 유료 버전으로 업그레이드하는 것이 옳다.

분석 시장은 곧 분기점에 도달할 것이다. 구글, 웹트렌즈(Webtrends), 어도비 옴니추어(Adobe Omniture) 등 전통 웹 분석 벤더들은 고객을 전방위적으로 파악하려는 노력의 일환으로 자사 제품에 모바일 분석 기능을 탑재하고 있다. 이와 유사하게, 뉴 렐릭(New Relic), 앱다이내믹스(AppDynamics), 마이크로소프트(Microsoft) 등 애플리케이션과 서버 성능에 초점을 둔 애플리케이션 성능 관리(Application Performance Management: APM) 벤더들은 모바일 사용자 경험(UX)을 측정하고자 모바일 사용자 행동 지표를 기존 비즈니스에 추가하고 있다.

기존 모바일 제품에 투자를 해온 기업의 경우, 해당 모바일 제품이 자사 모바일 분석 전략에 어떻게 부합하는지 평가하고, 필요 시 특정 부문별 최고 수준의 제품을 도입해 이를 강화해야 한다. 모바일 분석은 모바일 앱 생애 주기의 중대한 요소로, 관련 미래 수익을 극대화하기 위해 현시점에서의 투자가 요구된다.