설치 후 첫 몇 분이 중요합니다
리텐션도, 결제도, LTV 도. 이 몇 분이 정합니다.
신규 유저 1,000명의 여정
이 몇 분에 남긴 유저가,
뒤이어 리텐션과 결제와 LTV 의 대부분을 만듭니다.
그래서 개인화의 임팩트가 가장 큰 순간도,
정확히 이 몇 분입니다.
77%
D1 이탈률
가장 큼
개인화 임팩트
2~5천원
1인당 CPI
문제는, 그 시점에 앱이 유저를 모른다는 것
인앱 행동이 아직 하나도 없는 상태. 앱이 이 유저에 대해 아는 건 사실상 0 입니다.
1,000명
광고비를 태워서 데려온 신규 유저
100명 (10%)
인앱 행동이 겨우 쌓일 무렵 남는 유저
0개
첫 오픈 순간, 앱이 이 유저에 대해 가진 이벤트
이 순간을 지킨, 유일한 방법
앱 앞의 광고 경험과, 앱 안의 화면을 잇는 유일한 다리.
그리고 이 순간, 유일하게 가능했던 개인화.
그게 딥링크였습니다.
앱 앞, 광고 경험
유저가 방금 이 광고에 반응했습니다.
Deep Link
유일한 다리
앱 안, 지정된 화면
그 상품 화면이 바로 열립니다.
이 다리 하나로, 광고에서 앱까지 이어지는 첫 경험이 만들어졌습니다.
그런데, 여기가 한계였습니다
링크 하나에, 페이지 하나.
100명이 같은 링크를 눌러도, 앱이 여는 첫 화면은 모두 똑같습니다.
그리고 어떤 링크가 어떤 화면을 열지,
그 매핑조차 캠페인마다 미리 심어두어야 합니다.
동일한 광고를 본 서로 다른 유저 100명
같은 딥링크
동일한 첫 화면
누가 오든 화면은 하나
유저는 저마다 다릅니다.
살 확률도, 관심사도, 이탈 위험도 제각각입니다.
정작 이 차이를, 앱은 가장 결정적인 첫 오픈 순간에 알지 못합니다.
딥링크는 유저가 누구인지 말해주지 않으니까요.
그리고 이 몇 분을 놓치면,
10명 중 9명은 다시 돌아오지 않습니다.
결국 필요한 건, 개인화의 시점을 가장 임팩트 큰 그 순간으로 앞당기는 것.
첫 오픈부터, 앱이 유저를 알아볼 수 있어야 합니다.
이제, 새로운 방식 Airbridge CUE
같은 링크, 다른 경험. 개인화가 첫 오픈부터 시작됩니다.
동일한 광고를 본 서로 다른 유저 100명
CUE
CUE 는 첫 오픈 순간, 유저가 누구인지를 앱에 함께 전달합니다.
어디서 왔는지, 앞으로 어떻게 움직일지.
이 정보를 받은 앱은, 유저마다 다르게 반응합니다.
맞는 페이지, 맞는 화면, 맞는 CRM 메시지까지.
Airbridge CUE 로 무엇이 가능한가요?
응답에 담기는 필드는 딱 네 개. 앱과 마케팅 스택에서 각각 이렇게 활용합니다.
마케팅 툴 어디서든 이 유저를 찾아낼 수 있는 열쇠.
활용
앱을 열기 직전에 반응한 광고. 매체와 캠페인, 소재까지.
활용
앞으로 3일 안에 결제할 가능성. 높음, 중간, 낮음 세 단계로.
활용
앞으로 3일 안에 앱을 떠날 가능성. 마찬가지로 세 단계로.
활용
그런데 잠깐, 앱을 처음 여는 순간에 구매 확률과 이탈 확률을 어떻게 알 수 있을까요?
어떻게 첫 오픈부터 유저를 알아볼까요?
유저는 앱을 열기 전에, 이미 자신이 누구인지를 충분히 남기고 옵니다.
어떤 매체에서, 어떤 소재를 몇 번 봤는지, 클릭 후 얼마 만에 설치했는지.
앱을 열기도 전에, 이런 흔적이 잔뜩 쌓입니다.
CUE 는 이 흔적을 읽어, 첫 오픈 순간의 앱으로 바로 전달합니다.
이 흔적이 유저를 얼마나 잘 구분해주는지, 두 가지 예시로 보여드립니다.
예시 1, 광고 노출 횟수
4배
유저 A 의 D7 구매율은, 유저 B 의 4배.
노출 패턴만 봐도 결심의 온도차가 벌어져 있습니다.
예시 2, 클릭 후 설치까지
3배+
유저 C 의 D7 구매율은, 유저 D 의 3배 이상.
클릭에서 설치까지 걸린 시간만 봐도 온도차가 갈라져 있습니다.
이런 신호가, 매체 안에는 수백 개씩 쌓여 있습니다.
지금까지 우리는 이 신호를, 어제자 리포트로만 봐왔습니다.
CUE 는 이 신호를, 오늘 첫 오픈 순간의 앱으로 흘려보냅니다.
그럼 이걸 받은 앱은, 실제로 무엇을 할 수 있을까요.
네 가지 장면으로 보여드립니다.
그럼 결국 뭐냐면요?
CUE 가 제공하는 4개 필드로, 유저를 세그먼트합니다.
촘촘히 100개로 쪼개도 좋고, 크게 3~4개로 묶어도 좋습니다.
결국 CUE 는, 첫 오픈 순간의 개인화를 여는 방법입니다.
딥링크가 하지 못했던, 유저마다 다른 경험을 만드는 일.
크게 나누기
3~4개의 큰 세그먼트. 규칙 설계가 간단하고 실험이 빠릅니다.
촘촘히 나누기
수십, 수백 개의 촘촘한 세그먼트. 훨씬 정밀한 개인화가 가능합니다.
실제로 이렇게 씁니다.
CUE 가 넘긴 필드값 그대로, 세그먼트마다 다른 경험을 냅니다.
네 가지 장면으로 보여드립니다.
첫 화면
구매 확률 높음
프리미엄 오퍼를 정면에.
이탈 위험 높음
무료 리워드 광고 먼저.
온보딩 스킵
온보딩을 건너뛰고 광고에서 본 작품 1화를 바로 재생합니다.
온보딩 스킵
온보딩을 건너뛰고 광고에서 본 작품 1화를 바로 재생합니다.
Braze 시퀀스
세그먼트, 세일 유입 + 이탈 위험
채널, 푸시 → 인박스
타이밍, D+1 아침
이 밖에도요?
첫 몇 분에 유저가 결정하는 건 어디서든 비슷합니다.
몇 가지 예시로 함께 살펴봅니다.
이커머스
세일 카탈로그로 홈 시작, 광고 브랜드 상단 고정, 즉시 결제 CTA
배달
저녁 피크 30분 전 조기 리마인더 푸시, 광고 쿠폰 자동 적용
핀테크
심플 모드 홈 진입, 유료 상품 대신 무료 진단 먼저, D1 아침 리마인더 예약
게임
튜토리얼 직후 시즌 패스 정면 노출, 프리미엄 스타터 팩 우선
OTT
온보딩 스킵, 광고에서 본 시즌 1화 자동 재생, 프리미엄 구독 CTA
뷰티
해당 브랜드 신상 카탈로그로 홈 첫 뷰포트 자동 시드
헬스
첫 진입 시 30일 챌린지 초대 팝업으로 리텐션 유도
여행
제주 특가 홈 첫 뷰포트 고정, 최단 일정 예약 카드 추천
앱 안에서만 쓰는 것이 아닙니다.
같은 응답 한 벌이, 마케팅 스택 어디로든 흐릅니다.
이 정보, 어디까지 쓸 수 있나요?
응답 한 벌이면 마케팅 스택 전체가 움직입니다.
GET /v1/context
Context API
응답 한 벌
앱 안
첫 화면 분기
CRM
세그먼트, 푸시
애널리틱스
세션 프로퍼티
광고
재타겟 오디언스
다음 챕터가, 곧 이어집니다.
지금은 어떤 유저에게 어떤 경험을 줄지, 그 판단을 직접 설계해야 합니다.
머지않아, 옵션만 건네주면 그 판단마저 CUE 가 스스로 학습합니다.
이전 세대
링크마다 정해진 페이지 한 장.
지금 여기
4개 필드 위에서 분기 로직을 직접 설계합니다.
다음 모듈
옵션 이름만 등록하면 규칙까지 학습이 찾아줍니다.
Auto Experiment 미리보기
옵션만 등록하면
규칙, 조건, 분기 코드 필요 없음
Causal ML
알아서 판단
유저마다 최적 옵션 자동 선택
규칙을 짜지 않아도, 개인화까지 알아서.
마케터는, 결과만 확인하면 됩니다.
Causal ML 이 관찰하고, 강화학습이 그 결과를 다음 유저의 판단에 반영합니다.
Contact
정적 딥링크는 여기까지.
다음은 유저마다 다른 경험입니다.
Airbridge 를 이미 사용 중이시라면, 문서 한 장으로 설치가 끝납니다.
지금 바로 문의영업일 기준 2일 내 회신드립니다.