저는 이번 스프린트, 요즘 자주 쓰는 앱으로 분석해보고자 합니다! 해당 앱을 사용해보실 분들은 제 추천링크로 가입을 부탁드립니다. 우리 서로 5천원 나눠가져요😆ㅋ 해당 아티클의 모든 정보는 (애석하게도) 실제와 무관할 수 있습니다.
1. 배달비 없는 배달앱, 두잇
"근처 여러 이웃들과 매일 함께 소비할 수 있는 플랫폼을 만들면 가격과 수량의 딜레마를 해결할 수 있다는 가설을 세웠고 우선 배달음식으로 검증하고 있다. 모든 사람들이 훨씬 더 나은 소비를 할 수 있게 만들겠다”
- 근처 이웃 배달 음식 주문을 묶어 배송효율을 높이고, 배달비를 없애 가격 파괴 → 가격과 수량 사이에서 발생하는 모든 '트레이드 오프(Trade-off)'를 혁신한다는 의지
- 팀배달 (같은 곳에서 이용자 최소 3명)이 이루어지기 위해서 매칭까지 시간 소요. 10분 이상 팀매칭이 이루어지지 않더라도 배송은 시작됨 (두잇 측의 손실발생)
- Value Proposition
- 저렴한 가격 : 배달비 0원, 프로모션으로 팀 구매 참여시 1,000원 추가 할인
- 메뉴 고민 해결 : 약간 디스커버리 커머스 느낌 "뭘 먹을지 고민될 때 두잇을 켜서 곧 마감되는 팀 배달 위주로 메뉴를 고른다. 메뉴 고민도 해결되고 팀 배달도 성사되고 배달비까지 없으니 1석 3조의 효과가 있다”
- 지역기반 커뮤니티 : 메뉴 투표, 맛집 추천, 이웃 추가등 커뮤니티 기능을 추가
- Business Challenge : GMV 올리기
- 수익 극대화 : 구매빈도 + 구매 전환율을 높이는 것 (유입된 유저가 본인이 원하는 제품을 빠르게 구매해야함)
- 비용 최적화 : 팀구매의 성사율을 높이는 것 (10분 이내 팀 성사가 이루어져야함)
2. Growth Driver 찾기
2.1. Crazy Retention
- 두잇이 제시하는 Growth Fly Wheel의 핵심은 더 많은 유저의 높은 Stickiness → 낮은 배송 비용 + 빠른 배송
- 따라서, 더 많은 유저가 더 많이 두잇을 쓰게 만들 수 있도록 제품 개발, 관련 가설을 최우선 검증해야한다.
2.2. 두잇의 Metric Hierarchy
- MRR을 Focus Metric으로 Metric Hierarchy를 작성했다
- 혁신의 숲에 따르면 두잇의 23년 5월 MAU는 6.8만, 월간 거래건수 13.6만, 평균 건당 주문액(AOV) 1.4만원, M1 재구매율은 57%이다.
- 두잇의 회사소개에 따르면, M1(방문)리텐션이 70%이라고 하는데, 이를 반영하여 Retained Buys의 Purchase CVR을 81.43%로 유추해볼 수 있다. (*1달 기간 동안 UV 기준으로 CVR을 측정했을 때. 제품 측면에서 전환 CVR은 세션 기준으로 보는게 맞다. 이 부분은 후반부 퍼널분석에서 정확하게 다루겠다.)
- New buys의 Purchase CVR도 동일할 것으로 가정해보면, 추정치는 다음과 같다. (*신규고객은 5,000원 프로모션이 적용되는 점을 고려하면 전환율 또한 비슷할 것으로 추정)
- 23년 5월경 기사에 따르면, 현재 두잇의 서비스 지역은 관악구와 금천구, 구로구, 동작구이다.
- KOSIS 구별 세대별 인구통계를 참고하면, 해당 지역의 잠재 세대수는 77.8만이다. 따라서 현재 두잇의 AS-IS status로는 1000%의 성장 잠재력을 갖고 있다.
- 두잇이 올려야할 지표는
- Visitors (아직 잠재고객의 숫자가 큼으로) → CRM, UA마케팅의 영역들
- Purchase CVR + Purchase Freq (사실상 1인타겟으로 운영하는 배달 서비스는 AOV를 상대적으로 크게 키울 수 없다. 따라서 구매빈도를 높이는 노력이 Impact가 클 것이다. 오픈서베이 배달리포트에 따르면, 배달서비스의 평균 이용횟수는 주 1.6회로 이는 현재 두잇의 구매빈도 추정치의 2배에 해당한다.)
- 이번 스터디에서는 제품을 활용한 A/B 테스트를 계획해보고자 함으로, Purchase 지표를 중심으로 더 살펴보겠다.
2.3. 두잇의 Critical Path
- 두잇의 탐색 → 주문 완료까지의 사용자 구매여정은 다음과 같다.
- 적은 SKU로 효과적인 Purchase CVR을 만들기
- 두잇팀의 퍼널 최적화 전략을 정리해보면 다음과 같이 정리해볼 수 있다.
related : A/B 테스트 스터디
Share article