[Day. 22] 아티클 스터디 — 클릭 이후를 설계하는 마케팅

https://ditoday.com/ai-postimpression-marketing/

AI 시대, ‘클릭 이후’를 설계하는 마케팅 필요 - DIGITAL iNSIGHT 디지털 인사이트

🎮 1. 게임 분야

• 사례: 넥슨의 튜토리얼 리텐션 개선
  • 데이터상으로는 “튜토리얼 완료율이 낮다 → 보상 강화 필요”로 분석됐지만, 실제로는 튜토리얼이 너무 ‘자동화’되어 있어 플레이어가 몰입할 포인트가 없었던 것이 원인이었음.
  • UX 리서치를 통해 “내가 직접 플레이한다는 느낌”을 주는 간단한 상호작용을 추가했더니, 튜토리얼 이탈률이 25% 개선됨.
• 사례: 슈퍼셀(Clash of Clans)
  • 초반 건설 속도가 느려 이탈률이 높다는 데이터가 있었지만, 단순히 건설 시간 단축 대신 초기 커뮤니티 경험 강화(클랜 가입 유도)로 리텐션을 개선.
  • 결과적으로 ‘속도’보다 ‘소속감’이 핵심 요인임을 확인함.

---

🛍️ 2. 이커머스 / 리테일

• 사례: 무신사
  • 데이터상으로는 ‘장바구니 이탈률이 높다 → 쿠폰 제공’으로 접근할 수 있었으나, 실제 인터뷰 결과 ‘사이즈 불안감’이 핵심 요인으로 밝혀짐.
  • 사이즈 추천 알고리즘과 실측 리뷰 기능을 강화해 전환율이 상승함.
• 사례: 아마존
  • 특정 제품 페이지 체류 시간이 짧다는 데이터를 보고 ‘상품 설명 강화’로 대응했었으나, 실제 원인은 로딩 속도와 썸네일 품질 저하.
  • 인프라 개선으로 전환율이 향상됨 — 즉, 표면적 데이터(체류 시간)가 아니라 ‘왜 짧은가’를 파악한 결과.

---

📱 3. 앱 서비스 / 구독 모델

• 사례: 왓챠
  • 구독 중도 해지 이유를 “가격 부담”으로 해석했으나, 정성 인터뷰 결과 “추천 콘텐츠의 신선도 부족”이 핵심 원인.
  • 이후 ‘개인화 추천 강화’ 캠페인으로 해지율을 낮춤.
• 사례: 듀오링고(Duolingo)
  • 중간 레벨에서 학습 포기율이 급증 → “난이도 조정”이 아닌 “보상 구조와 피드백 톤”을 변경.
  • AI 분석보다 사용자 감정선에 집중해 리텐션 개선.

---

🚗 4. 모빌리티 / 플랫폼

• 사례: 우버
  • 드라이버 이탈률이 높아 ‘보상 인상’으로 접근했으나, 실제로는 앱 내 평판 시스템 불투명성이 주요 불만 요인.
  • 투명한 평가 및 보상 구조로 신뢰를 회복.
• 사례: 배달의민족
  • “주문 완료 후 앱 즉시 종료율이 높다 → UI 문제”로 해석될 수 있었지만, 인터뷰 결과 ‘주문 후 대기 시간에 할 게 없어서’라는 이유.
  • 이후 “배달 현황 애니메이션”과 “콘텐츠 큐레이션” 도입으로 재방문율 상승