Thumbnail

amplitude, braze

[앰플리튜드x브레이즈] 전환 및 이탈 유저 분석 기반 온보딩 개선하기

Why

첫차는 ‘잠재 이탈 유저’의 행동 데이터가 부족해, 개인화 마케팅과 추천 알고리즘에 필요한 인사이트를 얻는 데 어려움을 겪고 있었습니다.

Action Item

앱 첫 실행 시 서베이를 통해 유저의 자동차 취향과 니즈를 수집하고, 이를 매물 추천 시스템과 CRM 타겟팅에 반영한 뒤 엠플리튜드로 분석할 수 있는 구조를 설계했습니다.

Impact

온보딩 캠페인으로 ‘활성도가 낮은 신규 유저’의 푸시 도달률이 912%, 오픈율은 1,560% 상승하며 커뮤니케이션 사각지대를 해소했습니다.

그리고 개인화된 추천으로 앱 설치 7일 내 이탈률 개선에 기여했습니다.

💡 이런 고민이 있는 분께 이 페이퍼를 추천해요

이런 고민이 있는 분께 이 페이퍼를 추천해요

  • “데이터가 부족한 유저에게 개인화 마케팅을 어떻게 시작해야 할지 고민 중인 마케터”

    • 행동 데이터가 거의 없는 유저한테는 뭘 보내야 할지 막막할 때

    • 신규 가입자나 조용한 유저가 뭘 좋아하는지 감을 못 잡고 있다면

  • “앱 설치 후 이탈률이 높아 온보딩 전략을 개선하고 싶은 프로덕트 팀”

    • 설치만 하고 며칠 안에 이탈하는 유저가 많아 고민일 때

    • 푸시 동의 받는 타이밍이나, 첫 화면에 뭘 보여줘야 할지 막막한 분들께


배경

첫차

미스터픽이 운영하는 중고차 플랫폼 ‘첫차’는 인증딜러 제도와 빅데이터 기술력을 기반으로, 허위 매물을 100% 제거한 중고차 실매물만을 제공하는 서비스입니다.

또한, 할부/렌트/리스 등 다양한 차량 구매 방법을 손쉽게 선택할 수 있으며, 내차팔기 서비스 ‘첫차옥션’, 허위매물 번호판조회 서비스 ‘신호등검색’ 등을 통해 고객이 안심하고 중고차를 거래할 수 있는 플랫폼입니다.

첫차는 유저 행동 기반 CRM, 추천 매물 고도화 등 밀도 높은 인게이지먼트를 위해 다양한 데이터를 활용하고 분석합니다.

⏩️ 첫차 서비스 다운로드하기

Needs

첫차는 Amplitude에서 수집한 사용자 행동 데이터와 Braze 캠페인 반응 데이터를 함께 분석하고 있었습니다.

분석 결과, 앱 설치 후 7일 이내 중고차 매물을 특정 횟수 이상 열람한 유저는 리텐션 지표가 우수하고, 최종 거래 가능성도 309% 높은 것으로 나타났습니다. 이는 초기 온보딩 단계에서의 사용자 관여가 전환에 결정적인 영향을 미친다는 점을 보여줬습니다.

또한, '차량 탐색 유저'에 비해 '잠재 이탈 유저'가 받는 개인화 푸시 수신량이 절반에 불과하다는 점도 확인했습니다. 이에 따라 CRM 메시지 도달률 저하가 이탈의 주요 요인일 수 있다는 가설을 세웠습니다.

  • 차량 탐색 유저 : 앱 내 활동이 활발한 사용자

  • 잠재 이탈 유저 : 설치 후 일정 기간 내 이탈 가능성이 있는 사용자

하지만 잠재 이탈 유저는 앱 내 행동 데이터가 부족해 기존 CRM 타겟팅으로는 식별이 어려웠고, 취향과 관심사를 명시적으로 수집할 수 있는 구조가 필요했습니다.


액션 아이템

Strategy

‘푸시 수신 여부’가 ‘활성도가 낮은 신규 유저’의 이탈을 막을 수 있다는 가설을 검증하기 위해 3단계 액션을 실행했습니다.

  1. 서베이 응답을 통해 수집한 관심 차종 및 선호 모델 정보를 기반으로, 행동 데이터가 부족한 유저에게도 개인화된 메시지를 발송했습니다.

  2. 수집된 데이터를 매물 추천 엔진의 초기 변수로 활용해 앱 메인에서 맞춤형 매물을 노출했습니다.

  3. 서베이 종료 시점에 푸시 수신 CTA를 자연스럽게 노출해, 유저가 몰입한 흐름 안에서 동의 전환을 유도했습니다.

이 프로세스를 통해 가설을 실제로 검증했고, 이후 온보딩 서베이를 프로덕트에 내재화하면서 서베이 UX와 데이터 품질, CRM 메시지와 추천 로직까지 함께 개선했습니다.

결과적으로, 앱 진입 초기에 유저의 취향을 수집하고, 메시지·추천·푸시 동의를 유기적으로 연결하는 구조를 구축해 초기 이탈률을 낮출 수 있었습니다.

Braze Simple Survey 인앱메시지

브레이즈 Simple Survey 인앱메시지는 설문조사용 인앱메시지를 노출하고, 유저의 응답 값을 각 유저의 Custom Attribute로 수집할 수 있는 기능입니다.

보다 자세한 설명과 사용 방법은 AB180 Customer Success Paper 또는 브레이즈 유저가이드를 참고해주세요.

Braze Currents

이벤트 또는 메시징이 발생할 때 유저의 데이터를 Connected Partner(Amazon S3, Amplitude 등)로 실시간 전송할 수 있는 기능입니다.

보다 자세한 설명과 사용 방법은 AB180 Customer Success Paper 또는 브레이즈 유저가이드를 참고해주세요.


How to do

[Problem] 초기 유저를 붙잡을 개인화 구조 미비

1. '활성도가 낮은 신규 유저'는 개인화 CRM의 사각지대에 놓여 있었습니다.

첫차는 '차량 탐색 유저'와 '잠재 이탈 유저' 간의 행동 차이를 분석하며, 개인화 경험 제공의 유무가 이탈에 영향을 미친다는 가설을 세웠습니다.

하지만 당시 CRM은 행동 기반 트리거 중심으로 운영되어, 앱을 처음 사용하는 유저나 활동성이 적은 유저에게는 개인화된 커뮤니케이션이 거의 이루어지지 않았습니다.

특히 앱 설치 7일 이내의 행동 패턴에 따라 온보딩 승패가 갈리는 상황에서, 온보딩 단계부터 유저를 붙잡을 수 있는 개인화 전략이 부재하다는 점이 주요 과제로 떠올랐습니다.

2. 앱 메인 화면에 개인화된 콘텐츠가 부족했습니다.

당장 중고차를 살 계획이 없는 유저거나, 아직 어떤 종류의 차를 살지 결심하지 못하고 탐색 중인 유저의 구매 여정을 도와줄 개인 맞춤형 콘텐츠가 필요했습니다.

3. 푸시 수신 동의율이 낮게 유지됐습니다.

기존의 푸시 동의 팝업은 정적인 텍스트 기반으로 구성돼 있었고, 유저의 상황이나 관심에 맞춘 설득 요소 없이 노출되었습니다. 이로 인해 실제 푸시 동의 전환율은 낮게 유지되고 있었습니다.

[기존 푸시 수신 동의 팝업 메시지]


[Action Item 1] Braze Simple Survey 활용으로 초기 유저 행동 데이터 확보

초기 유저에 대한 개인화 메시지 부족 문제를 해결하기 위해, 쉽고 빠르게 도입 가능한 Braze Simple Survey를 도입했습니다.

온보딩 직후 유저에게 서베이를 보여주고, 응답 완료 후 1시간 이내에 해당 내용을 반영한 개인화 메시지를 발송하는 방식으로 앞서 세운 가설을 검증했습니다.

실행 방식

  1. 서베이 노출 위치

    앱 설치 후 기본적인 온보딩 플로우를 마친 신규 유저에게 서베이를 노출했고, 응답 결과는 Braze의 Custom Attributes에 실시간으로 저장했습니다.

  2. CRM 메시지 연동

    서베이 응답 1시간 뒤, 수집된 응답 데이터를 기반으로 개인화된 푸시 메시지를 발송해 유저 반응과 이탈률 변화를 관찰했습니다.

[Braze Simple Survey 테스트 화면과 취향을 반영한 Push Campaign]

주요 결과

서베이에 응답한 유저는 미응답자(서베이를 보지 못한 유저)보다 앱 내에서 훨씬 활발하게 행동했습니다.

매물 상세 조회, 반복 조회, 찜하기 등 주요 액션의 평균 수치가 더 높았고, Weekly Retention 지표에서도 뚜렷한 차이를 보였습니다.

  • CDV : car_detail_view / 차량 상세 페이지 조회를 의미

  • Wish car : 즐겨찾기(찜)을 의미


[Action Item 2] 온보딩 서베이의 프로덕트 내재화로 초기 유저 온보딩 고도화

Braze Simple Survey로 서베이 기반 개인화가 유의미한 성과를 보이자, 첫차는 이를 확장하기 위해 프로덕트에 온보딩 서베이 내재화 프로젝트를 시작했습니다.

타겟 설정부터 메시지 발송, 랜딩 설계까지 전체 CRM 흐름에 고도화된 서베이 데이터를 활용하여, 온보딩 단계에서의 개인화 경험 품질을 끌어올리고자 했습니다.

실행 방식

1. 대상자 분류 및 서베이 노출

  • ‘신규 유저’는 앱 설치 후 인트로 플로우가 끝난 시점에 서베이를 노출했습니다.

  • '기설치 유저' 중 매물 조회 빈도가 평균 이하인 유저는 앱 오픈 시 서베이를 노출해, '비활성 유저' 타겟팅 범위까지 확대했습니다.

[미스터픽 첫차의 온보딩 서베이]

2. 서베이 기반 푸시 캠페인 설계 및 스케줄링

  • 캠페인 목표는 짧은 시간 내 온보딩 경험을 마무리하고, 최종 전환(구매)의 선행 액션을 유도해 유저가 앱에 머무를 수 있는 흐름을 만드는 것이었습니다.

  • 메세지에는 유저 닉네임과 서베이 응답 기반 콘텐츠를 포함해 개인화 인식을 높였고, 모든 캠페인에 동일한 푸시 아이콘을 사용해 일관된 브랜드 메시지를 전달했습니다.

  • 5일간 동일하게 고정 시간대에 발송해 유저가 메시지 패턴을 인지할 수 있도록 설계했습니다.

3. 랜딩 구조 설계: 탐색과 선택 모두 고려

  • 서베이 응답 데이터를 기반으로 맞춤형 콘텐츠를 노출하되, 유저가 곧바로 상세 매물 페이지로 이동하거나, 추천 리스트를 탐색할 수 있도록 양방향 랜딩 구조를 구성했습니다.

  • 추천 괴리를 줄이기 위해 정제된 데이터 기반 콘텐츠를 활용해, 실질적인 전환 경험을 유도했습니다.

주요 결과

1. 서베이 응답 유저의 행동 활성화 및 세그먼트 개선

서베이 응답 유저는 앱 설치 첫 주부터 ‘차량 탐색 전 신규 유저’(이하, Entry) 비중이 낮아지면서, Core·Power 유저로 빠르게 전환되었습니다.

특히 ‘차량 조회’ 평균이 높아지고, Core 유저 비율도 유의미하게 증가했습니다.

  • BMC Global : 차량 탐색 유저

  • Entry : 차량 탐색 전 신규 유저

  • BMC Core : 차량 탐색 고강도 유저

  • BMC Power : 차량 구매 예/확정 유저

2. 리텐션 지표 개선 및 이탈률 감소

서베이 수행 여부에 따라 이탈률은 49% 넘게 감소했으며, 2주에서 11주까지의 리텐션도 크게 개선되었습니다.

3. 활성도가 낮은 신규 유저 세그먼트 대상 푸시 반응 대폭 상승

온보딩 캠페인으로 해당 세그먼트의 푸시 도달률이 912%, 오픈율은 1,560% 상승하며 커뮤니케이션 사각지대를 해소했습니다.


[Action Item 3] 앱 내 추천 콘텐츠 개선

유저가 앱에 재방문했을 때 처음 마주치는 화면 역시 개인화된 경험을 제공해야 전환으로 이어질 수 있다고 판단했습니다.

특히 초기 이탈률이 높았던 신규 유저나 반응이 적은 기설치 유저의 경우, 매물 탐색 단계에서 흥미를 잃고 이탈하는 비중이 높다고 분석됐습니다.

이에 따라, 온보딩 서베이를 통해 수집한 관심 차종, 가격대, 선호 브랜드 등의 응답 데이터를 앱 메인 화면의 추천 매물 콘텐츠에 직접 연동했습니다.

  • 개선 내용 : 앱 메인에서 유저 취향 기반의 개인화 추천 매물을 노출

  • 기술적 구현 : 서베이 응답값을 추천 엔진의 초기 변수로 반영해, 유저가 앱을 열자마자 첫차의 매물 추천 AI 모델이 적용된 맞춤형 추천 컨텐츠를 탐색할 수 있도록 구성했습니다.

[서베이 결과에 따른 매물 추천 콘텐츠]


[Action Item 4] 푸시 동의 팝업을 온보딩 흐름에 자연스럽게 통합

온보딩 서베이 이후 유저는 이미 앱과 ‘상호작용 중’이라는 점에 착안해, 푸시 수신 동의 요청의 타이밍과 방식을 재설계했습니다.

기존처럼 별도 팝업으로 단절된 형태로 노출하기보다는, 서베이 종료 직후 자연스럽게 푸시 동의 CTA를 연결해 전환의 맥락을 유지하고자 했습니다.

  • 실험 방식 : 서베이 응답 흐름의 마지막에 푸시 동의 CTA를 노출

  • 개선 요소 : 문구 톤앤매너 조정 + 유저 맥락에 맞춘 자연스러운 연결

  • 목표 : 푸시 동의 전환율 향상 및 이탈 방지 흐름 강화

[서베이 종료 직후 푸시 동의 팝업]


Impact

다음은 첫차의 마케터 홍수연님과의 인터뷰 내용입니다.

Q. 브레이즈와 앰플리튜드를 함께 활용한 프로젝트는 첫차에 어떤 영향을 주었나요?

A. 첫차에서는 이런 변화를 체감했습니다.

활성도가 낮은 신규 유저 세그먼트의 푸시 도달률 912%, 오픈율 1,560% 상승

서베이 응답 데이터를 기반으로 개인 맞춤형 콘텐츠를 푸시로 제공하면서, 행동 데이터가 부족했던 기존 유저의 취향과 신규 유저의 관심사를 사전에 확보할 수 있었습니다. 그 결과, 푸시 도달률과 오픈율이 크게 상승했습니다. 해당 푸시를 통해 유입된 유저들은 단순 메시지 확인을 넘어 주요 인앱 액션을 수행했고, 전반적인 사용 빈도와 리텐션 지표도 뚜렷하게 개선되었습니다.

조직 내 커뮤니케이션 효율성 증대

Braze Simple Survey를 활용해 빠르게 테스트를 실행하고 결과를 확인한 것을 시작으로, 서베이 기획부터 온보딩 플로우 개선, 개인화 푸시 운영까지 전 과정을 긴밀히 협업하며 진행했습니다. 실험 결과는 Amplitude 대시보드를 통해 실시간 공유되었고, 이를 바탕으로 다음 액션으로 빠르게 전환할 수 있었습니다.

이러한 과정을 통해 데이터 기반 협업 문화가 조직에 자연스럽게 자리잡았으며, 부서 간 의사 결정의 속도와 실행력도 함께 향상되었습니다.

AI 활용의 시작

온보딩 서베이를 통해 유저의 취향 데이터를 수집하고, 이를 푸시 캠페인과 앱 메인의 추천 콘텐츠에 연계한 일련의 과정은, 정형화된 행동 없이도 개인화 경험을 구현할 수 있다는 가능성을 보여주었습니다. 이는 단발적인 실험을 넘어 마케팅 영역에서의 AI 활용을 본격화하는 출발점이 되었으며, 향후 추천 시스템 고도화와 프로덕트 전반으로 확장할 수 있는 기반을 마련했습니다.


Key Takeaways

CSM's Insight

Braze의 Simple Survey와 Currents를 활용하면, 유저의 초기 취향 데이터를 손쉽게 수집하고 이를 Amplitude로 실시간 연동해 행동 분석까지 이어갈 수 있습니다.

첫차는 Braze와 Amplitude를 유기적으로 연결해, 개인화 메시지부터 앱 내 추천, 푸시 동의 흐름까지 온보딩 경험 전체를 정교하게 설계할 수 있었습니다.

체계적인 콘텐츠 성과 고도화 👉 지금 바로 브레이즈, 앰플리튜드와 시작하세요.

AUTHORS

정운채 Unchae Jeong ∙ AB180 ∙ Customer Success Manager

정운채 Unchae Jeong ∙ AB180 ∙ Customer Success Manager

AB180의 Customer Success Manager로서 Airbridge, Braze, Amplitude를 활용하는 다양한 버티컬의 고객사를 담당하고 있습니다. AB180 이전 인하우스와 에이전시에서의 디지털 광고 운영 경험을 바탕으로 고객사들의 솔루션 도입과 활용을 전문적으로 지원합니다.

홍수연 Suyeon Hong ∙ 미스터픽 첫차 ∙ Marketer

홍수연 Suyeon Hong ∙ 미스터픽 첫차 ∙ Marketer

첫차 플랫폼의 그로스 마케터로, 유저 여정 전반에서 데이터 기반의 마케팅 전략을 수립하고 있습니다. UA 캠페인 고도화 및 행동 데이터 분석, CRM을 통한 후속 전환 유도까지 유저의 맥락을 고려한 설계로 성과를 만들어냅니다.