AARRR 프레임워크 실전: 해적 지표로 그로스 설계하기

그로스해킹 AARRR이란?
AARRR은 사용자 여정을 획득(Acquisition), 활성화(Activation), 리텐션(Retention), 수익(Revenue), 추천(Referral)의 다섯 단계로 나눠 각 단계의 전환율을 측정하고 병목을 찾아내는 그로스 지표 프레임워크다. 2007년 데이브 맥클루어가 "Startup Metrics for Pirates" 발표에서 제안했고, 약자 발음 때문에 '해적 지표'로 불린다.

지표를 다 보는데도 어디가 새는지 모르는 이유

대시보드에 카드가 스무 개쯤 붙어 있다. 방문자 수, 가입자 수, DAU, 결제액, 앱스토어 평점. 그런데 "다음 분기에 어디를 고쳐야 하느냐"는 질문에는 아무도 답을 못 한다. 지표가 부족해서가 아니다. 지표끼리 같은 사용자 흐름 위에 놓여 있지 않아서다.

AARRR의 진짜 쓸모는 다섯 개 이름표가 아니라, 단계 사이에 전환율을 끼워 넣어 손실 구간을 계산할 수 있게 만드는 데 있다. 프레임워크의 배경과 그로스 조직 세팅 전반은 그로스해킹 실행 가이드에서 이미 다뤘으니, 이 글은 그 다음 단계만 파고든다. 단계 정의를 숫자로 확정하고, 병목을 계산으로 골라내고, 실험 하나를 붙이는 절차다.

아래 8단계 체크리스트가 이 글의 뼈대다. 순서대로 따라가면 스프레드시트 한 장에 AARRR 설계가 끝난다.

1단계: 다섯 단계를 우리 제품 언어로 번역한다

AARRR을 실패하게 만드는 첫 번째 지점은 정의를 남의 것으로 빌려오는 순간이다. "활성화 = 가입 완료"로 두면 활성화율이 항상 100%에 가깝게 나오고, 그 지표는 아무것도 알려주지 않는다.

단계 정의를 확정할 때 지켜야 할 조건은 세 가지다. 이벤트 하나로 측정될 것, 사용자가 실제로 가치를 느끼는 순간과 맞닿아 있을 것, 시간 창(예: 가입 후 7일)이 붙어 있을 것.

체크: 다섯 줄을 다 채웠는가. 각 줄이 이벤트 이름 하나로 쿼리 가능한가. 아니라면 트래킹 플랜부터 손봐야 한다.

2단계: 순서를 뒤집는다, 리텐션부터 본다

이름 순서대로 획득부터 개선하면 대체로 돈만 태운다. 새는 양동이에 물을 붓는 셈이라, 리텐션이 무너진 상태에서 유입을 두 배로 늘리면 이탈자만 두 배가 된다.

실무 진단 순서는 R → A → A → R → R 로 잡는다. 리텐션 커브가 특정 구간에서 평평해지는지(수평 구간이 생기면 제품에 붙은 사용자군이 있다는 신호), 아니면 계속 0을 향해 떨어지는지를 먼저 확인한다. 커브가 바닥으로 향하면 획득 예산 증액은 보류다.

3단계: 단계별 전환율을 한 줄로 이어 붙인다

여기가 이 글의 핵심 계산이다. 아래는 국내 B2B SaaS 스타트업을 가정한 시나리오 수치다(실제 기업 데이터가 아니라 계산 절차를 보여주기 위한 가상 예시).

표를 세로로 읽으면 답이 보인다. 가입에서 활성화로 넘어가는 23%가 목표 범위(30~40%)에 유일하게 못 미친다. 나머지 단계는 다 정상 범위다. 이 팀이 광고비를 늘려 가입자를 3,000명으로 만들면 유료 고객은 46명에서 69명이 된다. 반면 활성화율만 23%에서 35%로 올리면 가입자를 한 명도 더 늘리지 않고 유료 고객이 70명이 된다.

계산은 단순하다. 2,000 × 0.35 × 0.5 × 0.2 = 70. 획득 단가는 그대로인데 결과가 같거나 낫다. 병목 한 칸을 고치는 일이 유입 50% 증액과 맞먹는다, 이게 AARRR을 표로 그려야만 보이는 사실이다.

체크: 각 행의 전환율을 곱했을 때 최종 전환율(46 ÷ 40,000 = 0.115%)이 나오는가. 안 맞으면 단계 정의가 겹쳤거나 사용자 중복 카운팅이 있다.

4단계: 병목 한 곳만 고른다

동시에 세 단계를 개선하겠다는 계획은 대체로 아무것도 개선하지 못한다. 선정 기준을 수치화해서 한 칸만 남긴다.

• 갭: 현재 전환율과 목표 범위 하단의 차이 (위 예시에서 활성화 갭 = 7%p)
• 규모: 그 단계를 통과하는 절대 인원 (2,000명)
• 레버리지: 갭 × 규모 × 하류 전환율 곱 = 개선 시 늘어나는 최종 고객 수

활성화 레버리지는 0.07 × 2,000 × 0.5 × 0.2 = 14명/월. 같은 방식으로 리텐션(현재 50%, 목표 60% 가정)을 계산하면 0.1 × 460 × 0.2 = 9.2명/월. 활성화가 이긴다. 감이 아니라 산수로 우선순위가 정해진다.

5단계: 병목 안에서 이탈 지점을 쪼갠다

"활성화가 문제다"까지는 진단이고, 실행하려면 한 칸 더 들어가야 한다. 활성화 정의가 '7일 내 팀원 2명 초대'라면 그 사이에 온보딩 화면 진입, 워크스페이스 생성, 초대 화면 도달, 초대 발송이라는 마이크로 단계가 있다.

여기서 필요한 게 세그먼트 분해다. 같은 활성화율 23%도 유입 채널별로 쪼개면 검색 유입 34%, 디스플레이 광고 11%처럼 갈리는 경우가 흔하다. 그러면 문제는 온보딩이 아니라 광고 소재의 기대 설정일 수도 있다. 기기별, 팀 규모별, 첫 진입 시간대별로도 같은 분해를 돌려본다.

이 작업의 난이도를 결정하는 건 분석 도구다. 마이크로 퍼널 하나를 보려고 분석가에게 티켓을 끊고 사흘을 기다리는 구조면, 위 분해는 분기에 한 번 하는 이벤트가 된다. 반대로 PM이 직접 퍼널을 만들고 마케터가 코호트를 쪼갤 수 있으면 같은 분해가 오후 한나절 작업이 된다. 티맵의 CDO는 데이터 환경의 목표를 "자판기에서 버튼 누르듯 데이터가 나오는 상태"로 표현한 바 있는데, AARRR 운영에서는 그 접근성이 곧 진단 주기가 된다.

도구 선택 기준을 세울 때 확인할 항목:

• 이벤트 볼륨이 커져도 샘플링 없이 전체 데이터로 퍼널이 계산되는가 (GA4 Exploration 리포트는 1,000만 이벤트 초과 시 샘플링이 발생한다고 안내된다)
• 어제 실험 결과를 오늘 볼 수 있는가 (GA4는 데이터 처리에 24~48시간이 걸린다고 알려져 있다)
• 행동 기반 코호트를 SQL 없이 만들 수 있는가
• 퍼널에서 이탈한 사용자의 세션 리플레이로 바로 넘어갈 수 있는가

도구별 차이는 사용자 분석 툴 비교에 항목별로 정리돼 있다.

6단계: 실험 하나를 가설 문장으로 쓴다

가설은 다음 형식으로 고정한다. 빈칸을 못 채우면 실험 준비가 덜 된 것이다.

[세그먼트]에게 [변경]을 적용하면, [이유] 때문에 [단계 지표]가 [현재값]에서 [목표값]으로 올라갈 것이다. [기간] 동안 [표본 수]로 검증한다.

예시: 디스플레이 광고 유입 신규 가입자에게 첫 진입 시 워크스페이스 템플릿을 미리 채워두면, 빈 화면에서 무엇을 할지 몰라 이탈하는 경우가 줄어 7일 활성화율이 11%에서 20%로 오를 것이다. 3주간 각 군 800명으로 검증한다.

체크: 성공 판정 기준을 실험 시작 전에 적어뒀는가. 끝나고 정하면 원하는 결론이 나올 때까지 지표를 갈아끼우게 된다.

7단계: 하류 지표로 부작용을 감시한다

단계 하나만 최적화하면 옆 단계가 무너지는 일이 자주 생긴다. 결제 유도를 앞당겨 Revenue를 올렸더니 W4 리텐션이 떨어지는 식이다. AARRR을 세로로 이어 붙인 이유가 여기 있다.

실험마다 주요 지표 하나에 가드레일 지표 두 개를 붙인다. 활성화 실험이라면 가드레일은 W4 리텐션과 유료 전환율. 주요 지표가 올라도 가드레일이 유의하게 떨어지면 롤백 대상이다.

8단계: 주간 운영 리듬에 얹는다

AARRR은 분기 워크숍용 슬라이드가 아니라 주간 회의 안건이다. 운영 리듬을 이렇게 잡는다.

1. 매주 월요일, 다섯 단계 전환율 스냅샷을 확인한다 (숫자 다섯 개면 충분하다)
2. 지난주 대비 2%p 이상 움직인 단계만 파고든다
3. 진행 중인 실험의 주요 지표와 가드레일을 함께 읽는다
4. 월 1회 병목 재선정 (5단계 레버리지 계산 다시 돌리기)

사례 중심으로 흐름을 보고 싶다면 그로스해킹 사례 모음이 참고가 된다. 개념 배경이 더 필요하면 프로덕트 애널리틱스란?과 믹스패널 입문 가이드도 함께 보면 좋다.

전체 체크리스트 요약

AARRR 설계 8단계 체크리스트

1. 다섯 단계를 우리 제품 이벤트로 정의했다 (이벤트 1개 + 시간 창 포함)
2. 리텐션 커브를 먼저 확인했고, 커브가 평평해지는 구간이 있는지 판단했다
3. 단계별 인원과 전환율을 한 표에 이어 붙였고, 곱셈 검산이 맞는다
4. 갭 × 규모 × 하류 전환율로 병목 한 곳을 선정했다
5. 병목 단계를 마이크로 퍼널과 세그먼트로 쪼갰다
6. 가설을 정해진 문장 형식으로 썼고 성공 기준을 사전에 적었다
7. 주요 지표 1개 + 가드레일 2개를 지정했다
8. 주간 스냅샷과 월간 병목 재선정을 캘린더에 넣었다

더 읽어보기

• 프로덕트 애널리틱스란?
• 믹스패널 완벽 입문 가이드
• 사용자 분석 툴 비교 (믹스패널·앰플리튜드·포스트호그)

자주 묻는 질문

AARRR 순서대로 개선하는 게 맞나?

이름 순서와 실행 순서는 다르다. 진단은 리텐션부터 시작하는 편이 안전하다. 리텐션이 무너진 상태에서 획득에 예산을 넣으면 이탈자만 늘어난다. 다만 초기 제품이라 데이터 자체가 없다면, 활성화 정의를 먼저 확정하는 것부터가 출발점이 된다.

AAARRR(Awareness 포함)이나 RARRA로 바꿔야 하나?

변형 프레임워크는 강조점만 다르다. RARRA는 리텐션을 맨 앞에 두어 순서 착시를 막고, AAARRR은 인지 단계를 분리해 브랜드 마케팅 기여를 따로 본다. 단계 이름을 바꾸는 것 자체가 성과를 내지는 않는다. 각 단계에 측정 가능한 이벤트와 시간 창을 붙였는지가 실제 차이를 만든다.

GA4로 AARRR을 운영할 수 있나?

획득 단계, 즉 어떤 채널에서 얼마나 들어왔는지는 GA4가 강한 영역이다. 문제는 그 뒤다. 활성화 이후 단계는 "왜 여기서 빠지는가"를 세그먼트별로 쪼개 보는 작업인데, 대용량 리포트의 샘플링, 24~48시간 처리 지연, BigQuery 연동 없이는 로데이터 접근 불가 같은 구조적 제약이 겹쳐 실무에서 반복 수행하기 어렵다. 행동 기반 코호트와 마이크로 퍼널을 비개발 직군이 직접 만들어야 하는 단계에서는 프로덕트 애널리틱스 도구가 답하는 영역이 된다.

정리

AARRR이 유용한 건 다섯 글자가 멋져서가 아니다. 사용자 흐름을 곱셈식으로 만들어, "어디를 고치면 얼마가 늘어나는가"를 산수로 답하게 해주기 때문이다. 위 시나리오에서 봤듯 병목 한 칸의 7%p가 유입 50% 증액과 같은 값을 낸다. 그 계산을 매주 돌릴 수 있는 팀이 빠르게 성장한다.

계산을 매주 돌리려면 데이터를 보는 사람이 분석가 한 명이어서는 안 된다. PM이 퍼널을 직접 만들고 마케터가 코호트를 쪼갤 수 있는 환경인지가, 결국 AARRR이 살아 있는 운영 체계가 되느냐 벽에 붙은 도식으로 남느냐를 가른다.

Nitrox 블로그에서 관련 가이드 더 보기