스트리밍은 대부분의 브라우저와
Developer 앱에서 사용할 수 있습니다.
-
제품 페이지 최적화 최대한 활용하기
제품 페이지 최적화 테스트를 최대한 활용하는 방법을 알아보십시오. 모범 사례를 살펴보고 데이터 기반 조언을 제공하며 제품 페이지 최적화를 사용하여 App Store 제품 페이지를 훨씬 더 관련성 있고 효과적으로 만든 개발자의 성공 사례를 공유합니다.
리소스
관련 비디오
Tech Talks
-
다운로드
안녕하세요 저는 Seema입니다 App Store 비즈니스 관리 팀에서 근무합니다 오늘은 App Store의 제품 페이지 최적화 기능을 활용하는 방법을 말씀드리겠습니다 본 프레젠테이션은 이 기능에 익숙하며 App Store에서 앱 또는 게임의 실적을 지속적으로 개선하고자 하는 분들께 적합합니다
본 세션은 이전 세션인 ‘제품 페이지 최적화 시작하기’의 후속 세션입니다
제품 페이지 최적화를 사용해 본 적이 없고 자세한 정보가 필요하시다면 Apple Developer 웹 사이트에서 제품 페이지 최적화 시작하기 비디오를 시청하시기 바랍니다
먼저 App Store의 제품 페이지 최적화 기능을 간단히 설명하며 시작하겠습니다
그다음 이 기능을 사용한 개발자의 성공 사례를 공유하겠습니다
마지막으로, 이 기능을 계속 사용하면서 염두에 두어야 할 핵심 요점을 공유하겠습니다
기능 설명입니다
제품 페이지 최적화는 원본 제품 페이지 애셋과 대조하여 최대 세 개의 대체 버전, 즉 처리를 테스트할 수 있는 App Store 기능입니다 어느 버전이 사용자에게 가장 반응이 좋은지 파악할 수 있죠
이 기능을 사용하면 App Store 전반에서 데이터에 기반해 제품 페이지 애셋을 최적화하고 방문자가 앱이나 게임을 다운로드 또는 재다운로드하도록 하는 가장 효과적인 방법을 찾을 수 있습니다
처리는 모든 트래픽 소스에서 개인정보를 보호하는 방식으로 임의로 선정된 일정 비율의 사용자에게 표시됩니다
사용자는 투데이, 게임, 앱 탭이나 관련 검색 결과의 검색 탭에서 특정 처리를 보게 됩니다
또한 소셜 미디어 게시물이나 유료 광고 등 외부 추천 링크를 통해 App Store로 접속한 사용자에게도 처리가 표시됩니다
페이지 최적화의 개요입니다 앱 아이콘, 다양한 스크린샷과 앱 미리보기를 테스트할 수 있습니다
최대 세 개의 처리를 만들 수 있습니다
처리를 표시할 트래픽 비율을 선택하고 테스트를 실행할 현지화를 선택할 수 있습니다
또한 이 기능을 위해 제출 흐름이 특별히 설계되어 앱 바이너리와는 별개로 제품 페이지 테스트 애셋을 심사에 제출할 수 있습니다
모든 최적화 기능과 마찬가지로 각 테스트의 실적을 이해하기 위해서는 분석이 필요합니다
제품 페이지 최적화 섹션의 앱 분석에서 테스트 진행 상황을 확인할 수 있습니다 제품 페이지 최적화 대시보드에는 테스트를 진행하면서 분석을 파악하는 데 도움이 되는 지표가 있습니다 이러한 지표를 통해 최소 90%의 신뢰도로 처리가 원본 제품 페이지보다 더 좋거나 나쁜 실적을 내는지 확인할 수 있습니다
테스트 결과의 90% 신뢰도란 무엇을 의미할까요? 10번의 실험을 하면 그 중 최소 9번은 유사한 결과가 나온다는 뜻입니다 즉, 기준치와 변수의 차이가 우연이 아니라는 의미죠 Apple은 테스트를 실행하면서 동시에 지속적으로 모니터링하여 결정을 내리기에 충분한 데이터가 수집된 시점을 정확하게 파악할 수 있는 독특한 방법을 개발했습니다
테스트는 언제든지 중지할 수 있습니다
요약하자면, 제품 페이지 최적화 대시보드는 여러분이 데이터에 기반한 의사 결정을 내리고 사용자 전환에 가장 도움이 되는 처리를 선택하는 데 필요한 정보를 제공합니다
여기서 중요한 점은 제품 페이지 최적화 테스트는 한 번으로 끝나는 것이 아니라 반복적이고 지속적인 과정이라는 것입니다
반복적이라는 건 무슨 뜻일까요? 지속적인 최적화 루프의 형태로 앱 전환율을 개선한다는 뜻입니다
최적화 루프에 포함할 수 있는 권장 단계를 설명해 드리겠습니다
대부분의 테스트 작업은 조사를 수행하며 시작됩니다 예를 들어, 내부 사용 데이터나 고객 설문 조사, 시장 조사를 살펴보는 것이죠
다음은 가설 수립입니다 조사를 수행한 후에는 실행할 테스트와 이 테스트의 예상 결과를 결정하는 데 도움이 되는 가설을 수립합니다
조사와 가설을 바탕으로 생성할 테스트용 애셋이 결정됩니다
그리고 애셋이 준비되면 테스트를 구현할 수 있습니다 이제 App Store Connect에 애셋을 업로드하고 심사를 위해 제출하면 됩니다
그 다음, 결과를 분석합니다 테스트를 실행 및 완료하면 앱 분석에서 결과를 볼 수 있습니다
결과에 따라 제품 페이지에 처리 중 하나를 적용할지 아니면 원본을 유지할지 결정할 수 있습니다
결과를 바탕으로 다음 단계를 결정하고 다시 반복합니다
말씀드린 단계는 권장 단계이고 모든 테스트 시나리오에 적용되지 않을 수 있습니다
예를 들어 한 테스트의 결과에 따라 다음 테스트를 위한 조사가 필요하지 않을 수 있습니다 가설을 세우고 거기서부터 시작하기로 선택할 수도 있습니다 이 최적화 루프를 염두에 두고 테스트를 한 후에는 테스트할 새 영역을 만드는 것 외에도 해당 테스트를 계속 반복합니다
이제 개발자들이 이 기능을 성공적으로 활용했던 테스트 테마와 예시 몇 가지를 살펴보겠습니다 개발자는 제품 페이지 애셋을 최적화할 때 다양한 테마를 테스트합니다 가장 일반적인 경우를 보여 드릴게요 개발자들은 제품 페이지 애셋 전반에 걸쳐 다양한 크리에이티브 디자인을 테스트하고 브랜드를 넣거나 빼봅니다
시즌 콘텐츠 테스트는 흔한 테스트 테마입니다 많은 개발자들은 적절한 시즌 애셋이 전환을 유도하는지 알고 싶어 합니다
또한 여러 스크린샷의 순서를 바꿔 봄으로써 어느 스크린샷을 첫 번째로 배치해야 더 많은 전환을 이끌어내는지 확인합니다
또 다른 흔한 테스트 유형은 스크린샷과 앱 미리보기의 방향을 테스트하여 가로 또는 세로 방향 중 사용자 전환이 더 많이 발생하는 항목을 확인하는 것입니다 다양한 스크린샷 설명을 테스트하여 어떤 설명 또는 텍스트가 더 많은 사용자 전환을 유도하는지 파악하기도 합니다
애셋 유형별 테스트도 흔한 테마입니다 앱 미리보기를 추가하면 그렇지 않을 때보다 사용자 전환율이 더 높아지는지 테스트합니다
이 밖에도 테스트 테마는 다양하지만 여기서는 가장 일반적인 테마를 보여 드렸습니다
오늘은 이 중 가장 많이 사용되는 테마에 중점을 두고 각 테마에 대한 개발자의 성공 사례를 살펴보겠습니다 첫 번째 성공 사례는 앱 아이콘 디자인을 통해 브랜딩을 테스트한 개발자의 사례입니다 두 번째는 스크린샷을 사용하여 시즌 콘텐츠를 테스트한 개발자의 사례입니다
세 번째 성공 사례는 앱 미리보기와 같은 애셋 유형을 테스트한 개발자의 사례입니다
PopReach가 개발한 두뇌 훈련 앱 Peak - Brain Training의 사례부터 보시죠
Peak - Brain Training은 정신적 기량을 신장하고 지적 자극을 얻을 수 있는 게임을 제공하는 부분 유료화 교육 앱입니다 개발사인 PopReach는 전환을 가장 잘 유도하는 크리에이티브를 파악하기 위해 앱 아이콘을 테스트했습니다
이들의 가설은 로봇 캐릭터가 원본보다 더 많은 전환을 유도한다는 것이었습니다 이 사례에서는 처리당 평균 154,000회의 노출 수로 44일 동안 테스트를 실행했습니다
기간과 처리당 노출 수를 알려드리는 이유는 테스트를 통해 인사이트를 얻는 데 있어 그 정확성이 시간과 노출 수에 직접 좌우되기 때문입니다
테스트가 통계적 유의성에 도달하는 데 영향을 미치는 변수는 많지만 노출 수의 양과 시간이 핵심적인 역할을 합니다
테스트 내용은 이렇습니다 가장 왼쪽에 보시는 게 원본입니다 다음은 배경에 변화를 준 아이콘 처리입니다 이것은 뇌 디자인이 있는 아이콘 처리입니다 마지막으로 로봇이 있는 아이콘 처리입니다 PopReach의 가설에 따르면 바로 이 아이콘이 가장 많은 전환을 유도할 것이었습니다 결과는 이렇습니다 뇌 아이콘이 원본보다 뛰어난 실적을 보였습니다 전환율은 8% 더 높았고 신뢰도는 98% 이상이었습니다
요약하자면, 테스트 결과 네 개의 변수 중 뇌 이미지가 있는 아이콘을 사용했을 때 사용자 전환이 가장 많았습니다
가설과 달리 실제 테스트 결과 로봇 아이콘의 실적은 원본보다 낮았죠 PopReach는 이와 같은 제품 페이지 최적화 테스트 결과에 따라 데이터 기반 의사 결정을 내릴 수 있었습니다
테스트가 끝난 후 PopReach는 실적이 더 좋았던 아이콘을 다음 앱 버전에 적용했습니다 물론 테스트 참여 사용자의 후속 실적 역시 목표에 도달했음을 확인한 후에 말이죠
PopReach는 이 과정을 계속 반복하고 추가 애셋을 테스트하여 최적화 작업을 꾸준히 이어갈 계획입니다
다음은 Rovio의 앵그리버드 2 사례입니다 앵그리버드 2는 퍼즐 액션 카테고리에 속한 부분 유료화 게임으로 중독성 높은 슬링샷 액션과 화려한 그래픽, 짜릿한 멀티 스테이지 레벨과 교활한 보스 돼지 캐릭터를 선보이죠
Rovio는 이 제품 페이지 최적화 테스트에서 시즌 크리에이티브가 상시 사용되는 크리에이티브보다 더 나은 실적을 보이는지 확인하려 했습니다
Rovio는 조사를 실행한 후 시즌 게임 플레이가 표시된 스크린샷이 더 많은 전환을 유도한다는 가설을 세웠습니다
12월에 20일 동안 테스트를 실행했고 테스트에서 처리당 평균 노출 수는 2백만 회였습니다 결과는 이렇습니다 왼쪽 이미지는 원본으로 상시 사용되는 이미지가 첫 번째 스크린샷이었죠 오른쪽은 테스트용 처리입니다 첫 번째 스크린샷이 다르고 연휴 테마의 게임 플레이를 나타내고 있습니다
Rovio는 이 처리의 전환율이 더 높을 거라고 예상했는데요, 결과를 보시죠
놀랍게도 상시 사용 이미지가 실린 기존 제품 페이지가 시즌 크리에이티브보다 더 높은 실적을 보였습니다 전환율은 1.5% 더 높았고 신뢰도는 100%였죠 이 시나리오에서는 이 시즌 이미지의 실적이 더 높지 않았으므로 여러분은 앱 또는 게임의 시즌 크리에이티브를 테스트해서 데이터를 기반으로 가장 적합한 결정을 내리는 것이 좋습니다 이 테스트를 요약하자면 두 변수를 테스트한 결과 원본 즉, 상시 사용 크리에이티브가 더 많은 전환을 달성한 것으로 확인되었습니다 결과는 가설과 달랐습니다 다른 시나리오에서는 그동안 시즌 애셋이 더 많은 전환을 이끌었다는 사실을 기반으로 세운 가설이었지만 결과는 그렇지 않았죠 이 결과는 이 개발자와 이 크리에이티브에만 해당하는 것이고 앱이나 게임에 대한 일반적인 규칙으로 적용되지는 않는다는 점을 다시 말씀드리고 싶군요 경우에 따라 원본이 처리보다 더 뛰어난 실적을 보여 수정이 필요 없는 경우도 있습니다 이 경우 테스트 결과를 통해 개발자는 첫 번째 스크린샷을 그대로 유지해야 한다는 것을 알 수 있습니다 가설만으로는 그런 결정을 내리지 않았겠죠 앵그리버드 2 팀은 많은 테스트를 수행했습니다 마케팅 팀은 제품 팀과 긴밀히 협력하여 버전 출시 일정을 계획하기 때문에 출시 후 즉시 테스트를 시작할 수 있도록 출시 전에 애셋이 준비되어 있으며 바로 테스트 가능한지 확인합니다
마지막 성공 사례는 Simply가 개발한 Simply Piano입니다 Simply Piano는 아무 피아노 또는 키보드로 빠르고 재미있게 피아노를 배울 수 있는 구독 앱으로 수백만 명이 이용하고 있습니다 Simply는 제품 페이지 최적화 테스트를 통해 앱 미리보기가 사용자 전환율을 더 높이는지 확인하려 했습니다 앱 미리보기가 있는 원본 제품 페이지가 더 많은 전환을 유도한다는 가설을 세웠죠 12일 동안 테스트를 실행했고 테스트에서 처리당 평균 노출 수는 43만 회였습니다 테스트 내용은 이렇습니다 왼쪽 이미지는 원본 페이지로 피아노를 연주하는 앱 미리보기가 있죠 가설에서는 이 페이지가 처리보다 높은 실적을 낼 거라고 생각했습니다 오른쪽 이미지는 테스트 처리 페이지로 앱 미리보기 대신 스크린샷이 포함되어 있죠
결과는 이렇습니다 앱 미리보기가 없고 스크린샷만 있는 실험군이 3.3% 더 높은 전환율과 100% 신뢰도로 더 높은 실적을 냈습니다 대다수의 경우 앱 미리보기가 있는 것이 전환에 매우 긍정적인 영향을 줄 수 있습니다 하지만 이 경우에는 테스트에 사용된 비디오가 더 나은 실적을 내지 못했죠
앞서 말씀드렸듯이 제품 페이지 최적화의 장점은 데이터를 통해 특정 애셋이 전환율을 개선하는 데 도움이 될지 파악할 수 있다는 것입니다 앱 미리보기의 경우 동일한 테스트에서 최대 세 개의 비디오를 테스트해서 어떤 비디오의 실적이 가장 뛰어난지 확인할 수 있습니다 Simply Piano의 테스트를 요약하자면 두 변수를 테스트한 결과 앱 미리보기가 없는 실험군의 전환율이 더 높은 것으로 확인되었습니다 결과는 가설과 달랐습니다 앞서 본 앵그리버드 2의 사례와 비슷하죠 놀랍게도 테스트 결과가 가설과 달랐기 때문에 Simply는 이 단계를 반복하고 다시 테스트할 것입니다 지금까지 보여 드린 예시가 여러분이 제품 페이지 최적화 테스트를 구현할 때 도움이 되기를 바랍니다
다음으로, 여러분이 지속적인 최적화 작업을 고민할 때 염두에 두어야 할 핵심 요점 몇 가지를 공유하겠습니다
테스트를 계획하고 구현할 때는 반복적 접근 방식을 취하세요 시간이 지나면 대상 고객이나 시즌의 변화를 고려하여 애셋을 재평가하세요 이렇게 함으로써 테스트 작업의 효과를 극대화할 수 있습니다 성공 사례에서 보셨듯이 때때로 데이터는 가설이 올바르지 않을 수 있음을 증명합니다 반복하고 다시 테스트해야 하는 확실한 이유입니다
한 번에 하나의 애셋을 테스트해서 테스트할 변수의 수를 제한하세요 이렇게 하면 전환율에 가장 큰 영향을 준 요인을 쉽게 파악할 수 있습니다 일주일에 한 번 이상 7일 단위로 테스트하실 것을 권장합니다 만약 주 사용자들이 주말에 더 활발히 활동하는데 테스트를 월요일에 시작해서 3일 동안 실행한다면 핵심 트래픽 기간을 놓치게 되어 결과를 측정하기 어렵게 됩니다 테스트에서 유의미한 영향을 줄 수 있도록 처리 애셋에 눈에 띄는 큰 차이를 주세요 차이가 작거나 미묘하다면 테스트가 신뢰도를 달성하는 데 걸리는 시간에 영향을 줄 수 있습니다 테스트 진행 중에 결과를 보면 각 테스트가 얼마나 걸릴지 예상하는 데 도움이 됩니다 더 낮은 신뢰도 수준도 괜찮다면 여러분이 원하는 신뢰도 수준에서 테스트를 중지할 수 있습니다 다음은 제출 절차와 관련된 핵심 요약입니다 최적화 테스트를 실행할 때는 출시 일정을 관리하는 담당자들과 긴밀하게 협력하여 계획 및 조정을 거쳐 필요한 신뢰도를 달성할 충분한 시간과 최상의 가능성을 확보할 수 있도록 하세요 제품 페이지 최적화 애셋은 앱 출시와는 별개로 제출할 수 있습니다 앱 출시 사이에 제품 페이지 애셋을 바로 테스트할 수 있도록 하는 것이 좋습니다 이렇게 하면 앱 출시 사이에 테스트 시간을 극대화할 수 있습니다 앱 아이콘을 테스트할 계획이라면 테스트되는 바이너리 버전으로 앱 아이콘 애셋을 제출해야 합니다 제출 절차를 원활하게 진행할 수 있도록 제품 페이지 애셋을 제출하기 전에 앱 심사 지침을 준수해 주세요
다음은 유의해야 할 추가 고려 사항입니다 App Store 테스트와 다른 플랫폼에서의 테스트를 혼합하지 마세요 다른 플랫폼 결과를 App Store에 그대로 옮겨오지 마세요 Apple과 다른 플랫폼은 사용자 행동, 그리고 무엇보다 사용자 인터페이스 측면에서 큰 차이가 있습니다 같은 크리에이티브라도 동일한 방식으로 소비되지 않는다는 의미죠 트래픽 믹스, 신규 캠페인 추가, 주간 및 시즌별 변화 등 외부 요인에 유의하고 테스트의 영향을 평가하고 측정할 때 이를 염두에 두세요
여기까지가 오늘의 주제였습니다 프레젠테이션을 마무리하면서 최적화 전략으로서 계속 테스트를 반복하셔서 사용자에게 효과가 있는 것과 그렇지 않은 것을 꾸준히 파악하시라고 권해드리고 싶습니다 스크린샷 순서 변경 같은 간단한 테스트일 수도 있고 앱 미리보기 테스트처럼 더 복잡한 것일 수도 있겠죠 끈기 있게 계속해서 App Store에서 앱의 존재감을 극대화하세요 오늘 다룬 내용에 대한 더 자세한 정보나 리소스가 필요하시면 Apple Developer 웹 사이트를 방문해 주세요 감사합니다
-
-
찾고 계신 콘텐츠가 있나요? 위에 주제를 입력하고 원하는 내용을 바로 검색해 보세요.
쿼리를 제출하는 중에 오류가 발생했습니다. 인터넷 연결을 확인하고 다시 시도해 주세요.