금융 앱 사용자 성장

프로젝트 배경

SUPERTRANGO가 서비스한 고객은 젊은 직장인을 대상으로 소비자 신용 상품을 주력으로 하는 선도적인 인터넷 금융 플랫폼입니다. 지난 2년간 이 플랫폼은 주요 피드 채널에서 지속적으로 광고를 집행했지만 등록 비용이 좀처럼 줄지 않았습니다. 마케팅 팀은 기존 집행 방식에서 소재 수명이 매우 짧아 보통 런칭 3일 후 클릭률이 40% 이상 감소하고, 타겟팅 로직이 수동 경험에 의존해 새로운 트래픽 시나리오 포착이 현저히 뒤처진다는 점을 발견했습니다. 2024년 Q3, 플랫폼은 '등록 비용 절감, 신규 고객 전환 효율 향상'을 성장 팀의 핵심 OKR로 설정했습니다.

핵심 과제

프로젝트 시작 전 고객은 세 가지 구체적인 문제에 직면했습니다:

• 광범위한 타겟팅: 기본 인구통계 속성 + 관심사 태그에만 의존해 사용자의 현재 실제 자금 수요 시나리오를 식별할 수 없었습니다. 예를 들어, 방금 신용카드 청구서를 받은 사용자와 방금 주택담보대출을 승인받은 사용자는 신용 상품에 대한 반응 의향이 크게 다르지만 기존 타겟팅 시스템은 이를 구분하지 못했습니다.
• 소재 피로: 집행 팀은 매주 30여 세트의 소재를 수동으로 제작했지만 실시간 피드백 기반의 지능형 최적화 메커니즘이 없어 대량의 예산이 클릭률 0.8% 미만의 쇠퇴 소재에 소모되었습니다.
• 전환 단절: 등록 과정에서 광고 클릭부터 등록 완료까지 평균 3회의 페이지 이동이 필요했고, 모바일 로딩 시간이 4초를 초과해 약 35%의 의향 사용자가 중간 단계에서 이탈했습니다.

솔루션

SUPERTRANGO는 고객을 위해 'GEO Engine 성장 엔진'을 구축하여 세 가지 차원에서 집행 경로를 재구성했습니다:

1. 의도 타겟팅 업그레이드: 고객 일방 데이터(비식별화된 사용자 브라우징 행동, 청구 주기, 과거 대출 기록 포함)를 연동하고 SUPERTRANGO의 서드파티 시나리오 데이터베이스를 결합하여 27개의 '즉시 자금 수요' 예측 모델을 구축했습니다. 예를 들어, 사용자가 최근 3일간 자동차 정보 페이지를 빈번히 방문한 것을 식별하면 '자동차 할부' 전용 랜딩 페이지를 자동 매칭합니다.
2. 동적 소재 팩토리: GEO Engine의 생성형 소재 모듈을 기반으로 상품 혜택 포인트를 40여 개의 콘텐츠 원자(금리, 입금 속도, 한도, 상환 유연성 등)로 분해하고, 사용자 프로필에 따라 실시간으로 개인화된 광고 문구와 비주얼을 조합 생성하여 개별 사용자 차원에서 소재의 천인천면을 실현했습니다.
3. 전환 경로 가속화: SUPERTRANGO의 경량 랜딩 페이지 기술을 통해 등록 양식을 7개 필드에서 3개로 압축하고 자동 채우기 기술로 수동 입력을 줄였습니다. 동시에 광고 클릭부터 등록 성공까지 평균 이동 횟수를 3회에서 1.5회로 줄이고 페이지 로딩 시간을 1.8초 이내로 제어했습니다.

실행 하이라이트

프로젝트 실행 기간은 총 6주로, 처음 2주는 모델 학습 및 보정 단계, 이후 4주는 전체 규모 집행 단계였습니다. 가장 중요한 돌파구는 3주차에 발생했습니다: GEO Engine이 '야간 22:00-24:00 시간대, 최근 이커머스 대액 소비 기록이 있는 사용자'가 '임시 자금 융통' 유형 소재에 대한 반응률이 일반人群 대비 4.2배라는 것을 식별했습니다. 운영 팀은 즉시 예산 배분을 조정하여 해당 시간대 입찰 계수를 1.5배로 높이고 전용 문구 '오늘 밤 주문, 내일 입금'과 함께 일일 등록량이 전주 대비 65% 증가했습니다.

또 다른 하이라이트는 소재 자동 최적화 메커니즘입니다. 시스템은 매주 클릭률이 임계값 30% 미만인 소재 조합을 자동 중단하고 예산을 실시간으로 고잠재 소재로 전환했습니다. 실행 기간 동안 소재 평균 수명이 3일에서 9일로 연장되고 단일 소재 세트의 누적 전환 기여가 2.8배 향상되었습니다.

성과 데이터

6주간의 전체 집행 주기를 거쳐 고객의 등록 전환율이 비약적으로 향상되었습니다. 다음은 프로젝트 핵심 성과입니다:

경험 요약

이번 협업은 핵심 판단을 검증했습니다: 금융 상품의 등록 전환은 본질적으로 '사용자의 현재 니즈 긴급도'에 대한 응답 효율성 문제입니다. 기존 집행은 정적 태그에 의존했지만 GEO Engine은 니즈 식별을 '사람' 차원에서 '시점' 차원으로 세분화했습니다. 금융 업계 고객에게는 두 가지에 주목할 것을 권장합니다: 첫째, 데이터 연동 초기에는 충분한 모델 학습 예산을 확보해야 하며 너무 이른 ROI 추구는 바람직하지 않습니다; 둘째, 동적 소재의 랜딩 페이지는 광고 정보와 높은 일관성을 유지해야 하며, 어떤 혜택 포인트 편차도 전환 퍼널의 현저한 후퇴를 초래합니다. 현재 이 고객은 SUPERTRANGO를 신용카드, 자산관리 등 세 개의 신규 비즈니스 라인으로 확장했으며 다음 분기에 GEO Engine의 지능형 입찰 기능 도입을 계획하고 있습니다.