평균 주문 가치(AOV)란 무엇인가요? 정의와 계산 방법 101

평균 주문 가치, AOV 개선, 코호트 분석, 이커머스 지표, 전자 상거래

이커머스는 이미 전 세계 소비자의 쇼핑 방식에 혁신을 가져왔습니다. Statista에 따르면 2022년부터 2026년까지 전 세계 전자 상거래 매출은 50% 이상 증가하여 8조 1,000억 달러에 달할 것으로 예상되며 계속 성장하고 있습니다.

이커머스 브랜드를 소유하거나 운영하는 경우, 평균 주문 가치(AOV)는 매출 관련 핵심 지표 중 하나이므로 계속 주시해야 합니다. 그럼 AOV를 세분화하고 고객 구매 및 행동 분석을 통해 이 지표에 영향을 줄 수 있는 방법을 살펴보겠습니다.

핵심 요약

평균 주문 가치(AOV)는 특정 기간 동안 특정 고객의 총 주문에 대한 일반적인 달러 가치를 나타내는 이커머스 지표입니다.
제품 카테고리, 플랫폼, 시간대 등 다양한 요인이 이커머스 스토어의 AOV에 영향을 미칠 수 있습니다.
스토어의 AOV를 높이려면 고객의 구매 및 행동 데이터를 활용해야 합니다. 개인화 및 가치 있는 제품 추천을 통해 고객 만족도를 높일 수 있습니다.

AOV란 무엇인가요?

AOV(Average Order Value, 평균 주문 가치)는 이커머스 웹사이트나 앱에서 전자 상거래 구매의 평균 금액을 측정하는 비즈니스 지표입니다.

AOV를 통해 리테일 및 이커머스 스토어는 고객이 평균 주문에 지출하는 총 금액을 파악할 수 있습니다. 비즈니스는 이 지표를 사용하여 대규모 고객 구매 패턴 및 행동에 대한 일반적인 결론을 도출할 수 있습니다.

AOV 계산 방법

평균 주문 가치를 계산하려면 특정 기간 동안 비즈니스의 총 수익을 같은 기간 동안의 주문 수로 나누면 됩니다.

AOV = 매출 / 주문 수

예를 들어 3분기 이커머스 스토어의 AOV를 계산하려고 한다고 가정해 보겠습니다.

3분기에 스토어는 2,000건의 주문으로 $100,000의 매출을 올렸습니다. 따라서 평균 주문 가치 공식은 다음과 같습니다:

AOV = $100,000 / 2,000

그리고 해당 기간의 AOV는 $50가 됩니다.

AOV = $50

AOV에 영향을 미치는 요인

AOV 추적의 이점 중 하나는 고객 구매 동향에 대한 인사이트를 파악할 수 있다는 것입니다.

제품에 대해 아무것도 변경하지 않더라도 AOV는 고정되어 있지 않습니다. 분기별, 월별, 심지어 매일 변동될 수 있습니다. AOV에 영향을 미치는 다양한 요인을 전체적으로 파악하여 어떤 변화가 의미 있는 변화인지 아니면 단순히 예상되는 급등인지 판단해야 합니다.

AOV는 다음과 같은 다양한 요인에 따라 변화할 수 있습니다:

1. 하루 중 시간

주말, 공휴일 또는 저녁과 같은 피크 시간대에는 매출이 증가하거나 감소할 수 있습니다. 고객이 자연스럽게 구매하려는 경향을 파악하면 이커머스 스토어 소유자가 현실적인 쇼핑 패턴을 추적하여 인센티브를 제공하는 데 도움이 됩니다.

2. 웹 vs. 앱

고객이 쇼핑을 언제 하는지 뿐만 아니라 어디서 하는지도 큰 차이를 만들 수 있습니다. 예를 들어, 2022년 2분기에는 데스크톱 이커머스 AOV가 모바일 앱이나 태블릿보다 높았습니다.

3. 특정 카테고리의 주문

카테고리 세분화는 AOV를 측정하는 이커머스 브랜드가 고려해야 할 사항입니다.

한 구매자 그룹에 대한 AOV가 다른 구매자 그룹과 반드시 같을 수는 없습니다. 업계 지식을 바탕으로 AOV를 세분화하는 것은 올바른 방식으로 비즈니스를 포지셔닝하는 데 있어 핵심입니다.

예를 들어, 신발과 티셔츠를 모두 판매하는 스토어는 신발이 포함된 주문이 티셔츠만 포함된 주문보다 더 높은 가치를 가질 가능성이 높습니다. 이커머스 스토어의 다양한 카테고리 유형을 이해하는 것은 AOV를 이해하는 데 필수적입니다.

4. 계절성 및 급증 이벤트

판매하는 제품에 따라 연중 또는 계절이 AOV에 영향을 미칠 수 있습니다. 예를 들어 화장지와 같은 필수품은 일년 내내 AOV가 거의 변하지 않는 반면, 체중 감량 보조제와 같은 제품은 사람들이 새해 결심에 집중하는 연초에 AOV가 급증할 수 있습니다.

거시 경제도 일정 기간 동안 AOV에 영향을 미칠 수 있습니다. 화장지를 예로 들어보겠습니다. 팬데믹으로 인한 봉쇄 조치가 시작되면서 화장지는 불티나게 팔렸습니다. 여러분은 영향을 받은 브랜드의 화장지 AOV가 증가하는 것을 상상할 수 있습니다.

계절적 요인과 마찬가지로 특정 기간 동안 AOV가 급증할 수 있는 이벤트도 있습니다. Prime Day, 개학, 할로윈, 발렌타인데이와 같은 이벤트가 AOV에 영향을 미칠 수 있습니다.

예를 들어, 신학기 세일 기간에는 연필과 의류가 급증하는 반면 사탕과 초콜릿의 AOV는 동일하게 유지될 수 있습니다. 그러나 할로윈과 발렌타인데이에는 사탕과 초콜릿의 AOV가 증가할 수 있습니다. 이는 앞서 언급한 것처럼 특정 카테고리 세분화가 AOV에 영향을 미칠 수 있는 이유를 다시 한 번 강조합니다.

특정 기간 동안 특정 제품을 할인하는 프라임 데이를 고려해 보겠습니다. 할인 수준도 AOV에 영향을 줄 수 있습니다.

5. 캠페인 또는 오퍼를 통한 주문

방금 언급한 프라임 데이의 예와 마찬가지로 마케팅 팀에서 잠재 고객을 사이트로 유도하기 위해 프로모션 행사나 할인을 진행할 수 있습니다.

오퍼를 홍보하는 각 캠페인 및 채널에 대해 정해진 할인 코드를 제공하면 소유자와 운영자가 특정 캠페인이나 오퍼의 판매에 미치는 영향을 더 잘 이해할 수 있습니다.

AOV를 개선하는 방법

매출과 직접적인 관련이 있기 때문에 AOV는 비즈니스의 다양한 요소 간의 관계를 이해하고자 하는 이커머스 브랜드에 유용한 지표입니다. AOV를 분석하면 수익을 개선할 수 있는 최적의 방법을 찾는 데 도움이 됩니다.

1. 개선 기회에 대한 분석 및 인사이트 수집

AOV는 다른 많은 핵심 성과 신호에 대한 유용한 프록시입니다. AOV를 개선하려는 경우 비즈니스 모델의 다른 영역이 AOV에 어떤 영향을 미치는지, 그리고 어떻게 개선할 수 있는지 고려하세요.

예를 들어, 특정 마케팅 캠페인이 스토어로 트래픽을 유도하기 시작한 후 AOV가 상승하는 것을 확인할 수 있습니다. 실험을 실행하여 주문 가치의 증가가 메시지, 오퍼, 유통 채널 또는 해당 캠페인과 특별히 관련된 다른 요소와 관련이 있는지 확인합니다.

측정할 수 없는 것은 개선할 수 없다는 점을 기억하세요. 따라서 AOV 개선의 첫 번째 단계는 조작할 수 있는 변수와 조작 방법을 파악하는 것입니다.

2. 디지털 분석 플랫폼으로 AOV 추적

개선해야 할 영역을 파악했다면, 이제 시간 경과에 따른 AOV를 추적할 차례입니다. 이를 통해 다음과 같은 영역에 대한 점진적인 개선의 성공 여부를 평가할 수 있습니다:

웹사이트
앱
결제 경험
오퍼
프로모션 및 교차 판매 플레이

중요한 부분은 고객 행동 데이터를 실시간으로 수집하는 것입니다. 이를 통해 행동 및 장바구니 정보를 판매 데이터 및 기타 입력 정보와 결합하여 고객 경험을 개인화할 수 있습니다.

분석 도구를 사용하면 고객이 공유하는 공통 기능을 연구하여 마케팅 퍼널의 다른 고객들을 위한 경로를 강화할 수 있습니다. 또한 코호트 분석(고객 집단 분석)을 수행하여 일반적인 고객 여정을 매핑하고 그 과정에서 전환 및 이탈 지점을 모두 표시할 수 있습니다.

3. AOV 개선을 위한 실험 실행

이제 데이터로 무장했으니 AOV를 개선하기 위한 실험 계획을 배포할 준비가 되었습니다.

행동 데이터와 구매 데이터를 결합하여 고객 라이프사이클 전반에 걸쳐 사용자에게 상향 판매, 교차 판매, 직접 프로모션을 진행할 수 있습니다. 결제 및 카트 경험의 빈틈을 보완하여 이탈을 방지하세요. 고객 코호트를 Braze 또는 Iterable과 같은 고객 참여 플랫폼에 동기화하여 개인화된 캠페인과 오퍼를 원활하게 생성할 수 있습니다.

고객 행동 데이터를 활용하면 추측할 필요가 없습니다.

전반적인 AOV를 개선하기 위한 모범 사례

이커머스 분석을 통해 전반적인 AOV를 개선하기 위한 시작점을 찾고 계신가요? 고객 행동 분석을 기반으로 한 실험 워크플로를 소개합니다.

1. 코호트 분석을 사용하여 수익성 이해 및 극대화하기

시간 기반 요인이 AOV에 어떤 영향을 미칠 수 있는지는 이미 살펴보았습니다. 하지만 AOV는 다양한 그룹에 따라 달라질 수 있습니다. AOV에 영향을 미치는 특정 요인과 이를 개선하는 방법을 정확하게 이해하려면 공통된 특성이나 행동에 따라 구매자를 그룹으로 분류하는 것이 유용할 수 있습니다. 코호트 분석을 사용하여 AOV를 평가하면 다양한 그룹 간의 지출 습관 차이를 확인할 수 있습니다.

예를 들어:

구매 내역 – AOV는 재구매자와 신규 구매자에 따라 다를 수 있으며, 구매한 제품 유형에 따라 AOV에 공통점이 있을 수도 있습니다.
인구 통계 – 연령 또는 생년월일, 국가, 구매에 사용한 디바이스 등의 요소가 시간이 지남에 따라 AOV에 어떤 영향을 미칠 수 있는지 파악할 수 있습니다.

코호트별로 AOV를 그룹화하고 분석하면 특정 마케팅 또는 프로모션 활동과 같이 AOV를 개선하는 데 도움이 되는 전략을 이해하는 데도 도움이 됩니다. 또한 프로모션을 언제, 누구와 함께 시작할지 등을 예측하는 데에도 사용할 수 있습니다. 이러한 코호트는 고객 생애 가치(CLV, Customer Lifetime Value)와 같이 AOV와 병행하여 이커머스 KPI를 평가할 때에도 유용합니다.

2. 특정 항목 또는 카테고리의 거래별로 AOV 분석하기

종종 단일 카테고리 또는 품목이 AOV의 주요 상승곡선과 하락곡선의 원인이 될 수 있습니다.

브랜드 매출의 대부분을 창출하는 제품 카테고리가 있다면, 라이프사이클 마케팅 채널을 통해 해당 카테고리로 고객을 유도할 수 있는 더 많은 방법을 찾아 실험해 볼 수 있습니다.

그렇기 때문에 특정 품목이나 카테고리의 거래별로 AOV를 확인하는 것이 좋은 출발점입니다. 다음은 Amplitude 이커머스 대시보드의 샘플 보기에서 예시 이커머스 회사의 4개 제품 카테고리에 대한 AOV의 모습입니다.

3. 실적이 가장 좋은 제품 조합으로 분석하기

아마존에서 쇼핑을 해본 적이 있다면 ‘자주 함께 구매하는 제품’ 제안을 보셨을 것입니다. 이는 현재 보고 있는 결과의 하단에 표시됩니다. 아마존의 알고리즘은 한 제품을 찾는 쇼핑객이 다른 제품 구매를 고려할 가능성이 높다고 판단합니다. 예를 들어 “테니스 공”을 검색하면 테니스 라켓이 표시됩니다.