전환율 개선¶

네트워커와 제휴사의 주요 목적은 파트너 중개인의 온라인 자원으로 트래픽을 유도하는 것입니다. 마케터들이 리드를 유치할 수는 있지만, 리드가 정기적으로 입금을 하고 중개인에게 충성하는 활성 라이브 트레이더가 될 것이라고 보장하는 것은 어렵습니다. 트레이더의 여정은 네트워커와 제휴사의 통제 범위를 벗어난 다양한 요인에 의해 방해받을 수 있습니다. 예를 들어, 과정 중의 UX 방해, 커뮤니케이션 문제, 비현실적인 기대 등이 있습니다.

이 문제에 대한 해결책이 표면적으로 드러나지는 않지만, 더 명확한 행동 요구를 제공하고, 개인화된 마케팅 커뮤니케이션을 사용하며, 모든 채널을 통해 신뢰할 수 있는 신호만을 전송함으로써 전환을 최적화하는 것이 여전히 가능합니다. 이 가이드는 전환 최적화를 크게 개선할 수 있는 cTrader의 특정 기능을 익히는 데 도움이 될 것입니다.

이 관점에서 볼 때, 전환율 최적화는 마케팅 무기고에 장착해야 할 은탄환입니다. 전환 최적화 프로세스는 병목 현상 식별, 문제 심층 분석, 아이디어 브레인스토밍, 실험 설정 및 분석 실행이라는 다섯 가지 연속 단계로 구성됩니다.

병목 현상 식별 ¶

전환율을 계산해 본 적이 있나요?

다음과 같은 간단한 공식을 사용하여 계산할 수 있습니다:

• 전환율 = 활성 트레이더 / 리드 수

활성 트레이더의 정의를 파트너 중개인과 명확히 해야 하지만, 일반적으로 이는 라이브 계정을 개설하고 실제 자금을 입금한 트레이더를 의미합니다. 업계에서 어떤 전환율이 표준으로 간주되는지에 대해 추측하는 것을 피하고 싶습니다. 합리적인 관행은 자신의 과거 성과와 다른 네트워커 및 제휴사의 성과를 벤치마킹하는 것입니다.

병목 현상을 발견하려면 먼저 마케팅 측정 가능성이 제대로 되어 있는지 확인해야 합니다. 정량적 측정은 가장 위협적인 병목 현상을 감지할 수 있게 해주며, 정성적 연구는 그들이 존재하는 이유에 대한 통찰력을 제공합니다.

다음 사례는 리드에서 활성 트레이더로의 전환 과정에서 마주할 수 있는 실제 병목 현상을 보여줍니다. 이 가상의 예시는 리드들 사이에서 흔히 나타나는 행동을 보여줍니다:

• Henrik은 플랫폼을 살펴보는 데 관심이 있지만 등록 과정을 피합니다.
• Abdullah는 데모 계정을 개설했지만 cTrader 플랫폼에서 특정한 조치를 취하지 않습니다.
• Michael은 라이브 계정에 실제 자금을 입금하지 않습니다.
• Yasmin은 양의 잔액이 있음에도 실제 자금으로 거래를 피합니다.
• Xiang은 가끔 거래를 하지만 이는 드물고 투자 금액이 적습니다.

문제 심층 분석 ¶

리드들이 보이는 각각의 전형적인 행동은 가능한 동기와 결정 과정을 밝히기 위해 상세히 분석되어야 합니다. 여기서는 정성적 분석이 더 적절할 수 있습니다. 이는 각 단계에서 리드들이 철회하는 원인을 조사합니다. 각 사례를 더 깊이 파고들어 보겠습니다.

Henrik은 플랫폼이 지루한 등록 과정을 가질 것으로 예상할 가능성이 높습니다. 많은 개인 정보 요청, 복잡한 KYC, 심지어 승인을 위한 긴 대기 시간 등이 포함될 수 있습니다. 이러한 예상된 어려움은 플랫폼을 보려는 관심을 압도합니다.

반면, Abdullah는 데모 계정을 개설함으로써 초기 관심을 충족시켰습니다. 그러나 그는 아직 네트워커와 제휴사로부터 특정한 행동 요구를 받지 못했습니다. 예를 들어, 특정 심볼에 대한 주문 생성, 포지션 수정 등이 있습니다.

Michael이 자금을 입금하지 않은 이유는 성공적인 거래의 실제 사례에 영감을 받지 못했거나, 이러한 성공 사례가 신뢰를 불러일으키지 않았기 때문일 가능성이 높습니다. 라이브 계정을 개설하는 것은 거래하려는 의도를 보여주지만, 추가 동기 부여의 부족은 이 경우 전환을 어렵게 만듭니다.

Yasmin은 거래할 준비가 되어 있지만 아마도 수동 거래 기술이 부족하고 시장 상황을 올바르게 해석할 수 없을 것입니다. 결과적으로, 그녀는 위험을 감수하고 자금을 잃을까 두려워합니다. 경험 많은 트레이더와 책임을 공유하는 것은 Yasmin이 활성 트레이더가 되기 위한 합리적인 단계가 될 것입니다.

Xiang은 거래 기술을 습득하고 위험을 받아들이지만 거래할 시간이 없는 것 같습니다. 그의 전환은 빈도와 거래량 측면에서 규모를 늘리면 최적에 도달할 것입니다.

아이디어 브레인스토밍 ¶

병목 현상과 그 원인을 식별했다면, 이제 이를 제거하기 위한 아이디어를 브레인스토밍할 수 있습니다. 이 섹션에서는 가능한 해결책을 소개하며, 홍보 메시지의 특정 사용 사례는 나중에 이 글에서 보여드리겠습니다. 제품 측면에서, 우리는 전환 최적화에 기여할 수 있는 cTrader의 몇 가지 기능을 강조하고 싶습니다.

Henrik과 같은 리드에게 cTrader가 사용자가 등록되지 않은 경우 게스트 모드로 자동으로 열린다는 것을 알릴 수 있습니다. 이 기능을 통해 리드는 다양한 애플리케이션을 탐색하고, 다른 심볼에 대한 트레이딩 차트를 열고, 다른 기본 UI 요소와 상호 작용할 수 있습니다. 일부 기능(예: 주문 생성, 가격 알림 생성, 차트샷 찍기 등) 은 로그인/가입 창을 열기 때문에, 처음 사용자는 등록으로 부드럽게 안내될 것입니다.

등록되지 않은 사용자로 계속하더라도 Henrik과 같은 리드는 차트 스트림을 통해 계속 참여할 수 있습니다. 이 기능은 경험 많은 트레이더가 기술 분석을 수행하고 시장 상황에 대한 통찰력을 공유하는 라이브 방송을 포함합니다. 리드들이 특정 시장 기회에 반응하기로 결정할 때, 그들은 cTrader의 등록 과정이 얼마나 빠르고 쉬운지(특히 완전히 브랜드화된 cTrader 앱에서) 놀라게 될 것입니다.

Abdullah의 경우, 플랫폼에서의 특정 행동은 cTrader 딥링크에 의해 유발될 수 있습니다. 이는 더 명확한 행동 요구를 전달합니다. 예를 들어, 리드는 활성 차트에 현재 표시된 심볼에 대한 새로운 지정가 주문을 생성하도록 안내될 수 있습니다. 따라서 리드는 데모 계정에서 거래 경험을 쌓기 시작하고 자신감이 증가할 것입니다. 신호 제공자가 배포한 신호 링크로 반응을 촉발하는 것도 가능합니다.

Michael과 같은 병목 현상을 제거하려면, 라이브 계정 소유자를 수익성 있는 거래의 설득력 있는 증거로 영감을 주는 것이 필수적입니다. 동일한 플랫폼에서 다른 트레이더의 진정한 통계를 확인하면, 비활성 트레이더는 실제 자금을 입금하고 거래를 시작하려는 의향이 더 커질 것입니다. cTrader의 투자자 접근 기능은 이 목적에 이상적입니다. 트레이더의 성과를 위조하기 어렵고, 플랫폼 자체가 신뢰성의 검증자 역할을 하기 때문입니다. 리드는 경험 많은 투자자와 동일한 ROI를 생성하려는 동기를 부여받을 수 있습니다.

수동 거래 기술의 부족과 위험 회피는 Yasmin과 많은 다른 리드들이 활성 트레이더로 전환하는 것을 방해합니다. 카피는 다른 트레이더의 전략에 투자하기 위한 통합 cTrader 기능입니다. 리드는 각 전략의 성과를 확인함으로써 자신의 투자 위험을 더 현실적으로 추정할 수 있습니다. 사용자가 복사 메커니즘에 의존하기 때문에 진입 장벽이 낮고 이 기능은 특히 초보자에게 적합합니다.

Xiang이 직면한 문제는 확장성이며, cTrader의 알고 애플리케이션은 이 병목 현상을 피할 수 있게 해줍니다. cBot은 사용자가 플랫폼 외부에 있을 때도 미리 정의된 전략을 계속 따라가는 자동화된 트레이딩 알고리즘입니다. 다양한 소스에서 얻을 수 있는 무료 및 유료 알고리즘의 기존 다양성은 가장 까다로운 트레이더도 만족시킵니다.

실험 설정 ¶

다음 단계로, 병목 현상에 대한 마케팅 가설을 검증하기 위해 실험을 설정하기 시작해야 합니다. 리드들이 잠재적으로 직면할 수 있는 전환 장애를 염두에 두고 맞춤형 메시지를 전달하세요. 커뮤니케이션 채널 선택은 네트워킹 모범 사례와 청중이 선호하는 소셜 미디어에 따라 달라집니다.

등록 과정에 거부감을 느끼는 Henrik과 같은 리드에게는 홍보 이메일을 보낼 수 있습니다.

특정 행동 요구에 도달하지 못한 리드(Abdullah 포함)는 다음과 같은 개인 메시지를 통해 연락할 수 있습니다. 신호를 직접 보내지 않는 경우, 중개인이 신뢰하는 신호 제공자로부터 신호 링크를 아웃소싱할 수 있습니다.

성공 사례를 목격하고 거래를 시작하기 위해 감정적 자극이 필요한 리드(Michael과 같은)는 투자자 접근의 신뢰할 수 있는 통계로 타겟팅될 수 있습니다.

라이브 계정을 보유했지만 비활성 상태로 남아 있는 Yasmin과 다른 트레이더는 초보자도 사용할 수 있는 카피 기능을 시도하도록 캠페인으로 접근할 수 있습니다.

마지막으로, Xiang과 다른 커뮤니티 구성원이 경험하는 확장성 문제는 유연하고 자동화된 트레이딩 플랫폼으로서의 Algo를 제공함으로써 해결될 수 있습니다. 전환 깔때기를 더 깊이 내려갈수록 더 개인화된 메시지와 커뮤니케이션 채널을 선택해야 합니다.

마케팅 실험을 설정할 때, 창의력을 유지하고 각 리드 카테고리와 직접 접촉하는 곳에서 테스트하는 것이 중요합니다. 예를 들어, 이벤트 및 전시회에서 리드와 직접 만나는 경우, 투자자 접근 통계로 연결되는 QR 코드를 명함에 추가할 수 있습니다.

데이터 검토 ¶

이 가이드의 시작 부분에서 보여준 것처럼, 전환 최적화는 순환 과정입니다. 이는 각 홍보 캠페인 후 마케팅 지표로 돌아가야 함을 시사합니다. 전환율을 다시 계산하고 긍정적인 동향을 추적하기 위해 다른 정량적 측정을 수행하세요. 중개인, 신호 제공자, 스트림 조직자 등 다른 이해관계자로부터 피드백을 수집할 수도 있습니다.

다음은 무엇인가요? ¶

이 홍보 전략으로 건강한 전환 최적화를 달성할 수 있지만, 전환율은 결코 100%에 도달하지 않을 것입니다. 전환 깔때기의 경계를 확장하여 효율성을 계속 높일 수 있습니다. 이 흐름의 궁극적인 목적은 새로운 트레이더를 유치하는 데 관심이 있는 파트너를 생성하는 것입니다. 이러한 방식으로 자체 지속 가능한 네트워크를 구축하고 결과적으로 중개인의 제휴 프로그램에서 수익을 증대시킬 수 있습니다.