세상은 데이터로 가득하다. 기업들은 그 어느 때보다 많은 출처로부터 데이터를 수집하고 분석할 수 있게 됐다. 그러나 마케터라면 데이터의 양보다 질을 우선시해야 효과적인 캠페인을 기획하고 운영할 수 있을 것이다. 그리고 더 중요한 사실은 데이터가 고객에 대해 많은 것을 알려주는 동시에 고객의 개인정보 보호 권리를 침해할 위험도 수반한다는 것이다. 그렇다면 어떻게 해야 고객의 개인정보를 보호하면서 데이터의 잠재력을 최대한 활용할 수 있을까? 그 답은 자사 데이터에 있다.
자사 데이터란 무엇인가?
자사 데이터는 브랜드 소유의 온라인 및 오프라인 채널을 통해 고객으로부터 직접 수집한 데이터를 뜻한다. 온라인 채널 데이터에는 자체 웹사이트, 앱, CRM, 소셜 미디어 채널 등에서 수집한 고객의 인구통계적 정보, 행동, 활동 또는 관심사 등이 있다. 이와 달리 오프라인 채널에서는 고객 설문조사, 각종 평가 서식, 콜센터 및 기타 CRM에서 사용 가능한 고객 정보 등을 수집할 수 있다.
지금 이 시점에서 자사 데이터를 우선시해야 하는 이유는 무엇인가?
단적으로 이 데이터는 특정 대상 그룹으로부터 동의를 받고 수집한 것이기 때문에 신뢰성을 담보할 수 있다. 또한 무엇을 측정하고자 하는지 알고 수집을 시작하기 때문에 현재 고객 기반에 대해 보다 정확하게 파악하게 될 가능성이 높다. 구매, 앱 다운로드, 앱 내 활동, 소셜 미디어 상호작용, 구독, 기타 그 어떤 종류의 데이터든 자사 데이터는 출처에서 바로 수집되기 때문에 마케터에게 훨씬 가치가 높다고 할 수 있다. 자사 데이터를 활용하면 이미 가지고 있는 지난 구매 이력 및 관심 영역에 대한 정보를 바탕으로 재방문 고객을 타겟팅할 수 있다. 이렇게 하면 고객에게 관련 상품으로 개인화된 추천을 보여줄 수 있다. 이미 이렇게 하고 있는 웹사이트가 많고, 아마 아마존(Amazon)이 이를 가장 잘 실현하고 있는 사례일 것이다. 예를 들어 신상품 러닝화를 출시한 경우 과거 유사한 러닝화를 구매했거나 그런 러닝화에 관심을 보였던 사람을 대상으로 프로모션 활동을 집중할 수 있다.
마케터가 자사 데이터를 완전히 활용하지 못하는 이유는 무엇인가?
자사 데이터를 통한 오디언스 타겟팅이 효과적임에도, 마케터와 광고주는 자사 데이터를 자유자재로 활용하는 데 어려움을 겪고 있다. 최근의 한 설문조사에 따르면 마케터 10명 중 4명 이상이 자사 데이터의 잠재력을 40% 이하로 활용하는 데 그치고 있다. 주된 이유는 다음과 같다.
- 적절한 기술이 부재해서다. 자사 데이터를 수집하고 활용하려면 머신러닝 같은 인공지능 기술을 탑재한 적절한 소프트웨어가 있어야 한다. 안타깝게도 그러한 기술 및 이를 활용할 기술적 노하우를 가지고 있지 않은 기업이 많다. 그런 기업은 이러한 도구에 전문화된 기업을 찾아서 어떤 도움을 받을 수 있는지 알아보는 것이 좋다.
- 일관된 데이터 전략이 없어서다. 데이터의 잠재력을 완전히 활용하려면 데이터에서 무엇을 알아내고자 하는지 정확히 알아야 한다. 분명한 목적 없이 맹목적으로 데이터를 수집하기만 해서는 마케팅 캠페인에 아무런 도움이 되지 않는다.
- 닫힌 사고 때문이다. 때로는 데이터가 원하지 않는 결과를 보여줄 수도 있다. 어쩌면 많은 돈을 들인 캠페인이 목표를 달성하지 못하고 있을지도 모른다. 숙련된 마케팅 담당자는 자신의 전략에 대한 불편한 진실에도 귀를 기울여서 끊임없이 진화하는 시장의 난관에 보다 잘 대처하고 적응한다.
- 단일 고객 프로필 구축 능력이 없어서다. 자사 데이터는 다양한 채널에서 수집될 수 있다. 이를 완전히 활용하려면 동일한 고객의 여러 프로필을 하나로 통합하여 단일 고객 프로필을 구축해야 한다. 그렇게 하면 너무 많은 메시지로 부담을 느끼게 할 위험 없이 고객에게 적시에 연관성 있는 메시지만을 보낼 수 있다.
- 자사 데이터를 최대한 활용하는 방법 데이터를 적용하는 방식이 중요하다. 머신러닝의 도움을 받으면 예상보다 훨씬 빨리 자사 데이터의 잠재력을 완전히 활용할 수 있다.
- 정확한 고객 세그먼트를 생성한다. 머신러닝을 활용하면 데이터를 분석해서 고객에 대한 인사이트를 파악하고 고객을 더 깊이 이해할 수 있다. 이렇게 하면 대상 그룹을 세분화해서 브랜드와의 상호작용, 관심사, 구매 이력 등을 바탕으로 그룹을 보다 정밀하게 나눌 수 있다.
- 광고비를 최적화한다. 모든 사람을 무작위로 타겟팅하면 원하는 성과를 달성할 수 없다. 광고비만 낭비하게 될 것이다. 그러므로 적절한 대상 그룹, 즉 전환 가능성이 가장 높은 그룹을 파악하는 것이 필수적이다. 이를 위해서는 딥러닝을 활용하여 여러 세그먼트의 전환율을 예측하고 가장 가치가 높은 세그먼트를 식별한 후 순위를 매긴다. 그러면 광고비를 해당 세그먼트에 집중 투자하여 ROI를 높일 수 있다.
- 개인화한다. 고객의 직접적인 관심사나 키워드 등을 바탕으로 웹사이트에서 상품 추천 같은 요소를 개인화하면 고객의 관심을 보다 직접적으로 유도할 수 있다. 고객이 사이트를 방문할 때마다 레시피 섹션으로 곧장 이동하는가? 그런 고객에게는 레시피를 맨 앞 중간에 놓고 보여주거나 방금 본 레시피에 필요한 관련 재료를 추천하는 웹 푸시 알림을 보내자. 이렇게 하면 고객이 해당 브랜드에서 필요로 하는 것을 찾는 수고를 줄이고 재방문 가능성을 높일 수 있다. 또한 푸시 알림이든, 이메일 캠페인이든, 콘텐츠 마케팅이든 메시지를 적시에 알맞은 기기로 보내서 개인화를 한층 강화할 수 있다.
- 유사 고객을 찾는다. 오프라인 및 온라인 자사 데이터를 활용하면 유사한 특징, 행동, 관심사를 가진 새로운 대상 그룹을 발견하여 브랜드의 도달 범위를 넓힐 수 있다.
자사 데이터는 강력한 자원이다. 비교적 저렴하면서 고도로 타겟팅되어 있고 매우 정확하다. 자사 데이터를 적절히 잘 활용하면 마케팅 효과를 극적으로 높일 수 있다.
* 데이터 과부하 문제가 있거나 단일 고객 프로필을 구축하고 자사 데이터를 최대한 활용하는 방법을 모르시면, 지금 바로 문의 를 남겨주세요. 애피어의 전문가가 도와드립니다!