Tag: 데이터

효과적인 고객 데이터 플랫폼을 구축하는 방법

(참조 자료: How to build an effective customer data platform)

비즈니스 환경은 점점 더 디지털화되고 복잡해지고 있습니다. 고객이 브랜드와 인터렉션하고 이러한 인터렉션들을 모두 관리하려면 그 어느때보다 확장 가능한 툴이 필요합니다. 이러한 모든 인터렉션과 툴로 인해 비즈니스는 그 어느 때보다 많은 고객 데이터로 넘쳐나고 있습니다. 이러한 데이터를 신속하게 고객 인사이트로 변환시키고 궁극적으로는 뛰어난 고객 환경을 통해 시장에서 지속적인 이점을 얻을 수 있습니다.

고객 데이터 플랫폼(CDP)는 기업이 고객 데이터를 수집, 표준화, 통합 및 활성화할 수 있도록 지원하는 최신 기술입니다. CDP는 고객을 보다 완벽하게 이해하고 전체 조직이 고객 환경을 향상시키고 경쟁 우위를 유지하는 방법에 대한 데이터 중심의 의사 결정을 내릴 수 있도록 지원합니다.

그러나 적합한 CDP를 선택하는 것은 어려운 작업일 수 있습니다. 시장에 많은 CDP가 출시되어 있으며 CDP의 제공 방식도 매우 다양합니다.

아래 글에서는 효과적인 CDP를 구축하기 위한 프레임워크와 성공사례에 대해 소개해드립니다.

1. 목표 확인

CDP는 기업의 데이터 인프라의 기반이 됩니다. CDP를 통해 제공되는 신뢰가능할 수 있는 데이터는 현재와 미래의 기술 스택과 데이터 전략의 구성요소 역활을 할 수 있습니다.

CDP 구축을 시작하기 전에 기업의 목표, 원하는 결과 및 기업에 대한 필요한 CDP 유형을 정의하는 것이 중요합니다. 이를 통해 기본적인 역할을 할 수 있는 수행할 수 있는 CDP 공급업체를 선택할 수 있는 대략적인 로드맵이 제시됩니다.

전사적 CDP 목표 정의

첫째, CDP 구현에 대한 전반적인 목표를 명확하게 정의하세요. 이러한 목표는 대개 비즈니스 성장에 영향을 미치는 특정 문제에서 영감을 받습니다. 다음과 같은 CDP 평가 프로세스를 통해 3가지 목표를 제시하였습니다.

최신 기술로 더욱 빠르게 전환 및 혁신

이러한 목표를 달성하기 위한 동기는 고객 경험을 만들고 측정하는데 사용하는 툴이 불안정하고 규모에 맞게 관리하기 어렵다는 것일 수 있습니다.

데이터 중심의 더 나은 의사결정을 내릴 수 있도록 지원

이러한 목표를 달성하기 위해 비즈니스 팀(마케터, 세일즈, 임원진)이 필요한 정보를 얻는데 시간이 너무 오래 걸린다는 점이 고민거리일 수 있습니다. 이렇듯 비기술직 직원이 기술적 노하우를 가진 사람이 요청을 이행하거나 데이터를 수집할 때까지 며칠 또는 몇 주를 기다려야 할 수도 있습니다.

모든 채널에서 고객 경험 개인화

종종 이러한 목표에 동기를 부여하는 3가지 주요 문제는 다음과 같습니다.

• 개인화 작업이 거의 또는 전혀 수행되지 않음
• 원활한 고객 환경을 구축하기 위한 개인화 작업이 진행되지 않음
• 노동력과 비용 효용성 측면에서 ROI(Return on investment)가 불명확

이러한 목표는 광범위하지만 많은 직원의 일상 업무에 영향을 미치는 매우 현실적인 문제에 뿌리를 두고 있습니다. 광범위하면서도 수정이 필요한 명확힌 문제에 영감을 받는 목표를 세우는 것을 목표로 삼아야 합니다.

원하는 비즈니스 성과 정의하기

개략적으로 설명한 각  목표에 대해, 해당 목표를 달성한 후 달성하고자 하는 구체적인 비즈니스  결과를 파악합니다. CDP가 향상시켜야 하는 성공 지표, 효율성 및 KPI를 고려해보세요. 방금 설명한 공통 목표를 통해 다음 각 항목에 대한 공통 비즈니스 결과를 살펴보도록 하겠습니다.

최신 기술로 더욱 빠르게 전환 및 혁신

관련 비즈니스 성과:

• ROI를 향상시키고 기술 투자에 대한 가치 창출 시간을 앞당김
• 지루한 작업을 제거하고 엔지니어링 팀의 생산성을 높임
• 비용 전환 및 벤더 락인을 방지하여 비용 절감
• 개인정보 보호 및 보안 위험 완화
• 단일 플랫폼에서 모든 데이터 및 사용자 이벤트를 자동으로 수집, 정리, 관리 및 활성화하여 높은 효율성을 확보

데이터를 기반으로 더 나은 의사결정을 내릴 수 있는 역량 강화

관련 비즈니스 성과:

• 조직 전반에 걸쳐 생산성, 효율성 및 데이터 중심 의사결정의 향상
• 전사적으로 고객 데이터에 대한 액세스 향상

모든 채널에 걸쳐 고객 경험 개인화

관련 비즈니스 성과:

• 주요 매출, 고객 확보 및 유지 목표를 포함하여 고객 여정 전반에 걸쳐 측정 지표 향상
• 고객 확보 비용(CAC), ROAS 등과 같은 마케팅 및 광고 KPI 개선
• LTV(lifetime value), CSAT(customer satisfaction), NPS(Net Promoter Score), 그리고 실시간 참여도와 같은 고객 참여 관련 지표 향상

목표를 달성하는 데 도움이 될 CDP 유형 결정

다음 단계는 조직의 핵심 목표를 달성하는데 도움이 될 CDP 유형을 결정하는 것입니다. 적합한 CDP 유형을 선택하는 것은 모든 내부팀이 성공을 달성하는데 필요한 모든 데이터에 액세스할 수 있도록 도와주는데 필수적입니다. 다양한 유형의 고객 데이터 플랫폼을 사용할 수 있으며 다음과 같이 4가지 일반 범주로 분류됩니다.

• 데이터 중심의 CDP는 조직의 모든 팀(마케팅, 제품, 분석 등)이 고객 데이터에 의존하여 성장 목표를 달성할 수 있도록 중점을 둡니다. 그러한 수준의 제어 및 데이터 품질을 통해 조직 전반과 모든 툴에서 해당 데이터를 활성화하여 옴니채널 개인화 및 멀티터치 특성과 같은 복잡한 과제를 해결할 수 있습니다.
• 캠페인 중심의 CDP는 마케팅 캠페인에만 고객 데이터를 활용하는데 초점을 맞춥니다. 일반적으로는 마케터의 니즈에 따라 구축되며 특정한 마케팅 활용 목적을 위해서 활용되어 집니다. 또한 조직 전체의 데이터를 수집하고 관리하기 위한 인프라를 제공하지는 않습니다.
• 부분 CDP는 특정 활용 사례에 대한 데이터 수집 및 관리에 초점을 맞춥니다. 많은 분석 제품군과 CRM(고객 관계 관리) 플랫폼은 CDP와 유사한 기능을 제공하여 기업이 플랫폼을 더 잘 활용할 수 있도록 지원합니다. 그러나 이러한 CRM과 분석툴은 데이터 및 캠페인 중심의 CDP에 비해 그 범위와 기능이 제한적입니다.
• 니치 CDP는 특정 산업 및 틈새 활용 사례를 해결하는데 초점을 두고 있습니다. 종종 틈새 CDP는 특정 산업의 버티컬 니즈를 충족시키거나 덜 일반적인 활용 사례에 쓰이고 있습니다.

2. 활용 사례 및 기술 요구 사항 정의

CDP는 많은 팀들이 가지고 있는 문제들을 해결할 수 있습니다. 요구되어지는 기술 수준과 함께 각 팀에서 CDP 활용 방법에 대한 정보를 얻는 것이 공급업체를 성공적으로 선정하기 위한 핵심입니다.

여러 기능간 활용 사례와 기술 요구 사항을 명확하게 설명하자면 CDP 선택의 폭이 좁아집니다. 주요 활용 사례와 기술 요구 사항을 정의하는 방법은 다음과 같습니다.

CDP 구축을 위한 다양한 부서에 걸친 RFP팀을 구성  및 프로젝트  식별

CDP는 부서간 툴이므로 다양한 주요 이해관계자를 선택하는 것이 CDP 구현의 장기적인 성공을 위한 보장하는데 도움이 될 것입니다. 이 팀뿐만 아니라 이 이니셔티브의 리더와 소유자가 누구인지도 파악해야 합니다.

최고의 RFP팀에는 항상 다음과 같은 각 부서의 명확한 책임자와 관련 이해관계자들이 포함됩니다.

디지털/고객 경험 리더

데이터/테크니컬 아키텍처 리더

테크니컬 이해관계자

위 다양한 이해관계자들은 전체 활용 사례와 기술 요구 사항을 식별하는데 매우 중요하며 성공적인 구현에 필수적입니다. 이들의 도움이 없으면 주요 평가 기준, 기술 고려 사항 및 기업 활용 사례 등을 놓칠 수도 있습니다.

이 팀이 파악한 우선 순위에 따라 다음과 괕은 이해관계자들의 피드백을 포함할 수도 있습니다.

• 제품
• 엔지니어링
• 분석
• 고객 성공
• 마케팅
• 보안
• 법무
• 다른 고객 대면 팀

팀을 구성했다면 이제 활용 사례와 기술 요구 사항을 정의하기 위한 작업을 시작해야 합니다.

활용 사례 정의하기

기업 내 각 팀별 활용사례와 우선 순위를 정합니다. 이 단계를 지원하기 위해 각각의 팀이 검토하고 수정할 수 있도록 합니다.

최신 기술 스택으로 더욱 빠르게 전환 및 혁신

샘플 활용 사례:

원하는 기술 스택의 도입과 ROI를 가속화합니다.

기술 스택과 새로운 도구를 자동 설정합니다.

통합, ETL(추가 로드 변환) 및 데이터 준비 워크로드를 줄입니다.

단일 플랫폼에서 사용자 데이터를 수집, 정리, 관리 및 활성화할 수 있습니다.

신뢰할 수 있고 일관된 데이터로 기술 스택의 성능을 높이세요.

성장 이니셔티브의 속도와 효율성을 향상시킵니다.

여러 팀에 걸쳐 보다 빈번하게 효과적인 실험을 수행할 수 있습니다.

데이터를 기반으로 더 나은 의사 결정을 내릴 수 있도록 지원

샘플 활용 사례:

• 데이터 수집 및 표준화 자동화
• 팀과 정렬된 단일 공유된 데이터 딕셔너리
• 엔드 투 엔드 고객 여정에 대한 깊은 이해를 통해 팀 역량 향상
• 최신 분석 및 신뢰할 수 있는 레포트 기능 제공
• 향상된 제품 분석 및 속성을 사용하여 새로운 기능과 업데이트된 기능이 고객의 행동, 전환, 유지에 어떤 영향을 미치는지 파악할 수 있습니다.
• 전환을 위해 마케팅 퍼널을 분석하고 최적화
• 가치가 높은 지원 티켓을 식별, 중요도 지정 및 최적화
• 제품/시장 적합도 측정
• 영업팀과 고객 지원팀간의 데이터 사일로를 분석
• 데이터가 최종 사용자의 개인정보 보호, 권한, 그리고 구독 설정을 준수하는지 확인
• GDPR(General Data Protection Regulation), CCPA(California Consumer Privacy Act) 및 기타 규정 준수를 가속화하기 위해 PII(개인 식별 가능 정보)를 실시간으로 자동으로 탐지 및 분류

모든 채널에 걸쳐 고객 경험 개인화

샘플 활용 사례:

• 모든 플랫폼, 어플리케이션, 서드파티 툴 및 채널에 걸쳐 고객 접점을 통합하여 단일 고객에 대한 통합뷰를 생성합니다.
• 익명 및 알려진 사용자를 식별합니다.
• 적합한 시기에 적합한 메시지로 적합한 고객들을 타깃팅합니다.
• 사용자 프로필 향상
• 툴 전반에 걸쳐 타깃을 쉽게 만들고 활성화
• 모든 플랫폼(예: 모바일 및 앱)에서 엔드 투 엔드 고객 경험을 개인화. 여기에는 다음과 같은 활용 사례가 포함될 수 있음
• 마케팅 메시지 개인화
• 라이프 사이클 캠페인 개인화
• 마케팅 및 광고 지출 최적화
• 고객 서비스 경험 개인화
• 제품 경험을 개인화하여 더 나은 사용자 참여를 유도하고 제품 크로스 셀링을 유도

기술 요구사항 정의

여기서 요구되는 기술 요구사항은 CDP가 정의된 목표를 수행하기 위해 필요한 특징과 기능입니다. 기술 요건은 일반적으로 아래 나열된 9가지 카테고리 범주에 해당됩니다.

1. 데이터 수집은 플랫폼이 여러 채널, 플랫폼, 그리고 서드파티 툴에서 사용자 행동 데이터를 수집하는 기능을 말합니다.

데이터 수집 고려사항

• CDP가 데이터를 수집해야 하는 어플리케이션, 웹사이트, 백엔드 소스 및 서비스(온라인 및 오프라인)는 무엇인가?
• CDP는 데이터 손실을 어떻게 방지합니까?
• CDP는 데이터 안정성을 어떻게 보장합니까?
• SDK(소프트웨어 개발 키트)를 통해 데이터를 수집하는 프로세스는 무엇인가?

2. 데이터 활성화는 팀이 사용하는 모든 툴과 시스템에 데이터를 전달하는 CDP의 기능입니다.

데이터 활성화 고려사항

• CDP에서 데이터 출력을 지원하는 서드파티 도구에는 무엇이 있는가?
• 양방향 데이터 흐름을 지원하는 통합은 무엇입니까?
• CDP에는 새로운 도구를 활성화할 때 데이터를 재생할 수 있는 기능이 있는가?
• 데이터 웨어하우스와 데이터레이크는 CDP와 얼마나 쉽게 통합됩니까?
• 추가 기능으로 CDP를 확장할 수 있습니까?

3. 개인화와 ID 식별은 향후 각 개별 고객에 맞게 커뮤니케이션을 최적화하기 위해 통합 사용자 프로필을 지원하고 강화할 수 있는 플랫폼의 기능입니다.

개인화 및 ID 식별 고려사항:

• 잠재고객 세그먼트를 만드는 것은 얼마나 쉬운가?
• API를 통해 잠재고객 및 사용자 프로필에 대한 실시간 액세스를 구축하고 신디케이션을 할 수 있는가?
• CDP를 통해 고객 식별 관리 규칙을 커스터마이징할 수 있는가?
• 모든 데이터 소스의 데이터를 사용하여 사용자 프로필을 풍부하게 만들 수 있는가?

4. 데이터 매니지먼트에는 데이터 정제화(data hygiene), 데이터 표준화 및 스키마 적용과 같은 측면이 포함됩니다. 데이터를 검증, 정리, 표준화할 수 있는 플랫폼의 기능입니다.

데이터 매니지먼트  고려사항:

• CDP에서 데이터 딕셔너리를 구축하고 유지관리할 수 있는가?
• 데이터 표준화의 자동 시행을 위한 옵션은 무엇입니까?
• CDP에 버전 제어 기능이 있는가?
• CDP에는 불량 데이터를 식별하고 수정할 수 있는 툴 키트가 있습니까?
• 맞춤형 프로세스 또는 코딩 도구에 대한 트래킹 계획을 내보내야 하는가?

5. 개인정보 보호, 보안 및 컴플라이언스는 플랫폼의 중앙 집중식 규정 준수 및 개인정보 보호규칙을 처리하는 범주입니다.

개인정보 보호, 보안 및 규정준수 고려사항:

• PIII를 자동으로 감지하고 분류하기 위해 CDP가 필요한가?
• 특정 도구에 대한 PII 액세스를 제어할 수 있는 기능이 필요한가?
• CDP는 사용자 위치에 상관없이 최종 사용자의 기본 설정 사항을 지원하는가?
• 사용자 권한을 설정하고 제어할 수 있는가?

6. 플랫폼 설계는 플랫폼의 확장성, 가동 시간, 사용 편의성 및 기타 플랫폼 관련 기능을 포함하는 카테고리입니다.

설계 고려사항

• API 및 명령코드를 통해 CDP를 구성하고 관리하는 기능이 필요한가?
• 직관적인 인터페이스와 사용하기 쉬운 도구가 필요한가?
• CDP에 배틀 테스트를 거친 데이터 모델이 있는가?
• CDP가 트래픽 급증을 얼마나 잘 처리할 수 있는가?
• 디버깅 프로세스는 어떠한가

7. 통합에는 사용자가 API, SDK 및 라이브러리와 같은 통합을 구축하거나 사용자 맞춤화할 수 있는 도구와 함께 플랫폼 내에 사전 구축된 통합이 포함됩니다.

통합 고려사항

• CDP에는 어떤 기본 통합 기능이 있는가?
• 플랫폼을 표준 통합 외부로 확장할 수 있는 기능이 있는가?
• 모든 파트너가 플랫폼에 쉽게 통합이 되는가?
• CDP에 연결되는데 필요한 도구와 내부 시스템은 무엇인가?

8. 서비스는 고객이 플랫폼을 장기적으로 구현, 관리 또는 사용할 수 있도록 지원하는 프로페셔널 서비스의 내부 또는 타사 네트워크입니다.

서비스 고려사항

• 플랫폼을 구현하는데 필요한 리소스는 무엇인가?
• CDP를 장기적으로 구현하는데 필요한 리소스는 무엇인가?
• 가치 창출 또는 플랫폼 성공을 가속화하는 서비스 옵션을 사용할 수 있는가?

9. 혁신은 제품 출시와 사고 리더십의 속도입니다. 또한 이 카테고리에는 CDP 공급업체가 새로운 데이터 전략을 적용하고 변화의 속도를 따라갈 수 있도록 지원하는 기능이 포함됩니다.

혁신 고려사항

• CDP의 제품 로드맵은 무엇인가?
• CDP 공급업체는 업계 최신 트렌드를 얼마나 잘 따라가는가?

 

 

 

 

개인화 마케팅을 위한 360도 고객뷰 구축 가이드

(참조 자료: How to Get a Customer 360 View for a Personalization Initiative)

고객 개인화(Customer personalization)는 이러한 경쟁적인 비즈니스 환경에서 앞으로 나아갈 방향임은 분명합니다. 아마존, 넷플릭스, 스포티파이 등 글로벌 IT 기업들은 초개인화에 집중하고 있는 가운데, 여타의 다른 기업들도 수익성을 유지하고 강화하기 위해 개인화된 경험 구축에 나서고 있습니다. 그러나 한 가지 문제가 있는데요, 대부분의 기업들은 아직 통합된 고객 뷰(Customer View)를 보지 못한다는 점입니다.

Marketing Week가 진행한 조사에서 북미 내 57%의 기업들이 아직 360도 고객 뷰를 구축하지 못하였다고 하는데요, 76%의 기업들이 단일 고객 뷰가 조직에 매우 중요하다고 발표한 바 있습니다.

360도 고객 뷰(통합 또는 단일 고객 뷰라고도 함)는 조직의 애플리케이션과 시스템에 흩어져 있는 모든 고객 데이터의 통합 버전입니다. 대부분의 기업에서 품질을 보장하면서도 다양한 소스에서 고객 데이터를 수집하는 것은 성공적인 개인화 마케팅을 위한 첫 걸음입니다.

초개인화(hyper-personalization)의 가장 근본 기반은 고객 데이터의 통합입니다. 개인화된 서비스를 제공하기 위해서는 디바이스, 애플리케이션, 서드 파티 벤더, 시스템과 소스에서 데이터를 수집해야 합니다. 그러나 단순히 데이터를 수집하는 것은 해결해야 할 여러 문제 중 하나일 뿐입니다. 기업들의 많은 디지털 전환 이니셔티브 실패에는 정제되어 있지 않고 중복된 데이터 처리가 그 중심에 있습니다.

만약 개인화 이니셔티브를 추진하고 있다면 이 글은 고객 데이터를 의도된 목적에 사용하기 전에 먼저 어떤 고객 데이터를 확보하고 이를 활용해야 하는지에 대해 가이드를 드릴 수 있을 것입니다.

고객 데이터의 이해

여러 소스에서 온 사용자 기록를 집계하고 고객이 기업과 가졌던 인터렉션, 즉 모바일, 앱, 웹사이트 또는 소매 매장에 이르기까지 고객이 다양한 접점에서 인터렉션들을 완전히 파악할 수 있는 중앙 집중식 기록을 만드세요.

이론적으로 단순하게 들리겠지만 이것은 어려운 과정입니다. 부분적으로는 기업이 데이터를 저장하는 방식때문이기도 하고 부분적으로는 기업들이 여전히 잘못 관리된 데이터 프로세스의 거미줄에 걸려 있기 때문입니다.

한 기업이 고객 데이터를 저장하기 위해 여러 에셋 관리 시스템을 사용하는 것은 드문 일이 아닙니다. 예를 들어, 여러 부서가 있는 기업들은 각자의 목표를 달성하기 위해 Salesforce, HubSpot 그리고 Fusion 등의 서드파티 소프트웨어를 사용할 수 있습니다. 어떤 기업은 심지어 고객 정보를 저장하기 위해 자사의 ERP나 데이터 시스템을 위해 서드 파티 벤더 프로그램을 사용할 수도 있습니다. 팀은 데이터 손실과 데이터 품질 저하의 위험을 감수하면서 중요한 마감 기한을 맞추기 위해 데이터를 정신없이 가져오거나 교환합니다.

예를 들어, 한 보험 회사가 기존 고객에게 대학에 진학하는 자녀를 위한 새로운 의료 보험 계획을 시작하는 경우를 들어봅시다. 이 계획을 수립하기 위해 기업은 가족 상태, 소득 수준, 건강 상태 및 기타 관련 사항과 같은 필수 고객 데이터에 접근할 수 있어야 합니다. 이 데이터가 이미 기업의 여러 시스템에 저장되어 있을 가능성이 있지만, 기업이 데이터 준비에 있어서 진지하게 개인화에 맞게 고려하지 않았기 때문에 특정 기한 내에 이러한 계획을 실행하는 것이 어렵다는 사실을 깨닫게 되었습니다.

이 기업은 데이터 품질 관리 프레임워크를 보유하고 있지 않기 때문에 개인화를 위한 데이터 구축은 아래와 같은 어려움을 겪게 됩니다.

• 중복(Duplication): 데이터 중복은 여러가지 이유로 발생하게 됩니다. 사용자는 다른 이메일 ID를 사용하여 3번 등록할 수 있습니다. 데이터 입력 운영자는 실수로 동일한 정보를 두 번 입력할 수 있습니다. 데이터 마이그레이션 프로세스가 잘못 될 수도 있습니다. 아래 그림과 같이 중복될 경우 정확도와 고유성이 떨어져서 데이터의 완전성(data integrity)을 훼손시킬 수 있습니다. 그 결과는? 왜곡된 분석과 신뢰할 수 없는 비즈니스 인텔리전스를 얻게 될 것입니다.

• 상이한 데이터 소스(Disparate Sources): 기업이 여러 앱과 시스템을 사용하여 데이터를 수집 및 저장, 처리할 때 서로 다른 데이터가 생성되어 이는 기업이 고치기 어려운 대표적인 데이터 품질 문제가 됩니다. 이러한 데이터 차이는 완전한 고객 뷰를 구축할 수 없어 기업이 정확한 개인화 마케팅을 수행하기 어렵게 합니다.
• 지저분한 구조(Messy Structures): 포맷 문제, 오자, 철자가 틀린 이름, 불안전하거나 잘못된 구조를 가진 데이터는 완전하고 정확한 고객 데이터를 구축하게 만들지 못합니다. 데이터가 수동으로 입력되고 정의된 표준이나 제어장치가 없는 경우(예: 필드 선택을 위해 드롭다운을 사용하는 경우) 지저분한 데이터는 상당한 문제가 될 것입니다.

기업들이 나쁜 데이터 문제를 해결하기 위한 데이터 품질 프레임워크를 갖추고 있지 않기 때문에 답변 메일, 소송, 값비싼 실수, 부정확한 통찰력, 분석에 수백 만 달러가 낭비되고 있습니다.

이 보험회사의 경우, 첫 번째 단계는 데이터를 이해하는 것입니다. 정확하고 완전하며 유효한 정보가 있으면 데이터를 합하여 360도 고객 뷰를 만들 수 있습니다.

그들은 어떻게 이것을 성취할 수 있었을까요?

여기 두 가지 접근법이 있습니다.

데이터 품질 향상을 위한 2가지 방식

위 기업은 데이터 품질을 높이기 위해 아래와 같이 2가지 방식을 사용할 수 있습니다.

수동 방식(The Manual Approach): 데이터 전문가를 고용하여 데이터를 분류, 통합, 제거, 그리고 깔끔하게 정리하기 위한 내부 솔루션을 구축할 수 있습니다. 이 방식은 몇 년이 걸릴 수도 있습니다. 솔루션 채용, 교육, 테스트, 구현에는 수 개월이 걸릴수 있으며 데이터가 최소한 95% 정확하고 완전하다는 보장도 없습니다. 이러한 수동 방식은 한정된, 구조화된, 또는 반구조화된 기록이 있거나 알려진 정확한 값(고유 ID 혹은 시리얼 넘버)이 있는 경우 잘 작동됩니다. 데이터 세트가 더 크고 복잡한 경우 수동 방법은 데이터 분석가의 처리량을 증가시켜 데이터 분석보다는 데이터 정리에 보다 초점을 두도록 합니다.

디지털 방식(The Digital Method): 데이터 품질 문제를 해결하기 위한 디지털 솔루션이 시장에 많이 나와 있습니다. 데이터를 관리하는 데 필요한 몇 가지 유형의 소프트웨어들을 활용할 수 있는데요, 특정 데이터 웨어하우징 애플리케이션과 함께 작동되도록 설계된 네이티브 솔루션이 있습니다. 그리고 직원들이 여러 데이터 소스에 접근, 정리 및 변환할 수 있도록 설계된 자체 서비스 데이터 품질 관리 소프트웨어도 있습니다. 이러한 솔루션은 비즈니스 사용자를 위해 설계되었으며 복잡한 데이터를 통합하고 각기 다른 데이터 정의를 일치화하고, 이러한 데이터를 하나의 플랫폼에서 정리, 구문 분석, 표준화 및 통일화시키기 위해 알고리즘 조합을 사용합니다.

어떤 방법을 선택하든 예산, 데이터 복잡성, 리소스의 가용성 및 프로젝트에 할당하는 시간에 따라 달라집니다. 자동화된 품질 솔루션이 비즈니스 성과를 향상시키는 동시에 상당한 운영 비용을 절감하는데 도움이 될 것이라는 점은 언급할 가치가 있습니다. 내부 직원들은 빈약한 데이터 리스트를 일일이 수동으로 정리하는데 많은 시간을 할애할 필요가 없어졌습니다. 이제 비즈니스는 암암리에 이러한 데이터를 운영할 필요가 없습니다. 데이터 품질을 고객 개인화 이니셔티브의 최우선 순위로 삼을 때 진정한 데이터 중심의 비즈니스로 탈바꿈 될 것입니다.

고객 개인화 이니셔티브를 추진하기 위한 데이터 활용

가트너는 2020년까지 모든 데이터 분석 프로젝트의 40% 이상이 고객 경험 측면과 관련될 것으로 예상하고 있습니다.

그렇기 때문에 고객 개인화 이니셔티브를 추진하기 위해서는 데이터, 특히 고품질의 조정된 데이터가 매우 중요합니다.

경험을 개인화하려면 사람, 제품, 환경, 행동, 경험, 기대 사이의 숨겨진 관계를 알아내야 합니다.

위의 보험 회사의 예시를 들면서,

그들은 벤더와 파트너사로부터 필요한 데이터를 수집하는데 2개월이 걸렸습니다. 다음으로 그들은 이 데이터를 정리하고, 중복 데이터를 제거하고, 정상화해야 했습니다. 이 과정은 그들이 상당한 시간과 인력을 절약할 수 있는 셀프 서비스 도구를 사용했을 때 단 3주 밖에 걸리지 않았습니다. 마침내, 3개월 간의 데이터 정리, 데이터 통일, 통합, 제거 프로세스 후에, 기업은 고객에 대한 통합 기록을 얻을 수 있었습니다.

그 결과는?

타깃 오디언스를 세분화하고 대학을 다니는 자녀를 둔 부모들을 위한 완벽한 보험 계획을 세울 수 있었고, 효과적인 이메일 마케팅 캠페인을 벌였으며, ROI를 2배 더 높일 수 있었습니다. 고객들은 긍정적인 반응이 더 좋았습니다.

어떻게 시작할 수 있을까요? 

개인화 이니셔티브를 시작하고 싶다면 우선 작게 시작하는 것이 가장 좋습니다. 기업 내 모든 데이터를 하나하나 샅샅이 볼 필요는 없으며 제공하고자 하는 서비스 종류에 필요한 데이터 유형을 식별하기만 하면 됩니다. 도움이 되는 몇 가지 팁을 소개합니다.

작게 시작하기(Start Small): 관리할 수 있는 프로세스를 만드세요. 500개의 고객 기록을 추출하여 품질 문제에 대해 평가하고 이러한 문제를 해결하는데 얼마나 많은 시간이 걸리는지 기록하세요.

접근 방식 결정하기(Decide on the Approach): 3D에 대한 데이터를 평가하면 데이터를 수정하는데 사용할 접근 방식을 결정하는데 도움이 될 것입니다. 확인된 정확한 값이 없고 데이터가 복잡하고 중복이 15~25%(500건 중 불량 기록이 125건)라면 수작업으로 고치는 대신 자동화된 솔루션을 사용해야 합니다.

적합한 도구에 투자하기(Invest in the Right Tools): 엑셀 또는 구글 스프레드시트를 사용하여 이 작업을 제대로 수행할 수는 없습니다. 여러 소스(CRM, 거래 데이터, 동작 데이터)에서 데이터를 가져오려면 데이터를 통합하고 중복 제거하며 복잡한 데이터를 정리할 수 있는 도구에 투자해야 합니다.

데이터 수정하기(Fix Your Data): 이것을 반복하지 않을 수 없습니다. 나쁜 데이터는 모든 면에서 큰 병목 현상이 될 것입니다. 360도 고객 뷰를 원하든 원하지 않든, 데이터 품질을 우선시해야 할 것입니다. 수많은 기업들이 잘못된 데이터 때문에 (수백 만 달러를 낭비한 채) 실패했습니다. 따라서 홍보 캠페인처럼 정상적인 것이든, 연례 보고처럼 중요한 것을 위한 것이든, 믿을 수 있는 자료가 필요합니다.

마스터 기록 생성 또는 자동 정리(Create a Master Record & Automate Cleaning): 데이터를 정리 및 중복 제거했으면 마스터 레코드를 만드세요. 그런 다음, 도구를 선택하여 데이터 정리를 자동화할 수 있습니다. 더 나아가, 여러분은 또한 고객 데이터를 풍부하게 하기 위해 추가적인 고정 자료, 인구 통계 자료 또는 행동 자료로 이 기록을 증가시킬 수 있습니다.

그 시작은 특히 조직의 데이터가 정렬되지 않는 경우, 엄청난 노력처럼 보일 수 있지만, 적합한 계획과 리소스를 통해 일반적인 리스트를 기록을 강력한 지적인 자산으로 만들 수 있으며, 이를 통해 ROI를 높이고, 고객 경험을 향상시키고, 비즈니스 성과를 높일 수 있을 것입니다.

결론

짧게 결론을 내리자면, 고객들의 선택을 받고 싶다면 그들이 필요로 하는 경험을 제공해야 합니다. 하지만 그들을 설득하기 전에 데이터를 수정하고 ‘데이터 드리븐(data-driven)’이나 ‘데이터 센트릭(data-centric)’과 같은 모호한 용어에 의미를 부여하여 시대를 앞서가세요.

 

*마케팅 자료 및 기타 상담 문의: parkmg85@hanmail.net 

*취업 준비생 및 사회 초년생 마케터를 위한 1:1 마케팅 실무 팁 & 직무 커리어 코칭을 진행하고 있습니다. 수강생 개인 니즈에 따라 맞춤형으로 진행되고 있으니 자세한 사항과 교육 신청은 여기에서 확인하세요.