Tag: CDP

고객 데이터 플랫폼의 4가지 형태: 나에게 맞는 것은?

(참조 자료: 4 TYPES OF CUSTOMER DATA PLATFORMS: WHICH IS RIGHT FOR YOU?)

고객 데이터 플랫폼(CDP)을 평가하는 것은 무척 어려운 일이 될 수 있습니다. 소프트웨어 업계는 CDP도 아닌 기능, 솔루션, 그리고 유행어의 사용으로 혼란스러운 소용돌이를 일으키고 있으며, 이는 의사 결정 과정에서 어려움을  더욱가중시키고 있습니다. 이러한 문제를 방지하고 비즈니스에 적합한 CDP를 찾기 위한 방법들을 소개해드리려고 합니다.

고객 데이터 플랫폼 유형간 결정은 비즈니스의 자체적인 성찰과 연구로 시작됩니다. CDP에서 무엇을 얻고 싶나요? CDP를 사용하는 전반적인 로드맵은 무엇일까요?

연구 결과에 따르면 많은 기업들은 2022년 말까지 엔터프라이즈 소프트웨어에 6,720억 달러를 지출할 것으로 예상됩니다. 그들 중 많은 사람들이 느슨한 고려 과정, 무릎 반사적인 의사 결정, 또는 단지 그것을 갖기 위해 새로운 소프트웨어를 구매하기 때문에 돈의 가치를 얻지 못하고 있다고 확신합니다. 이 글을 읽고 있는 여러분들도 그런 사건들 중 하나가 되고 싶지는 않을 것입니다.

비즈니스에 맞지 않는 CDP에 예산을 낭비하는 것을 막기 위해, 정확한 니즈에 맞게 몇 가지 다른 형태의 CDP도 고려해야 합니다. 자신에게 가장 좋은 것이 무엇인지 더 명확하게 알기 몇 가지 CDP에 대해서 살펴보도록 하겠습니다.

어떤 형태의 CDP들이 있는가?

모든 CDP를 깔끔한 작은 그룹으로 묶는 것은 어렵습니다. 실제로는 그것보다 훨씬 복잡하기 때문입니다. 그럼에도 불구하고 4가지 주요 고객 데이터 플랫폼을 계획하고 그것이 비즈니스를 이끄는 방향을 볼 수 있습니다.

마케팅 클라우드 CDP(Marketing Cloud CDP)

CDP는 최근 몇 년 동안 가장 큰 트렌드가 되고 있습니다. 주요 대기업 소프트웨어 기업들은 자체 CDP 솔루션을 구축하고 있습니다. 물론 이러한 플랫폼들은 기존에 있던 툴 세트의 기능을 통합하고 향상시켰습니다.

기본적으로 Adobe 솔루션을 여러 개 갖고 있다면 전반적으로 Adobe의 CDP가 잘 작동됩니다. Salesforce, SAP, Microsoft, Oracle의 플랫폼도 마찬가지입니다. 전반적인 상황을 이해하시면 됩니다. 이러한 범용 마케팅 클라우드 CDP는 해당 시스템에서 작업하는 경우 매우 잘 정리되어 있습니다. 물론 이러한 전용 소프트웨어는 다른 플랫폼들과 잘 어울리지 않는다는 단점이 있습니다.

전반적인 특징은 이러한 모델이 모든 데이터를 수집 및 관리하고 이를 고유한 단일 고객뷰(Signle customer view) 분석에 활용하며, 이 모든 것을 자체적인 소프트웨어 생태계 내의 해당 툴에 연결하는 것입니다.

CDP 엔진과 툴킷(CDP Engines and Toolkits)

이 솔루션들을 통해 기업들은 최고의 CDP 범용 솔루션으로도 해결할 수 없는 아주 세부적인 비즈니스 니즈에 커스터마이징된 CDP를 구축할 수 있습니다.

일반적으로 이러한 엔진과 툴킷들은 IT 부서가 기존 CDP 솔루션을 기반으로 맞춤형 애플리케이션을 구축하는데 사용되는 기술집약적인 솔루션입니다. 기술 전문가가 아니라면 이러한 솔루션은 이후에 다룰 다른 유형의 CDP 만큼 사용자 친화적이거나 일반적이진 않습니다. 그리고 더 높은 비용을 요하기도 합니다. 그러나 대부분의 비즈니스에서는 이 정도로 고도화된 고객 데이터 처리가 필요하진 않지만, 일부 비즈니스에서는 대부분의 범용 CDP 솔루션의 기능을 넘어서는 수준으로 사용하기 때문에 이러한 솔루션으로 가치를 더할 수 있습니다.

마케팅 데이터 통합 CDP(Marketing Data-Integration CDP)

이러한 CDP는 데이터 작업에 관여합니다. 즉, 이러한 솔루션은 강력한 데이터 처리와 거버넌스 기능을 자랑하기 때문에, 구축하기가 무척 복잡하지만, 이 모든 것이 비기술적이고 사용자 친화적인 인터페이스 기반으로 액세스됩니다. 따라서 IT팀과 마케팅팀 모두 이러한 CDP에서 어떠한 이슈 없이 자유롭게 작업할 수 있습니다.

이러한 CDP 유형은 세분화된 캠페인을 활서화하고 여러 채널에 전달하는데도 좋지만 종합적인 분석 뷰가 부족하여 의사 결정 과정을 지연시킬 수 있습니다. 가장 도움이 되는 것은 마케팅 통합 CDP가 CDP의 원래 목적, 즉 단일 고객 뷰를 생성하기 위한 퍼스트 파티 데이터를 구성하는데 주력한다는 점입니다.

CDP 스마트 허브(CDP Smart Hubs)

마케터의 꿈이기도 합니다. 개인화와 실질적인 실행을 전면에 내세워 구축된 플러그 앤 플레이(plug-and-play) CDP, 이 모든 것이 단일 소스에서 비롯되었습니다.

스마트 허브 CDP의 “smart’ 부분은 사용자 행동 및 이벤트 데이터를 기반으로 응답 시간을 지정하고 타깃을 지정하는 기능입니다. 사용자가 조치를 취하면 스마트 허브는 해당 사용자의 행동에 맞춘 메시지를 트리거합니다. 스마트 허브는 실시간 분석으로 기반으로 사용자 데이터를 살펴보고 예측을 수립하여 단일 고객의 특정 차원으로 고객 여정을 더 잘 구성할 수 있도록 지원합니다.

나에게 맞는 CDP는?

Gartner는 위와 같이 CDP 공급 업체를 4가지의 유형으로 분류하고 있습니다. 그러나 자사 비즈니스에 적합한 CDP를 선택하는 것은 완전히 다른 작업입니다. 많은 벤더들이 자신들이 솔루션을 판매하기 위해 다양한 제안들을 하겠지만 결국 현재 비즈니스에 어떤 기능이 가장 필요하고 적합한지를 선택하는 것은 마케터의 몫입니다.

비즈니스에 가장 필요한 것은 기본적으로 자사의 니즈로부터 시작되지만, 결국 모든 CDP 기능이 전부 필요할 것입니다.

• 온라인 및 오프라인의 다양한 채널에서 퍼스트 파티 데이터 수집
• 데이터 프로파일 통합을 통한 고객 단일 뷰
• 더 나은 개인화를 위한 잠재 고객 세분화
• 전략적인 캠페인 실행과 활성화

적어도 위 4가지 기능이 없다면 이는 진정한 의미의 CDP를 구축하는 것이 아니라 CDP의 껍데기만 구매하는 것이 될 것입니다. 이러햔 정의 특징 내에서 각 CDP에는 고유한 기능이 있을 수 있습니다. 비즈니스의 성공적인 고객 데이터 플랫폼 구축에 있어서 가장 중요한 것과 중요하지 않은 것을 우선 파악하는 것도 마케터의 몫입니다.

그 다음은?

먼저 비즈니스 내 관련 팀들을 모아 현재의 고객 데이터로 할 수 있는 일, 아직 할 수 없는 일, 그리고 궁극적으로 하고 싶은 일에 대해서 정의를 내립니다. 가장 쉽게 달성할 수 있는 목표를 우선 식별하고, 현실적인 기대치를 정의하며, CDP의 종류와 상관없이 CDP를 보유하는 것 이면에 있는 비즈니스 가치를 정의하세요.

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

리테일 마케터를 위한 고객 데이터 플랫폼(CDP) 활용 사례 6가지

(참조 자료: 6 CDP Use Cases for Retail Marketers)

디지털 마케팅 분야에서는 리테일 마케터들이 비즈니스를 위한 마케팅 자동화를 이미 적극적으로 활용하고 있습니다. 이메일 자동화,SMS, 캠페인 최적화 등 이러한 기술 도구의 적용과 활용이 크게 증가했습니다. CDP 또는 고객 데이터 플랫폼은 리테일 마케터들의 관심을 끈 최신 마테크(martech) 제품입니다.

CDP와 같은 견고한 플랫폼을 기반으로 구축된 실시간 마케팅 자동화 시스템은 마테크 기술 수준을 한 차원 더 끌어올렸습니다. CDP의 가장 기본적이고 가장 본질적인 기능은 다양한 소스와 데이터 사일로부터 오는 고객 데이터를 통합하는 것입니다. 통합된 고객 데이터를 통해 마케터들은 고객의 온라인 및 오프라인 브랜드와의 인터렉션에 대한 전반적인 인사이트를 얻을 수 있습니다. 이렇게 확보한 단일 고객 뷰를 통해 마케터들은 개별 고객을 깊이 이해하고 원하는 채널과 디바이스를 통해 맞춤화된 제안 및 추천 서비스를 제공받을 수 있습니다.

그러나 마케터들은 도구를 사용하기 전에 항상 이러한 도구가 비즈니스를 향상시킬 수 있는 이유를 입증하는데 도움이 될 수 있는 사용 사례를 찾고 있습니다. 리테일 업계를 위한 CDP 활용 방법들을 아래와 같이 소개합니다.

리테일 업계를 위한 6가지 CDP 활용 사례

1. 의도 기반 타깃팅(Intent-based targeting)

특정 제품을 구매하려는 의도로 리테일 브랜드 웹사이트에 새로운 사용자가 잠깐 들리게 됩니다. 방문자가 식별되지 않은 익명의 사용자임에도 불구하고 마케터은 온사이트(On-site), 브라우저 푸시 알림 등 다양한 채널을 통해 해당 방문자를 타깃팅할 수 있습니다. 이 작업은 CDP를 통해 익명의 사용자 쿠키를 트래킹하여 수행할 수 있습니다.

또는 사용자가 웹사이트를 종료하려는 의도를 표시하면 리드 제출 양식이 뜨면서 세부 개인 정보를 작성할 것을 요청하게 됩니다. 사용자는 자신의 세부 정보를 작성하고 양식을 제출하며, 그 결과 이메일이나 SMS와 같은 특정 시즈널 이벤트와 인센티브를 받을 수 있습니다.

2. 온라인 행동을 트래킹하여 매장 내 구매 촉진(Promote in-store purchases by tracking online behavior)

리테일 고객의 온라인 쇼핑 행동을 오프라인 구매와 연계시키는 것은 고객 경험을 향상시키는데 있어서 매우 중요한 작업입니다. CDP는 고객 여정을 쉽게 트래킹하고 마케터가 실시간으로 적합한 서비스를 고객들에게 제공하는데 도움을 줄 수 있습니다.

예를 들어, 한 방문자가 리테일 웹사이트를 방문하여 장바구니에 일부 제품들을 추가하였다고 해봅시다. 그러나 그는 잠시 들리기만 하고 결제를 완료하지 못하고 다시 떠났습니다. 이후, 그는 브랜드의 오프라인 매장에 다시 방문해서 그가 일찍이 온라인에서 선택했던 아이템에 대한 맞춤형 제안과 모바일 앱 알림을 다시 받게 됩니다. 그리고 그 매장에서 해당 제품을 구매하게 됩니다. 이곳에서는 그가 매장에 들어서자마자 CDP에서 기록되어있던 그의 지오펜스 데이터를 실시간으로 불러오게 되고, 온라인에서의 이전 행동 데이터를 기반으로 맞춤화된 오프라인 매장 경험이 제공되는 것입니다.

3. 웹사이트에서 장바구니 포기한 사용자에 대한 리타깃팅(Re-targeting users after cart abandonment on the website)

장바구니 포기는 e커머스 고객들에게 흔히 관찰되는 특징 중 하나입니다. 어떤 리테일 업체도 고객이 장바구니에 제품을 추가한 다음, 그 장바구니를 포기하는 걸 바라는 기업은 없을 것입니다. CDP의 단일 고객 뷰는 리테일 기업이 다양한 디지털 채널을 통해 개인화된 알림 메시지를 전송함으로써 이러한 사용자들을 다시 타깃팅하는데 도움이 될 수 있습니다.

위에서 말한 예시에서라면, 장바구니를 버린 후에, 사용자에게 관련 제품에 대한 이메일과 모바일 앱 푸시 알림을 통해 개인화된 메시지를 보내고 지속적으로 구매를 유도할 것입니다.

4. 과거 구매 내역 트래킹 및 실시간 제품 추천 시작(Track past purchase history and initiate real-time product recommendations)

리테일 마케터들은 CDP를 사용하여 고객의 구매 내역을 분석하고 실시간으로 웹사이트 내에서 고객을 타깃팅할 수 있습니다. 이는 고객의 구매 패턴을 기준으로 고객을 세분화하여 선호하는 제품과 관련된 맞춤 제안을 통해 고객을 타깃팅함으로써 가능합니다.

예를 들어, 어떤 한 소비자가 리테일 웹사이트에서 특정 브랜드의 립스틱을 정기적으로 구매한다고 가정하면, 마케터들은 이 정보를 활용할 수 있고, 해당 제품이나 다른 관련 제품에 대한 실시간 맞춤형 제안과 함께 해당 소비자를 타깃팅할 수 있습니다.

5. 오프라인 매장에서 거래 시, 온라인 구매 독려(Promoting online purchases when customer transacts at an offline store)

고객의 매장 이용 기록을 사용하여 웹사이트 환경을 개인화하고 재구매를 유도할 수 있습니다. 마케터는 CDP를 통해 사용자의 매장 방문 기록을 가져와, 이 정보를 활용하여 크로스 셀링과 업셀링을 제안할 수 있습니다.

예를 들어, 어떤 남자 고객이 오프라인 매장에서 플레이스테이션4를 구매한다고 가정해 봅시다. 구매를 계속 하도록 유도하기 위해, 브랜드는 그 고객이 선호하는 채널 세부 정보를 CDP에서 가져오게 됩니다. 그 고객의 선호 채널은 이메일과 모바일 푸시 알림이라면, 이 브랜드는 PS4 게임과 엑세서리에 대한 맞춤형 제안과 함께 위 채널들을 통해 고객을 타깃팅하게 됩니다. 이같은 상황에서 마음에 드는 제안을 보게 된다면, 해당 고객은 광고에 반응하게 되고 동일한 리테일 브랜드에서 해당 제품을 구매하게 될 것입니다.

6. 실시간 콜센터 통합(Real-time call center integration)

리테일 마케터는 CDP를 사용하여 잠재 고객이나 고객이 웹사이트에 있을 떄 브랜드의 콜센터 팀에 실시간으로 트리거를 보낼 수 있습니다. 이렇게 하면 콜센터팀은 고객에게 즉시 전화를 걸어 그들의 요구사항을 파악한 후, 그 자리에서 구매를 하거나, 가까운 매장 위치를 안내할 수 있습니다. 이러한 종류의 실시간 핸드홀딩(hand-holding)은 오프라인 매장 방문 뿐만 아니라 온라인 구매 수까지 증가시킬 것입니다.

예를 들어, 어떠한 리테일 브랜드 웹사이트를 정기적으로 방문하는 기존 고객이 있다고 하면, 브랜드의 마케터들은 그가 고가의 제품을 많이 사는 고객이라는 점에 주목합니다. CDP를 사용하여 브랜드의 콜센터로 실시간 트리거가 전송됩니다. 콜센터팀은 고객에게 연락하여 그의 니즈를 파악할 수 있도록 돕게 됩니다.

결론

위의 6가지 사용 사례는 CDP가 리테일 산업에 왜 필수적인지에 대한 구체적인 증거를 제공합니다. CDP는 고객 데이터 파악부터 통합 뷰 작성, 고객 참여 및 전환 촉진에 이르기까지 경쟁이 치열한 리테일 업계에서 차별화된 개인화 마케팅을 전개할 수 있도록 도울 수 있습니다.

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

넷플릭스의 고객 데이터 플랫폼(CDP) 활용 사례

(참조 자료: What Netflix Can Teach Us About Effective Customer Data Platform Use)

넷플릭스는 단순히 성공적인 스트리밍 플랫폼 혹은 오리지널 영상 콘텐츠 제작사가 아닙니다. 여러 측면에서 가장 성공적인 고객 데이터 플랫폼(CDP) 활용 기업 중 하나이기도 합니다. 넷플릭스의 추천 알고리즘은 가입자들이 좋아할 만한 콘텐츠를 추천하기 이전에 시청자들이 보고, 즐기고, 검색하는 것들에 대한 방대한 양의 데이터를 수집합니다. 이렇게 수없이 많은 데이터로부터 나온 인사이트는 UI 경험을 자동화 및 개인화하는데 사용되며, 심지어 각 영상 콘텐츠의 썸네일과 커버 아트까지 개인화되어 바뀌게 됩니다.

넷플릭스의 알고리즘과 사용자 프로필에 대해 자주 생각하지 않을수도 있지만, 그것들은 비즈니스 성공을 위한 주요 요소들입니다. 스트리밍 서비스는 자사의 데이터 플랫폼을 “고객 경험에 작접적인 영향을 미치는 모든 제품 관련 의사 결정의 핵심(core foundation in driving all of our product decisions that directly impact our customer experience)”이라고 부르며, 끊임없이 이 데이터를 혁신하고 효과적으로 사용할 수 있는 방법을 모색합니다. 넷플릭스는 특히 고객 유지율이 93%라는 놀라운 수치를 보여주고 있습니다. 이러한 데이터 역량은 디즈니 플러스나 아마존 프라임같은 경쟁사들이 도전장을 내밀고 있는 스트리밍 플랫폼 시장에서 넷플릭스가 여전히 시장 우위를 차지할 수 있도록 돕고 있습니다.

특정 데이터 목표에 집중(Focus on specific data goals)

넷플릭스는 사용자들의 시청 패턴에 대해서 많은 것을 알고 있지만, 이러한 인사이트는 예상외로 놀라울 정도로 좁은 범위의 데이터에 기반하고 있습니다. 플랫폼의 핵심 데이터 프로세스는 서비스 내에서만 정보를 수집하는 것입니다. 플랫폼 외부에서는 데이터를 수집하지도 않고, 미가입자들의 습관을 트래킹하지도 않습니다. 넷플릭스는 오직 플랫폼 내의 가입자들의 사용 패턴과 거기서부터 트렌드를 추론하는 방식으로 데이터를 분석하고 있습니다.

바꿔 이야기하자면, 작은 로컬 데이터가 강력한 비즈니스 성공으로 이어질 수 있다는 것입니다. 넷플릭스는 가입자에 대한 모든 세부 사항을 얻기 위해 애쓰는 대신, 그들이 어떻게 그것을 사용하는지에 대한 모든 것을 이해하려고 노력합니다. 이것이 바로 궁극적으로 고객 유지에 있어서 가장 가치있는 정보이기 때문입니다. 넷플릭스는 이 핵심 사업 전략을 처음 시작한 이래로 다른 분야의 마케터들에게도 좋은 성공 사례가 되고 있습니다.

사용자가 플랫폼에 어떤 식으로 참여하는지 정확히 파악(Watch precisely how users engage with your platform)

넷플릭스의 데이터 범위는 상대적으로 좁지만, 넷플릭스는 사용자가 취하는 모든 행동을 지속적으로 모니터링하고 수집하고 있습니다. 가입자들이 본 영상에서부터 시청 시간대에 이르기까지 플랫폼 소비에 대해 말할 수 있는 건 모든 것에 대해 수집하고 있습니다. 넷플릭스는 이러한 데이터를 총체적으로 혹은 개별적으로 가져와서 특정 사용자들이 어떻게 콘텐츠를 소비하는지에 대한 고객 프로파일을 그립니다. 이러한 인사이트를 가까이에 두고 추천 알고리즘은 비교와 대조를 반복하며 사용자들에게 추천을 하게 됩니다.

넷플릭스가 모니터링과 수집을 하고 있는 이벤트(Event) 데이터는 다음과 같습니다.

• 일시 중지, 되감기, 빨리 감기
• 콘텐츠 시청 요일(넷플릭스는 사람들이 주중에는 TV쇼를, 주말에는 영화를 본다는 사실을 발견했습니다)
• 시청일(날짜)
• 콘텐츠 시청 시간
• 시청하는 지역 위치(ZIP 코드)
• 시청할 때 사용하는 디바이스(TV쇼를 볼 때는 태블릿을, 영화를 볼 때는 스마트 TV로 감상하는가? 키즈(Kid) 프로필 기능은 아이패드에서 더 많이 접속하는가?
• 콘텐츠를 일시 중지하고 이탈할 때
• 시청률(일일 약 4백만명)
• 검색 횟수(일일 약 300만)
• 탐색 및 스크롤
• 넷플릭스는 영화 시청 중 데이터도 살펴봅니다. 다양한 스크린 샷을 찍어서 해당 순간의 특성을 살펴봅니다. 넷플릭스는 언제 신뢰도가 향상되는지 확인했지만 그 이외에도 훨씬 많은 것들이 있습니다. 어떤 이들은 이러한 특징들이 넷플릭스가 사용자들이 좋아하는 것을 알아내는데 도움이 되는 볼륨, 색상, 풍경일 수 있다고 생각했습니다.

전문적으로 할당된 콘텐츠 태그를 사용하여 제품 권장 사항 개인화(Personalize product recommendations with expertly-assigned content tags)

마케터들이 개인화를 고려할 때, 보통 그들의 가장 큰 고객 세그먼트 기반으로 캠페인을 만들고 그 그룹 내에서 개인화됩니다. 하지만 넷플릭스는 독특한 개인화 요소가 끊임없이 유입되는 ‘하나의 시장’에 초점을 맞추고 있습니다. CDP는 단순히 영화 장르를 넘어 시청 날짜, 배우, 기타 특징들을 콘텐츠에 포함시키는 고도로 상세한 태그 시스템을 새로운 영화를 위한 핵심 시청자들을 식별하기 위해 훈련되었습니다. 이는 넷플릭스가 공유된 영상 콘텐츠의 특성면에서 거의 완벽하게 들어맞는 데이터 기반의 추천을 할 수 있다는 것을 의미합니다. 넷플릭스의 전체 콘텐츠 소비 횟수 중 75%가 이 추천 알고리즘을 통해 나온다는 것이 이를 뒷받침합니다.

물론 이러한 태그는 알고리즘 자체만으로는 생성되지 않습니다. 넷플릭스 내에는 수 백여개의 태그가 있는데, 콘텐츠 전문가들이 고심 끝에 적용하였습니다. 이러한 태그는 유사성을 측정하고 가입자에게 추천 콘텐츠를 제공하는 알고리즘 내에서 처리됩니다. 넷플릭스의 CDP는 어떤 가입자가 ‘오렌지 이즈 더 뉴 블랙(Orange Is the New Black)’ 콘텐츠를 즐기게 될 것인지 예측하는 것까지 사용될 수 있습니다. 예를 들면 ‘오렌지 이즈 더 뉴 블랙(Orange Is the New Black)’이 ‘위즈(Weeds)’ 팬들에게 엄청난 히트를 칠 것으로 예상되었습니다. 그러나 이러한 인사이트는 수동적인 도움 없이는 일어나지 않습니다. 왜냐하면 CDP는 콘텐츠가 어떻게 소비되는지 알고 있을 뿐이지 그것이 무엇인지 알고 있지 않기 때문입니다.

CDP를 활용하여 마케팅 예산 절감(Use CDP features to save your marketing budget)

넷플릭스가 하우스 오브 카드(House of Cards)를 잠재 고객들에게 광고할 때, 다양한 관객 층을 위한 10가지의 각기 다른 버전의 예고편을 만들기에 충분한 고객 데이터를 이미 갖추고 있었습니다. 이것은 과도해 보일 수 있지만 실제로 넷플릭스의 마케팅 예산을 최적화하는데 매우 유용했습니다. 넷플릭스는 고객 세그먼트를 고려하지 않는 일률적인 트레일러 영상으로 매스 마케팅을 진행하기 보다는 가장 관심을 많이 가질 잠재 고객들에게 광고 콘텐츠를 타깃팅하여 전체적인 마케팅 예산을 절감하였습니다. 이같은 고도로 효율적인 데이터 활용 덕분에 기업은 이제 마케팅을 콘텐츠 소비를 극대화해주는 멀티플라이어(multiplier)라고 여깁니다.

많은 측면에서, 이것은 넷플릭스의 CDP 전략을 잘 요약해줍니다. 물론 백엔드에서 많은 작업이 요구되지만, 최종적인 결과는 한정된 예산 범위 내에서 마케팅 성능과 효율을 동시에 향상시켜 줍니다. 마케터들은 CDP의 성능을 향상시키기 위해 너무 멀리서부터 볼 필요는 없습니다.

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

 옴니채널 vs 멀티채널 어트리뷰션, 무엇이 다르고 무엇이 좋은가?

(참조 자료: Omnichannel vs. Multi-Channel Attribution: Which Is Better?)

어디서 판매가 이루어졌을까? 그리고 무엇이 고객들로 하여금 구매하게 만들었을까요? 기업들을 일반적으로 이러한 질문에 답하기 위해서 두 가지 다른 모델 중 하나인 옴니 채널 어트리뷰션(omnichannel attribution)과 멀티 채널 어트리뷰션(multi-channel attribution) 중 하나를 사용합니다. 그렇다면 이 2개는 구체적으로 무엇이 다른 걸까요? 멀티 채널 어트리뷰션은 각 채널 내에서 어떤 채널이 가장 효과적이였는지, 어떤 접점이 가장 효과적이였는지 분석하는데 초점을 둡니다. 이와는 대조적으로, 모든 채널의 모든 접점을 분석하는 보다 정교한 모델을 구축하여 각 접점이 판매에 얼마나 기여했는지 분석하는 것이 옴니 채널 어트리뷰션은 이러한 어트리뷰션 관련 질문에 대한 답을 이해하는데 있어서 점점 그 중요도가 커지고 있습니다.

일반적으로 옴니 채널 어트리뷰션이 좀더 좋은 결과를 보여주지만, 특히 고객 데이터 플랫폼(CDP)과 같이 강력한 마케팅 기술이 등장하기 전까지는 이를 구축하기가 상당히 어려웠습니다. 안타깝게도 상당수의 마케터들은 여전히 대규모로 데이터를 통합할 수 없는 구식 시스템을 사용하고 있는데, 이는 이미 단순한 멀티 채널 모델로 고착화되었다는 것을 의미합니다.

디지털 채널이 빠른 속도로 커뮤니케이션, 뉴스, 콘텐츠 소비의 주요 원천이 되었지만, 그것들은 대개 고객들에게 영향을 미치는 다른 모든 채널과 접점, 즉 이벤트, 비디지털 광고, 매장 내 경험 등은 제대로 통합되지 않을 수 있기 때문입니다. 모든 채널의 데이터를 실제 경험으로, 그리고 그 반대의 경우도 마찬가지 입니다. 디지털 채널은 향후 비즈니스 목표에 도달하기 위해 수량화되고, 분석 및 최적화되어야 합니다.

멀티 채널 어트리뷰션이란? 

멀티 채널 어트리뷰션은 어떤 디지털 마케팅 채널이 고객 전환에 있어서 “가장 많은 신뢰도”를 얻었는지 결정하는 과정입니다. 구매 시점까지 이어지는 고객 여정 내 각 단계별 역활에 따라 각 온라인 채널에 판매 점수를 부여하기도 합니다. 때로는 싱글 채널 내의 여러가지 터치를 분석하기도 합니다.

다양한 업계에 걸쳐 널리 사용되지만, 멀티 채널 어트리뷰션은 중복 레포트 가능성, 잘못된 콘텐츠 혹은 경험을 잠재 고객에게 전달, 기대만큼 성과를 거두지 못하는 접점, 콘텐츠, 경험에 투입된 잘못된 자원, 그리고 실제 매출을 일으키는 것에 대한 인사이트 부족 등 여러 한계점들이 있습니다. 멀티 채널 어트리뷰션과 관련된 다른 함정이나 미숙한 관행은(이러한 모델들은 옴니 채널 정보가 없을 때 가장 쉬운 모델이기 때문에) 마지막 클릭과 첫 클릭의 어트리뷰션에서의 과도한 의존과 관련없는 리타깃팅도 포함됩니다.

멀티 채널 어트리뷰션의 다양한 모델

멀티 채널 어트리뷰션은 다음과 같이 몇 가지 모델이 있습니다. 또한 이러한 모델에 지나치게 의존할 경우 생길 수 있는 문제점들도 함께 소개합니다.

마지막 클릭 vs 첫 번째 클릭 어트리뷰션

마지막 클릭 어트리뷰션(Last-click attribution)은 고객이 구매하기 전에 취한 마지막으로 취한 액션을 살펴봅니다. 반면에 첫 번째 클릭 어트리뷰션은 고객이 취한 첫 번째 액션을 살펴봅니다. 예를 들면 다음과 같습니다.

고객은 방금 친구로부터 새로운 의류 브랜드에 대해 들었습니다. 그녀는 구글에서 해당 의류 브랜드를 검색하고, 첫 번째 결과에서 뜨는 것을 클릭하며, 수많은 광고 메시지로 둘러싼 브랜드 홈페이지에 방문하고 그 거부감에 금새 이탈하게 됩니다.

몇 시간 뒤 다시 휴대폰을 들고 인스타그램을 엽니다. 몇 분 동안 자신의 피드를 스크롤한 후, 이전에 찾아본 의류 회사의 광고를 보게 됩니다. 그녀는 “그 셀렉션이 마음에 든다”고 생각하며 구매를 결심합니다. 그녀는 인스타그램 광고를 클릭해 자신이 장바구니를 채워놨던 쇼핑몰 웹사이트로 돌아가 다시 구매 정보를 입력하고 ‘결제’ 버튼을 누르게 됩니다.

마지막 클릭 어트리뷰션은 이 판매에 대한 크레딧의 100%를 고객 여정 끝에서 고객이 클릭했던 마지막 인스타그램 광고에 모두 귀속시킵니다. 첫 번째 클릭의 어트리뷰션은 그 크레딧을 오가닉(Organic) 검색 결과에 귀속시킬 것입니다. 이러한 각각의 어트리뷰션 전술의 가장 큰 문제점은 고객 여정의 전체적인 그림을 설명하지 못한다는 것입니다. 구매 경로에는 여러 점점들이 포함되어 있기 때문에 마케터들은 어트리뷰션을 측정하기 전에 고객들이 취한 모든 단계 별 액션들을 확인하고 설명하는 것이 중요합니다.

멀티 채널 어트리뷰션만으로는 관련없는 리타깃팅으로 이어질 수 있음

고객 여정을 완전히 이해하지 못한다면 타깃팅과 리타깃팅이 실패하며 궁극적으로는 브랜드 신뢰도를 떨어뜨리고 재구매에 대한 고객 결정을 방해할 수 있습니다. 위의 예시를 생각해보세요. 장바구니에 있는 물품을 구매하기 위해 ‘결제’ 버튼을 누른 후에도 그들의 고객 여정은 계속 이어집니다.

고객이 쇼핑몰 홈페이지를 닫고 나서도 주문 확인 메일을 확인하기 위해 자신의 받은 편지함을 확인하게 됩니다. 그리고 나서 자신의 페이스북으로 이동하여 최근 알림을 확인하고 피드에 올라온 다양한 업데이트를 스크롤하게 되죠.

뉴스피드를 스크롤한지 몇 분만에 자신이 구매했던 제품에 대한 페이스북 캐러셀(carousel) 광고를 보게 됩니다. 광고에 포함된 모든 아이템이 그녀가 이미 구매했던 제품들이죠. 참 답답한 상황이 아닐 수 없습니다.

이미 구매한 제품 광고를 보게 되면 고객들은 짜증을 내거나 오히려 오해를 할 수도 있습니다. 거기다가 이는 광고비 낭비를 유발할 수 밖에 없습니다. 마케터들이 첫 번째 클릭에서부터 마지막 클릭까지 고객의 전체 구매 경로를 이해하지 못하는 것은 이같은 오류를 낳게 됩니다. 다행히도 옴니채널 어트리뷰션은 이같은 멀티채널 어트리뷰션의 부족한 부분을 채울 수 있습니다.

옴니채널 어트리뷰션(Omnichannel Attribution)이란?

멀티채널 어트리뷰션은 단순히 데이터 통합이 그 문제라면 쉽게 구현할 수 있겠지만, 옴니채널 어트리뷰션은 여러 단계에 걸친 다양한 고객 행동을 분석하여 전환으로 이끄는 보다 정확하고 전략적인 접근 방식입니다. 옴니채널 어트리뷰션은 온라인, 오프라인, 페이드(Paid), 언드(Earned), 온드(Owned) 미디어 등 모든 마케팅 채널에서의 모든 고객 반응을 확인합니다. 또한 모든 채널의 데이터를 모두 사용하여 고객 여정의 각 부분을 평가하고 그 원인을 파악하세요. 이 모델은 회귀(regression)와 같은 기술을 통해 구매 결정에 영향을 미치는 고객 반응을 이해하는데 사용될 수 있습니다. 옴니채널 방식이 과거에 잘 활용되지 않았던 유일한 이유는 이러한 고객 반응들이 발생한 순서를 비롯하여 이러한 모든 것들을 개별 고객별로 분석하고 관련짓기 위해서는 대규모의 데이터 통합(일반적으로 CDP와의 데이터 통합)을 요구하기 때문입니다.

옴니채널 어트리뷰션은 다양한 유형의 인터렉션을 아우르는 고객 여정을 더 잘 분석하고, 오늘 날의 고객은 구매 전 다양한 접점을 접하며 옴니채널 어트리뷰션이 이를 모두 설명해주기 때문에 멀티채널 어트리뷰션보다는 좋습니다. 모델링 기법은 또한 판매와 다른 마케팅 결과를 증대시키기 위해 다른 차선책의 기술과도 함께 사용될 수 있습니다. 여기에는 다음과 같은 이점들이 있습니다.

• 데이터 중복 제거(Deduplication): 이 중요한 과정은 다양한 채널과 디바이스에 걸쳐 한 고객의 행동을 여러 고객의 행동으로 분석되지 않도록 만들어 줍니다.
• 보다 정교한 리타깃팅과 관련성 높은 후속 조치(Smarter Retargeting & More Relevant Follow-Up): 옴니 채널 어트리뷰션을 사용하면 고객 여정의 각 단계별로 고객 반응을 분석하고 이해할 수 있기 때문에 보다 관련성 높은 콘텐츠를 전달하는 등의 후속 조치를 취할 수 있게 됩니다.
• 수익 창출 요인에 대한 정확한 데이터 추출(Accurate Reporting on What’s Driving Revenue): 고객의 첫 번째 혹은 마지막 클릭을 이해하는 것은 중요하지만 그것은 방정식의 한 부분에 지나지 않습니다. 옴니채널 어트리뷰션은 모든 마케팅 및 영업 활동들을 분석하며 매출의 정확한 출처를 파악하는데 보다 도움이 되는 인사이트를 제공하므로 그에 따라 전략을 주도할 수 있습니다.
• 각 고객 여정 단계별 전략 수립을 위한 인사이트 제공(Better Understanding of How to Rework Customer Journeys): 고객이 구매하는 이유 또는 고객이 이탈하는 이유 등을 이해하고 가장 중요한 것으로 보이는 고객 경험과 그 접점들을 빠르게 파악하고 개선할 수 있어 내부 리소스를 효율적으로 사용할 수 있게 합니다.
• 판매 프로세스 상 모든 어트리뷰션에 대한 이해 및 보다 효과적인 리소스 할당(Better Understanding of All Contributors to the Sales Process, and More Effective Resource Allocation): 이 모델을 사용한다고 해서 단순히 판매의 어트리뷰션을 모두 정확하게 측정할 수 있는 것은 아닙니다. 마지막 마지막 접점에만 크레딧을 준다면 영업 직원들은 모두 훌륭해보이고 그들 모두 보상을 받아야만 하는 것처럼 보이겠지만, 실제로 그 구매를 발생시키는데 가장 큰 역활을 한 직원들이 마케팅이라면 잘못된 성과 측정과 보상이 나갈 가능성이 높습니다.

옴니채널 어트리뷰션을 시작하는 방법

불행하게도, 오늘 날 많은 마케터들은 여전히 특정 채널에 대한 인사이트만을 제공하는 고립된 마케팅 측정 방식에 의존하고 있습니다. 옴니채널 어트리뷰션은 고객 경험에 대한 보다 전체적인 큰 관점을 제공합니다. 즉, 마케터들이 복잡한 마케팅 믹스에 걸쳐 개인화된 고객 경험을 제공하여 전환율을 높이고 매출을 창출할 수 있도록 도와줄 것입니다.

• 데이터 스트림 감시(Audit Your Data Streams): 먼저 수집하는 고객 정보와 위치, 그리고 어느 프로세스에 데이터 공백이 있는지 확인해줍니다.
• 데이터를 완전하고 정확한 360도 뷰의 단일 고객 프로파일로 통합(Unify Data into Complete, Accurate Customer Profiles): 신뢰할 수 있는 CDP(고객 데이터 플랫폼)를 통해 다양한 고객 정보를 한 곳에서 수집, 통합 및 분석할 수 있으므로 정보에 쉽게 엑세스하여 데이터 중심의 보다 정확한 의사 결정을 내릴 수 있게 합니다.
• 여러 팀에 걸친 커뮤니케이션 독려(Encourage Communication Across Teams): 마케팅과 영업 부서가 별도로 운영되는 것이 일반적이지만 옴니채널 어트리뷰션은 모든 조직원들이 힘을 합쳐 특정 고객이 어떤 채널과 접촉하고 어떤 채널을 전환으로 많이 이끌었는지에 대한 정보를 공유해야 합니다.

모든 채널에서 고객 여정을 통합하고 고객에 대한 포괄적인 뷰를 제공하기 위해 구축된 CDP를 통해 객과 브랜드 간의 모든 상호작용을 분석하여 고객에 대한 통합된 뷰를 제공하여 고객의 옴니채널 경험을 더욱 개인화하는 방법을 확인하시기 발바니다.

*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.