데이터 마케팅을 위한 데이터 분석 활용법

<출처 Research America Inc>

에드워드는 의사 결정에 있어 데이터가 얼마나 중요한지를 한 문장으로 표현했습니다.

고객을 설득하고 고객과 대화하는 과정인 마케팅도 데이터를 중심에 두고 의사 결정할 필요가 있습니다.👨‍💻

포브스(Forbes)가 글로벌 탑 기업들을 대상으로 한 설문조사에 따르면,

• 73%의 회사들이 데이터 분석을 마케팅에 도입한 이후, 방문 유저 수와 잠재 고객이 늘었다고 답했습니다.
• 82%의 마케팅 전문가들은 광고와 마케팅을 하는데 데이터 분석이 점점 더 중요해지고 있다고 답했습니다. 
• 90%의 기업 임원들은 마케팅 데이터 분석이 고객에게 더 좋은 경험을 제공하는 데 필수 조건이라고 답했습니다. 
• 65% 회사들은 데이터 마케팅에 관한 투자를 계속해서 늘리고 있다고 답했습니다. 

데이터 중심의 의사 결정이 얼마나 중요한지를 보여주는 설문 결과입니다.

데이터 중심의 의사 결정

디지털 시대의 소비자들은 예측하기 어려울 만큼 빠르게 변하고 있습니다.

다행히 기술도 빠르게 발전하면서 사용자가 특정 행동을 하는 이유를 데이터에 근거해 어느 정도는 추측할 수 있게 되었습니다. 고객 분석 툴을 활용해 고객 소비 습관을 지속적으로 분석하고, 측정하여 얻은 인사이트를 마케팅에 녹여낸다면 예측 가능한 성과를 만들 수 있습니다.

아무리 뛰어난 요리사라도 상한 고기로 요리하면 신선한 재료로 요리하는 그저 그런 요리사보다 더 좋은 성과를 내긴 어렵겠죠?

믹스패널(Mixpanel)을 사용하면 실시간으로 우리 제품과 관여한 사용자의 행동을 추적하면서, 동시에 고객 행동에 대한 트렌드를 파악할 수 있습니다. 고객이 우리 제품 페이지에 방문하고, 관련 영상을 보고, 헬프데스크 챗봇에 채팅을 하는 등 각각의 이벤트가 발생하는 이유를 직관적으로 유추하고 빠르게 검증해 볼 수 있는 겁니다.

고객 분석 툴을 활용함으로써 솔루션 개발팀과 마케팅팀은 데이터 분석에 들어가는 업무 시간을 효율적으로 관리할 수 있습니다.

믹스패널 제품 분석 대시보드 예시 <출처 Mixpanel>

피해야 할 데이터도 있을까?

이처럼 데이터 분석의 효과는 큽니다.

하지만 지나치거나 잘못된 분석을 하면 오히려 독이 됩니다.

예를 들어, 우리는 어떤 옷을 입을지 결정하기 위해서, 마케팅에서 가설 검증할 때 사용하는 A/B 테스트를 하지 않습니다. 집 앞 슈퍼에 가기 위해서 옷의 종류를 매번 검증할 필요가 있을까요? 시간을 낭비하는 테스트입니다.

고객들이 자사의 앱 서비스를 더 많이 찾고, 더 많이 머무르는 데 필요한 데이터를 골라 집중할 필요가 있습니다.

그럼 어떠한 데이터를 버려야 할까요?

앨리스테어 크롤, 벤저민 요스코비츠 Lean Analytics <출처 Amazon>

앨리스테어 크롤, 벤저민 요스코비츠의 책 <Lean Analytics>에서는 당신이 피해야할 데이터 종류 10가지를 다음과 같이 나눴습니다.

1. 수집한 데이터에는 문제가 없다고 가정하는 것

수집한 데이터의 오류를 제거하면 비로소 중요한 패턴을 찾을 수 있습니다. 측정 오류 때문에 30% 이상이 null 값이라면 이런 방해되는 데이터를 과감히 버릴 수 있어야 합니다.

2. 데이터 기준을 명확히 세우지 않은 것

결혼식 장소로 인기 있는 도시 목록을 만든다고 가정합시다. 비행기로 들어오는 사람만을 고려했을 때, 전체 승객 중 결혼식 하객으로 온 비중을 고려하지 않고 전체 승객 수를 그대로 사용한다면 엉뚱한 분석 결과가 도출됩니다. 초기에 데이터 수집 기준을 명확히 정의할 필요가 있습니다.

3. 소수 사용자를 제대로 분류하지 못하는 것

우리 앱 서비스에 자주 들어오는 사용자가 VIP 고객일 수도 있지만, 콘텐츠만 수집해가는 검색 봇(bot)일 수도 있습니다. 데이터 분석을 할 때 검색 봇의 트래픽을 걸러내지 못한다면 분석 값의 정확도는 떨어집니다.

4. 소수 사용자의 취향을 확대하는 것

VIP의 취향을 고려해 제품을 출시하면, 소수의 하드코어 팬들만 좋아하는 서비스를 만들 위험이 있습니다. 일반 고객에게 우리 브랜드의 지지자들이 좋아할 만한 서비스를 추천한다면, 그것도 좋은 마케팅이라 할 수 없습니다.

5. 계절적 변동을 무시하는 것

겨울에 롱 코트가 많이 팔린다고 해서 여름에도 잘 팔린다는 보장은 없습니다.

6. 성장을 평가할 때 전체 규모를 무시하는 것

사업 초창기, 직원들 가족이 회원가입만 해도 사용자 수가 2배로 증가할 수 있습니다. 단지 올라가는 숫자에 집중하지 말고 회사의 규모에 맞는 목표를 세우는 게 중요합니다.

7. 지나치게 많아 의미를 잃은 데이터

다양한 대시보드가 있어도 어떤 데이터를 봐야 할지 모른다면 수많은 데이터 분석 지표는 아무 소용없습니다.

8. 거짓 경보를 울리는 지표

데이터 지표에 우선순위를 설정하세요. 볼 필요 없는 데이터의 알람이 자꾸 울리면 점점 경보를 무시하게 됩니다.

9. 직접 수집한 데이터만 인정하는 배타적 태도

지금부터 1시간 동안 Covid-19를 구글링 하더라도 바이러스 전문가보단 정확한 정보를 많이 얻기는 힘듭니다. 인증된 전문가라면 그들이 수집한 데이터를 십분 활용해도 됩니다.

10. 잡음에 초점을 두는 것

사람의 뇌는 패턴이 없어도 패턴을 발견하도록 설계돼 있습니다. 허상의 지표를 무시하고 큰 그림을 볼 줄 알아야 합니다.

데이터를 수집하는 건 이제 누구라도 기술의 힘을 빌려서 할 수 있게 됐습니다.

다만 데이터를 어떻게 잘 사용할 지 고민하는 주체는 여전히 사람입니다. 적어도 우리가 일하고 있는 현장에서는 말이죠. 업계의 데이터 활용 노하우를 참고하되, 더 중요한 건 담당자 스스로가 폭넓게 이해하고, 주의 깊게 관찰하고, 끊임없이 실험하는 등 데이터와 가까워지려는 태도입니다.😃

혼자 힘으로 버겁다면, 현재의 문제를 같이 깊이 있게 고민해주고 객관적으로 컨설팅해 줄 솔루션 파트너를 찾아야겠죠?