빅데이터를 활용한 예측마케팅 전략 | 1부

feat. 예측마케팅이란 무엇인가

안녕하세요, 브래드입니다.

오늘은 데이터 마케팅과 관련하여 저에게 다양한 인사이트를 전해준 책인 '빅데이터를 활용한 예측마케팅 전략' 도서에 관해 함께 리뷰해 보는 시간을 가져볼게요.

---

빅데이터를 활용한 예측마케팅 전략

[빅데이터를 활용한 예측마케팅 전략], 출처: 교보문고

[빅데이터를 활용한 예측마케팅 전략]은 예측마케팅에 대해 심도 있게 다루며, 해당 개념과 관련하여 마케팅 실무자 및 데이터를 다루는 직군에 있는 이들에게 실무적인 인사이트를 전달하고자 하는 도서입니다. 

책의 내용은 크게 세 파트로 나뉘어 있습니다.

첫 파트는 예측마케팅이 무엇인가에 다루는 개념적인 접근으로, 특히 데이터를 전문적으로 다루는 직종과 다르게 마케터가 알기 쉬운 예측분석 입문을 위해 도움을 주는 파트입니다.

두 번째 파트는 예측마케팅을 시작하기 위한 9가지 손쉬운 전략을 제시합니다. 고객 데이터를 활용한 지출 최적화 및 고객가치 예측 등 다양한 방면으로 실무적인 인사이트를 전달합니다.

마지막 세 번째 파트는 예측마케팅의 고수가 되기 위한 역량 및 미래에 대해 조언해주고 있습니다. 

우리는 오늘부터 세 차례에 걸쳐 해당 책을 분해해 보며, 마케터의 입장에서 데이터를 어떻게 다루어야 하며 심도 있는 분석을 위해 어떠한 의사결정을 내려야 하는지에 대해 함께 학습해 보겠습니다. 

1부. 예측마케팅이란 무엇인가?

 

41p. 마비는 예측분석을 사용하여 서로 다른 제품 선호도를 가진 사람들의 그룹들을 찾아냈다. 예측분석의 전문용어로 이것들은 '제품 기반 군집'이라고 한다.

 군집은 여러 종류의 생물이 자연계의 한 지역에 살면서 유기적인 관계를 가지고 생활하는 개체군의 모임을 의미하며, 서로 다른 제품을 향유하는 사람들을 나눌 때에도 군집을 활용하여 나눌 수 있습니다. 데이터를 활용한 마케팅에서는 해당 군집을 비교 및 분석하여 서로 다른 프로모션 혹은 상이한 전략을 구사하여 기업의 이익 증대를 위해 기여할 수 있습니다.

47p. 기업은 투자 포트폴리오를 관리하는 것과 같은 방식으로 고객자산을 관리해야 한다. 주식과 마찬가지로 일부 고객은 다른 고객들보다 더 가치가 있으며 그 가치는 시간이 지남에 따라 상승하거나 하락할 것이다.

 기업의 고객을 투자 포트폴리오에 빗대어 표현한 부분이 인상 깊었습니다. 특히, 우리가 투자 자산 및 여러 포트폴리오를 구성할 때 포트폴리오에 속한 전부를 일정한 비율로 담지 않는 것처럼 기업 입장에서도 기업의 존속을 위해 상대적으로 고객 가치가 높은 이들에게 더욱 집중할 필요가 있다고 생각합니다.

50p. 예측마케팅의 10가지 질문 예시
1) 최우수고객은 누구인가?
2) 기존의 최우수 고객과 유사한 신규고객은 누구인가?
3) 데이터에서 페르소나를 찾아내어 그것과 유사한 고객을 더 많이 획득한다.
4) 어떤 마케팅 채널이 가장 수익성이 높은가
5) 어떤 예상고객(비구매자)이 고매할 가능성이 높은가?
6) 어떤 기존(또는 과거)고객이 구매할 가능성이 높은가?
7) 기존고객 중 구매할 가능성이 가장 낮은 것은 누구인가?
8) 어떤 고객이 특정한 신제품에 대해서 관심이 있을까?
9) 이 고객이 관심을 가질 만한 다른 제품이나 콘텐츠는 무엇인가?
10) 특정 고객에게 우리 회사의 지갑 점유율은 얼마나 되는가?

55p. 또한 높은 실적의 기업은 고객자산 관리 또는 고객 유지관리 마케팅에 더 많은 돈(14% 대 11%)을 쓰고 수요 창출에는 더 적은 돈을 쓴다. 예를 들어 어스링크는 예측분석을 사용하여 조만간 이탈하려는 불만족 고객을 찾아냈다. 이러한 고객들과 접촉하고 그들을 유지하기 위해 선제적인 조치를 취함으로써 어스링크는 해지율을 30% 감소시켰다.

 해당 부분을 통해 시간이 지날수록 더욱 주목받고 있는 CRM 분야에 관해 다시 한번 생각해 보게 되었습니다. 기업들이 자사 인앱 등을 통해 푸시 알람을 지속적으로 전달하고, 혹은 이메일을 통해 관심 있는 정보를 유저들에게 전달하는 등 CRM 전략과 방법들이 더욱 고도화되고 있다고 생각합니다. 따라서 고객 유지에 있어서 CRM은 필수적인 부분이며 가장 중요한 점은 고객들이 흥미를 유발하는 정보를 맞춤화 전략으로 전달하는 것이 필요, 즉 유저들마다의 각기 다른 입맛을 찾아주는 것이 필요하다고 생각합니다. 

60p. 예측마케팅을 하기 위해서는 무엇이 필요한가?
1) 지속적으로 고객에 대해 더 많이 학습한다. 매일매일 데이터를 수집하고 프로파일을 구축하고 정보를 일원화하라.
2) 과거와 미래 모두에 걸쳐서 마이크로(개인/세그먼트) 차원 및 매크로 차원에서 고객 정보를 분석하여 고객 선호 및 수익성을 파악한다.
3) 고객 정보를 지렛대로 활용하여 모든 고객 접점에서 수익성 있게 경험을 개인맞춤화하고 마케팅 및 영업에 들이는 시간과 비용의 투자 대비 수익을 최적화하라.

65p. 예측분석 알아보기
예측 모델은 정치, 사기 탐지, 신용점수 계산 시 사용되는 리스크 모델링을 포함하여 비즈니스 및 일상생활의 여러 영역에서 사용된다. (중략) 마케터가 알아야 할 예측 분석에는 다음의 세 가지 유형이 있다.

1) 자율학습(가령, 군집화 모델)
 - 결과를 명시적으로 추정 또는 예측하지 않고도 데이터에서 숨겨져 있는 패턴을 찾아낸다. 즉, 군집화와 같은 자율적 알고리즘은 일반적으로 데이터 속에 감춰져 있는 실제적인 세그먼트를 밝히는 데 사용된다.

2) 감독학습(가령, 경향성 모델 또는 예측)
 - 입력 샘플과 목적 변수를 학습하여 어떤 입력값이 주어졌을 때 출력값을 추정하는 데 사용된다. 예를 들어 고객평생가치, 고객이 당신의 브랜드와 함께 할 가능성, 고객이 다음에 구매할 가능성이 있는 특정한 제품 등을 추정하는 것이다.

3) 강화학습(추천 기능이라고 일반적으로 알려져 있음)
 - 데이터에서 숨겨진 패턴과 유사성을 지렛대 삼아 사용자 또는 특정 이벤트에서 최적의 다음 단계, 결과, 제품, 콘텐츠를 정확하게 예측할 수 있게 해준다. 

67p. 세분화와 군집화의 차이점 
 세분화는 유사성을 기반으로 고객들을 여러 그룹에 각기 수동으로 배치하는 프로세스인 경우라면, 군집화는 고객을 그룹으로 묶을 수 있도록 그들 내의 유사성들을 찾아내는 자동화된, 통계적으로 엄격한 프로세스이다.
 즉, 세분화의 경우 타깃으로 삼을 사람을 사전에 알고 있지만, 군집화의 경우에는 누구를 타깃으로 삼을 것인지를 발견하는 것이다. 군집화는 고객에 대해 이미 알고 있는 요소들을 사용하여 회사의 고객기반 속에 존재하는 세그먼트들을 자동으로 발견해 내는 방법이다. 

81p. 예측분석 프로세스 개요

81p. 예측분석 프로세스 개요 도식화

예측분석 프로세스는 다음과 같습니다. 물론 예측분석 소프트웨어를 직접 구현하는 데이터 과학자가 아니라면 해당 단계를 자세하게 분석할 필요는 없지만, 데이터를 다루는 큰 틀을 이해하면 예측 마케팅에 대한 이해도가 더욱 높아질 것이라 생각합니다.

94p. 전통적으로 마케터들은 주로 구매 데이터와 고객의 인구사회학적 데이터를 사용해 왔다. 요즘에는 마케터들이 일시적 정보를 제공해 주는 행위 데이터 포인트에도 더 많이 액세스 할 수 있게 되었다. 예를 들어 한 사람이 온라인에서 물건을 구매하는 경우 실제로 구매를 완료할 때까지 약 50개의 데이터 요소를 남기게 된다. 여기에는 고객이 이메일에서 클릭한 것, 구글 애드워즈 광고 클릭 여부, 남긴 리뷰, 소셜 네트워크 상의 활동, 불만 사항, 고객 지원 센터와의 통화가 포함된다. 

인터넷 등을 통해 더욱 고도화된 마케팅이 진행되면서, 우리는 과거와 비교했을 때 상대적으로 더 많은 고객과 관련한 정보를 확보할 수 있게 되었습니다. 물론 비례적으로 다루어야 할 데이터 양이 비약적으로 증가했지만, 해당 데이터 속에서 유저의 행위 패턴 및 가치 증대 여부를 파악하여 고객의 이익 증대에 기여할 수 있는 환경이 조성되었다고 이야기할 수 있습니다. 

105p. 고객 프로파일의 예시
1) 일반 인구통계
 - 이름 / 이메일 / 성별 / 주소 / 위치 

2) 생애주기 군집 값
 - 예상고객 / 신규고객 / 반복고객 / 기간 경과된 일회성 고객 / 기간 경과된 반복 고객 / 비활성화된 일회성 고객 / 비활성화된 반복 고객

3) 예측 분석
 - 구매 가능성(ex.높음)
 - 행위 기반 군집(ex. 할인중독자)
 - 제품 기반 군집(ex. 노트북 구매자)
 - 브랜드 기반 군집(ex. 나이키)
 - 생애주기 군집(ex. 신규고객)
 - 제품 추천

4) 구매 데이터 분석
 - 평생 매출 / 평생 마진 / 평생 주문 수
 - 최근 12개월 매출 / 최근 12개월 마진 / 최근 12개월 주문 수
 - 평균 주문 금액
 - 최근 12개월 매출 세그먼트(ex. 상위 5% 고객)
 - 12개월 이전 매출 세그먼트
 - 매출 추세(증가, 유지, 감소)

5) 행위
 - 마지막 주문 날짜 / 마지막 주문 채널 / 마지막 주문 매출
 - 웹사이트 마지막 방문 날짜 / 웹사이트 방문 횟수 
 - 마지막 이메일 발송 날짜 / 마지막 이메일 열람 날짜 / 마지막 이메일 링크 클릭 날짜 
 - 최초 주문 날짜 / 최초 주문 채널 / 최초 추문 매출
 - 선호 제품 / 선호 카테고리
 - 최근 5개 주문(채널, 날짜, 제품, 브랜드)
 - 최근 5회 웹사이트 검색(검색어, 날짜)

해당 책에서 고객 프로파일의 예시로 보여준 내용은 실무에서도 활용도가 높을 것이라 생각합니다. 특히, 행위 기반 군집을 할인 중독자로 예시로 든 부분이 인상 깊었습니다. 필자도 구매자의 입장에서 의류 등을 구입할 때 할인일 때만 구매하는 경향이 있으며, 해당 행위를 군집으로 정하고 차별화된 전략을 구사할 수 있다는 점을 새롭게 생각할 수 있었습니다. 

117p. '모든' 고객의 평생가치를 최적화하는 가장 좋은 방법은 포트폴리오식 접근 방법을 채택하는 것이다. (중략) 가끔 마케터들은 수익성이 낮은 고객을 '포기'하라거나 높은 가지의 고객에만 집중하라는 조언을 듣는 경우도 있지만, 이는 오류다. 모든 고객은 수익에 기여한다. 당신이 고객을 획득하고 포트폴리오를 관리할 때 이 두 가지 고객들은 항상 혼합되어 있다. 중요한 초점은 이 둘의 혼합 비율이며 그것이 어떤 추세를 보이는가 이다. 

 우리는 인생에서 선택을 해야 하는 순간을 매 순간 맞이하며, 순간의 선택으로 인해 기회비용이 발생합니다. 그런데, 양자택일 할 필요가 없는데 굳이 하나만을 선택하고 집중하는 것이 최적의 효율을 낼 수 있을까요? 적어도 이익 증대를 위해 노력하고자 하는 기업의 입장에선 'NO'입니다. 여러 세그먼트로 나뉜 고객 중에서 최고의 고객들에게만 전념하는 것이 아닌, 각 세그먼트 별로 input을 달리하는 것이 효과적인 전략이라고 할 수 있습니다.  가령, 상위 10% 내 고객들에게는 그에 걸맞은 input을 더욱 투입할 필요가 있으며 이와 달리 하위권에 속하는 고객들에게는 포트폴리오 관리 차원에서 기대치에 걸맞은 input을 투입하는 것이 옳은 선택이라고 생각합니다. 

---

오늘은 도서 [빅데이터를 활용한 예측 마케팅 전략] 중 1부인 '예측 마케팅 전략은 무엇인가'에 나오는 구절을 살펴보며 생각을 함께 정리해 보았습니다.

앞으로의 시대에서 예측 마케팅 전략은 모든 기업이 채택하게 될 것이며, 이제는 얼리어답터만이 아닌 기업의 이익 증대를 위해 기여하고자 하는 모든 이들에 의해 예측 마케팅 전략이 사용될 것이라 생각합니다. 

다음 시간에는 해당 도서의 2부 내용과 함께 찾아뵙도록 하겠습니다.

브래드였습니다. 감사합니다.