어디까지 해 봤니?
마케팅 의사결정에 데이터 활용하기
실제 컨설팅 사례로 알아보는 데이터 드리븐 의사결정
데이터 드리븐 마케팅 컨설팅을 진행하며 다양한 분야의 고객사를 만나다 보면 다음과 같은 실무진들의 고민들을 전해 듣게 됩니다.
데이터를 활용한 마케팅이 대세라지만...
데이터 기반의 마케팅을 어디서부터 시작해야 하는지 감이 안 와요.
데이터를 실무에 어떻게 적용해야 하는지 모르겠어요.
다들 하는 Google Analytics를 심기는 했는데, 어떤 데이터를 봐야 할지 모르겠어요.
...
디지털 시대의 마케터라면 위와 같은 고민을 한 번쯤은 해보셨을 듯한데요.
실제로 현업에 고객의 행동 데이터를 활용하는 기업의 사례를 보고 우리 상황에도 적용시켜 보는 것이 좋은 공부가 될 수 있습니다.
그래서 이번 콘텐츠에서는 데이터 분석 기업 빅인(bigin) 고객사의 실제 데이터 드리븐 컨설팅 사례를 보고 현업에서의 마케팅 의사결정에 데이터가 어떻게 활용되는지 알아보고자 합니다.
먼저, 고객사인 A사의 정보에 대해 간략히 살펴보면 다음과 같습니다.
A사
취급품목: 건강기능식품
판매처: 자사몰
활용 중인 디지털 광고매체: 배너광고, SNS(facebook 등), 블로그 체험단 마케팅
KPI: 신규 회원 수 2만 명 모집
A사에서 KPI를 회원가입 수로 설정한 목적은 두 가지가 있었습니다. 고객들에게 브랜드를 인지시키기 위함, 그리고 모집한 회원의 정보를 추후에도 지속적으로 마케팅의 리소스로 활용하기 위함이었습니다.
컨설팅 이전에 A사는 어디까지의 데이터를 보고 있었을까요?
또한 어떤 방법으로 어떻게 의사결정을 하고 있었을까요?
컨설팅 이전까지 A사의 데이터 활용 수준
# 현황 파악
A사의 마케팅 담당자는 먼저 얼마나 많은 고객이 회원으로 가입하고 있는지 현황을 파악하기 위해 회원가입 트렌드 데이터를 살펴보았습니다.
[그림 1] A사의 회원가입 트렌드 (기간: 2019.06~2019.07)A사의 담당자는 현재의 회원가입 트렌드라면 목표를 달성하기에 부족하다는 현황을 파악했습니다.
그래서 회원가입을 유도하기 위한 장치가 필요하다고 생각하였습니다.
# 가설 설정 및 목표로의 유도장치 마련
A사의 담당자는 회원에게 주어지는 혜택을 전달한다면 방문자가 반응할 것이라 생각했습니다. 그래서 자사 몰 상단에 회원 혜택 메시지의 배너를 위치시켰습니다.
# 가설의 검증
배너 노출일(8/1)을 기점으로 회원가입 수의 전후 데이터를 살펴보았습니다. 하지만 다음 그래프에서 확인이 가능하듯, 이후에도 데이터가 눈에 띄게 증가하지는 않았습니다.
[그림 2] 회원 혜택 배너 노출 전후 시기의 회원가입 데이터 (기간: 2019.07~2019.08)이 단계까지는 데이터 분석에 관심이 있는 기업이라면 해보셨을 법한 수준의 데이터 분석입니다.
하지만 한 번의 가설을 세우고 결과를 확인하는 데에 그친다면 진정한 의미의 데이터 분석이라고 할 수 없습니다. 목표 달성률을 높일 것으로 기대했던 장치가 제 몫을 못하고 있음이 드러났다면 원인을 파악하고 가설을 수정하며 지속적으로 결과를 개선해나가야 합니다.
빅인(bigin) 데이터 드리븐 컨설팅 진행 과정
# 데이터를 통한 가설의 검증
목표로의 유도 장치가 얼마나 효과적인지 알아보기_ 상관관계 분석
빅인에서는 먼저 목표로의 유도 장치 즉, 회원 혜택 노출 페이지에 집중했습니다. 과연 사용자들은 이 페이지를 얼마나 조회하는지, 조회라는 행동과 회원가입이라는 행동이 얼마나 연관성이 있는지 알아보고자 했습니다.
먼저 페이지별 조회수 상위 100개의 데이터를 확인해보았을 때 회원 혜택 페이지뷰 수는 약 1,600이었습니다. 같은 웹사이트 내 다른 페이지들과 비교했을 때 적지 않은 수준의 페이지 조회가 일어나고 있음을 확인했습니다.
[그림 3] 페이지뷰 수 상위 100건 (기간: 2019.08)그렇다면 이 페이지는 얼마나 많은 회원가입을 유도하고 있을까요?
두 변수 X (회원 혜택 페이지 뷰), Y (회원가입 수) 간의 관계를 파악하기 위해 일자별 회원 혜택 페이지 뷰 수와 회원가입이 발생한 수의 데이터를 추출했습니다. 그리고 회귀분석*을 적용해 보았습니다.
* 회귀분석: 통계에서 두 연속형 변수 사이의 관계성을 알아보기 위해 두 변수 사이의 모형을 구한 뒤 적합도를 측정해 내는 분석 방법
분석 결과는 뜻밖이었습니다. 두 변수 간의 관계가 유효한지 판단의 기준이 되는 P-value* 값이 0.06으로,
회원 혜택을 보여주는 페이지와 회원가입에는 유의미한 상관관계가 존재하지 않았습니다.
* P-value: 두 변수간 상관관계의 유효성을 판단하는 기준, 일반적으로 0.05보다 작은 수로 나타날 경우 유효한 것으로 판단함
[그림 4] 회원 혜택 페이지뷰 수와 회원가입 수 간의 상관관계 분석 결과 (기간: 2019.08)그럼 어떤 페이지가 회원가입과 상관관계가 있었을까요?
#2 가설 수정 및 목표로의 유도 장치 수정
A사에서는 체험 샘플을 신청할 수 있는 이벤트를 진행 중이었습니다.
빅인에서는 웹사이트 내의 페이지 중 상품 상세 페이지를 제외하고 조회가 많이 일어나던 ‘샘플 신청' 페이지에 집중했습니다. 그리고 샘플 신청 페이지 조회 수와 전체 회원가입 수 사이의 상관관계를 분석해보았습니다.
그 결과, 샘플 신청 페이지 조회와 회원가입 수 데이터는 p-value=0으로 통계적으로 유효한 상관관계가 존재함을 파악했습니다.
[그림 5] 샘플 신청 페이지뷰 수와 회원가입 수 간의 상관관계 분석 결과 (기간: 2019.08)두 페이지와 회원가입 수 사이의 상관관계 분석을 통해 다음과 같은 가설을 수립할 수 있었습니다.
회원 혜택 페이지보다, 샘플을 신청하는 페이지를 노출해야
회원가입 수 증가에 효과적일 것이다.
※ 여기서 한 가지 짚고 넘어갈 점이 있습니다.
회원가입과 거래 수 사이에 상관관계가 있다고 해서, 두 변수가 인과관계를 지닌다고 설명할 수는 없습니다. 다시 말해, ‘샘플 신청 페이지를 조회’ 하는 행위가 ‘회원가입’이라는 결과로 이어진다고 볼 수는 없습니다.
하지만 두 데이터의 높은 연관성은 ‘샘플 신청 페이지를 조회하면 회원가입을 할 확률이 높다’는 가설을 세우고 이를 검증해 볼 근거가 됩니다. (상관관계와 인과관계에 대한 보다 자세한 설명은, 이 글을 참고해 주세요.)
[그림 6] 상관관계는 인과관계가 아니지만, 상관관계를 적절히 이용하는 것은 연구 목적에 따라 매우 유용합니다.#3 가설 검증을 위한 액션 (1)
첫 번째 액션은 ‘메인 페이지의 배너 메시지 변경’입니다.
기존 A사의 메인 페이지 상단에는 회원 혜택 메시지와 랜딩 페이지가 적용되어있었습니다. 메인 페이지에서도 가장 눈에 띄는 위치입니다. 이 위치의 메시지를 샘플 신청 메시지로 변경하고 랜딩 페이지 또한 샘플 신청 페이지로 수정하는 액션이었습니다.
우리는 앞선 데이터 분석 과정에서 회원 혜택 페이지 조회가 회원가입이라는 결과와 유효한 연관성이 없음을 확인했습니다. 그래서 수정된 가설('샘플 신청 페이지를 배너로 새롭게 적용한다면 회원가입 유도에 효과적일 것이다')을 검증해보고자 했습니다.
[그림 7] 메인 띠 배너의 메시지 변경 도식화A사는 위의 액션들을 적용하고 결과를 트래킹 중입니다.
이 전략이 효과적이라는 사실이 검증된다면 추가적으로 실행해볼 수 있는 전략 한 가지를 더 알아보겠습니다.
#3 가설 검증을 위한 액션 (2)
두 번째는 ‘배너광고의 소재 변경’입니다.
A사에서는 브랜드를 알리기 위한 배너광고를 진행 중이었습니다. 그리고 배너광고는 유입 소스/매체 중 가장 많은 유입을 일으키고 있었습니다.
하지만 이 경로로 유입한 사용자들은 이탈률 또한 높다는 문제점이 있었습니다.
[그림 8] A사의 소스/매체 유입 보고서
이탈이 많은 광고, 바로 중지해야 할까요?
유입 세션이 많다는 것은 브랜드 인지에 관여(Attribution)하고 있다고 볼 수 있습니다. 그래서 이탈이 많이 발생한다는 이유만으로 유입 1순위인 배너 광고를 종료한다면 우리 브랜드를 알릴 기회조차 사라지겠죠. (어트리뷰션 분석에 대한 보다 자세한 내용은 여기를 참고해 주세요.)
이럴 땐 배너광고의 종료보다 메시지를 변경하는 것이 도움이 될 수 있습니다.
전략 1의 실행에서 샘플 신청 페이지가 실제로 회원가입을 많이 유도함이 검증된다면 같은 메시지로 광고 소재를 변경하고 더 많은 액션을 이끌어낼 수 있습니다. 물론 이 또한 검증이 필요한 부분입니다.
글을 마치며
이상으로 A사의 사례를 통해 실무에서의 데이터가 어떻게 활용되는지 알아보았습니다.
데이터를 분석하는 것이 언제나 항상 인사이트의 도출로 이어질 수는 없습니다. 그래서 데이터 드리븐 마케팅은 데이터 분석 후 가설을 수립하고 이를 검증하는 일이 지속적으로 반복되어야 합니다.
[그림 9] 데이터에 기반한 의사결정 프로세스데이터 드리븐 의사결정이 각광받으면서 끊임없는 전략의 실행과 검증이 실무진들에게 필수적인 일이 되고 있습니다. 데이터에 기반한 의사결정은 사람의 감에 의한 의사결정보다 판단의 오류를 최대한 줄이는 효율적인 방법이기 때문입니다.
데이터 기반의 의사결정을 통해 끊임없는 실험과 검증으로 결과를 개선해 나간다면, 여러분들도 보다 효율적인 방법으로 원하는 목표를 달성할 수 있을 것이라 확신합니다.
빅인 애널리틱스(bigin Analytics)의 Enterprise 플랜 이용 시, 데이터 분석 전문가의 데이터 드리븐 컨설팅 서비스가 제공됩니다. 데이터 분석 전문 인력 없이도 가능한 데이터 드리븐 마케팅을 지금 시작해 보세요.
