전환율의 차이를 만드는 CRM 개인화 전략
좋은 실험은 지표 선정과 ‘적절한 모수’에서 시작된다
이번 글에서는 29CM의 그로스 마케팅 팀이
MGS 2024에서 발표한 그로스 마케팅 전략을 다뤄보고자 한다.
CRM 툴의 개인화 전략을 다루고 있는데,
지표의 선정과 임팩트 확대에서의 인사이트가 특히 인상깊은 내용이다.
다음과 같은 고민을 하고 있다면, 이 글을 꼭 읽어보시기를 추천한다.
“우리는 왜 CRM 개인화를 해도 전환율이 오르지 않을까?”
“수많은 지표 중, 도대체 어떤 지표를 봐야 유의미한 성과를 낼 수 있을까?”
사실 지표의 선정은 이전 글에서 토스의 그로스 전략을 다루며 한 번 다루었는데,
이 글이 다른 점은
토스의 아하 모먼트는 리텐션을 이끄는 단 하나의 지표,
즉 '목표' 로서의 지표를 설정하는 법에 대해 다루었다면,
29CM의 '시그널'은 목표 지표를 이루기 위해 유저에 대해 가장 잘 알 수 있는 지표,
즉, '목표를 위한 수단' 으로서의 지표를 다루고 있다는 점이다.
아하 모먼트에 대해 궁금하다면 아래 글도 확인해보시면 좋을 것 같다.
https://brunch.co.kr/@ericpm/15
https://brunch.co.kr/@ericpm/16
즉, 다시 말해 이 글에서 배울 수 있는 것은 다음과 같다.
패션, 이커머스 도메인을 중심으로 한 저관여 플랫폼에서의 그로스 마케팅 전략
29CM 그로스 마케팅의 중심이자 유저를 파악하기 위한 하나의 지표, '시그널'
'시그널' 지표를 중심으로 한 CRM 중심의 실험과 가설 검증을 통한 개인화
전환율 개선이 증명됐다면, 임팩트 확대를 위해 해야 하는 '모수 확보'
그러면, 영상 링크와 함께 글을 시작해 보겠다.
https://www.youtube.com/watch?v=7kWPinAnykI&list=LL&index=2
1. CRM 개인화
여느 그로스 마케팅 팀이 그렇듯, 29CM 또한 가설-실험-회고-임팩트 확대의 순서로 제품을 그로스한다.
이렇게 한 번을 수행하는 것을 이터레이션이라고 얘기한다.
그리고, 결과 회고를 통해 액션을 개선하여, 그 다음에는 다음 버전의 이터레이션을 수행한다.
본 세션에서 이러한 실험을 통해 디벨롭한 그로스 전략은 바로 'CRM 개인화' 이다.
개인화를 통해 유저에게 최적의 타이밍에 최적의 제품을 푸시로 추천하여,
더 높은 전환율과 매출을 유도하는 것이다.
그럼 여기서 가장 중요한 것은 '최적의 타이밍'과, '최적의 제품'을 어떻게 아냐는 것이다.
이를 위해서는 고객의 취향, 정보, 니즈를 알아야 하는데,
29CM에서는 이것을 '시그널' 이라고 칭하고, 그로스 마케팅에서의 핵심 지표로 삼고 있다.
그러면, 이제부터 각 이터레이션별로 그로스 마케팅 과정을 정리해 보겠다.
개인화 1.0 : 고객 상품 탐색 시그널과 혜택을 1:1 매칭
다시 정리하자면, 시그널은 29CM의 개인화의 알파이자 오메가인 지표이다.
시그널을 설정하는 것부터 매우 중요한데,
토스의 아하 모먼트와 유사하게, 결국 다양한 유저의 행동 데이터 중
구매 전환 행동과 가장 연관성이 높은 변수를 시그널로 설정한다.
그렇게 시그널로 설정될 두 가지 후보를 추렸는데,
바로 상품 시그널과 브랜드 시그널이다.
이 두 지표는 고객이 서비스 내에서 상품을 탐색하면서 남긴 취향에 대한 신호로,
이 시그널 중, 가장 강력한, 즉 가장 구매에 영향을 주면서 유저의 취향을 보여줄 수 있는 지표를
찾아가는 과정이다.
가장 첫 번째인 가설 단계에서는,
어떤 시그널이 가장 강력할까? 를 검증한다.
이를 검증하기 위해 29CM는 두 가지 지표를 활용하는데,
구매 연관도와 액션 빈도를 함께 고려한,
'이 액션이 구매와 얼마나 관련이 있으며, 자주 일어나는가?'를 측정하는 '구매 연관 점수'와,
'이 행동을 한 유저는 얼마나 전환되는가' 를 측정하는 '구매 퍼널 전환율'이다.
세부적인 지표는 내부 대외비로 공개되지 않았지만,
이러한 점수를 통해 가장 강력한 시그널로 도출된 지표는
상품 시그널, 그 다음이 브랜드 시그널로 확인된다.
이렇게 도출한 지표를 바탕으로, 가설을 설계한다.
가설은 두 가지라고 볼 수 있는데,
"상품 시그널 기반으로 개인화 혜택을 제공했을 때,
브랜드 시그널 기반의 개인화 혜택보다 뛰어난 전환율을 보일 것이다."
와
"브랜드 시그널 기반으로 개인화 혜택을 제공했을 때, MASS 메시지보다 뛰어난 전환율을 보일 것이다."
의 2가지로 구성하였다.
이러한 두 개의 가설을 바탕으로,
캠페인 세팅 시 3개의 위계로 캠페인을 구현하였다.
이렇게 명백한 위계를 나누는 것은
가설에 따른 설계이기도 하지만,
상품 시그널이 있는 모수의 수가 매우 적으므로, 해당 모수를 우선 확보하는 의미도 있다.
여기서 '모수'를 주목하면 좋은데, '모수'는 지표의 해석을 유의하게 하는 데도 중요하며,
지표의 해석을 통해 유의미한 개선이 일어날 경우,
이를 더 많은 유저에게 적용해 비즈니스 임팩트를 내는 과정에서도 매우 중요하다.
따라서, 본 실험에서는
상품 단위의 시그널이 혜택과 매칭되면 상품 시그널을 매칭, 가장 높은 위계로서 먼저 모수를 확보한 뒤
상품 시그널이 불가한 경우 브랜드 시그널을 매칭,
모든 시그널이 매칭되지 않으면 MASS 메시지가 나가는 형식을 차용했다.
위와 같이 3가지 시그널에 따라 3가지로 개인화된 CRM 메시지를 보냈고,
클릭한 유저는 메시지에 맞는 랜딩 페이지로 이동시키는 방식으로
실험을 설계하고, 수행하였다.
그리고 그 결과는 어땠을까?
가설이 검증되었을 때, 비즈니스 임팩트를 확대하는 법
어떻게 보면 당연하게도, 가설은 검증되었다.
MASS 메시지 대비 상품 시그널이 4배, 브랜드 시그널이 1.5배 좋은 전환 효율을 보였다.
이 정도 차이라면, 유의미한 결과로 해석해서 임팩트를 확대하는 것이 필요하다.
즉, 더 전환율이 좋은 방향으로 유저의 CRM을 개선하는 것이다.
그러나, 이러한 임팩트를 확대하는 데에는 한계가 있는데,
바로 '상품 시그널'을 가진 모수의 수가 너무 적다는 것이다.
상품 시그널을 가진 모수가 전체 유저의 10%도 되지 않기에,
실제로 가장 전환율이 높은 상품 시그널을 확대 적용하여 비즈니스 임팩트를 내는 것에 어려움이 있다.
그렇기에, 29CM에서는
이 모수의 양을 확대하는 것을 두 번째 액션 아이템으로 수립하였다.
실제로 데이터 기반으로 그로스를 진행하다 보면,
구매에 직접적 영향을 미치는 고관여 변수에 해당되는 유저의 모수는 적을 수밖에 없기에,
더 좋은 개인화 및 임팩트를 위해서는, 개인화할 수 있는 모수를 개선해야 한다.
개인화 모수를 확대하는 과정
개인화 가능한 모수를 확대하기 위해 첫 번째로 한 일은,
진입점별로 전환율을 확인하는 것이었다.
다양한 혜택을 다양한 랜딩 페이지로 드랍시키면 당연히 모수가 줄 수밖에 없기에,
하나의 혜택으로 하나의 페이지로 드랍시키는 것이 필요한데,
이를 위해 다양한 혜택과 연관되면서도 구매 전환으로 많이 이어지는 진입점으로
유저를 랜딩시키는 것이 필요하다.
이러한 분석 결과, 모든 유저를 PDP, 즉 브랜드 홈 페이지로 랜딩시키는 것으로
의사 결정을 하게 된다.
세부 전환율 지표는 알 수 없지만, 브랜드 홈 페이지는
상품 시그널/브랜드 시그널 모두가 적용될 수 있는 지면이며,
구매 전환율 측면에서도 높은 결과를 보인 페이지였을 것이라고 추측할 수 있다.
그렇게, 고객 상품 탐색 시그널과 혜택을 다대일 매칭하는 개인화 2.0 이터레이션을 수행했다.
이제부터는 상품별/브랜드별 시그널에 따라 각각 개인화하는 것이 아니라,
장바구니, 좋아요, 상품상세 등 더 넓은 시그널에 따라 전체 유저를 개인화하고
이 유저 전체를 하나의 혜택+하나의 랜딩 페이지로 이동시키는 변화이다.
다만, 여기에서도 engagement, 관여도가 높고 전환율에 큰 영향을 미치는 시그널을
우선순위로 고려하여 혜택과 매칭하는 작업을 수행하였다.
이렇게 8개의 시그널을 활용해서 하나의 개인화 캠페인을 세팅하면 총 12개의 케이스가 나온다.
상품 개인화 : 장바구니, 좋아요, PDP 데이터 등을 활용
브랜드 개인화 : 좋아요 브랜드, 구매 브랜드, PDP 조회 수 등의 데이터를 활용
기존보다 더 넓은 시그널을 개인화 데이터로 활용해서, 개인화 모수를 넓힐 수 있었으며,
결과적으로 개인화 모수의 비중을 10%에서 18%로 늘렸다.
정리하며, 전환율, 예측력, 모수를 모두 고려해야 하는 이유
이를 바탕으로 개인화에 중요한 포인트인 지표 설정에 대해 고민해볼 수 있다.
가장 예측성이 높은 상품 개인화만을 시도하기에는,
실제로 모수가 너무 적어 개인화를 시도할 수 있는 유저가 적고,
모수가 충분한 브랜드 개인화만을 시도하기에는,
세부적인 개인화가 어려워 개인화 액션의 성과가 떨어질 수 있다.
그러므로, 29CM는 이 두 가지 지표를 모두 활용하여 그로스를 진행하였다.
소수를 개인화하지만 예측력/전환율 기여도가 높은 '상품 시그널' 지표와
예측력/전환율 기여도는 낮지만 다수를 개인화할 수 있는 '브랜드 시그널' 지표를 함께 사용하였다.
또한 모수가 너무 적게 나타나자, 더 많은 시그널을 활용하되,
전환 효과가 떨어질 수 있다는 우려는 '우선순위'를 적용하여 보완하였다.
이러한 내용은 지표와 실험을 설계하는 그로스 담당자들이 참고할 만한 내용이다.
Amplitude, Braze 등 데이터 분석 툴과 CRM 개인화 툴을 도입하는 회사가 늘어나는 시점에서,
그로스 마케터가 성공적인 실험을 수행하기 위해서는
적절한 지표를 설정하고, 실험 결과를 비즈니스로 연결하는 것이 중요하기 때문이다.
이에, 하나의 지표만을 보는 것이 아니라,
전환에 영향을 미치는 다양한 지표를 고려하고, 우선순위와 모수의 양을 고려하여
지속적으로 개선하는 이터레이션을 수행하는 것이 중요할 것이다.
해당 세션의 내용은 이후 Braze 기반의 개인화와 이터레이션 3으로 이어진다.
기회가 된다면 다음 내용도 이어 작성해보도록 하겠다.
읽어 주셔서 감사합니다!
좋아요, 구독, 댓글 등 모든 반응은 큰 힘이 됩니다 :)
