타겟 마케팅
마케팅하는 과학자를 위한 마케팅 Talk
기존 퍼포먼스 광고에서의 개인화 마케팅이라고 하면, 주로 타겟 마케팅 기술이 활용되었다. 타겟 마케팅의 기본 개념은, 브랜드가 판매하고자 하는 상품과 서비스에 대한 캠페인 메시지를 만들고, 이에 반응이 있을 가능성이 있는 대상을 타겟 그룹에 포함시켜 해당 대상에게만 광고를 노출시키는 방식이다. 이러한 타겟팅의 접근 방법에는 다양한 방법들이 존재하나, 기본적인 타겟팅 기법 중 대표적으로 활용되고 있는 예를 들면 다음과 같은 것들이 있다.
기본적인 타겟 마케팅 기법들
관심사 타겟팅: 제품 구매에 관심이 있을 법한 대상만을 타겟으로 광고 마케팅을 집행하기 위해, 인구통계학 (Demographic) 기준의 타겟 그룹을 생성하거나, 과거 상품 구매, 컨텐츠 소비, 사이트 방문 기록 등을 활용하여 관심사를 추정한다.
재구매 사이클 기반 타겟팅: 반복적인 구매가 일어나는 상품을 판매하는 경우, 제품별로 평균적인 재구매 사이클을 계산할 수 있다. 내 고객들의 최신 주문일을 기준으로 재구매 사이클이 도달한 고객을 대상으로 해당 제품을 추천하는 방식이다.
문맥 광고: 특정 분야에 대한 콘텐츠를 소비하고 있는 고객은 해당 분야에 관심이 있다고 가정할 수 있으므로, 해당 콘텐츠와 연관된 상품의 광고를 노출하게 되면 자연스럽게 관심사 타겟팅이 된다. 예를 들어 당뇨에 관한 콘텐츠 지면에 당뇨 관리 용품 광고를 노출한다면 자연스러운 문맥 기반의 타겟 마케팅이 된다.
리타겟팅: 이미 특정 상품을 조회한 적이 있다면, 해당 제품에 관심이 있음을 가정할 수 있다. 이후에 고객이 다른 사이트를 방문하더라도 기존에 조회했던 상품을 계속 노출시켜 구매를 유도하는 방식이다.
이 외에, 좀 더 데이터를 세부적으로 분석하거나 AI기반의 예측 기법으로 타겟 마케팅을 수행하기도 한다. 대표적인 예를 들면 다음과 같다.
RFM 기반 타겟 마케팅
RFM 분석은 Recency(최근성), Frequency(구매빈도), Monetary(구매금액)라는 세 가지 지표를 기반으로 고객을 분류하고, 이를 바탕으로 맞춤형 마케팅 전략을 세우는 기법이다. 주로 고객 구매 데이터를 분석하여 가장 가치 있는 고객을 식별하고, 그들에게 적절한 마케팅 활동을 집중하는 데 사용된다. 이 분석 방법은 단순하지만 강력한 도구로, 고객 행동을 예측하고, 충성 고객을 유지하며, 이탈 위험이 있는 고객을 효과적으로 관리하는데 도움이 되기에 오랫동안 활용되어 왔다.
RFM 분석의 세 가지 요소는 다음과 같다.
Recency(최근성): 고객이 마지막으로 구매한 시점이 얼마나 최근인지 평가한다. 최근에 구매한 고객일수록 브랜드에 대한 관심이 높고, 재구매 가능성도 더 높다고 가정할 수 있다..
Frequency(구매 빈도): 특정 기간 동안 고객이 얼마나 자주 구매했는지를 측정한다. 빈번하게 구매하는 고객은 브랜드에 대한 충성도가 높다고 가정할 수 있다.
Monetary(구매 금액): 고객이 특정 기간 동안 지출한 총 금액을 기준으로 평가한다. 더 많은 돈을 지출한 고객은 더 높은 가치의 고객으로 간주한다.
위 세가지 요소별로 점수를 부여하여 각 점수 구간별로 고객군을 구분하여 활용할 수 있다. 주로 각 지표별로 1부터 5까지의 점수를 사용하는데, 세 점수를 결합하여 세 자리수의 RFM 스코어를 만든다. 예를 들어, 한 고객이 Recency에서 5점, Frequency에서 4점, Monetary에서 3점을 받았다면, 이 고객의 RFM 점수는 543이다. RFM 점수를 세 지표를 합산한 12로 하지 않고, 각각의 지표를 결합한 543으로 보는 이유는, 세 지표 모두, 각각이 갖는 의미가 중요하기 때문이다. 즉 합산 스코어가 같은 7점이라 하더라도, 6,1,1과 1,1,6은 전혀 다른 특성을 갖는 고객 그룹이기에, 세 지표를 3차원 축에서 구성한 점수 조합으로 보는 것이다. 이를 활용한 유용한 고객 세그먼트 사례로는 다음과 같은 것들이 있다.
VIP 그룹 (High RFM Score ) : 만일 555와 같이 세 지표 모두 높은 점수를 받은 고객군은 최고의 VIP 고객군일 가능성이 높다.
이탈 가능 그룹 (Low Recency, High Frequency) : Frequency와 Monetary 점수는 높으나, 최신 구매한 시점이 상당히 지난 고객이라면, 이탈 가능성이 높은 고객군이라 볼 수 있다. 이들에게 쿠폰 등 적극적인 프로모션 캠페인을 통해 다시 구매를 일으키도록 독려할 필요가 있다. 여기서 주의할 것은, 만일 Recency가 너무 오래 전이라면, 프로모션으로도 되돌리기 어려운 이미 떠난 고객일 수도 있기에 비즈니스 특성에 따라 해석할 필요가 있다.
잠재적 충성 고객 (High Recency, Low Frequency) : 만일 최근에만 한 두번 구매한 고객이라면, 신규 고객이 된 지 얼마 되지 않은, 하지만 구매 잠재력이 있는 고객이라고 볼 수 있다. 역시 적극적인 프로모션으로 단골 고객으로 만들 가치가 있는 구객 군이다.
RFM 기반 타겟 마케팅은 상대적으로 매우 단순한 데이터 분석으로도 상당히 효과적으로 활용할 수 있어, 쉽게 시도해 볼 수 있는 도구이다. 다만, 판매하는 상품 특성 자체가 반복 구매 성격이 존재하여, 한 사용자의 구매 기록이 다수 존재하는 비즈니스 모델에서는 잘 동작하지만, 오랜 기간동안 한두번만 거래가 발생하는 유형의 비즈니스에서는 잘 동작하지 않을 가능성이 높으므로, 본인의 비즈니스 유형에 따라 활용 여부를 고려해야 한다.
예측 기반 타겟 마케팅 (Predictive AI Based Target Marketing)
구매 데이터나 행동 데이터를 AI가 분석하여 사용자의 미래 행동을 예측할 수 있다. 예를 들어, 한 비즈니스에서 발생한 모든 구매 데이터들의 패턴과 하나의 개인 고객이 과거 구매한 데이터를 분석, 비교하여 미래의 구매 가능성, 구매 횟수와 예상 구매 금액 등을 예측할 수도 있다. 보통 구매 데이터 등 정해진 데이터를 활용하여 예측을 수행할 때는 통계 기반의 예측 기법이 안정적으로 동작하고, 다양한 행동 기록들을 함께 활용할 때에는 딥러닝 등 AI 기반의 예측 기법을 활용하기도 한다. 한명의 개인 고객이 미래에 언제, 얼마나 구매를 일으킬 지 정확히 예측하기는 일반적으로 어렵다. 다만 이러한 예측 기법을 통해 예측된 미래의 행동들을 개인 사용자가 아닌, 여러 사용자가 모인 집단에 적용할 경우에는 매우 유의미한 예측 정확도가 나오는 경향이 있다. 예를 들어, 한 사용자가 앞으로 3개월 내에 10만원의 구매를 일으킬 것이라 예측하는 것은 큰 오차가 발생할 가능성이 높지만, 앞으로 3개월 내에 평균 10만원 이상의 구매를 일으킬 가능성이 높은 집단과, 3개월 내에 구매가 없거나 매우 적을 가능성이 높은 집단의 실제 미래의 결과를 보면, 전자의 집단이 후자의 집단보다 실제로 3개월 내 훨씬 높은 확률로 구매를 일으키며, 양 집단의 평균 구매금액 차이도 집단 규모가 클수록 예측 평균 금액 차이에 가까와진다. 따라서 예측된 결과에 따라 사용자 그룹을 구성하여 이탈 가능 그룹, 미래의 VIP 전환 그룹 등으로 나누어 마케팅을 수행하면 상당히 유용한 결과를 얻을 수 있다.
데이터는 날이 갈수록 풍부해지고, 이를 분석할 수 있는 기술들도 빠르게 발전하고 있다. 하지만 여전히 다른 한편에서는 이러한 데이터에 기반한 추정보다는, 직접적인 고객과의 소통을 통한 고객 관계 관리가 더 중요하다고 보는 시각이 있다. 특히 반복적인 구매 데이터나 충분한 고객 행동 데이터를 수집하기 어려운 비즈니스 유형에서는 이러한 데이터 분석 기반의 마케팅을 수행하는 데 제약이 있을 수 밖에 없다. 따라서 비즈니스 별로 적절한 접근 방법과 기술을 활용해야만 효과적인 마케팅 수행이 가능하다. 특히 최근에는 소셜 미디어를 통한 참여형 마케팅이 새롭게 부상하면서, 기존의 타겟 마케팅과는 달리, 고객과의 직접적인 소통이 마케팅 트랜드 중심으로 떠오르고 있다. 이 부분에 대해서는 다음 장에서 보다 상세히 설명하기로 한다.
