빅데이터 마케팅의 모든 것, 데이터마케팅 A to Z.
빅데이터 마케터가 되기위한 입문적 지식
구글 알파고와 이세돌의 바둑대결.
4:1 이세돌의 패배.
2016년 3월. 인간과 인공지능 그 세기의 대결이 시작됐다. 대전 초기만 해도 나의 관심사는 구글의 마케팅 행보였다. 글로벌 최강 IT기업인 구글 - 신규 서비스를 홍보하기 위해 무려 대한민국 서울에 붓 캠프를 설치했다는 사실만으로 너무 감격스러웠다. 복잡하고 어려운 인공지능을 '바둑'이라는 하나의 재미있는 게임 안에서 풀어내려는 것도, '기계와 사람의 대결'이라는 설정으로 경기를 하는 내내 전 세계 사람들의 시선을 사로잡는 힘도, 알파고를 의인화시켜 대중들에게 친숙하게 자신의 서비스를 소개하는 모습 모두 너무 신선하고 매력적인 접근이었기 때문이다. 한마디로 구글다운, 구글이기에 가능한 마케팅이었다.
그러나 이 설렘은 점차 두려움으로 바뀌었다. 그 시점은 이세돌이 알파고에게 1:3으로 패한 직후였다. 전 세계 최고의 바둑기사 이세돌을 이기는 기계라. 하나의 분야에서 인간이 가질 수 있는 최대한의 능력치를 능가하는 인공지능의 모습 - 더 이상 사람이 컨트롤할 수 없는 미지의 대상, 미지의 세계가 나타난 것이다.
대전 마지막 날. 그렇게 알파고는 나에게 차갑고 낯선 존재가 돼버렸다.
Intro. 빅데이터의 실체를 밝히다.
데이터에 대한 관심이 높은 요즘이다. '빅데이터(Big Data)'라는 단어를 포함한 비즈니스라면 일단 주목을 끌기 충분하다. 한마디로 대세다. 무엇인지는 정확히 몰라도 왠지 놓치면 안 될 것만 같은 토픽 중 하나가 바로 '빅데이터'가 아닐지. 3~4년 처음 빅데이터가 언급된 시점에 비해 거품과 환상은 많이 사라지긴 했지만, 서점 한 코너에서는 여전히 인공지능(AI)과 빅데이터 등이 변화시켜나갈 새로운 세계와 비즈니스에 대해 뜨겁게 이야기하는 중이다.
하지만 이 글을 통해 나는 살짝 다른 이야기를 하고자 한다. 빅데이터의 정확한 실체 - 막연한 환상과 기대가 아닌 빅데이터라는 녀석을 직접 만져본(?) 사람만이 느낄 수 있는 감정과 시선들에 대해서 말이다. 현재 다양한 산업군에서 빅데이터를 적용해나가는 양상이지만 내가 종사하고 있는 '마케팅'으로 한정시킨 생각이라는 점을 전제로 말씀드리고자 한다.
AI Summit 2018 세미나 - 새로운 미래를 준비하는, 각 분야의 전문가들의 열정이 느껴졌다.
지금 하고 계신 <데이터 마케팅>은 디지털 마케팅과 어떤 차이가 있을까요?
현재 대한민국은 다양한 산업과 기업, 부서에서 디지털 트랜스포메이션(Digital Transformation)*이 일어나고 있다. 위 물음은 만났던 클라이언트에게 거의 빼놓지 않고 받았던 질문이다. 최근 2-3년이 빅데이터·인공지능과 같은 주제에 대해 폭발적인 관심을 모은 시기라고 한다면, 작년부터는 거품들이 빠지고 현실적으로 그것들을 적용하려는 단계로 건너온 느낌을 받는다. 작년 말 어느 날 H회사로부터 미팅 의뢰를 받았었는데, 마케팅 부서와 회계 부서에서 비슷한 시점 다른 루트로 연락이 온 적도 있었다. '너나 할 것 없이 모두가 디지털 트랜스포메이션 문제를 고민하고 있구나'를 체감할 수 있는 순간이었다.
대기업은 데이터 기반의 시스템을 도입하고 이를 활용할 수 있는 사내 직원의 역량을 키우고 싶어했다. 중견기업은 빅데이터를 통해 새로운 성장동력을 얻고 싶어 했으며, 스타트업은 넘쳐나는 데이터를 어떻게 관리하고 분석해야 할지 몰라 미팅을 요청하기도 했다. 회사마다 사정은 가지각색이었지만 공통점이 있었다. 데이터를 기반으로 업무구조를 혁신하며, 그로 인해 부가가치를 생산하는 것. 경기불황과 저성장 시대라고 하지만 사실 데이터 시장에 발을 담그고 있으면 전혀 체감할 수 없는 부분이기도 하다.
* 디지털 트랜스포메이션(Digital Transformation) : 기업이 새로운 비즈니스 모델, 제품, 서비스를 창출하기 위해 디지털 역량을 활용함으로써 고객 및 시장의 파괴적인 변화에 적응하거나 이를 추진하는 지속적인 프로세스
1. 데이터 마케팅 VS. 디지털 마케팅
먼저 (빅)데이터 마케팅은 무엇인지 살펴보자! 그것은 디지털 마케팅과 어떤 차이가 있는 것일까? 디지털 마케팅이란 - 물론 다양한 정의가 있을 수 있지만 - 디지털 매체의 탄생 시점과 맥을 같이 한다. TV와 라디오·신문·잡지와 같은 전통매체에서, 디지털 매체를 중심으로 기업의 마케팅 활동에 전이(Shift)가 일어나면서 디지털 마케팅이 발전하기 시작했다. 디지털 마케팅이란 디지털 매체로 마케팅을 하는 모든 기술과 서비스를 의미한다.
반면 데이터 마케팅이란, 다양한 데이터 중에서도 특히 디지털 매체에서 발생한 대량의 데이터(Big Data)를 활용하는 마케팅 방식이다. 더 나아가, 데이터를 기반으로 마케팅을 기획·실행·평가하며, 의사결정을 하는 업무방식과 환경·태도까지도 포괄하는 개념이 되고 있다. 결국 두 마케팅은 대립되거나 분리되는 개념이 아니라, 디지털 마케팅의 연장선상에 데이터 마케팅이 쪼개져 분화된 것으로 봐야 한다.
1년 전까지만 해도 생소했던 '데이터 마케팅(DataMarketing)'이라는 개념은 지금 모든 마케터와 마케팅 부서가 반드시 갖춰야 하는 능력이 되고 있다. 그렇다면 디지털 마케팅에서 데이터 마케팅으로 '진화'하기 위해 어떤 역량이 개인과 조직 차원에서 필요할까? 또한 현업에서 데이터 마케팅과 디지털 마케팅은 어떤 차이가 있을까? 데이터 마케터가 되기 위해 중요한 역량은 무엇일까?
2. 데이터마케팅을 잘하려면 <데이터 분석>을 잘해야 할까?
아니면 <마케팅>을 잘하면 될까?
다음 질문에 스스로 대답을 해보자. 데이터 마케팅을 잘하기 위해서는 과연 '데이터'를 잘 다룰 줄 알아야 할까? 아니면 데이터마케팅 또한 마케팅 영역이니 마케팅을 잘하면 될까? 두 가지 영역 모두 잘하는 마케터라면 더할 나위 없이 좋겠지만 이 모두를 잘한다는 것은 현실적으로 쉽지 않다. 흔히 데이터 영역을 '이과'소양으로 보고 마케팅 파트를 '문과'영역으로 바라보기도 한다. 개인적인 의견으로 100% 동의하진 않지만, 사람이 가진 성향을 기준으로 이해해볼 때 데이터는 이과적 성향, 마케팅은 문과적 성향이 강한 것은 부정할 수 없을 것 같다. 데이터는 1차적으로 수치를 다루고 마케팅은 커뮤니케이션, 그리고 사람(소비자)을 이해하는 일이기 때문에 그렇다.
위 질문에 답을 구하기 위해 빅데이터 시장을 잘게 쪼개서 살펴보자. 빅데이터 시장을 세분화, 각 시장의 규모와 성장성을 가늠해볼 수 있는 요소로 4가지 요인 - 산업(Industry), 데이터의 공급처(Data Resource), 데이터의 양(Data Scale) 그리고 확장성(Scalability)이 있다.
빅데이터 시장을 형성하는 중요한 요소 4가지 - 산업의 특성, 데이터소스, 데이터의 양, 그리고 확장성.
즉 하나의 산업(Industry)이 디지털 환경과 만나 대량의 데이터(Data)를 발생시키고, 데이터의 출처가 공신력이 있고 표준화되어 비즈니스로 공유·확장 가능해지면 해당 산업의 데이터 시장이 빠르게 성장한다. 예를 들어보자. 의료 산업과 데이터가 만나 의료 데이터 시장이 형성되는데, 데이터 공급처가 병원으로 매우 산발적•파편화되어있고, 개인정보 이슈로 해당 데이터를 공공적으로 오픈하는데 매우 보수적이며, 사람의 생명을 다루기 때문에 데이터의 개방성과 확장성이 매우 떨어지는 특성을 가지고 있다. 이러한 이유에서 의료 데이터 시장은 마케팅의 그것과 비교했을 때 아직 초기 단계이며, 그 성장 속도 또한 결코 빠르지 않을 것임을 짐작해볼 수 있다.
우리는 흔히 '데이터' 관련 업무를 할 때 무조건 숫자를 잘 다룰 줄 알아야 한다고 생각한다. 하지만 개인적인 경험상 숫자에 밝고 데이터를 잘 다루는 역량은 생각보다 크게 요구되는 부분은 아니라고 생각한다. 데이터가 속한 산업과 그 산업에서 돌아가는 마케팅 생태를 잘 알고 있는 것이 더 중요하다. 결국 데이터도 무언가 솔루션을 찾아내고 의사결정을 하는 데 근거가 되는 일련의 정보일 뿐이다. 자신이 이미 다양한 경험과 지식을 통해 마케팅을 잘 알고 있다면, 데이터 마케팅을 하기 위한 단단한 초석이 된다. 이때 데이터는 자신의 감을 검증하며, 트렌드와 같이 자신의 경험으로 정보를 습득할 수 없는 영역에서 강력한 수단으로 작용한다.
그러나 무엇보다 실제 업무를 수행하는 데 있어 데이터가 속한 산업을 잘하는 것이 중요한 이유가 있다. 그것은 바로 어떤 관점에서 데이터를 바라보고 분석해야 하는지 판단해주는 틀(Frame)로써 작용하기 때문이다. 클라이언트가 데이터를 통해서 특정 문제 상황을 해결하고 싶어 하는 상황이라고 가정해보자. 솔루션을 제안하기 위해서는 다음과 같은 데이터 설계가 필요하다.
* 데이터 분석 프레임 설계를 위한 질문 리스트 :
① 문제를 해결하기 위해서는 어떤 데이터가 필요한가?
② 해당 데이터를 얻기 위해서는 어떤 채널을 활용하는 것이 가장 적합한가?
③ 그 채널의 데이터는 수집해서 사용할 수 있는가?
④ 데이터는 어떤 기준에 의해서 수집할 것인가?
⑤ 수집되는 데이터의 양은 적절한가? 너무 많거나 적지 않은가?
⑥ 정제된 데이터를 어떤 관점에서 분석할 것인가?
⑦ 분석한 데이터 결과는 어떤 인사이트를 줄 것으로 예상하는가?
⑧ 분석 결과는 얼마나 문제를 해결하는 데 실행 가능한 솔루션으로 활용 가능한가?
이렇게 특정 목표를 가지고 데이터를 설계하는 단계에서 그 산업에 대한 이해는 절대적이다. 어떤 앵글에서 데이터를 가져오고, 분석하여 얼마만큼 유의미한 인사이트를 도출하느냐는 결국 그 마케터가 얼마나 그 산업과 마케팅을 잘 이해하고 있는지와 직결된다.
데이터 마케터가 일하는 법 - 특히 마케팅 전략·기획 수립시 유용한 순서입니다.자신이 어느 정도 마케팅이라는 업에 대한 경험과 지식이 있다고 생각한다면 과감하게 데이터 마케팅의 세계에 뛰어들어보는 것은 어떨까? 쫄지말자. 결국 데이터도 하나의 인포메이션(Information) 일뿐이다.
3. 사람을 따라다니는 데이터 vs. 키워드 기반 데이터
마케팅 데이터를 이해하기 위해서는 크게 두 가지 다른 원천을 가진 데이터가 있다는 것을 이해해야 하는데, 첫 번째는 개인정보 - 즉 '사람을 따라다니는 데이터'다. 성별·나이·관심사 등 해당 정보가 사람과 연결되어 있어 대상을 인식할 수 있는 - 영어로 'Identifiable'한 정보라고 표현하는 - 데이터를 말한다. 이러한 데이터들은 주로 특성 소비자/소비자군을 대상으로 하는 서비스 예를 들어, 광고 타겟팅이라든지 고객 맞춤 서비스와 같은 영역에서 사용된다. 넷플릭스에서 다큐멘터리 콘텐츠를 좋아하는 사람에게 그와 유사한 콘텐츠를 추천할 수 있는 힘은 바로 이러한 소비자의 시청 데이터를 활용하기 때문이다.
이렇게 '사람을 따라다니는 데이터 시장'은 온라인으로 서비스를 제공하는 매체(Media) 또는 플랫폼(Platform) 사업자를 중심으로 축적된다. 왜냐하면 이들은 디지털 매체가 탄생한 시점부터, 소비자에게 필요한 온라인 서비스를 유·무상으로 제공하는 대신 소비자의 정보를 얻고 이를 활용해 수익을 얻는 'Trade-off' 비즈니스 모델을 태생적으로 가지고 있기 때문이다. 소비자는 개인정보를 제공하는 대신, 자신이 필요한 서비스를 더욱 편리하게 혹은 무상으로 사용할 수 있게 된다.
단, 반드시 사람을 인식할 수 있어야만 첫 번째 데이터로 분류될 수 있는 것은 아니다. 인터넷 쿠키 정보를 예를 들어보자. 쿠키 데이터의 경우, 어떤 사람인지에 대한 정보까지는 알 수 없어도 어떤 디바이스·브라우저로 접속했는지 어떤 페이지를 방문했는지 등을 알 수 있다. 이 또한 '준'인식 가능한 정보다. 또한 필요에 따라 준인식 가능 정보를 기술적으로 개인정보와 결합해서 사용하기도 한다.
두 번째 데이터는 사람을 인식할 수 없지만(Unidentifiable) 마케팅에 있어 유의미한 모든 데이터를 의미한다. 특히 디지털 마케팅 단계에서의 데이터와 구분되는 부분은 바로 그 셀 수 없이 많고 파편화된 양(Volume)에 있다. 예를 들어, 네이버에 사용자들이 검색한 [검색어]의 데이터가 바로 여기에 해당한다. 키워드 데이터는 사람을 따라다니지 않는다. 물론 네이버에 로그인을 한 상태에서 검색어를 친다면 해당 키워드는 사람 정보와 맞물릴 수 있지만 많은 경우, 로그인을 안 한 상태에서 바로 검색어를 입력하는 경우도 있다. 엄청나게 셀 수 없는 검색어가 있을 뿐만 아니라, 시계열(월별/시간별)에 따른 검색어의 추이까지 데이터화 시킨다면 그 데이터는 상상할 수 없을 정도로 규모가 커지게 되는 것이다.
좀 더 나아가, 키워드 데이터와 관련하여 유의미한 데이터 중 하나가 바로 소비자 버즈(Buzz) 데이터다. 예를 들어, 최근 런칭한 A브랜드의 [샴푸명]을 키워드로 하여 소비자의 버즈를 확인할 수 있다. 그들의 샴푸가 현재 긍정적으로 평가되고 있는지 아니면 부정적인지, 부정적이라면 어떤 속성(가격/퀄리티/마케팅 등)을 중심으로 부정적으로 이야기하고 있는 것인지, 혹은 해당 제품이 어떤 경쟁사의 제품과 가장 많이 자주 언급이 되고 있는지. 어떤 속성 값을 중심으로 두 제품이 비교/언급되고 있는지 등을 확인해볼 수 있다. 이러한 버즈 데이터는 소비자의 리얼 보이스를 MECE 하게* 확인할 수 있다는 장점이 있어, 기존 서베이나 표본조사와 같은 디지털 마케팅 단계에서의 접근법과 큰 차이를 보인다.
* MECE(Mutually Exclusive and Collectively Exhaustive)하다 : 세계적인 컨설팅 기업 맥킨지에서 사용하는 사고방식 및 전략 프레임으로, 어떤 사항도 중복되지 않고 누락되지 않은 사고방식을 의미한다.
마케팅 빅데이터 - 크게 2가지로 나뉘는데, 두 장르의 데이터의 간극(Gap)을 뛰어넘길 기대해봅니다.두 가지 종류의 마케팅 데이터가 있다는 사실을 이해했다면 마케팅 상황·목적에 따라 정확하게 어떤 성격의 데이터가 필요한 지 분별할 줄 알아야 한다. 만약 온라인 자사몰 홈페이지를 통해서 제품을 구매한 사람들의 특성을 분석하는 것이 목적이라면, 구매자의 개인정보가 붙어있는 데이터가 필요할 것이다. 이와 반대로 홈페이지에서 어떤 버튼, 어떤 페이지에서 사람들이 가장 많이 이탈하는 것인지를 알기 위해서는 홈페이지 로그정보 데이터가 필요하다.
특정 마케팅 문제를 해결하거나 목표를 달성하기 위해, 어떤(What) 데이터가 얼마나(How), 어떤 구조로 필요한지를 아는 것은 데이터 마케터에게 가장 필수적인 요건이 된다. 참고로 개인정보가 달린 데이터보다는 사람을 인식할 수 없는 데이터가 상대적으로 훨씬 접근용이하다. 이는 데이터를 가진 매체들의 보수적인 정책과 개인정보 이슈가 있기 때문에 그렇다.
* 현재 <일상에서 발견하는 마케팅 모먼트> 브런치북 내용은 디아이매거진 과 디지털 인사이트(Digital Insight) 페이스북 채널에도 연재 중입니다.
* 더 많은 이슬아 작가의 글을 보려면 [구독하기]를 꾸욱 눌러주세요.
* 작가의 생각과 글에 대한 무단 도용은 저작권 위법혐의로 처벌받을 수 있습니다.
