brunch

브런치북 일상에서 발견하는 마케팅 모먼트 24화

라이킷 21 댓글 1

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 이슬아 Apr 22. 2019

빅데이터가 만드는 마케팅 패러다임의 변화

빅데이터는 한마디로 NGD다.

11시 퇴근 길. 녹초가 된 몸을 택시에 실어 손가락만 까딱까딱 페이스북에 올라온 글을 보는 중이었다. 피곤이 묻은 미소가 입가에 번진다. 나만 그런게 아니구나 싶어 위로의 감정마저 느낀다. NGD - 겉으론 참으로 멋져 보이지만 이면은 '노가다(?)'인 빅데이터 업의 현실. 이보다 더 현실적으로 빅데이터 업의 모습을 대변하는 말이 있을까. 가장 진보한 기술 영역에서 인간의 노동은 그 수준을 미처 따라가지 못해 발생하는 아이러니. '인류'를 위한 빅데이터지만 아직 '노동자'를 위한 빅데이터는 아닌 것 같다.

빅데이터로 인해 인간 노동(Labor)의 차원이 혁신적으로 달라지는 시점은 언제가 될까? 그때가 바로 진정한 4.0 산업혁명의 기점은 아닐까?

사실 데이터를 꼼꼼히 뜯어봐야 자동화 룰도 만들 수 있는 것이니. 그것도 노가다입니다. / 출처 : 온오프믹스

Intro. 데이터가 만들어내는 마케팅 이노베이션

빅데이터 그중에서도 마케팅과 결합한 영역, 데이터 마케팅 주제로 써 내려가는 두 번째 글이다. 작가가 최근 업으로 삼아 일하고 있는 영역이기도 하다. (그래서인지 이번 주제는 3편으로 좀 더 길게 릴리즈가 될 것 같아요.) 첫 번째 글을 통해 데이터 마케팅이 기존 마케팅 기법들과 어떤 차이가 있는지, 현업 실무자들은 어떤 단계를 거쳐 데이터 마케팅 업무를 수행하는지를 살펴보았다. 몇 가지 핵심 포인트를 요약하자면 다음과 같다. 물론 아래 링크를 클릭해서 전편 글을 읽고 와도 좋다.

* 데이터 마케팅은 무엇인가?(이전 글 요약)

1. 데이터 마케팅은 디지털 마케팅에서 파생된 것으로, (빅)데이터를 활용하여 마케팅을 기획·실행·평가하는 방법과 인프라, 업무방식을 포괄한다.

2. 숫자를 이해하는 데이터 분석능력도 중요하지만, 데이터 마케터로서 실행 가능한 전략을 도출하기 위해서는 마케팅과 업(Industry)을 잘 아는 것이 더 중요하다.

3. 마케팅 데이터에는 두 가지 종류가 있는데, 개인정보와 같이 크게 사람을 인지할 수 있는 데이터(Identifiable)와 키워드 데이터와 같이 같이 사람을 인지할 수 없는(Non-identifiable) 데이터가 있다.

4. 크게 두 가지 원천 데이터의 성격을 이해하고, 목적에 따라 어떤 데이터가 필요한지 파악할 수 있어야 한다.

이번 글을 통해 데이터 기반 마케팅 방식이 실무단에서 어떻게 활용될 수 있는지, 그리고 기존 마케팅 기법들과 어떤 차별 가치를 만들어낼 수 있는지를 중심으로 살펴보고자 한다. 또한 데이터 마케터로서 어떻게 데이터를 바라보고 접근해야 하는 지를 짚어보는 것도 의미가 있겠다.

빅데이터, 데이터 하는 시대 - 과연 데이터는 어떻게 마케팅 분야를 변화시키고 있을까?

1. 2가지 종류의 마케팅 데이터와 활용

마케팅에는 크게 2가지 종류의 데이터가 있으며, 그에 따라 활용이 달라집니다.

전편 글에서 마케팅에 크게 두 종류의 데이터가 사용된다고 설명했다. 바로 사람을 인지할 수 있는(Identifiable) 데이터와 인지할 수 없는(Non-identifiable) 데이터가 그것이다. 그렇다면 각각 다른 종류의 데이터 카테고리가 마케팅 영역에서 어떻게 활용되고 있을까? 사람의 인지 유무의 차이에 따라 데이터가 어떤 스펙트럼을 만들어내는지 알아보자.

먼저, 사람을 인지할 수 있는 데이터를 형태적으로 이해해보았을 때 'OOO'라는 사람에 대해 다양한 인자 값이 꼬리표처럼 붙어있는 정보라고 이해할 수 있다. 예를 들어 '이세라'라는 사람은 [30대여성]으로 [마케팅]에 종사하고 있으며, 지난 7일간 구글에서 [검색어:수영복]을 검색했으며, [뷰티] 관련 사이트에 방문했다는 데이터가 있다고 가정해보자. 이러한 인자 값은 '이세라'라는 한 사람에 대한 정보로서 다양하게 활용될 수 있는 데이터 스펙트럼을 만들어낸다.

이슬아/연령:30대/성별:여자/직업:마케팅/검색어:수영복/관심사:뷰티/방문사이트:화장품/......

이러한 요소들은 개인정보이기 때문에 개인정보수집에 대한 동의가 이뤄진 상태에서 수집·활용된다. 결국 개인정보수집에 대한 동의는 해당 서비스가 나의 활동을 트래킹하여 위와 같은 정보 값을 수집할 수 있도록 허용함을 의미하는 것이다. 이렇게 고객에 대한 정보 값들을 수집·분류하여 타겟팅할 수 있는 알고리즘과 솔루션을 가진 사업자들이 바로 구글, 네이버, 페이스북과 같은 온라인 매체들이다. 데이터 관점에서 구글, 네이버, 페이스북과 같은 매체들은 '고객 빅데이터 사업자'다.

물론, 특정 브랜드의 마케터가 자사의 홈페이지 또는 판매 사이트를 통해 확보한 고객정보 역시 이러한 데이터에 해당하지만 앞서 매체들이 보유한 데이터보다 규모나 양적인 측면에서 작다. 무엇보다 최신성이 떨어진다. 구글, 네이버의 경우 하루에도 여러 번 방문하면서 다양한 활동을 하지만 특정 브랜드의 홈페이지는 방문 빈도수가 현저히 낮다는 것을 생각해봐도 쉽게 이해할 수 있다.

마케터는 이러한 이유로 고객정보를 가지고 있는 매체들이 가진 광고 솔루션을 통해 타겟 소비자에게 접근(Reach)한다. 결국 디지털 광고를 집행하는 것은, 온라인 매체가 가지고 있는 고객정보를 활용하여 자사 브랜드 사이트로 유입 자사의 고객으로 데이터베이스화 하는 관점으로 이해해볼 수 있다.

구글의 광고 솔루션 구글애즈(Google Ads). 고객 데이터를 가지고 유료광고 상품을 판매하여 수익을 만든다. / 출처 : 구글 애즈

그렇다면 사람을 인지할 수 없는(Non-identifiable) 데이터는 어떻게 활용되고 있을까? 데이터가 특정 사람에 묶여있지 않으면서 법적으로 데이터 수집이 가능한 모든 데이터가 이에 해당한다. 개인정보가 아니기 때문에 전자 데이터보다 상대적으로 자유도가 높은 편이다. 흩어져 있는 데이터를 의미 있는 정보로 모으기 위해서는 하나의 키 값을 기준으로 데이터를 크롤링(수집)하는 과정이 필요한데 이 때 [키워드]가 중심 역할을 하게 된다.

데이터를 통한 창의성(Creativity)이 발현될 수 있는 데이터 영역은 전자 데이터보다는 두 번째 데이터 영역에 존재한다. 개인정보의 경우, 데이터를 수집하고 분석하는데 한계가 존재한다. 그 이유는 첫 번째, 데이터를 보유한 매체가 데이터를 오픈하는 수준과 프레임을 정의한 채로 데이터를 제공하기 때문이다. 구글 트렌드, 네이버 데이터랩이라든지 구글 애즈와 같은 매체에서 제공하는 분석 툴이 이에 해당한다. 유튜브의 경우 유튜브 채널 구독자의 연령층을 알기 위해서는 구글이 규정한 연령 스케일(만 13~17세/18~22세/23세~27세/...) 단위로만 인구통계 확인이 가능하다. 만 10~18세 연령대의 비중은? 만 18세만은 몇 명인가? 매체가 제공하는 데이터 틀로서는 알 수가 없다.

이러한 이유로 매체가 제공하는 데이터 툴로서는 마케터가 원하는 데이터와 그에 적합한 인사이트를 얻는데 궁극적으로 한계가 있다. 인사이트를 전혀 얻을 수 없다는 이야기는 아니다. 사실 매체가 제공하는 데이터를 분석해내고 이를 통해 발견한 인사이트를 적용하는 것만으로도 대부분의 마케팅팀의 경우 벅찬 경우가 많다. 사실 매체가 주는 공식적이며 표준화된 데이터를 시작으로 데이터 분석 역량을 내재화하는 것도 좋은 시작점이 된다. 그러나 매체가 제공하는 데이터에는 결국 한계가 존재하며, 데이터 분석 수준이 높아짐에 따라 필요한 데이터를 조직 내 데이터베이스화 하는 것이 필요하다는 사실을 깨닫게 되는 순간이 찾아온다.

매체가 제공하는 데이터만으로는 한계가 있다는 것, 반면 해당 데이터를 분석할 줄 아는 능력이 기초가 된다는 말에 공감합니다. / 출처 : 패스트캠퍼스

2. 창의성(Creativity)은 데이터 영역에서도 존재한다.

데이터 크리에티비티(Data Creativity) - 숫자와 정형화된 정보를 기본으로 하는 데이터 세계에서도 창의성이 발현될 수 있다는 사실! 처음에 이 말을 들었을 때는 너무 생소했다. 창의성은 뭔가 우뇌가 하는 영역이고, 숫자와 데이터 분석은 좌뇌가 하는 영역인 것처럼 배우고 자란 생각 때문이었다. 하지만 실제로 데이터를 다양한 관점에서 분석해보고 무궁무진한 인사이트를 발견하는 경험을 하면서 데이터 안에서도 창의력이 존재한다는 말을 체감할 수 있었다.

데이터 창의성을 키우기 위해서는 무엇이 중요할까? 기본적으로 조직 내 데이터 분석 역량을 키우는 것이 중요하지만, 더욱 중요한 것은 데이터를 기반으로 마케팅을 기획하고 수행하며 분석할 수 있는 업무방식에 대한 '조직의 동의'라고 생각한다. 일을 통해 만난 대부분의 클라이언트의 경우, 자신들의 업무방식에 데이터를 접목하고 싶어 하나 상사의 이해 부족, 혹은 데이터 도입 필요성에 대한 조직 차원의 이해 부족과 같은 요인들이 1차적인 장애물이 되는 경우를 많이 보았기 때문이다. 조직 차원에서 데이터 기반 마케팅 업무방식을 도입하겠다는 동의와 의지만 있다면 필요한 데이터는 생각보다 빠르고 쉽게 구할 수 있다. 내부에 없지만 필요한 데이터는 외부 업체를 통해 사 올 수도 있다. 문제는 그 예산 승인을 받을 수 있는 상사와 조직 내 '동의'다.

이러한 요건들이 갖춰지면 다음 단계에서 필요한 것은, 바로 비즈니스/마케팅 목적에 따라 데이터를 맞춤 수집하고 분석할 수 있는 환경이다. 그렇다면 데이터 마케터에게는 어떤 자세가 필요할까? 직접 업무를 수행하면서 필요하다고 느낀 부분은, 다양한 각도에서 생각할 줄 아는 사고력과 문제 해결 능력이었다. 이를 훈련하는 방법으로는 사전조사를 통해 다양한 정보를 수집하고 가설과 분석 관점을 치밀하고 꼼꼼하게 세워보는 일이다. 결국 이러한 과정에서 데이터 분석이란, 자신의 가설에 대한 답을 달아가는 과정이 될 수 있다. 여러분들도 데이터를 다양한 각도로 살펴보고 그 안에 데이터가 말하는 인사이트를 발견하는 경험을 할 수 있길 바란다. 결국 데이터의 창의성은 '자신이 얼마나 창의적으로 다양한 각도에서 생각할 수 있는가'에 달려있다. 반드시 '빅'데이터일 필요 없다. 쉽게 접근 가능하고 규모가 작은 데이터를 가지고도 얼마든지 그 안에서 중요한 인사이트를 뽑아낼 수 있다는 점을 잊지 말자! 데이터는 분석이 가능한 양, 특히 양보단 질인 점을 명심하자.

마케터의 관점에 따라 발견하는 인사이트는 무궁무진합니다. 이것이 바로 데이터의 매력!

3. 마케터의 감(Intuition)은 여전히 중요하다.

국내 온라인 의류 사이트 M사 마케터가 인스타그램에서 #ootd* 해시태그를 중심으로 '어떤 브랜드 콘텐츠나 소비자의 콘텐츠가 올라오는지 알고 싶다'는 가정을 해보자. 이때 #ootd 태그 값을 키 값으로 하여 데이터를 수집하게 되는데 이때 필수적인 과정이 바로 데이터의 설계다. 데이터의 설계란, 데이터의 사용목적에 적합하게 수집할 데이터를 구조화하는 과정을 말한다. 다양한 방법이 있겠지만 다음과 같은 항목을 고려하여 분석 가능한 데이터셋을 만들 수 있다.

* ootd(Outfit of Today) : 최근 자신이 입은 옷 스타일을 찍어서 올리는 문화로, 주로 인스타그램에서 패션에 관심이 많은 사람들을 중심으로 발생하는 콘텐츠 트렌드를 말한다.

* 분석 데이터셋 설계에 필요한 고려사항(예)

1. #ootd라는 해시태그를 가진 모든 콘텐츠를 가져올 것인지, 아니면 인스타그램 채널로 한정 지을 것인지?

2. 법적으로 수집이 가능한 데이터 중, 구체적으로 어떤 데이터를 가져올 것인가?

- 이미지를 포함해서 가져올 것인지, 혹은 텍스트만 가져올 것인지

- 게재 시간(날짜/시각)과 게재자까지 같이 연결해서 가져올 것인지 등

3. 최근 한 달간 발생한 데이터를 기준으로 가져올 것인지, 혹은 1년 치를 볼 것인가?

4. #ootd 해시태그 외에도 연결해서 분석할 수 있는 다른 항목은 무엇인가?

- 어떤 해시태그나 키워드를 공통적으로 활용하는지

- 어떤 내용(동기/목적)으로 #ootd 관련 콘텐츠를 올리는지 등

이렇게 수집과 분석이 가능한 구조로 데이터를 설계, 크롤링(수집)하는 과정을 거치게 되는데, 중요한 것은 해당 데이터를 통해 어떤 인사이트를 알고 싶은지를 미리 가설적으로 치밀하게 세우는 과정이다. 데이터를 사용하는 목적과 가설이 얼마나 치밀한지에 따라 데이터가 말해주는 인사이트의 스펙트럼과 깊이가 매우 달라질 수 있다는 점을 잊지 말자. 또한 중요한 것이, 분석이 가능한 양으로 데이터를 추출하는 것이다. 데이터 양 또한 데이터를 설계하는 과정에서 조절해야 하는 부분이다. 너무 많은 양의 데이터를 추출해서 분석이 불가능해서는 안되지만 또한 너무 적은 양의 데이터로 인해 신뢰성이 떨어지는 것 또한 문제가 될 수 있다. 데이터 설계에서 핵심이 되는 것은, 분석에 필요한 가장 유의미한 데이터를 적절한 양으로 추출할 수 있도록 구조화시키는 것이다.

이것이 바로 데이터 마케팅의 영역에서도 마케터의 감이 여전히 중요한 이유이기도 하다. 어떤 관점에서 데이터를 분석할 것인지를 결정하는 데 마케터의 경험과 관점이 크게 작용한다. 가설은 이러한 마케터의 경험과 관점에 따라 설계가 되는데, 얼마나 가설이 구체적이고 치밀하냐에 따라 데이터 분석 결과의 수준이 달라진다. 물론 충분한 사전조사를 통해 부족한 마케팅과 그 업에 대한 경험과 관점을 보완해나갈 수도 있다. 사실(Fact) 정보에 근거하여 마케터의 감이 생기고, 이러한 감은 데이터를 검증하기 위한 다양한 가설을 세워지게 된다. 개인적인 경험에 의하면 데이터 분석은 그에 필요한 데이터와 가설을 잘 세우면 자연스럽게 따라오는 결과인 것처럼 느껴지기까지 했다. 놀랍게도 '데이터가 말한다(Let data tell a story)'는 말을 조금은 이해할 수 있는 순간이었다.

데이터 분석도 중요하지만 그보다 앞선 단계, 사전조사를 통해 가설을 세우고 데이터를 설계하는 과정에도 충분한 노력과 시간을 기울여야 하는지에 대한 이유가 되겠다. 데이터 영역을 왜 노가다라고 하는지 조금은 이해를 할 수 있는 부분이기도 하다.

4. 데이터를 통해 소비자의 언어 이해하기

글로벌 소비재 브랜드 P사의 마케터는 몇 달 전 '순한 성분'이라는 제품 소구포인트(USP)를 중심으로 섬유유연제 신제품 라인을 런칭했다. 제품 USP는 본사 상품기획팀, 마케팅 커뮤니케이션 팀에서 내려온 마케팅 커뮤니케이션 가이드였다. 몇억 규모의 엄청난 마케팅 예산을 투입, 두 달간 TV광고와 디지털 마케팅 매체들을 집행했다. 타겟 소비자에게 도달하기에 충분한 마케팅 예산이었다.

하지만 문제가 발생했다. 신제품 라인에 대한 홍보가 매출로 연결되지 않았다. 매장 할인과 같은 프로모션 요인으로만 매출이 뛰는 세일즈 패턴이 보였다. 제품 USP가 소비자로 하여금 구매까지 연결이 되지 않는 문제처럼 보였다.

과연 이 마케터는 어떻게 데이터를 활용해서 이 문제를 해결할 수 있을까? 마케팅엔 정답이 없기에 다양한 접근법이 있을 수 있겠다. 하지만 이러한 경우 소비자의 버즈 데이터를 중심으로 데이터를 살펴보는 것의 유의미하다. 기존에는 온라인 서베이를 돌려서 소비자의 의견을 수렴하거나, 검색엔진으로 [신제품명]을 검색했을 때 보이는 검색 결과를 하나씩 확인하는 접근법을 사용했을 것이다. 그러나 데이터 마케팅 기법으로 접근한다면 [신제품명] 키워드를 포함하여 소비자가 온라인에서 어떻게 이야기하고 있는지 텍스트 데이터를 수집하여 분석할 수 있다.

특정 키워드를 포함한 텍스트 데이터를 통해 해당 제품을 중심으로 소비자가 어떤 생각을 하는지를 확인할 수 있다. 마케터가 전달하고자 했던 메시지와 유사하게 제품에 대해 받아들이고 있는지 다르다면 어떻게 다른지, 혹은 제품에 대해 긍정적인지 부정적인지, 부정적으로 생각하는 요인은 무엇인지 등을 발견할 수 있다. 이를 위해 마케터에게 필요한 자세는 데이터를 하나부터 열까지 찬찬히 꼼꼼하게 살펴보는 일이다. 물론 수집한 텍스트 데이터에 어떤 키워드를 포함하고 있는지 조건을 걸 수 있지만 결국 주류가 되는 핵심 키워드를 제외하고 숨은 의미 있는 포인트나 마케터의 감으론 캐치하지 못했던 부분까지 발견하기 위해서는 결국 데이터를 다 뜯어봐야 한다고 생각한다. 데이터가 노가다인 두 번째 이유가 되겠다.

제품에 대해 이야기하는 소비자의 보이스를 다차원적으로 이해하는 일은 데이터 마케팅 관점에서 매우 중요한 업무 중에 하나다. 왜냐하면 마케터가 자신이 의도하는 메시지를 전달하는 것과는 정반대 접근법으로, 제품에 대한 소비자 관점에서의 새로운 인사이트를 제공하기 때문이다. 기존 마케팅 기법들과 비교했을 때 데이터 마케팅 기법에서 크게 차별적 가치를 제공할 수 있는 부분 중 하나가 바로 이 부분이다. 자신의 브랜드에 대해서 어떻게 인식하고 있는지, 최근 런칭한 제품에 대해서 어떤 말이 오가고 있는지를 소비자의 언어로 이해하는 것 - 또한 마케터로서 전달한 커뮤니케이션 메시지가 잘 인지되고 있는지 혹은 다르게 인지되고 있다면 그것은 무엇인지를 모니터링할 수 있는 기회를 갖게 된다. 이를 위해서는 데이터를 치밀하게 설계하는 과정과 추출된 데이터를 하나하나 뜯어보는 노력과 시간이 역시나 존재한다. 하지만 그 속에 숨은 인사이트를 발견하는 일은, 셀수 없이 많은 모래 속에서 작은 다이아몬드 한 알갱이를 발견하는 것만큼 마케터에겐 흥분되는 순간이다.

Outro. 데이터(분석)도 엉덩이로 한다.

공부는 엉덩이로 한다는 말이 있다면, 지금 시대에는 데이터 분석을 엉덩이로 하는 것 같다. 얼마나 미리 충분한 사전조사를 하느냐에 따라, 얼마나 다양한 관점에서 생각해보고 꼼꼼하게 가설을 세우느냐에 따라, 그리고 얼마나 꼼꼼하게 데이터를 들여다보고 이리저리 데이터를 돌려보느냐에 따라 발견하는 인사이트의 양과 질이 달라지기 때문이다. 하지만 걱정하지 말자. 처음부터 잘하는 사람도 없다. 변칙과 왕도 또한 없다. 얼마나 다양한 케이스와 데이터를 직접 만져보고 분석을 해보았느냐에 따라 그만큼 실력은 느는 법이다.

일단 부딪혀서 데이터를 만져보는 것이 시작이다. Let data tella story. 그 다음은 데이터가 다 알려준다.