결제 데이터와 영수증으로 소비자의 마음을 볼 수 있다
데이터 쓰기의 기술에서 뽑은 119개의 핵심 파트 (2)
아직 데이터 분석 책을 많이 읽어본 건 아니지만, 데이터 분석 책에서 강조하는 내용들은 다 비슷한 것 같다. 데이터 분석은 목적이 아니라 수단이고, 데이터 분석 그 자체보다 데이터 분석의 목적과 데이터로 무엇을 할 것인가가 진짜 중요한 것임을 강조한다.
그래서 나 역시도 데이터를 전처리하고, SQL 쿼리문을 짜고, 엑셀 피벗을 돌리기 전에 이 데이터로 무엇을 할 수 있는지, 어떤 인사이트를 뽑을 수 있는지를 항상 생각하려 노력한다. 아직까지 이 태도가 완전히 체화된 것은 아니지만, 세상에 하루 아침에 체화되는 게 어디 있나. 꾸준하게 이 태도를 체화시키려 노력하는 중이다.
* 직접 구매해서 읽고 쓰는 내돈내산 후기입니다. :)
소비자의 마음은 매출 데이터가 알려준다
1. 단 하나의 원인을 밝히는 것은 대단히 어려운 일이다. 원인을 모두 파악한다면 매출 상승과 감소도 예측할 수 있을 텐데, 그런 완벽한 예측은 불가능하다고 생각한다. 다만 통계학적으로 추세를 따라 예측 모델을 만들어볼 뿐이다.
2. 나는 일회적으로 예측 모델을 만드는 것은 큰 의미가 없다고 생각한다. 매출이 감소할 것 같다고 예측되었을 때 ‘의지'를 가지고 그 현상을 개선해야 하기 때문이다. 이러한 의지치의 반영이 앞으로 어떤 영향을 미칠지, 어떤 요인으로 작용할지 모두 계량화할 수는 없다. 예측 모델을 만든다 해도 시장 상황을 반영해 지속적으로 개선해야 한다.
3. 좋은 모델을 만드는 것은 초심자에게 어려운 일이다. 따라서, 매출 증감에 대해 자신이 손꼽아볼 수 있는 원인을 구분해 정리하는 것을 권한다. 미래를 예측하겠다는 어려운 관점이 아니라, 지금까지의 매출 요인을 나누어본다는 식으로 접근하는 편이 낫다. 매출에 대해 최대한 작은 단위로 데이터를 모아놓고, 원인을 살펴보는 단계를 차근차근 진행해보자.
4. 일단 데이터 비전문가에게는 시계열 단위로 이리저리 쪼개어 매출을 분석하기를 원한다.
5. 할 수 있는 액션은 다양하지만 몇 개의 가닥으로 나누어진 것인데, 어떤 액션을 선택할지가 더욱 큰 문제다. 이 의사결정을 해나가는 데는 데이터도 필요하지만, 실제 적용시 고객 반응을 바로 감지해 체득하는 역량도 필요하다.
6. 진행했던 프로젝트가 성공하든 실패하든, 매출을 구성하는 요인을 살펴보고 개선해보는 경험이 중요하다.
7. 인터뷰가 데이터와는 거리가 멀게 보일지라도, 어떤 데이터를 보아야 할지 단서조차 없는 상황이라면 인터뷰로 감을 잡는 것도 필요하다. 그 감을 바탕으로 데이터 분석을 다시 시작한다. 아무 바탕 없이 데이터로부터 효과를 얻어낼 수 있으리라 기대한다면, 길을 많이 돌아서 가게 된다.
소비자의 마음은 영수증 한 장에 들어 있다
8. 데이터의 크고 작음보다는, 자기 생각에 확신을 주는 단서로서 데이터가 더욱 중요한 역할을 한다.
9. ‘그런 것 같아'가 아니라 정말 정확한 정보를 찾는 것도 분석에서는 중요한 과정이다.
10. 단골 고객이 특정 기간에 다른 행동을 하는 것과, 특정 행동을 하는 신규 유입 고객이 특정 기간에 늘어나는 것은 다른 마케팅 전략이 필요한 대상이 된다.
11. ‘왜'는 추정일 뿐, 단정하기 어려운 주제다. 일상생활에서도 사람들이 어떤 행동을 했을 때 전혀 생각지도 못한 이유가 있을 때가 있지 않은가. 소비자의 행동을 단언해서는 안 된다.
12. 선택지를 고민할 때는 소비자의 목소리를 직접 들으면서 수정해갈 수밖에 없다. 소비자에게 답이 있다. 시장에 적용하기 전에 충분히 질문하고, 판매할 때 소비자가 싫어하는 점은 없는지 계속 살펴보아야 한다.
소비자의 마음은 날씨에 따라 달라진다
13. 업에 따라 날씨를 다시 정의하는 작업이 필요하다. 눈이 오는 당장의 시점이 중요한 업이 있고, 눈이 쌓이고 난 뒤 며칠간 영향을 받는 업이 있을 것이다. 업의 상황을 반영하지 않고 하나의 정의로 날씨를 적용한다면 데이터와 현실 사이에 괴리가 생긴다. 매우 신경 써서 만든 데이터 분석이라고 할지라도 현실에서 예측하지 못한 일이 생기니 말이다.
14. 가능하면 다 쪼개어 보고, 의미 있는 단위를 발견하기를 권한다. 사람이란 확인하기 전까지는 ‘내가 보지 않은 저 곳에 내가 모르는 굉장한 것이 있을지도 몰라'라는 생각을 하기 때문이다.
15. 하나의 의미 있는 단위를 설정하기 전에 모든 단위를 살펴보는 것은 자신감과도 직결된다. “왜 이 단위로는 보지 않았는가?”라는 상급자 혹은 타 부서의 질문에 자신 있게 답할 수 있기 때문이다. “이미 그 단위도 살펴보았지만, 이런저런 이유로 가장 나은 단위인 이 분석이 채택되었다"고 말할 수 있다.
16. 출처나 저작권에 대한 명시도 데이터를 제시할 때 중요한 부분이다.
17. 소비자는 할인을 좋아하지만 할인이 때로는 재고 떨이의 수단임도 알고 있다. 좋은 의도로 기획한 것이 오히려 나쁜 관점으로 보여서는 안 된다.
소비자의 마음은 가끔 거짓말을 한다
18. 설문조사를 두고 ‘사람들의 말을 그대로 믿을 것인가'하는 논의가 여러 번 있었다. 개인적인 의견을 말하자면, 설문조사는 안하는 것보다 하는 것이 훨씬 낫다. 소비자의 마음을 알고자 노력한다는 반증이기 때문이다. 그런데 그 소비자의 마음이 정확한 것인지는 여러 모로 살펴보아야 한다.
19. 설문조사는 목적이 매우 명확해야 한다. 설문조사를 하기 전에 일단 모을 수 있는 모든 데이터를 분석하고, ‘데이터로는 답을 찾을 수 없고 소비자만이 답을 줄 수 있다’는 것이 명확해진 뒤에 설문조사를 하는 것을 권한다.
20. 자신이 기획한 대로 판매되는 것 같지 않을 때, 사람들에게 ‘why’를 물어볼 수 있다.
21. 판매자 입장에서는 자신이 생각하지 못한 반응을 접했을 때, 다시 자기 생각대로 무작정 추정하기보다는 소비자에게 생각을 물어보는 과정이 필요하다. 이 과정에서 또 다른 소비자의 니즈를 발견할 수도 있다. 설문조사는 이 ‘why’의 탐색에 포커스를 맞추는 것이 좋다.
22. 설문조사 자체가 별도의 분석으로 진행되기 보다는, 분석하는 주제를 하나 잡고 그 중에서 소비자에게 직접 물어보아야 하는 경우에 활용하는 것이 좋다.
23. 매출 데이터를 분석해서 얻을 수 있는 정보는 설문조사를 진행하지 말아야 한다. 사전에 데이터 분석을 통해 알 수 있는 내용을 기반으로 질문을 발전시켜, 소비자에게 진짜 궁금한 것을 물어보아야 한다.
24. 객관식으로 설문조사를 진행하는 경우 사전에 가장 고민해야 하는 부분은 자신이 제시하는 보기가 모든 경우의 수를 커버하느냐는 것이다. 그리고 보기에서 이 경우의 수가 겹치지 않고 제시되었는지도 살펴보아야 한다. 한 번에 한 가지만 질문해야 한다.
25. 그저 자기 생각을 확인하고 싶어서 수많은 시간과 노력과 비용을 들여, 소비자가 직접 답을 하는 귀한 시간을 낭비하는 것은 아닌지 고민해야 한다. 1단계적 질문이 많아지면 설문조사 결과를 받아보고 나서도 갈피를 잡지 못하고 궁금한 점만 더 많이 생기게 된다.
26. 시장의 흥망성쇠 주기가 매우 빨라졌다. 트렌드를 쫓는 것도 중요하지만 시장의 규모가 얼마나 유지되고 있는지를 보는 것도 중요하다. 트렌드를 파악한다는 것이 정말 어려운 일인데, 데이터는 이미 지나간 일이 축적된 경우가 많기 때문이다. 데이터로 대규모 정보가 집계된다면 그것은 이미 새로운 트렌드가 아니라는 의미일 수도 있다. 데이터가 줄 수 있는 것과 아닌 것의 차이를 분명히 알 필요가 있다.
소비자의 마음은 어떤 장소에 있는지에 따라 달라진다
27. 개인의 행동 패턴을 분석하면서 인사이트를 찾는다면, 다양한 액션 아이템을 발견할 수 있을 것이다.
28. 개인별 데이터를 분석한 뒤 합산하는 것은 다른 분석 방법보다 공수가 많이 필요하다.
29. 웹/앱으로 고객을 만나는 기업이 아니라면, 인사이트는 오프라인 매장별로 정리되는 것이 좋다. 결국 매장에서 변화를 주는 것이 액션 아이템이 될 것이기 때문이다.
30. 상상 가능하고 상식적인 행동이 데이터로 검증되었다고 하자. 그렇다면 이제 자신 있게 데이터를 가지고 액션 아이템을 잡을 단계다.
31. 상식적인 데이터를 들고 갔을 때, 회의에 모인 사람들이 오히려 그 인사이트를 비웃는 경우가 있다. ‘그걸 꼭 데이터를 봐야 아느냐'고 한다. 그러나 아무나 할 수 있는 생각을 가지고도 변화를 이끌지 못하는 것 아닌가? 변화의 필요성을 논리적으로 제시하기 위해 데이터가 필요한 상황인 것이다.
32. 사람들은 글자보다 그림을 더 직관적으로 받아들일 때가 있다. 때로는 데이터 보고서에서도 이미지를 활용하는 것이 필요하다.
33. 소비자에게서 원하는 반응이 나오지 않는 경우 원인은 다양하다. 일반적으로는 홍보가 잘되지 않아서 아예 모르거나, 알고 왔는데 살 만큼 매력적이지 않았거나, 구매를 했는데 재구매를 할만큼 좋지 않았을 수도 있다. 원하는 성과를 얻지 못한 원인이 적어도 이 세가지 중에 무엇인지를 알면 다음을 기약할 수 있다. 재구매할 만큼 좋지 않았다는 것은 또 다른 분석 주제가 된다. 어떤 부분이 좋지 않았는지 파악해서 개선할지, 아니면 지금까지의 방향성을 포기할지 판단해야 하기 때문이다.
소비자의 마음은 성별이나 나이로 구분할 수 없다
34. 기업은 소비자의 데모그래픽, 특히 성별이나 연령대를 알고 싶어 한다. 솔직히 말하면 성별이나 연령대를 안다고 해서 딱히 뾰족한 방법이 있는 건 아니다.
35. 우린 취향이 다른 사람들이다. 나는 그런 이유로 개인차가 집단 간 차이보다 더 강하다고 생각한다.
36. 그렇다면 인간이 모두 다른 개성을 가지고 있기 때문에, 소비자로서 특정 집단이 발생하지 않는 걸까? 그건 또 그렇다고 할 수 없다. 나는 특정 연령대가 유사한 행동을 보일 가능성이 있다고 생각하는데, 이는 생활 주기가 비슷할 수 있기 때문이다.
37. 데모그래픽에만 집중하는 것보다, 행동의 유사성을 파악하는 것이 훨씬 중요하다. 유사한 연령대에 유사한 행동을 보였던 과거와 달리, 이제 나이나 성별의 제한도 고정관념에 불과해졌다.
38. 타깃을 정의할 때 단순히 ‘30대 남성'이나 ‘40대 여성'이라고 할 것이 아니라, 고객군이 어떤 생활 패턴을 가지고 우리 제품이나 서비스를 필요로 할지 정의하고 접근하는 것이 훨씬 중요하다.
39. 고객 데이터란 개인정보가 포함된 정보를 말하는 것은 아니다. 누구인지 모르게 익명화되었지만, 활용할 정보가 들어 있으면 충분하다. 이때 고객 데이터에 어떠한 데이터가 있는지를 파악하는 것이 데이터 찾기의 시작이다.
소비자의 마음은 요소를 나누어보면 알 수 있다
40. 제품 정보를 정리해놓은 테이블은 디멘전(dimension table)에 해당한다. 디멘전 테이블을 잘 정리해놓으면 다양한 각도에서 분석할 수 있다.
41. 이 분석에서 가장 중요한 것은 제품 정보가 잘 정리되어 있느냐다. 생각보다 제품 정보를 테이블로 잘 정리해놓은 경우가 많지 않다.
42. 대면해서 소비자에게 새로운 제안을 하는 경우, 성공적이지 않다면 빠르게 수정해야 한다. 판매자와 소비자 모두를 지치게 하는 제안은 장기적으로도 좋지 않다.
43. 구매 시점에 하나의 정보에 집중할 수 있도록 강조하는 것도 좋다. 매장에서 보여주는 정보를 소비자가 모두 보았을 거라고 생각하면 안 된다. 소비자는 매장에서 제시하는 다양한 정보를 그렇게까지 집중해서 보지 않는다. 특히 자신이 익숙하게 다니는 곳이라면 말이다. 하나의 새로운 정보에 집중하도록 해주는 것이 필요하다.
44. 제안은 과소비를 부추기는 것이 아니라 필요한 정보를 제공하고 더 편리하게 구매하는 것이 목표가 되어야 한다. 소비자가 원하는 것을 알고, 편리한 선택을 제공하면 구매는 자연스럽게 따라온다.
소비자의 마음은 반응 속도를 보면 알 수 있다
45. 모든 상황에서 일반화하기는 어렵지만, 바로 답을 하지 못한다는 것은 명확하고 간단한 사안이 아니라 좀 더 고민이 필요한 상황이라는 의미이기도 하다.
46. 일단 무엇이든 비교를 하기 위해서는 동등한 상태의 데이터가 있는지 확인해보아야 한다. 제품이 동일하지 않다면, 판매 기간이 동일하지 않다면, 비교하는 요인 자체에 이런 정보가 담겨야 한다. 단순하게 매출이나 보고 싶은 지표만 비교하는 것은 통계적으로 공정하다고 볼 수 없다.
47. 기존 고객의 유지와 신규 고객의 유입은 언제나 양쪽 모두 신경 써야 한다. 물론 이탈이 가속화될 때에 재방문율이나 잔존율을 위해 애쓰거나, 새로운 고객 유치를 위해 에너지를 집중해야 할 때가 있다. 그렇게 에너지를 집중하려면 신경은 쓰고 있어야 한다. 내버려두었다가 나중에 분석하려 하면 이미 늦다.
48. 처음 자료를 보는 사람들에게 매번 차트의 색이나 색인을 매치하도록 하는 것은 좋은 방법이 아니다. 차트를 제공하는 툴이 자동으로 제고하는 것을 넘어, 좀 더 쉽게 가공해야 할 때도 있다. 청자가 너무 많은 정보 속에서 암호 해독을 하도록 만들면 안 된다. 바로 한눈에 이해할 수 있도록 배려하는 것도 필요하다.
49. 플랫폼에 대한 분석은 상시 과제로 두는 것이 좋은데, 플랫폼의 성향이 자주 바뀌지는 않기 때문에 충분한 기간을 두고 모든 플랫폼을 비교하며 분석하는 것이 좋다.
50. 데이터는 거짓말을 하지 않지만, 해석하는 사람의 주관이 방향성을 흐리는 경우가 얼마든지 있다. 또한 좋은 기획이 꼭 좋은 성과를 내지 못하는 경우도 있는데, 이는 통제할 수 없는 변수 때문이기도 하다. 성공과 실패의 원인을 반드시 다시 한 번 확인해야 또 다음 시즌을 준비할 수 있다. 데이터는 1회 분석이 아니라 지속적인 사고과정의 흐름과 함께함을 잊지 말아야 한다.
소비자의 마음은 모바일이 알고 있다
51. 당신이 노력하는 것 외의 영역, 즉 당신이 통제할 수 없는 영역을 이해하는 것이 필요하다. 열심히 하기만 하면 방법이 있을 거라고 생각하는 긍정적인 마음은 어느 경우에도 좋으나, 주변 환경의 영향이 얼마나 되는지 이해하는 것도 중요하다.
52. 퍼널을 만들어 전환을 관리하는 이유는, 병목현상이 어디에서 일어나는지 알기 위해서다. 그 병목현상을 해결해 최종 단계인 매출을 막는 단계를 알기 위함이다.
53. 무엇이 문제가 되었는지 알기 위해서는 일단 모든 변화를 찾아보아야 한다. 변화 자체가 무엇인지 알아야 그 변화가 매출 감소로 이어졌는지 알 수 있기 때문이다. 무조건 외부 탓을 하고 걱정만 해서는 안 된다. 원인을 파악하고 개선하고 노력해야 할 시점이다.
데이터가 없는 사람보다 데이터를 쓸 줄 모르는 사람이 더 많다
54. 통계나 코딩을 공부한다고 해서 데이터를 내 일에 적용할 수 있는 건 아니다. 마치 영어사전 한 권만 보면 영어 단어를 알 수 있고, 법전만 있으면 법을 알 수 있다고 생각하는 것과 마찬가지다. 그것을 읽고 공부한다고 해서 전문가가 되거나 바로 일상에 적용할 수 있는 건 아니다. 우리가 모르는 것은 통계나 기술 자체일 수도 있지만, 그 활용에 대한 것이 더욱 문제다.
데이터로 생각하는 힘이 더 중요하다
55. 데이터 비전문가들은 현재 다른 분야의 전문가들일 것이다. 지금까지 어떤 분야에 종사를 해왔고, 그 분야에서 경험을 쌓은 그 분야에 대한 관점을 가지고 있는 사람들이다. 그들이 모두 데이터 전문가가 될 필요는 없다. 데이터로 생각할 수 있는 관점을 확보하는 것이면 충분하다.
56. 데이터로 생각한다는 것은 어려운 데이터를 분석할 수 있어야 한다는 의미가 아니다. 자신의 생각에 확신을 가질 수 있도록 데이터를 활용하고, 논리적으로 사고한다는 것에 더 가깝다.
일반 회사원이자 데이터 비전문가에게
57. 더 중요한 문제는 데이터를 놓고 열린 토론을 할 수 있느냐와 정말 성과를 내기 위해 모든 사람이 힘을 모으고 있느냐다. 이것은 데이터보다 더 앞선 문제이며, 데이터로 일하고 싶은 의사결정자와 개인의 열의가 모이면 해결될 수 있는 문제이다.
기계가 아무리 똑똑해져도 생각은 인간만이 할 수 있다
58. 생각과 질문이 정리되지 않은 사람은 아무리 많은 데이터가 있어도 답을 찾기 어렵다. 데이터 자체는 중립적이며 차트가 답을 주지는 않기 때문이다.
59. 누구나 생각을 할 수 있지만, 누구나 자기 생각을 가지고 있는 것은 아니다. 누구나 데이터를 가질 수 있지만, 누구나 데이터에서 의미를 발견하는 것은 아니다. 생각하는 사람만이 데이터에서 의미를 발견한다.
60. 데이터가 사람을 평가하는 것이 아니라, 사람을 위해 데이터가 일하는 것이다.
