개인화 성과측정의 잘못된 방법
개인화컨텐츠가 매스컨텐츠의 효율을 이길 수 있는가
최근 몇 년간 많은 고객에게 다수의 컨텐츠를 제공해야 하는 서비스의
가장 큰 특징 중 하나는 '빅데이터'를 사용한 고객 분석과 '데이터에 기반을 둔' 컨텐츠 제공이다.
빅데이터가 유행하면서 각 사에서는 데이터 전문가를 모집하기 시작했고, 많은 로직들과 분석 결과를 제공하기 시작했다. 하지만 그것이 고객에게 연결되고 회사 매출에 도움을 주는 서비스로 이어지지 않는 경우가 많지는 않았다. 그 차이는 데이터를 풀어낼 수 있는 요소를 만들었느냐 그저 데이터로 끝났느냐에 있다.
일부 잘 되어있는 회사들의 핵심에는 '개인화 서비스'가 있었다.
잘 정제된 데이터가 backoffice 기반의 로직이라면
이 데이터를 기반으로 front에서 고객에게 유용한 정보를 제공하는 방향이 바로 '개인화'라고 하겠다.
서비스 방식과 UI는 다르지만, 각 사는 개인화된 컨텐츠를 제공하는 기능을 점차 넓은 범위로 가져가고 있다.
간단하게는 접속하는 고객마다 각 고객에 특성을 감안한 배너나 카피 등을 노출하는 것부터, 고객별 맞춤 UI나 상품을 진열하면서 더 많은 트래픽을 유도하곤 한다.
이 모듈 자체를 만드는 것은 어려운 기술은 아니다.
솔루션과 시스템의 효율성의 차이는 있지만, 기본적인 프로세스는 비슷한다.
1) 사전에 고객을 여러 군으로 나누어 두고, 고객별로 노출될 컨텐츠를 매칭 해둔다.
2) 고객이 시스템에 접속하면, 서버로 부터 어떤 고객군에 속한 고객인지를 체크해서
3) 해당 고객군에 사전에 정의된 컨텐츠를 노출한다.
이 프로세스의 퍼포먼스는 몇 가지 지표에 따라 확인할 수 있다
데이터 활용 능력 : 좋은 개인화 서비스의 기준은 얼마나 이 고객군을 잘 나눌 수 있느냐
컨텐츠 생성 능력 : 각 고객군에게 차별화하여 노출할 컨텐츠를 만들고 큐레이션 할 수 있느냐
시스템 성능 : 시스템의 부하나 속도의 문제가 없이 서비스가 제공되고 있느냐로 볼 수 있다 ( 고객군이 세분화되고 컨텐츠가 다변화될수록 로직은 무거워지고 데이터 베이스를 호출하는 빈도수가 높아진다. 시스템 상에서 뒷받침되지 않는다면, 아무리 좋은 로직을 설계하더라도 고객을 만족시킬 수 없다. )
이런 것들을 조합하면 개인화 서비스의 효과(결과)를 분석할 수 있다.
개인화 서비스는 결과 분석과 리타겟팅이 무엇보다 중요한데
의외로 제대로 운영되지 못하는 이유 중에 하나는 바로 '분석 결과에 대한 가치 판단'에 있다.
아이러니하게도 개인화 서비스를 운영하면서도 '개인화 보다 매스 컨텐츠(MASS)가 더 많은 효율을 준다'는 오판을 하는 경우가 많이 있기 때문이다.
기본적으로 개인화 컨텐츠는 여러 개의 컨텐츠를 각 고객별로 서비스 하는데 있다.
대체로는 우선순위로 나누기도 하지만, 고객별로 나뉘어서 제공하기도 한다.
예를 들면, 40대 남성에게는 20대(취업) 여성(화장품)이 관심을 가질 컨텐츠는 노출하지 않는 식이다.
여기에서 모든 고객에게 동일하게 컨텐츠를 매스컨텐츠로 노출한다고 하면,
대다수의 40대 남성은 관심이 없겠지만, 우연히 또는 소수의 관심을 가지는 사람이 나타날 수 있다.
이 숫자가 많던 적든 간에 적어도 20대 여성에게만 노출했을 때보다는 많을 것이다.
매스 대상으로 노출하면 기본적으로 노출 대상이 더 넓어지기 때문인데
=> 이는, 개인화 방식으로 제공하는 고객군이 MASS 군에 포함되기 때문이다.
여기서 숫자가 높아졌으니 MASS가 더 효과적인 것이 아니냐 할 수 있는데
반면, 중요하게 봐야 하는 건 MASS에서 트래픽 자체는 1이라도 높아질 수 있지만 원하지 않는 콘텐츠를 접해야 하는 나머지 40대 남성에 있다.
이들에게는 또 다른 컨텐츠를 노출할 기회를 포기하는 동시에, 만족스러운 서비스를 받지 못하는 경험을 주었을 것이다.
MASS 방식은 '효과성' 이 기준이라 더 많은 트래픽이 중요한 평가지표라면,
개인화는 '효율성'을 기준으로 최적의 고객 만족이 중요한 평가지표이다.
개인화의 효율성은 MASS와 비교하는 것이 아니라 개인화 시나리오끼리 비교해야 한다.
애초에 성격이 다른 개인화 방식과 MASS 방식의 컨텐츠를 같은 선상에 두고 비교하면 안 되는 것이다.
예를 들면) 위와 같이 개인화 시나리오로 서비스를 한다면
총 접근 횟수(O가 채워진 의 갯수)을 기준으로 봤을 때
개인화 시나리오 1은 24, 개인화 시나리오 2는 27이라면
고객의 반응은 개인화 시나리오 1보다 2가 더 좋았다고 볼 수 있다
=> 이렇게 같은 방식의 개인화 시나리오 상에서 접근한 횟수, 빈도, product별 접근 횟수 등을 비교하는 건 적합하다.
개인화 서비스의 성공적인 운영 여부를 가치로 판단할 때는
'동일한 컨텐츠를 서비스했을 때 어떤 시나리오로 구성' 하는 게 더 효율적 인지
또는 '동일한 대상으로 서비스했을 때 어떤 컨텐츠로 구성' 하는 게 더 효율적인지 가 관점이 되어야 한다.
또한 개인화에서는 지표를 확대하는 것도 중요하지만 각 타겟별 고객의 만족도 또한 중요하다.
모든 타겟 군에서 골고루 좋은 만족도(효율성)을 만들어 낼 수 있는 컨텐츠의 확보와 배치가 중요하다고 할 수 있다.
컨텐츠 자체가 준비되지 않은 상태에서 컨텐츠 한두 개를 개인화와 매스 방식으로 비교 노출하게 되면
개인화 방식이 매스 방식에 비해 좋은 지표를 얻기 어렵다. 이런 경우 'MASS'로 노출하는 거만큼 효과는 없으니 개인화는 집어치우고 MASS로 노출합시다'로 귀결되는 사례가 생기기도 한다.
빅데이터 기반의 개인화 서비스는 어느 회사나 만들고 있지만,
그 가치를 판단하고 제대로 운영하는 회사는 많지 않다. 그래서 개인화 서비스를 한다고 하는 회사는 많지만 제대로 운영하고 오래가지 못하기도 한다.
개인화 서비스는 서비스를 구축하는 것보다 분석에 대한 기준을 제대로 세우고 그 가치를 판단하지 않으면
그 피해는 고스란히 고객이 좋은 경험을 하지 못하게 되고, MASS 보다 못한 개인화 서비스로 전락할 수 있다.
