데이터 기반으로 비즈니스를 성장시키는 방법
광고 성과를 높이는 데이터 활용의 원리
‘데이터 분석’이라는 단어를 들으면 막연하고 어렵게 느껴지고는 합니다. 뭔가 복잡한 기술과 지식이 필요할 것만 같죠. 또한 큰 규모의 비즈니스만 할 수 있는 일처럼 느껴지거나 비용이 많이 필요할 것만 같습니다.
우리가 가지는 막연함과는 달리 ‘데이터 분석’도 린(Lean)하게 시작할 수 있습니다. 적은 양의 데이터라도 잘 관리하고 쌓아둔다면 비즈니스를 지속적으로 성장시키는 데 활용할 수 있습니다.
오늘은 성장을 준비하는 회사들이 데이터 활용을 어떻게 쉽게 적용할 수 있는지, 특히 마케팅 과정에서 ‘광고 관리’에 주로 이용되는 2가지 관점을 소개해 보려고 합니다.
그로스해킹스쿨 → https://bit.ly/3RjErLW
- 더 많은 그로스 해킹 전략과 사례를 확인할 수 있습니다
- 데이터 분석과 활용에 대한 고민이 있다면 문의를 남겨 주세요.
고객 데이터가 많을수록 광고의 효율이 좋아진다
운영하고 있는 쇼핑몰/서비스에서 지금까지 상품을 구매한 사람이 1,000명이 있다고 가정해 보겠습니다. 이 데이터를 어떻게 활용할 수 있을까요? 가장 쉽고 효율적으로 사용할 수 있는 방법은 광고 플랫폼에 업로드하는 방법입니다.
구글, 메타(페이스북, 인스타그램) 등의 주요 광고 플랫폼에는 기존 고객들의 데이터를 기반으로 비슷한 전환 행동을 보일 것으로 예상되는 타겟에게 광고를 집행할 수 있는 기능이 있습니다.
구글, 메타는 이미 수많은 회원들이 어떤 관심사를 가지고 있는지, 쇼핑 주기와 평균 구매 금액은 얼마인지, 어떤 카테고리의 상품을 구매할 확률이 높은 지를 파악하고 있습니다.
우리가 고객군을 분류하여 업로드하기만 하면, 해당 고객군과 유사성이 높은 광고플랫폼의 타겟들을 자동으로 찾아줍니다.
실질적으로 우리 서비스를 이용할 가능성이 있는, 구매 가능성이 높은 타겟에게 더 효율적으로 광고를 집행할 수 있게 되는 것이죠. 지속적으로 광고 플랫폼에 데이터를 학습시켜 나갈수록 그 정확도는 높아질 수밖에 없습니다.
직접 고객의 데이터를 업로드하는 방식이 아니더라도, 온라인 내에서의 행동을 기반으로 타겟을 만들 수도 있습니다. 이 경우에는 각 광고 플랫폼에서 제공하는 광고 추적 도구를 웹사이트/모바일에 설치하는 과정이 필요합니다.
행동 기반의 타겟은 쉽게 말하자면, 1) 우리가 운영하는 SNS 채널에 반응한 사람 2) 우리 서비스에 방문한 사람 3) 특정 버튼을 클릭한 사람 4) 장바구니에 상품을 담은 사람 5) 구매를 완료한 사람 등 우리가 특정 행동들을 정의 내릴 수 있는 기능입니다.
위에서 말한 것과 비슷한 원리로 ‘A 컨텐츠에 반응한 사람’, ‘웹사이트에 방문한 사람’의 데이터를 기반으로 유사한 타겟을 만들어 광고를 노출할 수 있습니다.
특정 쇼핑몰에서 어떤 상품을 보면, 곧바로 다른 쇼핑몰들의 비슷한 상품들이 내 피드에 광고로 뜨는 것을 경험해 보셨을 겁니다. (개인적으로는 윤리적 문제가 있다고 생각하지만) 광고 플랫폼들은 영리하게 다른 경쟁사의 데이터를 활용하여 우리가 성장할 수 있는 광고 상품들을 제공하고 있습니다.
광고 추적 도구의 권한 설정이 명확하지 않았던 시기에 일부 광고 대행사들이 이를 악용해서 수익을 내기도 했습니다. 기존에 비슷한 회사의 광고를 대행하면서 축적해 둔 데이터를 기반으로 다른 회사의 광고를 집행하면서 높은 성과를 내고, 그것을 ‘별도의 노하우를 활용’하여 수익률을 잘 만든다고 홍보하기도 했습니다.
그만큼 광고 플랫폼에서는 기존에 확보해 둔 데이터가 성과를 보장할 수 있는 길이라는 것을 광고 대행사들이 잘 알았던 것 같습니다. 최근에는 광고 추적 도구에 권한 설정이 세분화되어 있고 ‘데이터 소유권’에 대한 인식이 많이 개선되면서 이 같은 문제가 적어지기는 했지만, 광고를 의뢰할 때 신경 써야 하는 부분이기는 합니다.
최근 모바일 광고 시장에서는 심지어 아예 경쟁사 타겟을 대상으로.. 예컨대 [‘xx마켓’ + ‘중고xx’ 어플리케이션을 다운로드한 사용자]에게 광고를 노출시킬 수 있는 상품들도 제공하고 있죠.
경쟁에서 우위를 점할 수 있는 차별점을 만드는 것도 중요하지만, 이미 비슷한 서비스 사용 경험이 있는 타겟들을 빨리 우리 서비스의 초기 고객으로 만드는 것도 중요할 것입니다.
광고 플랫폼이 데이터를 활용해서 광고 상품을 만드는 간단한 원리만 이해하고 있어도, 시도할 수 있는 전략의 폭은 늘어날 것입니다.
무엇이 성과가 좋고 나쁜지를 알 수 있게 된다
‘측정 과정’이 있어야 무엇이 좋은지, 나쁜지, 왜 그 일이 일어났는지를 알 수 있습니다. 또한 측정을 통해 발견되는 비슷한 패턴이 우리에게 확신을 가져다줄 수도 있죠. 데이터를 활용한 모든 과학 분야에 공통적으로 적용되는 원칙입니다. 어떻게 보면 당연해 보이는 이 원칙이 ‘4차 혁명’이라고 불릴 만큼 디지털 세계에서 다시 큰 주목을 받았던 이유가 있습니다.
스마트폰의 발명과 보급으로 인해, 인간의 많은 행동들이 온라인 내에서 발생하고 있다.
온라인 공간에서는 그동안 측정할 수 없었던 ‘인간의 사사로운 행동, 습관’까지도 데이터화할 수 있다.
클라우드 시장의 발전으로 인해, 수많은 데이터들을 싸게 저장하고 활용할 수 있게 되었다.
기존 통계학에서는 데이터를 많이 모으는 데 드는 시간과 비용 때문에 ‘표본’을 통해 ‘전체’를 추론하는 방식을 이용했다. 표본에서 발견되는 작은 오차가 전체로 확장될 때는 큰 오차가 되기 때문에 통계적 엄밀성이 크게 요구되었다.
하지만 양적으로 데이터를 많이 수집하고 처리할 수 있는 시대에서는 엄밀하지 않은 전체 데이터를 이용한다. 엄밀하지 않은 전체 데이터를 대상으로 한 분석이, 통계적 엄밀성이 적용된 표본을 기준으로 한 분석보다 더 높은 정확성을 보이고 있다. (특히 비즈니스-마케팅처럼 ‘경향성’이 중요한 분야에서는 더욱)
마케팅/서비스 분석에는 여러 기법들이 있지만 시작하는 단계에서는 1가지만 기억해도 될 것 같습니다.
측정하고 → 원인을 분석하고 → 개선해 보고 → 다시 측정한다
흔히 A/B 테스트 실험이라고 불리는 방법 역시 이 과정에 충실한 방법이죠.
그러면 개선을 위해 무엇을 측정해야 할까요?
1) 외부 채널에서 우리 웹사이트로 들어오는 유입 과정
2) 웹사이트에 방문한 후 결제가 일어나기까지의 과정
위 2가지로 분류해서 시작합니다. 흔히 말하는 ‘퍼널 분석’ 또한 이 관점에서 시작하죠.
1) 번의 유입 과정에서는 주로 해당 게시물/광고가 잘 노출이 되고 있는지, 노출 대비 클릭률은 어떤지, 클릭당 평균 광고 단가는 어떤지를 살펴봅니다.
위 과정을 통해 우리가 만든 광고 소재(카피, 이미지, 영상)이 사람들의 반응을 적절하게 이끌 수 있는지, 우리가 지정한 광고 타겟이 적절했는지 등을 판단할 수 있습니다. 결론적으로는 잘 되는 광고를 남겨두고, 잘되지 않는 광고는 끄거나 적은 예산으로 조정하여 비용을 효율적으로 관리할 수가 있을 것입니다.
2) 번 단계의 경우 핵심적인 요인은 ‘고객의 이탈 포인트’를 찾는 것입니다.
고객의 이탈 포인트는 어떻게 찾을까요? 고객의 구매 여정을 각 단계로 정의하고 측정만 하면 쉽게 파악할 수 있습니다.
방문 -> 상세 페이지 조회 -> 장바구니 담기 클릭 -> 주문서 작성 -> 결제 완료
각 단계에서 다음 단계로 넘어가는 비율을 보고, 어떤 단계를 개선할지 파악합니다.
조금 더 상세한 분석과 개선 실험을 할 때 역시, 어렵게 생각할 것 없이 이 단계를 ‘온라인 행동’을 기준으로 세분화하면 됩니다.
스크롤 조회 측정 추가-> 상품 상세 페이지에서 스크롤을 30% 내린 시점에서 고객들이 많이 이탈한다 -> 30%까지의 영역에 적절한 후킹 포인트를 다시 만들고 결과를 다시 파악한다.
장바구니에 상품을 담고 결제하지 않은 사람의 비율이 높다 -> 1) 주문/결제 과정이 복잡하지 않은지 살펴본다. 2) 결제 실패 에러가 발생하지 않았는지 살펴본다. 3) 추가 할인 쿠폰 등을 지급할 때 결제 유도가 되는지 살펴본다.
데이터 분석 솔루션 및 광고 추적 도구에서는 이미 1) 번의 과정과 2) 번의 과정을 종합적인 성과를 볼 수 있도록 제공하기도 합니다.
광고 대비 수익률(ROAS)이 여기서 활용되는 대표적인 지표이죠. 광고비 1만 원 당 3만 원의 매출이 발생할 때, 판매하는 상품의 마진을 고려하여 해당 광고를 계속 집행할 가치가 있는지, 마진이 더 높은 상품을 광고할 때는 어떤지 등을 쉽게 판단할 수가 있을 것입니다.
결론
‘측정’과 ‘개선’을 시작하는 단계에서는 사실 대단한 수학적 지식도, 통계적 기법도 필요하지 않습니다.
A와 B중에 무엇이 성과가 높다는 것을 구별하는 것은 간단한 산수의 영역일 것입니다. 심지어 그 간단한 계산들도 ‘데이터 분석 솔루션’을 도입하면 알아서 계산을 해줍니다.
SQL, Python과 같이 데이터 처리/분석을 위해 사용되는 프로그래밍 언어는 자체 DB에 축적된 데이터를 활용하거나, 비즈니스의 규모가 커져서 대량의 데이터를 빠르게 처리할 때 효과적입니다. 시작하는 단계에서는 ‘데이터 분석 솔루션’으로도 충분합니다.
요약
광고 플랫폼에 전달하는 데이터가 많을수록 성과가 높아집니다. 특정 콘텐츠가 우연이 빵! 떴을 때, 그 데이터를 활용하면 비슷한 패턴을 만들어 낼 수 있습니다.
우리의 마케팅 활동을 측정해야 개선할 수 있습니다. 우리 회사가 하는 마케팅에 고객들이 얼마나 상호작용하는지를 보고 개선해 나가는 과정을 반복합니다.
그로스해킹스쿨 → https://bit.ly/3RjErLW
- 더 많은 그로스 해킹 전략과 사례를 확인할 수 있습니다.
- 데이터 분석과 활용에 대한 고민이 있다면 문의를 남겨 주세요.
