마케팅 믹스 전략 : 데이터 기반 기여 모델
마케팅 이론 | 퍼포먼스 마케팅 | 데이터 마케팅
이전 글에서 각 퍼널의 성과를 분석하는 방법 중 하나인 기여도 분석(Attributuion Analytics)의 일반적인 기여 모델에 대해 소개하였습니다.
오늘은 직접 기여 모델을 모델링하는 방법 중 하나인 데이터 기반(Data-driven) 기여 모델에 대해 소개하겠습니다.
이 글과 함께 읽으면 좋은 글을 아래에 링크합니다.
마케팅 믹스 전략 : AARRR 퍼널 분석 바로가기 >
1. 데이터 기반 기여 모델(Data-driven Attributuion Analytics)
기여 모델이란 최종 전환에 이르는 각 단계별 터치 포인트(Touch-Point)에 기여도를 할당하는 규칙을 의미하며, 데이터 기반 기여 모델은 최종 전환에 기여한 각 미디어에 적절한 기여도를 할당하여 직접 기여 모델을 모델링하는 방법입니다.
일반적으로 많이 사용하는 기여 모델들이 존재하지만, 어떠한 기여 모델을 선택하느냐에 따라 각 미디어별 기여도가 크게 달라지기 때문에 우리 서비스에 맞는 기여 모델을 직접 모델링한다면 더욱 정확한 성과 측정과 개선이 가능합니다.
* 일반적인 기여 모델에 대한 자세한 설명은 마케팅 믹스 전략 : 기여도 분석 에서 확인할 수 있습니다.
2. 데이터 기반 기여 모델의 모델링 방법
데이터 기반 기여 모델의 모델링 방법은 분석가에 따라 다양하게 시도될 수 있는데, 저의 경우에는 아래와 같은 단계로 진행합니다.
· 충분한 고객 행동 데이터 수집
· 고객들이 최종 전환에 이르는 과정에 대한 몇 가지 시나리오 작성
· 최종 전환에 대한 각 퍼널의 기여도 분석
· 각 퍼널에 속하는 미디어의 해당 퍼널에 대한 기여도 분석
· 기여도 분석 결과 종합, 각 퍼널-미디어의 최종 전환에 대한 기여도 할당
위와 같은 단계로 모델링을 진행할 때, 각 단계별로 고려할 사항은 아래와 같습니다.
· 충분한 고객 행동 데이터 수집
최종 전환은 무엇이며, 이 외에 최종 전환에 이르기까지의 핵심 행동은 무엇인지 등 수집할 고객 행동 데이터를 명확히 설계할 필요가 있습니다.
고객 행동 데이터를 명확히 설계하였다면, 이후에는 어떤 분석 툴을 이용하여 데이터 수집할 것인지 선택해야 합니다. 분석 툴마다 설정 방법과 수집 기준이 다르기 때문에 우리 서비스에 잘 맞는 분석 툴을 선택할 필요가 있기 때문입니다.
만약 초기에 수집할 데이터에 대해 명확히 설계하지 못하거나 분석 툴을 제대로 선택하지 못한다면 추후 재설계와 재설정으로 시간을 낭비할 수 있습니다.
· 고객들이 최종 전환에 이르는 과정에 대한 몇 가지 시나리오 작성
시나리오를 작성할 때에는 온라인 미디어는 물론이고 오프라인 미디어와 유기적인 유입까지 전체 미디어를 모두 포함하여 작성하여야 합니다.
또한, 시나리오는 각 퍼널을 잇는 미디어를 기반으로 작성하면 조금 더 수월합니다.
* 퍼널에 대한 자세한 설명은 마케팅 믹스 전략 : AARRR 퍼널 분석 에서 확인할 수 있습니다.
고객 행동에 대한 시나리오는 논리적인 고민을 통해 작성할 수도 있지만, 사용 중인 분석 툴에서 사용자의 행동 흐름 제공하고 있다면 이를 참고하여 작성할 수도 있습니다.
· 최종 전환에 대한 각 퍼널의 기여도 분석과 각 퍼널에 속하는 미디어의 해당 퍼널에 대한 기여도 분석
분석가에 따라 다르지만, 저의 경우에는 상관분석과 회귀분석 등의 통계적인 분석 방법을 이용하여 퍼널-미디어별 가중치를 계산하는 방법을 사용합니다.
만약 통계적인 분석 방법으로 계산하기 어렵다면, 최종 전환에 도달하는 고객과 그렇지 않은 고객의 행동 흐름을 비교하여 최종 전환에 더 많이 기여하는 퍼널과 미디어를 발견하는 방법도 있습니다.
어떠한 방법이 되었든지 최종 전환에 도달하기까지의 패턴을 발견하는 것이 이 단계의 핵심입니다.
· 기여도 분석 결과 종합, 각 퍼널-미디어의 최종 전환에 대한 기여도 할당
앞서 통계적인 분석 방법 또는 고객 행동 흐름 비교 등으로 퍼널과 미디어의 최종 전환에 대한 기여도를 분석하였다면, 이제 해당 퍼널과 미디어에 기여도를 할당하여 우리 서비스에 맞는 기여 모델을 모델링하면 됩니다.
저의 경우에는 최종 전환에 대한 각 퍼널의 기여도를 먼저 할당한 뒤에, 각 퍼널에 속하는 미디어의 기여도를 할당하는 방식으로 모델링합니다.
예를 들어 Revenue를 최종 전환이라고 가정한다면, 백분율에 맞춰 [Acquisition 20% / Activation 30% / Retention 50%]와 같이 각 퍼널의 기여도를 먼저 할당합니다. 이후 각 단계에 해당하는 미디어를 나열하여 [Facebook 30% / Naver SA 40% / Google UAC 20% / 지하철 옥외광고 10%]와 같이 각 퍼널에 속하는 미디어 역시 백분율에 맞춰 기여도 할당합니다.
3. 데이터 기반 기여도 모델링 툴
만약 이러한 복잡한 과정을 거쳐서 데이터 기반 기여 모델을 모델링하기 어렵다면, 모델링을 대신해주는 툴을 이용하는 방법도 있습니다.
기여도 분석 및 모델링이 가능한 도구로는 데이터리셔스 옵티마허브(Datalicious OptimaHub)와 구글 애널리틱스 360 스위트(Google Analytics 360 Suite) 등이 있습니다.
초기에 데이터 수집에 대한 설정만 잘하였다면, 이러한 툴을 이용하여 보다 쉽고 직관적으로 기여도를 확인할 수 있습니다.
다만, 이러한 툴들은 대부분 온라인 미디어에 한정되어 있어 오프라인 미디어의 영향을 파악하기 어렵다는 단점과 외부 상황적인 요소를 반영하기 어렵다는 단점이 있습니다.
그러므로 툴을 이용하여 기여 모델을 설계할 때에는 트래킹이 어려운 오프라인 미디어의 영향과 외부 상황으로 인한 영향을 고려하여 기여 모델을 해석할 필요가 있습니다.
지금까지 데이터 기반(Data-driven) 기여 모델에 대해 소개하였습니다.
어떠한 미디어가 고객의 최종 전환에 얼마나 큰 기여를 했는지 정확하게 분석하는 것은 마케팅 성과를 극대화하는데 필수적인 부분입니다.
이를 위해서 다양한 기여 모델을 적용해보고 우리 서비스에 맞는 기여 모델을 직접 모델링하는 등 가능한 많은 테스트와 검증을 해 보시길 바랍니다.
