(고객) 데이터, 평균 위주로 보시죠?
평균의 환상에서 벗어나 진짜 '사람'을 만나는 법
세상에는 다양한 사람들이 있는 것처럼, 우리 제품과 서비스를 이용하는 이들은 제각각의 이유로 구매 및 사용합니다. 하지만, 이 모든 이들과 1:1 관계를 구축하지 못하는 구조로 사업을 전개하는, 애초부터 그럴 생각과 의지가 없는 기업은 우리가 발견한 고객의 '평균적 모습'을 보고, 그 이상만 하면 된다고 생각합니다. 이는 마치 시장에 나와있는 비교 가능한 여러 제품과 서비스 중에 중상위 혹은 그 이상의 퀄리티를 제공하는 것으로 고객과의 거래가 충분히 가능하다는 입장입니다. 그런데, 다들 알고 있습니다. 그것만으로는 우리의 사업이 원활히 성장할 수 없다는 것을 말입니다. 이제 평균의 환상에서 벗어나, 진짜 '사람'을 우리가 확보한 데이터 속에서 발견하려고 해야 합니다.
데이터는 많지만,
데이터를 제대로 볼 줄 모릅니다
데이터의 평균이 전체를 말해준다는 편견 때문에
데이터가 넘쳐나는 시대입니다. 우리의 판매 관련 대시보드에는 실시간 매출, 방문자 수, 구매 전환율이 수시로 변하고, 이중에 특정 구간을 잘라서 우리 고객의 동태를 살피기 위해 애를 씁니다. 하지만 아이러니하게도 데이터가 쌓일수록 우리는 고객을 더 모르게 되곤 합니다. 왜냐하면, 데이터를 쌓는 구조도 판매자 중심으로 되어 있고, 그렇게 수만 명의 데이터를 하나로 뭉쳐놓고 고작 '평균'이라는 숫자의 함정에 스스로 빠져들기 때문입니다.
참고로 데이터 관리자 또는 이를 바탕으로 어떤 결정을 해야 하는 이들은 '데이터'가 의미하는 바가 무엇인지 잘 모르는 경우가 많았습니다. 그들은 데이터 세상에 살아본 바가 없기 때문입니다. 데이터로 인해 의사결정을 하기보다는 데이터를 참고로 의사결정의 방향 정도를 체크하고 확인하는 것으로 이해할 수 있습니다.
데이터의 의미를 올바르게 살펴보자면, 데이터는 고객이 어떤 의도를 갖고 한 행위가 데이터로 기록된다는 것을 말합니다. 따라서, '여러 각도에서 다양하게 보려 하고', 우리가 서비스를 통해 의도한 바를 고객이 잘 이해하고 확인하고 그 안에서 고객 스스로가 원하는 바를 헤매지 않고 잘 찾아가는지 살펴볼 수 있어야 합니다. 물론, 이것도 기업이 고객을 알기 위한 다양한 데이터 관련 장치들을 여기저기 배치해 놓았을 때, 가능한 일인지도 모릅니다. 그래서, 경험과 지식보다, 고객을 향한 생각의 방향 또는 의지의 문제라 볼 수 있습니다.
실제 기업의 임원 및 책임자 대상 코칭 경험에 비춰보자면, 대부분의 기업은 고객 데이터에 관심이 크게 없습니다. 단지, 우리가 원하는 내용과 수준의 데이터가 고객 반응으로 확인되는가, 아닌가를 중요하게 보는 편이었습니다. 그걸 확인하거나, 관련 지표의 개선을 위해 더욱 세밀하게, 고객을 여러 그룹으로 분류하거나, 분류하기 위해 어떤 기준을 찾으려고 로우 데이터를 뜯어보자고 하면 이런 말부터 나옵니다.
- "뭘 그렇게 까지 해요..." -
- "에이 뭘 잘 모르시네..." -
하지만, "우리의 고객은 누구입니까?"라고 물으면, 오늘도 "우리 고객의 평균 연령은 34세이고, 평균 객단가는 5만 원입니다"라는 수준의 이야기를 한다면, 생각보다 심각한 수준이라고 볼 수 있습니다. 심지어 저 정도 수준의 보고서로 의사결정을 내리고 있는 경우도 많았습니다.
적어도 고객이 제공한 개인정보와 고객이 서비스 내에서 보이는 여러 행태를 토대로 우리가 '어떤 부류의 고객을 상대하고 있는지', 애초부터 우리가 의도한 바에 맞춰 고객이 반응하고 있는지, 그럼, 현 상황을 놓고 어떤 대응을 할지(원래의 의도대로 가려고 노력할지, 아님 고객 반응에 맞춰 피봇팅을 할지 등등) 결정할 수 있어야 합니다. 그야말로 데이터에 의한 의사결정을 기본 체제로 갖고 사업을 운영하는 것입니다. 하지만, 여전히 데이터를 대하는 태도가 성숙되지 못하고, 결국 평균의 함정에 빠져 허우적 대고, 그곳이 함정인지 모르고 있다면, 우리의 비즈니스는 지금 존재하지도 않는 '유령'을 쫓고 있는지도 모릅니다.
고객 데이터를
올바르게 보기 위해
의식해야 하는 4가지
생각을 바꾸고, 바뀐 생각에 맞춰 행동도 바꿔야 합니다
1. '공급자적 시각'의 안식처, 평균의 함정
우리가 평균에 집착하는 이유는 개념 자체가 쉽고, 그래서 '편하기' 때문입니다. 다소 복잡하다고 볼 수 있는 고객의 맥락을 제거하고, 하나의 숫자로 단순화하면 보고하기 좋고, 결정하기도 쉽습니다. 어쩌면 복잡한 데이터 및 통계적 이해가 부족한 상사들의 의사결정을 돕기 위한 묘수이자 꼼수 혹은 실무자가 편하게 일하고자 하는 얄팍한 마음 때문일 수도 있습니다. 하지만, 이 모든 것은 결국 전형적인 '공급자적 시각'입니다. 우리가 생각한 평균에 맞춰, 평균 이상의 수준으로 그들과의 거래를 해보겠다는 일종의 근자감일 수도 있습니다.
대부분의 기업은 '고객이라고 부르고, 그 뜻에 맞춰 고객을 대우하지 않습니다.
(마치 상장된 회사가 소액 주주를 주주로서 인정하지 않고, 대주주 권익에 따라 운영하는 것과 같습니다.)
고객의 본래 뜻은 21세기 맞춰 해석해 보자면, 'n차 구매를 할 가능성이 높은 손님 또는 우리가 사라고 권하지 않더라도 사거나 사려고 하는 손님'이라고 봐야 합니다. 그렇기 때문에, 적어도 어떤 부류, 특성을 가진 고객이 우리의 찐 고객일까에 대한 호기심 어린 시선으로 우리가 상대하는, 앞으로 상대할 고객들을 바라보려는 시각을 갖추려고 해야 합니다. 그걸로 우리 고객들의 마음을 이해하거나, 읽을 수 있고, 그 혜안으로 조금이나마 비즈니스의 지속가능성을 높일 수 있습니다.
하지만, 다수의 기업이 고객을 한 명의 '사람'이 아닌, 우리 매출을 채워줄 '구매자(Buyer)'로만 정의합니다.
그래서, 고객 데이터를 '그들의 삶을 이해하는 도구 또는, 우리 서비스(상품)를 통해 어떤 문제를 해결하려고 하는지 등' 보다 복잡 미묘한 문제를 파헤치기 위한 적절한 두고로 보기보다는, '더 자주 결제하게 만들 채찍, 또는 고객 심리 및 행동을 읽어서 회유하기'위한 목적으로 주로 사용합니다. 그로 인해 고객의 구매를 더 많이, 자주 할 수 있게 또는 구매 경험을 더욱 널리 퍼뜨릴 수 있는 방안을 고객 데이터로 찾고, 극대화합니다.
그러나, 이러한 얄팍한 마음이 디테일을 놓치고, 심하면 사업 구조를 악화시키기도 합니다.
예를 들어 "1,000만 원을 쓰는 고객 한 명과 1만 원을 쓰는 고객 99명의 평균은 10만 원대"라며 우리 고객의 평균 구매 단가를 10만원 언저리로 보는 것입니다. 그리고, 이 10만 원이라는 숫자에 맞춰 마케팅 전략을 짜면, 정작 1,000만 원을 쓰는 VVIP도, 1만 원을 쓰는 일반 고객도 만족시키지 못하는 어중간한 결과로 이어집니다. "Everything for everyone is nothing for anyone. 모두를 위한 것은 그 누구를 위한 것도 아니다."라는 결론에 다다르지만, 재무적 펀더멘털은 서서히 무너집니다. 이미 사업적 방향이 우리가 목표로 하는 고객에 맞춰 짜이고, 경험으로 남아, 쉽사리 사람들의 행태에서 사라질 수 없기 때문입니다.
참고로, 고객데이터를 통해 우리의 수익을 극대화하겠다는 목적은 불순하지 않습니다.
오히려 순수합니다. 하지만, 그 순수함 만큼 데이터를 대하는 모습은 순진한 모습이 많습니다. 모두가 그런 것은 아니지만, 대체로 많은 기업들이 평균(값) 또는 평균과 유사한 지표를 통해 "일정 기간 동안 우리에게 무언가를 구매한 고객들이 어떤 이들인지 파악조차 하지 않는 경우" 또는, 파악하더라도 보조 및 참고 자료 정도로 이해하는 중입니다. 그보다는 고객의 디테일을 알고자, 고객이 보이는 여러 행태를 파악하고, 파악한 내용을 토대로 우리 서비스 혹은 사업적 완성도를 높여 '더 많은 고객과 더욱 깊은 관계 맺기'를 위한 시스템 구축을 시도해 보는 것이 어찌 보면 진짜 순수한 처사가 아닐까 생각합니다. 그럼, 고객도 기업을 이해하고, 기꺼이 지갑을 열지 않을까 싶습니다.
2. '구매자'를 넘어 '고객'을 본다는 것
고객에 대한 올바른 정의를 토대의 인식 전환은 고객 데이터를 바라보는 정의를 바꾸는 것에서 시작됩니다.
구매자(Buyer): 우리 물건을 사고 돈을 지불하는 사람 (단기적, 거래 중심)
고객(Customer): 자신의 문제를 해결하기 위해 우리 브랜드를 선택한 사람 (장기적, 관계 중심)
구매자는 우리 말로는 손님에 가깝습니다. 하지만, 언제부터인지 모르지만, 구매자를 손님으로, 다시 손님을 고객으로 부르기 시작하면서 구매자가 고객이 되었습니다. 그럼, "모든 구매자는 고객이 맞을까요?" 아마도 구매하는 상황, 순간, 구매로 인해 어떤 연결이 만들어지고 그 자체로 지속될 가능성을 갖게 된다면 고객에 가깝다고 볼 수도 있습니다.
하지만, 우리가 고객 데이터를 수집하는 방식, 쌓는 구조, 그 안에서 분석하기 위해 사용하는 가장 많은 방법 등이 단순히 "무엇을 샀는가(What)"라는 결과값에만 매몰되어 있는 편입니다. 이렇게 되면, 고객보다는 고객이 산 무언가를 판매하는 입장에서는 '무엇이 팔렸는가'로 이해하게 되면서 팔린 무언가에 가려져 고객보다는 재고를 더욱 중요하게 여기게 됩니다. 이렇게 되면, 과거 공급자적 관점과 방식을 답습하며, 고객 친화적 비즈니스, 서비스 등을 만드는 것은 점차 멀어지게 됩니다.
그래서, 고객 입장에서 데이터를 바라볼 수 있도록 '일하는 구조'를 짜야합니다.
고객 경험 경로(Customer Experience Path)를 기초로 그 안에 각 구간 및 단계를 얼마의 시간이 걸리고, 이때 주로 어떤 곳에 가장 많이 머무르고, 시선을 빼앗기는지 등 보다 입체적으로 서비스 내 고객 행동을 살피면서 "왜 샀는가(Why)", "구매 과정 중 어떤 단계 및 상황에서 불편함을 느꼈는가(Context)"를 파고들면서 고객 데이터를 통해 단순 숫자가 아닌 '여러 부류의 고객들 속 다양한 이야기'를 찾으려고 하는 것입니다.
[사례: A 커머스 기업의 전환]
과거 : 특정 시기 - 매월 O째주 주말직전에 "전체 고객 대상 10% 할인 쿠폰 발송"
(평균적 접근) -> 매출은 쿠폰의 힘에 의해 일시 상승했으나 영업이익률 감소.
전환 : 고객 데이터 속 고객 행태 위주로 고객을 분류하여 '특정 카테고리를 3회 이상 탐색했지만 구매하지 않은 그룹'과 '주말 저녁에만 접속하는 워킹맘 그룹'을 추출하여 그들에게 적합한 콘텐츠 및 이를 통한 각종 혜택을 제공함으로써 우선 확보하려는 고객 집단과의 깊어지는 관계를 기대.
결과 : 각 그룹의 라이프스타일에 맞춘 맞춤형 콘텐츠와 혜택 제공으로 브랜드 경험도 축적, 콘텐츠를 통해 유사 고객 유입 효과 기대, 자체 콘텐츠 제작 역량 확보, 관련 마케팅 활동 비용 30% 절감 등의 여러 효과와 함께 해당 그룹의 (기간 내) 재구매율은 콘텐츠 릴리즈 이전보다 2배 이상 상승.
A 기업은 고객에게 '세일에만 구매행위'를 할 수 있도록 미리 가르쳐준 것이나 다름없는 방식이었습니다. 정기/비정기의 쿠폰 발송이 단기 매출을 만드는 데는 효과적이었지만, 비용적, 고객관계적 측면에서는 효율적이라고 보기는 어려웠습니다. 그래서, 고객 데이터의 행태 분석을 통해 '고객 정의에 가까운 부류'를 찾았고, 그들은 "왜 우리로부터 구매하는가"라는 이유를 찾아, 이를 콘텐츠를 통한 브랜딩 방식을 통해 풀어낸 것입니다.
단, 좋은 콘텐츠가 아닌, 그 속에 그들이 좋아할 여러 혜택을 담아 효능감을 높임으로써, 더욱 긴밀한 관계를 만들 수 있게 했습니다. 이와 같이 '고객을 위해, 그들에게 맞춰 새롭게 일하는 구조와 방식'을 채택하면, 채택하기까지는 다소 혼란스러울 수 있어도, 점차 개선되는 성과 등으로 주도 및 참여하는 모든 이들의 성장을 기대할 수 있기도 합니다.
3. 인식의 전환을 위한 현실적인 노력
데이터를 다루는 실무자와 의사결정자는 '숫자의 해상도'를 높이기 위해 다음과 같은 노력을 해야 합니다.
고객 정의에 적합한 데이터 구조 파악 및 재확립
: 현재 우리 서비스의 확보된 고객 데이터를 통해 우리 데이터 구조가 판매자 중심인지, 아님 고객 중심인지를 구별할 수 있어야 합니다. 만약, 판매자 중심이라고 한다면 당장 구조를 바꾸는 것은 현실적이지 못하기 때문에, 현 구조상 확보 가능한 고객 데이터를 통해 '고객의 어떤 부분을 인지'할 수 있고, 그게 우리 서비스에 어떤 가치와 의미를 상징하는지 파악해봐야 합니다.
표준편차와 좌우 극단값(Outlier)에 주목하기
: 평균 뒤에 숨겨진 변동성도 함께 챙겨야 합니다. 그로 인해 우리 서비스에 열광하는 '헤비 유저'가 왜 열광하는지, 그러한 동향이 언제 가장 많이 나타나는지, 그 원인은 무엇인지를 찾는 것입니다. 또한, 반대로 왜 특정 그룹은 점차 이탈하는 추세를 보이는지를 파고들어 서비스가 아직 만족시키지 못한 고객의 욕구를 찾아 비즈니스의 진짜 기회를 발견하려고 노력하는 것입니다.
데이터에 '페르소나'를 입히기
: 여러 고객이 여러 생각 끝에 만들어진 고객 데이터입니다. 따라서, 이를 여러 갈래로 나누어 그중에 어떤 이들이 가장 핵심 고객이고, 그들은 어떤 특징을 가졌는지를 확인해 봅니다. 대신에 평균에 가까운 중간값 위주로 정하는 것이 아닌, 여러 그룹으로 나누어 그들 각자에 적절한 정의를 합니다. 이때 단순히 판매 관련 지표상 0.5%의 하락을 보고받기보다, 고객이 가지는 특징과 서비스 내에서 보이던 행태 등을 통해 보다 종합적 서사를 구성하려고 해야 합니다. 예를 들어, "지난 3년간 5만원 선결제 카드를 꾸준히 구매하여 인근 커피숍에서 사용했던 30-40 남녀 고객(주로 직장인 밀집 지구) 중 10%가량이 이번 주에 일제히 구매를 멈췄습니다"라는 서사로 데이터를 읽어야 합니다. 그럼, 서비스 내 또 하나의 niche market을 찾거나, 이들을 위해 어떤 조치를 취하면 좋을지 보다 손쉽게 접근 가능합니다.
정량 데이터와 정성 데이터의 결합
: 서비스 내 로그 데이터가 '누가, 무엇을 원하는가'에 대해 말해준다면, 고객 인터뷰나 VOC(고객의 소리)는 '그에 대한 구체적인 이유'를 말해줍니다. 따라서, 여러 부류로 구분된 고객 그룹, 그들이 보이는 여러 갈래의 행태 데이터 중에 갑자기 데이터가 튀거나, 관련 행위 자체가 쉽게 이해되지 않을 때는 일부러라도 고객을 직접 만나서 그들이 왜 이러한 행보를 보이는지, 서비스 내에 남긴 데이터를 통해 추정된 내용과 실제 내용 사이의 차이가 어디서 나타나는지를 알려고 해야 합니다. 일종의 서비스 혹은 시스템의 고객 기준의 건강함을 유지하기 위해 때때로 필요할 수 있습니다.
4. 조직 차원에서 '쉽게' 실천할 수 있는 활동
리더와 조직이 '고객 인식을 개선'하기 위해 바로 실행해 볼 수 있는 몇 가지 방법이 있습니다.
'평균+@' 보고 세션
: 보고서에서 '평균'이라는 단어만 강조하기보다는, 추가로 고객 그룹의 상위 10%와 하위 10% 등으로 분류하여 각각에서 보이는 여러 모습들을 정기적/비정기적으로 보고 및 공유함으로써, 우리에게 다양한 행태의 고객이 있고, 그들이 이렇게 다양한 모습을 보이는 이유에 대해 함께 깊게 알려고 하는 과정을 거치는 것입니다. 그리고, 이 과정에서 '특정 행동 패턴을 보이는 코호트(Cohort)'별로 고객 데이터를 분석하여 새롭게 발견할 수 있는 인사이트를 추출하고 공유함으로써 고객에 대한 이해와 상상력을 키우고, 이를 토대로 고객을 깊게 이해하려고 하는 것입니다.
고객 쉐도잉(Shadowing) 데이
: 대부분의 의사결정권자들은 일부 소규모 기업 또는 스타트업을 제외하고 조직 구조상 고객으로부터 상당히 멀어져 있는 경우가 많습니다. 그런데, 기업에서 하는 대부분의 의사결정은 '고객을 위한 어떤 변화'를 위한 것이 많습니다. 이른바 의사결정권자와 고객 사이의 동상이몽이 쉽게 벌어질 수 있는 구조라는 뜻입니다. 따라서, 이를 최소화하고자 고객 센터의 상담(VOC)을 직접 청취하여 고객의 실제 목소리를 생생하게 접하며 고객이 바라는 것을 직접 알려고 하는 시간을 갖거나, 우리가 제공한 서비스 이용 여정을 실제 고객이 밟아가는 여정을 옆에서 지켜보는 시간을 정기적으로 갖거나, 고객 여정 관련 로우데이터를 직접 털어보는 시간을 가짐으로써 고객의 행동 변화를 실시간에 가깝게 알려고 하는 노력을 하는 것입니다.
고객 데이터 리터러시 교육
: 단순히 툴 사용법을 배우는 게 아니라, '데이터를 통해 가설을 세우고 검증하는 법', 특히 고객 데이터를 바라보는 법을 익힘으로써, 고객에 제공하는 데이터가 단순 통계가 아닌 고객을 위한, 더 많은 고객을 확보하거나 관계를 깊게 가져가기 위한 전략적 무기로 활용할 수 있게 하는 것입니다.
참고로, 많은 기업들이 실제 데이터를 다루게 될 일부 직원들의 실무역량 증진 교육 정도로 생각하고 접근하는 경우가 많은데, 시작은 그렇게 할 수 있어도, 전사적으로 특히 경영진 중심으로 시장 및 고객 동향을 파악하여 고객을 위한 전략을 실시간에 가깝게 수립 및 수정하기 위해서라도 매우 중요한 조치입니다.
이 글은 단순 통계에 대한 위험성을 경고하는 글이 아닙니다.
오히려 고객을 존중하고, 이들을 입체적으로 볼 필요성을 강조하는 글에 가깝습니다.
그리고, 고객을 우습게 여기거나, 고객이 만들어주는 데이터를 적극 활용하지 않는 무능력한 이들에게 경종을 울리는 글이기도 합니다.
실제 관련된 일을 하는 이들에게 고객 데이터를 단순히 평균을 내는 것은 안전해 보일 수 있습니다. 하지만, 비즈니스의 성장과 혁신은 언제나 '평균에서 벗어난 에지(Edge)'에서 일어나곤 합니다. 그 에지가 나중에는 평균을 대체하는 것으로 거듭나는 경우가 많기 때문입니다. 따라서, 우리 고객을 단순히 '구매자'라는 숫자에 가두지 마시기 바랍니다. 고객이 주는 데이터를 보다 입체적으로 해석하려는 노력, 고객에 대해 더 많이 알고자 고객 데이터의 해상도를 높이려는 노력만이 고객을 존중하고, 고객과 최적의 관계를 만들고 유지할 수 있는 우리만의 방식을 만들어 갈 수 있습니다. 비록 한 단면일지라도, 기업이 진정으로 고객의 진짜 삶을 들여다볼 때, 비로소 사업의 펀더멘털은 단단해지고 대체 불가능한 브랜드로 거듭날 수 있습니다.
누가 사업을 이끌어가는가
경영자, 책임자, 실무자인가, 아님 고객인가
저는 후자라고 생각합니다. 물론, 모든 고객이 아니라, 고객 중에 '어떤 특성과 특질, 성향 등을 가진 이들'이 분명 우리 사업에 지대한 영향을 미치고 있다고 말할 수 있을 것입니다. 하지만, 우리는 그걸 알려고, 확인하려고 하지 않기 때문에 잘 모를 뿐입니다. 따라서, 이를 알기 위해 우리와 고객 사이 거래 관계 속에서 어떤 데이터를 어떻게 관리하고 있는지에 대해 되짚어 봐야 할 것입니다. 여전히 평균 위주로 보고 있다면, 우리는 결국 평균 이하라는 것을 스스로 증명하는 것이 됩니다. 그보다는 고객에게 맞춰 로우/하이 터치가 적절히 이루어질 수 있게 하여 더욱 단단한 펀더멘털을 가지려고 노력하는 것이 더 낫지 않을까요.
다시 한번 강조합니다.
Everything for everyone is nothing for anyone.
모두를 위한 것은 그 누구를 위한 것도 아니다.
이러한 경향을 보이는 기업에게 어쩌면 고객은 없을지도 모릅니다. 그럼 그 끝은 뻔하겠죠.
#공감하신다면, #공유 #좋아요 #구독 바랍니다.
아래 Link로 고민 내용 보내주세요.
서울 및 수도권에 계신 분이면 직접 만나고,
지방 또는 해외에 계신 분들은 화상으로 유료 상담합니다.
상담 Link
[작가 소개]
이직스쿨 김영학 대표. 17년차 전략 컨설턴트.
6년이 넘는 동안 1,500여 명의 직장인을 만나 커리어 코칭을 했고, 함께한 사람들이 스타트업 기업에서 대기업으로, 중견기업에서 전도유망한 스타트업 기업으로, 외국계 기업이나 해외로 취업하는 것을 도왔다. 또한 수년간 대기업과 중견기업을 대상으로 전략 기반의 비즈니스 컨설팅을 했으며, 현재는 스타트업 전문 비즈니스 코치로도 활동 중이다. 또한, 직장생활과 커리어에 인사이트를 주는 글을 꾸준히 쓰고 있으며 〈이코노믹리뷰〉에 ‘직장에서 생존’이라는 칼럼을 연재하고 있다.
