* 이 글은 2021. 4. 22. 대홍기획 블로그에 기고한 글을 수정한 것입니다.
https://blog.daehong.com/293
데이터 부르짖는 시대. 더 이상 데이터의 필요성을 강조할 시점은 지났다고 본다. 다만, 이제 데이터의 종류와 활용, 통합에 대한 논의가 범람하고 있다. 제안하건대 퍼스트파티, 써드파티, 요즘 많이 거론되는 제로파티, DMP, CDP. 제발 이런 용어나 정의에 매몰되지 말자. 중요한 건 목적이다. 데이터를 분석해서 뭘 얻고 싶은지, 목적을 명확히 하면 어떤 데이터를 활용할지 어떻게 분석해야 할지가 명확해진다. 그러니까 뭘해야 할지 모르는 채 재료나 연장을 먼저 찾지 말자는 얘기다.
소셜빅데이터, 사람들의 생각을 읽어내는 가장 좋은 재료
그런 관점에서 역으로 말하자면, 소셜빅데이터는 사람들의 생각을 읽기에 가장 좋은 재료다. 브랜딩, 마케팅, 광고 언저리에 있는 사람들은 늘 고객의 진짜 생각이 알고 싶게 마련인데, SNS에선 사람들이 쉴새 없이, 자발적으로 이야기한다. 소셜빅데이터는 바로 그 텍스트를 분석의 재료로 삼는다. 사람들이 이야기한 흔적이 남아있기만 하다면, 어떤 주제라도 분석이 가능하다. 과거에 대해서도 게시글이 저장되거나 남아있기만 하다면 분석할 수 있다. 그래서 시간의 흐름에 따른 사람들의 생각, 트렌드 변화를 추적하기에 적합하다. 이걸 좀 더 와닿게 바꿔서 적어 보면 다음과 같다.
- 최근에 집행한 캠페인 전후, 내 브랜드에 대한 소비자 반응과 평가를 알고 싶다.
- 부정 이슈의 발화점은 어디이며 어떤 채널, 어떤 양상으로 확산되는지 모니터링하고 싶다.
- 신상품 기획을 위해 요즘 20~30대가 카페에서 주로 시키는 메뉴를 알고 싶다.
- 브랜드 지표는 크게 변화가 없는데 뭔가 이상 기류가 느껴진다.
내 브랜드가 주로 어떤 상황, 어떤 맥락에서 언급되는지 알고 싶다
마케터라면 익숙한 마케팅조사 데이터가 ‘확인하는 데이터’라면 소셜빅데이터는 ‘탐색하는 데이터’ ‘발견하는 데이터’다. 마케팅조사 중 정량조사 데이터는 알고 싶은 것을 명확히 짚어 물어보고, 지표를 수치로 확인할 수 있다는 점에서 브랜드 인덱스 관리를 위한 방법론으로서는 대체 불가능하다. 반면 FGD 등 탐색조사에 해당하는 정성조사의 경우 소셜빅데이터를 통해 상당 부분 대체가 가능하다.
마케팅 조사와 소셜빅데이터의 상보적 활용 가능성
또한 정량조사로 확인한 사실에 대해 Reason-why를 발견하기 위해 소셜빅데이터를 활용하는 것도 현명한 방법이다. 소셜빅데이터가 도입된 초창기만 해도 마케팅조사를 송두리째 대체할 새로운 도구로 이해하는 측면이 다소 있었다. 하지만 시장과 고객에 대한 홀리스틱한 이해, 양적 지표와 질적 의미를 유기적으로 파악하고 관리해나간다는 관점에서 마케팅조사와 소셜빅데이터는 상호보완적으로 작용될 수 있는 좋은 페어(pair)라고 할 수 있다. 실제 행동 데이터에 해당하는 검색데이터나 앱 이용 데이터, 구매이력 데이터 등도 마찬가지다. 고객의 인식이나 행동에 대한 정량적 데이터는 통상 Reason-why가 없기 때문에, 바로 이 지점을 소셜빅데이터가 메꿔줄 수 있는 것이다.
소셜빅데이터 분석 솔루션, 사내 도입 시 유의할 점
원래 텍스트 데이터는 대표적인 비정형 데이터로, 날것으로는 정량적 분석이 어렵다. 그러나 자연어 처리 기술을 통해 문장들을 어구, 단어, 형태소로 분해하고 분류체계(텍사노미)를 통해 가르거나 묶어주면 정량적으로도 정성적으로도 분석 가능하다. 요즘 흔히 사용하는 R이나 파이썬 등 도구를 가지고 무료로 공개된 분류체계를 활용해 개인적으로도 충분히 분석할 수 있지만, 안정적인 수집과 처리, 시각화를 원하며 사내에서 상시 활용되기를 원한다면 역시 전문적인 분석 솔루션을 사용하는 것이 좋다.
어차피 분석 솔루션은 데이터의 수집, 처리, 시각화를 위한 도구로 제공하는 기능은 대동소이하다. 소셜빅데이터 분석 솔루션을 제공하는 회사는 여러 곳이니 사내 도입 의지가 있다면 어떤 장단점이 있는지 제안을 받아보고 선택하면 된다. 그러나 목적에 부합하며 보유 예산에 가장 적합한 솔루션을 야심 차게 도입했는데, 정작 사내 활용성을 저해하는 건 다른 원인인 경우가 많다.
예를 들면 실질적인 분석 엔진의 성능, 수집방식의 차이에서 기인하는 처리 속도, 시각화의 디자인이나 조작편의성 등은 SI 구축을 완료하고 뚜껑을 열어 사용하게 되어야 비로소 뭐가 문제인지 알게 되는 탓에 돌이키기 어렵다. 특히 SI로 진행하는 경우 상당한 예산이 소요되다 보니 울며 겨자 먹기로 내부에서 쓰지도 못할 솔루션을 완성만 해놓고 썩히는 경우가 왕왕 있다. 따라서 사전에 소셜빅데이터와 솔루션의 분석 원리를 명확히 이해하고, 제안서를 넘겨보는데 그치지 말고 실제 성능을 직접 확인해보는 과정을 반드시 거칠 것을 권한다.
데이터도 사람처럼, 오래 보고, 자세히 보아야...
소셜빅데이터는 전문 기술이나 통계적 역량이 없어도 손쉽게 접근할 수 있는 가장 가까운 소비자 데이터다. 반면 가장 창의적인 접근이 필요한 데이터이기도 하다. 도메인에 대한 지식이나 고민, 관심, 연상 능력에 따라 분석 설계나 결과물의 수준이 크게 좌우되기 때문이다. 그래서 처음엔 어떻게 사용해야 하는지 감이 잘 오지 않고 솔루션을 돌려 결과를 출력해도 아무것도 보이지 않을 수 있다. 그러므로 꾸준히 사용해보고 살펴보고 끈기 있게 시도하는 것이 중요하다. 사람뿐 아니라 데이터도 오래 보고, 자세히 보다 보면 쓸모가 생기게 마련이다.
