모바일 퍼스트(Mobile First)를 넘어선 모바일 온리(Mobile only) 시대입니다. 스마트폰이나 태블릿 PC로 언제 어디서나 온라인 쇼핑몰, 모바일 앱, 소셜 미디어 등 다양한 플랫폼을 통해 정보를 검색, 공유하고 제품을 구매할 수 있죠. 이처럼 기업이 고객과 만나는 접점은 그 어느 때보다 다양해지고 있으며, 그만큼 고객의 요구와 기대의 변화에 귀를 기울이고 재빠르게 대응해야 할 필요성이 커지고 있습니다.
마케팅의 관점에서는 고객과 만나는 모든 접점에서 고객의 요구를 선행적으로 파악하고 액션을 취해야 합니다. 이를 위해 마케팅 기여도(marketing attribution)를 올바르게 측정하고 개선하는 것은 모든 기업의 도전 과제인데요. 실제 기업은 접점 데이터 손실, 기기별 다양한 계정, 임의적인 규칙 가중치 결정, 결과에 따른 행동 불확실성 등 여러 문제를 겪고 있습니다.
일반적으로 매체 측정의 핵심은 복잡한 고객 여정(customer journey) 전반에 걸쳐 기업의 모든 마케팅 상호작용의 영향과 비즈니스 가치를 분석하는 것입니다. 이번 블로그에서는 데이터 기반의 마케팅 분석 기술을 통해 일반적인 마케팅 기여도 모델(marketing attribution model)의 한계를 뛰어넘고, 고객 여정을 최적화하는 방법에 대해 소개하고자 합니다.
SAS는 흔하게 발생하는 운영 및 프로세스 관련 장애를 해결하기 위해 분석적 접근 방식을 활용합니다. 이때 모든 요소들은 한 동전의 양면처럼 다뤄지는데요. 마케터는 기여도 분석 결과를 통해 어떤 접점과 일련의 활동들이 고객의 행동 전환을 유도하는지 파악할 수 있습니다. 이후 미래 활동 계획에 대한 전술적인 결정은 물론, 미래 투자 수준에 대한 전략적인 결정도 내릴 수 있죠! 더 나아가 후속 조치의 결과는 다시 기여도 모델에 대한 피드백으로서 근거를 제시할 뿐 아니라 아래와 같이 예측 역량을 향상시킵니다.
위 도표는 기여도 프로젝트의 핵심 사항을 보여주는데요. 실제 분석은 업스트림(upstream)과 다운스트림(downstream) 종속성이 있는 프로세스의 일부분일 뿐이지만, 항상 그런 것만은 아닙니다. 표준 기여도 보고서를 예로 들어볼까요? 우선 결과를 도출하기 위해 어떤 기법을 사용했는지는 차치하고, 다음에 어떤 조치를 취해야 하는지 파악하고자 하는 마케터의 입장에서 살펴보겠습니다.
위 그래프는 다양한 측정 방법을 기반으로 한 기여도 분석 결과를 나타냅니다. 어떤 방법에 더 중점을 둬야 할지 결정하기 전에 규칙 기반 기여도 측정 모델과 알고리즘 기여도 측정 모델에 대해 간단히 살펴 보겠습니다.
1. 마지막 접점 및 첫 접점 기여도(Last-touch & first-touch attribution)
이런 유형의 기여도 모델은 고객 여정의 마지막 혹은 첫 접점에 크레딧(credit)을 100% 할당합니다. 이 접근법은 고객 여정 내 기업 브랜드와의 다양한 접점을 통한 다른 모든 상호작용을 무시한다는 치명적인 약점을 지니죠.
2. 선형 기여도(Linear attribution)
선형 기여도 모델은 고객 여정 속 모든 상호작용에 동일한 임의의 가중치를 할당합니다. 앞서 설명한 ‘마지막 점접 및 첫 접점 기여도’ 접근법보다는 낫지만, 여전히 특정한 상호작용을 저평가하거나 고평가하는 단점이 있습니다.
3. 시간 가치 소멸(Time-decay) 및 위치 기반(position-based) 기여도
시간 가치 소멸 기여도는 고객 여정 전반에 걸쳐 채널 접점의 최근성(recency)을 기준으로 채널별 가중치를 임의로 조정합니다. RFM(Recency, Frequency, Monetary Value) 분석의 최근성 개념을 따른다면 사용해 볼만하죠. 반면 위치 기반 기여도는 처음과 마지막 접점에 더 많은 가중치를 두고, 그 사이의 상호작용에는 더 적은 가치를 둡니다.
4. 알고리즘 기여도(Algorithmic Attribution)
맞춤형 모델(custom models)이라고도 불리는 알고리즘 기여도는 고객 행동 전환(conversion) 이전의 모든 접점에 데이터 분석 기반의 전환 크레딧을 할당합니다. 또 크레딧이 어디에서 발생했는지 확인하기 위해 예측 분석이나 머신러닝과 관련된 수학을 활용하는데요. 이 접근법으로 모든 채널에 걸쳐 전환 고객과 비전환 고객의 경로를 분석할 수 있고, 무엇보다 데이터를 이용해 마케팅 효과에 대한 상관관계와 성공요소를 분석할 수 있습니다. 영상을 통해 알고리즘 기여도로 마케팅 효율성을 측정한 고객 사례를 확인해보세요.
왜 모든 기업이 알고리즘 기여도를 활용하지 않을까요?
실제 많은 마케터들이 알고리즘 기여도의 중요성과 가치를 인식하고 있지만, 실제 채택하는 것은 쉽지 않습니다. 몇 가지 이유가 있는데요.
- 현대화(Modernization)의 필요성: 고객 여정 정보에 대한 방대한 양의 데이터는 오래된 기존 데이터 관리 및 분석 플랫폼으로는 수용하지 못할 수도 있습니다. 특히 여러 데이터 소스를 통합해야 할 경우 더 어려운데요. 따라서 기업은 현대화에 대한 의사결정을 내려야 합니다.
- 전문성 부족: 일부는 마케팅 측면에서 데이터의 가치를 도출할 수 있는 인재가 부족하다고 주장합니다. 그렇지만 150개 이상의 대학에서 비즈니스 분석과 데이터 과학 프로그램을 제공하고 있으며, 실제 인재의 수는 증가하고 있습니다. 분석가와 전략적으로 사고하는 마케터 사이의 시너지는 이 가치를 여는 열쇠로 작용합니다.
- 효과적인 데이터 사용: 조직은 중요한 데이터 소스의 수집, 분석, 활용 방법에 대해 고민하고 있습니다. 중요한 마케팅 데이터를 모두 사용하고 있는지, 웹사이트 및 모바일 앱 방문자 데이터를 이메일 및 디스플레이 캠페인 데이터와 통합할 수 있는지, 그리고 이 모든 것에 성공했다면 데이터, 분석, 미디어 및 고객 접점을 통합해 어떤 마케팅 활동을 진행하고 있는지 고민해야 합니다.
- 비즈니스 동의 얻기(Getting business buy-in): 알고리즘 기여도는 종종 블랙박스와 같이 기득권 그룹이 현 상황을 유지하기 위한 근거로 사용될 수 있습니다.
다시 본론으로 돌아가서, 그렇다면 과연 어떤 접근법에 중점을 둬야 할까요? 답은 ‘상황에 따라 다르다’는 것입니다. 보고서가 보여주지 않는 4가지가 있기 때문입니다.
- 단일 접점의 탄력성
- 서로 다른 접점 간의 상호 의존성
- 원인과 결과 및 시간 의존성
- 서로 다른 고객 그룹 간 차이
알고리즘 기반의 ‘분석적 기여도’ 측정
가장 먼저 고려해야 할 것은 ‘기여도’ 자체입니다. 기여도 측정 시장은 이미 성숙했으며 오랜 경험을 갖춘 여러 업체들이 있지만, 기업은 여전히 기여도 관련 문제를 겪고 있습니다. 여기에는 여러 이유가 있지만, 많은 기업은 여러 상호작용에 걸쳐 레이더 망을 피해가기 때문에 분석하지 못하는 고객이나 잠재 고객을 보유합니다. SAS는 이 문제를 해결하기 위해 고객 데이터의 가시적이고, 분석 가능한 영역에서 한층 더 진화한, 포괄적인 그림을 그립니다. 이때 새로운 접점 데이터를 사용할 수 있게 되면 그 시야를 확장할 수 있습니다.
SAS의 기여도에 대한 접근법은 상호작용과 시간 효과를 고려하면서 마케팅 데이터를 사용해 다양한 접점에 크레딧을 할당할 수 있는 최상의 방법을 찾는 것입니다. 이를 위해 알고리즘 방법에 중점을 두고 규칙 기반의 기여도를 포함하는 접근법, ‘분석적 기여도’를 활용합니다.
360도 마케팅 인사이트, SAS CI 360
SAS 커스터머 인텔리전스 360(SAS Customer Intelligence 360)의 마케팅 기여도 모델은 SAS의 분석적 강점을 보여 주며, 디지털 마케팅 영역에 고급 기법을 적용합니다. 마치 자율주행차와 비슷한데요. 이 기술은 고급 운전자 지원 기능을 제공하기 위해 백미러(전통적 기여도)를 포워드 센서(예측적 고객 여정 최적화)와 연결하는 첫 번째 단계입니다.
SAS는 고객 여정 최적화를 위해 앞장서고 있습니다. SAS CI 360은 기존 데이터 소스와 새로운 디지털 데이터를 병합해 고객에 대한 360도 분석을 실현합니다. 여기에 예측 마케팅 분석을 더해 고객에 대한 심층적 이해를 구현합니다. SAS 웹사이트를 통해 인바운드 채널과 아웃바운드 채널에서 연관된 고객 반응을 구현하고, 개인별 고객 여정에 맞춘 설득력 있는 고객 경험을 실현하는 자세한 방법을 살펴보세요.
