데이터분석, 왜 매출에 도움이 안되냐면요. 

실​무 전선에 계신 우리 마케터들 밤낮 데이터만 들여다보고 있는 직업이라고 해도 과언이 아닐겁니다. 데이터 분석을 그렇게 하는데 왜 매출은 제자리에서 꼼짝도 하지 않을까요? 데이터는 뚫어지게 본다고 변하는게 아니기 때문입니다. 데이터를 이용해 전략을 변화시켜야 결국 매출이 성장합니다. 

​이 글을 읽고 계시는 마케팅 실무자들 중 아래 네가지 중 하나라도 해당하는 분이 계시다면, 딱 7분만 시간을 투자해서 이 글을 끝까지 읽어보시길 바랍니다. 데이터를 쌓고 난 그 후, 넥스트 스텝에 대해 말씀드리겠습니다. 

1. 자사몰에 더 많은 데이터를 쌓기 위해 회원가입을 유도 하고 트래픽 캠페인에 광고비를 대거 투입하고 있다. 

2.  각 광고 플랫폼에서 다운 받은 결과 데이터를 복사해서 내부 결과 보고서 양식에 맞게 붙여넣는 업무를 아주 성실하게 해내고 있다. 

3. 그뿐이다, 이 결과 데이터로 뭘 해야 하는지 모르겠다. 

4. 결과 보고 발표 때는 결과치 숫자를 줄줄이 읽고 나면 할 말이 없다.  

우리는 자사몰 데이터도 충분하고 매일 트래킹하고 있습니다. 

왜 매출은 늘지 않을까요? 

데이터의 양을 쌓고 분석 하는데 시간을 쏟는게 중요한게 아닙니다.

보유한 데이터가 많다고 그 데이터를 처리하는 과정이나 결과가 항상 성공적이진 않습니다. 데이터를 축적하고 분류하기 위한 대규모 시스템을 갖출 수 있는 큰 기업의 입장에서야 많은 데이터가 경쟁력일 수 있겠습니다. 하지만 데이터를 '볼 줄만' 아는 마케터들에게는 많은 데이터가 통찰을 도와주는 지표가 아니라 엄청난 시간과 노력을 들여 '해결 해야 하는 숙제'로 느껴질 수도 있습니다.  

​양적으로만 거대한 데이터는 과거를 설명할 뿐이고 사실상 새로운 전략이나 가능성을 제시하기 보다는 이미 명백히 나와 있는 고객 행동을 증명하는데 그칠 뿐입니다. 

인라이플, 데이터 분석, RFM엔진, 고객가치분석 

​데이터 분석의 핵심은 추출이 아닌 의사결정입니다. 우리는 무엇보다 데이터 분석의 핵심 가치를 명확히 이해하고 있어야 합니다. 데이터 분석의 핵심은 데이터의 분석 그 자체가 아닌 이후의 의사결정에 있습니다. 수집한 데이터에서 어떤 가치를 뽑아내는가? 데이터를 분석해서 어떤 걸 얻고 싶은가?

​데이터를 통한 올바른 의사결정을 할 수 있는가?  등이 매우 중요하다고 할 수 있습니다. 결국 데이터 분석 자체도 중요하지만, 데이터 분석이라는 단계를 거쳐 ‘이후에 어떤 가치를 연쇄적으로 만들어낼 수 있는가’까지 고민하는 것이 필요합니다. 데이터는 단순히 적재, 추출의 문제가 아니라는 거죠.

데이터 분석을 무조건적으로 데이터 뽑아내기로 시작하는 것은 추천하지 않습니다. 데이터가 필요한 이유에 대한 진지한 고민을 선행하시는 것이 좋습니다. 그저 데이터 추출하기 -> 피봇팅의 흐름으로 분석을 시작하는 경우, 그저 뻔한 현상 확인에 그치기 쉽습니다.  

이미 존재하는 데이터를 분석하기 보다 직면한 문제를 해결 하기 위해 어떤 데이터가 필요하고, 그 데이터를 어떻게 구할까를 먼저 고민해보세요.  

인라이플, 데이터 분석, RFM엔진, 고객가치분석

​우리는 데이터를 적재하고 분석하는 과정에 상당한 리소스를 투입하지만 데이터는 너무나 방대하기 때문에 활용 효과가 반드시 투입한 리소스에 비례해 나타나진 않습니다. 

데이터를 기반으로 한 의사결정의 시행착오를 줄이기 위해서는 데이터가 제대로 잘 '관리'되어 있는 것이 중요합니다. 아무렇게나 나열 되어 있는 데이터가 아니라 실무자들이 상황에 맞게 쏙쏙 뽑아서 쓸 수 있는 데이터로 잘 정리가 되어 있어야 합니다. 데이터를 잘 찾아서 쓰기 위해 정리되어 있다면 우리 마케팅 실무자들의 리소스 낭비를 막을 수 있습니다. 

​

전략을 변화시키는 데이터 분석, 고객가치분석과 RFM 엔진

​그런데, 이미 목적에 맞게 세그먼트 특성으로 나누어져 있는 고객 데이터를 클릭만 하면 볼 수 있는 분석툴이 있다면 어떨까요? 

인라이플에서는 RFM 모델을 적용하여 더욱 고도화 된 고객 분석 데이터를 제공하고 있습니다. 고객 행동 데이터를 집중적으로 분석하고 타겟팅을 보다 정교하게 발전시켜 경쟁력을 높였습니다.  

​여기서 핵심은 단순히 고객 행동 데이터를 분석한데 그치는 것이 아니라, 활용 목적에 맞게  세그먼트를 자동으로 분류하고 마케팅에 활용 가능하도록 비교 분석한 데이터를 제공해야 한다는 것입니다. 뿐만 아니라 해당 세그먼트에 해당하는 고객에겐 어떤 마케팅 액션을 취해야 하는지까지 가이드를 줍니다. 

​RFM 엔진을 도입한 고객 가치 분석을 통해  모비튠{모비온 CDP}을 통해 축적한 방대한 고객 데이터를 기반으로 전략 수립을 위한 인사이트를 제공합니다. 마케터가 직접 타겟군 특성에 대한 가설을 세우고 분류할 필요 없이, 이미 RFM 분석엔진과 고객 가치 분석에서 분류하여 제공하고 있는 세그먼트를 사용하시면 됩니다. 

업계에서 통용하는 RFM 모델은 거래의 최신성(Recency), 거래 빈도(Frequency), 거래 규모(Monetary)를 기준으로 가치 있는 고객을 추출하고 관리하기 위한 분석법입니다. 여기에 인라이플은 방문, 본상품, 장바구니, 구매 4가지 조건을 더 조합하여 총 9개 지표로 고객 데이터를 분석합니다.   

여기에 인라이플은 방문, 본상품, 장바구니, 구매 4조건을 더 조합하여 총 9개 지표로 고객 데이터 분류하는데요, 9개 지표는 최근 방문, 최근 구매, 최근 장바구니, 최근 본 상품, 방문 빈도, 구매 빈도, 장바구니 빈도, 본 상품 빈도, 구매 총 금액입니다.   

​세그먼트 그룹은 아래와 같이 구성되어 있으며 직관적인 대시보드를 통해 한 눈에 볼 수 있습니다. 세그먼트별 구매 확률과 이탈 확률, 성비 등의 특성을 확인 할 수 있습니다. 

인라이플, 데이터 분석, RFM엔진, 고객가치분석

​

<세그먼트 분류 예시>

위 세그먼트에 맞는 마케팅 배너와 메시지 등도 대시보드 내에서 추천하고 있기 때문에 데이터 분석, 분류와 CRM 마케팅까지 모두 혼자하기에 리소스적으로 부담이 되는 마케터들에게 추천하는 데이터 분석 툴입니다.  

인라이플, 데이터 분석, RFM엔진, 고객가치분석

고객 가치 분석 서비스와 서비스 사용 예시

RFM 분석 외에도 인라이플은 '고객 가치 분석' 서비스를 제공하고 있습니다. 고객 행동에 따른 수십가지의 인자를 기반으로 고객 데이터를 점수화, 등급화 하여 총 19개 등급으로 자동 분류하고 고객 등급별 데이터를 비교 분석하여 더욱 입체적인 인사이틀 제공합니다. 

똑똑한 마케터 분들은 여기서,이제 사람이 직접 데이터를 피봇팅하고 기준을 세워 등급화하여 사용할 필요가 없어졌다는 것을 눈치채셨을 겁니다. 

이 서비스는 광고주나 마케팅 실무자가 구매욜, 이탈율, 평균 객단가, 구매 빈도 등 여러 조건 중 2가지를 선택하여 비교하여 원하는 인사이트를 찾아 낼 수 있습니다. 또한 내 사이트에 방문한 고객과 동종 업계의 사이틀 방문한 고객의 등급별 데이터 비교도 가능합니다. (내부 사이트 데이터 + 외부 데이터 모두 확인 가능)

저라면 위 '고객 가치 분석' 기능을 활용해 아래와 같이 인사이트를 도출하고 제 캠페인에 적용해 볼 것 같습니다. 제가 종합 쇼핑몰 마케터라고 가정했습니다. 

​예시) 

" 우리 사이트 VVIP 고객들이 동종 경쟁사이트에서는 객단가가 높은 가구들을 구입했네. 가성비 가구 보다는 '럭셔리 유러피안 빈티지 가구'를 선호 하는 구나! 우리 사이트 가구들의 객단가를 높이고 물건 셀렉도 럭셔리 가구에 초점을 맞춰서 해봐야지. 이어서, 럭셔리 가구 기획전을 열고 VVIP 고객들에게만 기획전을 알리는 앱푸시를 진행하며 프로모션 쿠폰을 뿌려 봐야겠다. " 

반면, 우리 VVIP들이 동종 경쟁 사이트에서 '식음료' 카테고리에서는 굉장히 낮은 객단가의 품목들만 구매했네. 아, 우리도 낮은 객단가의 식음료들을 모아서 겨울철 집순이 가성비 간식 프로모션 페이지를 구성해 봐야겠다. VVIP들에게 이벤트를 알리는 카톡 알림톡을 보내 봐야지."  

​=> 내부, 외부데이터 확인하고 전략 수립, 마케팅 액션까지 원스톱으로 진행 가능