안녕하세요, 데이터 기반 풀퍼널 마케팅을 실현하는 DXE입니다.

"가격 때문에 이탈하는 것 같아요."

"연령대마다 반응이 다를 것 같은데, 확인은 안 해봤어요."

CRM을 운영하다 보면 이런 '느낌적인 느낌'이 쌓입니다. 문제는 이 느낌을 캠페인으로 바로 옮기면, 예산과 발송량만 쓰고 효과는 없는 구조가 반복된다는 점입니다.

이번 글에서는 식음료 이커머스 브랜드 I사와 함께 진행한 프로젝트를 공유합니다. 가설 3개를 수집하고, 데이터 분석과 CRM 실험으로 각각 검증한 뒤, 그 결과를 실제 캠페인으로 연결하여 이탈방지 캠페인 ROAS 6,315%, 전환율 +6.9%p를 달성한 과정입니다.

목차

   1. 가설 없이 운영되는 CRM의 한계

   2. 막연한 문제의식을 가설로 만드는 4단계

   3. 가설 검증 방법 - 데이터 분석과 CRM 실험의 협업

   4. 검증 결과 - 데이터 분석과 CRM 실험, 각각 무엇을 확인했나

   5. 검증 결과가 캠페인으로 연결되기까지

   6. 지금 캠페인의 전제, 확인해보셨나요?

1. 가설 없이 운영되는 CRM의 한계

I사는 공식몰을 통해 다양한 제품을 판매하는 식음료 이커머스 브랜드입니다. CRM의 필요성은 인지하고 있었지만, 체계적인 캠페인 설계까지는 이어지지 못한 상태였습니다. 내부에는 이런 문제의식이 있었습니다.

· "브랜드는 인지하고 유입됐는데, 가격 때문에 이탈하는 비율이 클 것 같다"

· "가입 이후 구매로 안 이어지는 고객이 많은데, 무슨 기준으로 접근해야 할지 모르겠다"

· "연령대별로 선호 상품이 다를 것 같은데, 지금은 동일한 메시지를 보내고 있다"

방향은 있지만 근거는 없는 상태. 이 상태로 캠페인을 설계하면, 검증되지 않은 전제 위에 예산을 쌓는 셈이 됩니다.

2. 막연한 문제의식을 가설로 만드는 4단계

DXE는 고객사가 던진 문제의식을 곧바로 캠페인에 반영하지 않습니다. 검증 가능한 가설로 먼저 전환하는 작업을 거칩니다.

① 가설 수집 - 고객사로부터 검증을 희망하는 가설 리스트를 수집합니다.

② 문제 상황 정리 - 그 가설에서 무엇을 문제로 인식하고 있는지 확인합니다.

③ 해결 액션 정의 - 문제를 해결하기 위해 어떤 액션을 하고자 하는지 정리합니다.

④ 가설 구체화 - 데이터 가용성과 CRM 캠페인으로 검증 가능한지 검토해, 실제 검증할 가설을 구체화합니다.

I사에서 수집되어 구체화된 가설은 아래와 같았습니다.

· 가설 1 (이탈 요인): 브랜드를 인지한 고객이 이탈하는 가장 큰 이유는 가격일 것이다.

· 가설 2 (전환 요인): 회원 가입 후 첫 구매 전환율이 낮을 것이다.

· 가설 3 (개인화 요인): 연령대별로 선호 상품(커피 vs 머신)에 차이가 있을 것이다.

가설 1·2는 행동 데이터 분석을 거쳐 이탈방지 캠페인 설계의 근거로, 가설 3은 CRM A/B 실험으로 직접 검증하기로 했습니다.

3. 가설 검증 방법 - 데이터 분석과 CRM 실험의 협업

모든 가설을 획일적인 방식으로 검증하지 않습니다. 질문의 성격에 따라 분석가와 컨설턴트가 가장 적합한 검증 기법을 선택합니다.

퍼널 분석을 통한 가설 검증 (가설 1·2)

"가격 때문에 이탈한다", "가입 후 미구매가 많다"는 가설은 전체적인 유저 흐름을 보는 퍼널 데이터 분석이 적합했습니다. 데이터 분석을 통해 이탈이 가장 두드러지는 구간을 먼저 특정하고, 그 구간을 정밀 타겟팅하는 캠페인을 설계하는 방식으로 접근했습니다.

CRM A/B 실험을 통한 가설 검증 (가설 3)

"연령대별로 선호 제품이 다를 것이다"는 기존 행동 데이터 분석만으로는 답을 내리기 어려운 가설입니다. 실제로 연령별로 다른 메시지를 발송하고 실시간 반응을 측정해야만 확인이 가능하기 때문입니다. 이 가설은 아래와 같이 4단계 실험 프로세스로 검증을 진행했습니다.

1. 가설 설정: 연령대에 따라 제품(커피/머신) 반응이 다를 것이다.

2. 실험 설계: 연령대별로 커피·머신 메시지를 나눠 발송하도록 캠페인 구조 설계.

3. 실험 실행: 미구매 회원 대상으로 메시지 발송, 클릭 등 반응 데이터 수집.

4. 결과 분석: 조합별 반응 차이가 통계적으로 유의미한지 검정.

📌 잠깐, "통계적으로 유의미하다"는 게 무슨 뜻인가요?
쉽게 말해 "이 차이가 우연일 확률이 낮다"는 뜻입니다. A/B 두 그룹의 클릭률이 다르게 나와도, 그게 진짜 메시지 때문인지 아니면 그냥 데이터가 우연히 튀어서 그런 것인지는 통계학적 검정을 거쳐야만 신뢰할 수 있습니다.

많은 기업이 데이터 분석 조직과 CRM 실행 조직 간의 장벽(사일로) 때문에 분석 결과를 캠페인에 제때 반영하지 못하곤 합니다. 반면 DXE는 분석가와 컨설턴트가 처음부터 원팀으로 협업하여, 데이터 분석 결과와 CRM 실험을 하나의 흐름으로 유기적으로 연결하는 구조를 갖추고 있습니다. 덕분에 가설 확정부터 실험 설계, 캠페인 실행까지 정체 없이 유기적으로 이어졌습니다.

4. 검증 결과 - 데이터 분석과 CRM 실험, 각각 무엇을 확인했나

가설 1·2 결과: 이탈이 가장 큰 구간은 어디였나

한 달 퍼널 전환 데이터를 분석한 결과, 방문 → 상품 조회 구간(전환율 58.43%)이 업계 벤치마크 기준 하위권(상위 73%)으로 확인되었습니다. 상품 조회 → 구매 시도(30.68%) 등 타 퍼널 대비 개선 여지가 가장 큰 핵심 구간이었습니다. 이에 따라 해당 구간을 1차 개선 목표 퍼널로 선정했습니다.

가설 3 결과: 예상은 빗나갔지만, '실패도 자산'이 되는 인사이트

"연령대별로 선호 제품이 다를 것이다"는 가설은 통계적으로 입증되지 않았습니다. 대부분의 연령대에서 커피 소구와 머신 소구 간 반응 차이가 유의미하지 않았기 때문입니다. 그러나 가설이 입증되지 않았다고 해서 실패한 실험이 아닙니다. 실패한 가설을 기각하는 것 역시 리소스 낭비를 막아주는 중요한 자산입니다. 게다가 세부 분석에서 예상 밖의 패턴 하나를 추가로 발견했습니다. 50대 고객군만 다른 연령대 대비 클릭 확률이 뚜렷하게 높았던 것입니다.

· 커피 소구 기준 클릭률: 30대(3.79%), 40대(5.24%) 대비 50대(9.05%)가 압도적으로 높음

· 머신 소구 기준 클릭률: 20대(1.26%), 30대(1.56%) 대비 50대(6.70%)가 뚜렷한 강세

| 표1. 소구 유형 및 연령대별 클릭률 실험 결과

가설 자체는 기각되었지만, 실험을 통해 "50대"라는 구체적이고 실행 가능한 타겟 인사이트를 새로 얻었습니다. 예상이 맞아떨어지지 않아도 데이터를 통해서만 발견할 수 있는 진짜 패턴, 이것이 실험을 해야 하는 이유입니다.

5. 검증 결과가 캠페인으로 연결되기까지

데이터 분석 and 실험으로 확인된 결과는 각각 캠페인 설계로 연결됐습니다.

가설 1·2 결과 → 이탈방지 캠페인 설계 및 실행

"방문 → 상품 조회" 구간을 목표 퍼널로 설정하고, 온사이트 7개·오프사이트 2개 캠페인을 설계해 실행했습니다.

📈 캠페인 성과

· 방문 → 상품 조회 전환율: 56.92% → 63.84% (+6.9%p)

· 온사이트 캠페인: 86,807회 노출, CTR 3.7%, 매출 ₩ 13,613,913

· 오프사이트 캠페인: 12,453건 발송, 유입률 29.2%, 구매 전환율 8.9%, 매출 ₩ 19,659,596, ROAS 6,315%

가설 3 결과 → 50대 타겟 전략 제언

연령별 소구 분리는 대부분 유의미하지 않았지만, 50대는 소구 유형과 무관하게 반응률과 전환율이 가장 높았고 실제 구매 전환까지 확인됐습니다. 이에 따라 50대 고객군을 중심으로 한 첫 구매 유도 전략 강화가 후속 제언으로 도출됐습니다. 가설을 세우고, 데이터로 확인하고, 그 결과를 캠페인으로 옮기는 과정이 순서대로 이어졌을 때 나온 결과입니다.

6. 지금 캠페인의 전제, 확인해보셨나요?

CRM 캠페인이 정체되는 이유는 대부분 운영 부족이 아닙니다. 설계의 전제가 검증되지 않은 채로 쌓여있기 때문인 경우가 많습니다.

데이터 기반 자가진단 체크리스트

✔️  지금 타겟 세그먼트, 데이터로 확인한 적 있나요?

✔️  연령별·성별로 다른 메시지를 발송하고 있다면, 실제로 반응 차이가 있는지 검증해보셨나요?

✔️  분석 결과가 도출됐는데 캠페인에 반영되지 않은 채로 남아있지는 않나요?

하나라도 해당된다면, 지금 운영 중인 캠페인의 전제를 점검하는 것에서 시작할 수 있습니다. 데이터가 쌓여 있다면, 답은 이미 그 안에 있을 가능성이 높습니다.

내부에 분석 조직이 부재하거나, 데이터 분석을 캠페인 실행으로 연결하는 데 어려움을 느끼신다면 DXE와 함께 가설 설계 - 데이터 분석 - 캠페인 실험 - 성과 개선으로 이어지는 그로스 루프를 함께 만들어나가 보세요.

DXE의 CRM 컨설팅 문의하기

데이터 구조 설계부터 운영 고도화까지

DXE CRM 컨설팅 문의하기👉🏻