.png)
"데이터는 4차 산업혁명 시대의 석유이다." 이러한 이야기를 모두가 한 번은 들어봤을 것 같은데요. 실제로 데이터의 존재감과 중요성이 커지면서 데이터 관련 직무인 '데이터 과학자', '데이터 엔지니어', '데이터 분석가' 등이 탄생하기도 했으며 비즈니스 현장에서는 실제로 데이터를 활용하여 비즈니스 성장을 일으키는 '비즈니스 분석가', '퍼포먼스 마케터', '그로스해커' 등도 등장했습니다. 국가적으로도 2021년 2월, 4차산업혁명위원회가 CDO(Chief Data Officer, 데이터 최고책임자) 역할을 한다고 발표했을 뿐 아니라, 대한민국의 중앙부처를 비롯한 모든 국가 기관은 CDO 직위가 신설되기도 했죠.
석유는 유전이 있는 곳에서만 시추할 수 있으나, 데이터는 어느 곳에서나 무한하게 존재하죠. 그러나 실제로 현장에서 데이터를 석유처럼 잘 정제하고, 제대로 활용하는 기업은 많지 않습니다. Domo의 보고서(2022) 내용에서 그 사례를 확인할 수 있는데요. CIO와 CDO를 대상으로 한 설문 결과를 보면, 절반 이상(55%)의 응답자가 "비즈니스 의사결정을 직관을 통해 하고 있다."라고 응답했습니다. 그에 반해 데이터를 잘 사용하는 회사는 좋은 성과를 이루는 경우가 많은데요. NewVantage Partners의 조사(2022)가 이를 뒷받침하죠. 미국의 주요 기업 경영진에게 데이터 및 AI에 대한 투자가 수익으로 이어지고 있냐는 질문에 92.1%가 수익을 보고 있다고 말하기도 했죠. 또, 최근 우리나라에서는 최근 떠오른 무신사, 오늘의집, 마켓컬리 등의 버티컬 커머스가 고객 데이터를 잘 활용하여 쑥쑥 성장해나가는 것을 확인했죠.
한편, 이전까지 데이터를 잘 활용하고 있다는 비즈니스도 "최근 3개월 간 구매가 가장 많았던 고객은?", "최근 웹사이트에서 활발하게 활동하는 유저는?"과 같은 질문에 대한 답을 구하는 정도로만 데이터를 활용하는 경우가 많았습니다. 하지만 현재 데이터를 잘 활용하는 기업은 과거 데이터를 통해 고객의 미래 행동 패턴(방문, 클릭, 구매 등)과 향후 매출액(Predict LTV)까지 예상한 예측 기반 인사이트 (Prediction-driven insights)를 만들어 내서 비즈니스에 활용하고 있습니다. 예를 들어 "앞으로 3개월 간 구매가 활발할 것으로 예측되는 고객은?", "해당 상품을 일주일 내 구매할 가능성이 높은 고객은?"과 같이 미래 결과에 대한 인사이트를 데이터를 통해 만들어내는 것이죠. 그렇다면 이렇게 만들어진 예측 기반 인사이트는 비즈니스 현장에서 어떻게 활용될 수 있을까요?
예측 기반 인사이트는 이렇게 활용됩니다.
마케터는 예측 기반 인사이트를 통해 더 확장된 데이터 드리븐 마케팅을 진행할 수 있습니다. 예측 데이터를 기반으로 고객을 세그먼트 하거나, 개별 고객의 구매 행동을 높이는 개인화 마케팅 등을 통해서 말이죠. 특히 메타와 같은 광고 플랫폼에서 고객의 퍼스트 파티 데이터를 연동할 수 있으므로, Predict LTV가 높은 고객을 씨드로 삼아 유사 고객을 확장하는 전략을 진행하는 것도 가능해졌습니다. 또한, 다이티의 데이터 인사이트 보고서 2023에서 "VIP 고객의 59.4%가 소리 없이 사라지고 있으며, VIP 고객 100명을 놓칠 경우 연간 1.6억 원을 놓치게 된다"고 분석 결과를 밝히기도 했을 만큼 고객 이탈 방지는 최근 비즈니스의 중요 성장 전략으로 부상하고 있기도 한데요. 예측 기반 인사이트를 더 만들어낸다면 이커머스에서 특히 중요한 이탈할 고객을 미리 찾아내서 이탈 방지 조치를 취하는 마케팅도 가능합니다.
예측 기반 인사이트는 최근 떠오른 개인화 마케팅과도 밀접한 관련이 있는데요. 예측 기반 인사이트를 통한 개인화 마케팅은 많은 커머스가 진행 중인 규칙 기반 접근(Rule-based approach)과 크게 차별화됩니다. 예를 들어 규칙 기반 접근으로 마케팅을 진행하는 A 회사의 경우, 매출액 상위 10%의 VIP 고객 모두에게 동일한 프로모션을 제공하게 됩니다. 이는 합리적인 고객 정책 같으나 비즈니스 성장 관점으로 볼 때는 한계가 있죠. 왜냐하면 A 회사는 일시적으로 구매를 많이 진행했으나 향후 구매 계획이 없는 VIP 고객, VIP 혜택에 관심이 없는 고객 등에게 불필요하게 프로모션을 제공하게 되고, 차후 VIP가 될 가능성이 높은 고객에게는 아무런 프로모션도 제공을 하지 못하게 되기 때문입니다. 하지만 예측 기반 인사이트를 통해서는 차후 VIP가 될 가능성이 높은 고객, 이탈 가능성이 높은 VIP 고객 등 다양한 고객 그룹을 알 수 있어 적절한 마케팅 메시지와 프로모션 전략을 시작할 수 있습니다.
요즘 늘어나고 있는 구독서비스 또한 고객 관리가 중요한 업종입니다. 하지만 구독 신청자의 20% 미만만이 6개월 이상 구독을 이어나간다고 하는데요. 구독 신청 후 1~2주 내의 행동 패턴을 분석한다면 6개월 이상 구독을 이어나갈 가능성이 높은 고객군을 추측하는 것도 가능합니다(Zohar Bronfman(Pecan AI CEO), 2022). 이렇게 고객군을 미리 알아낸다면 적절한 메시지나 프로모션 등을 진행할 수 있죠. 이 또한 예측 기반의 인사이트를 마케팅에 활용하는 예시가 될 것입니다.
이러한 예측 기반의 인사이트를 만들어 활용하는 방법은 크게 두 가지가 있습니다. 첫 번째는 기업 내 데이터 수집-가공-추출 등을 진행할 수 있는 데이터 전문가 그룹을 두는 것인데요. 기업의 규모가 크다면 기업 안에 데이터 전문가 그룹을 두고 활용하는 것이 가능하죠. 두 번째는 데이터 분석 SaaS를 활용하는 것입니다. 현실적으로 데이터 전문가 그룹을 두고 운영할 수 있는 기업은 많지 않은데요. 다이티의 AI BOX, AI Delivery와 같은 데이터 분석 전문 SaaS을 통해 예측 기반의 인사이트를 제공받고 실제 비즈니스/마케팅 운영에 활용하는 것이 효과적인 방법이 될 수 있습니다.
또한, 데이터를 분석하여 예측 기반 인사이트를 만들기 전에는 고려해야 할 3가지 질문사항이 있습니다. 데이터 전문가 혹은 데이터 분석 SaaS가 이 질문들에 어떤 해결책을 내놓는 지 확인해야합니다.
예측 기반 인사이트를 위해 고려해야 할 세 가지 질문
고객 행동에 대해 적절한 정의를 할 수 있나요?
데이터가 비즈니스 현장에서 실제로 활용이 되기 위해서는 조작적 정의(Operational definition)가 잘 되어있는 것이 중요합니다. 예를 들어, '이탈'은 업종마다, 팀마다, 심지어 개인마다 정의하는 바가 다를 수 있어요. 어떤 사람은 '고객이 6개월 내 구매가 1회도 진행되지 않은 것'을 이탈이라고 정의할 수 있지만, 다른 사람은 이탈을 '회원 탈퇴 버튼을 누르는 행동'만을 이탈이라고 정의할 수도 있죠. 모두가 비즈니스 문제 인식과 인사이트 도출을 동일한 관점으로 바라보기 위해서는 고객 행동을 명확하게 정의하는 것이 중요합니다.
고객 행동에 대한 적절한 정의도 데이터를 통해 내 커머스에 더 적합한 정의를 내릴 수 있는데요. 예를 들어, A식품 커머스의 기존 데이터를 분석한 결과, "1개월 내 재구매가 없는 경우 고객이 향후 일년 간 구매를 진행하지 않을 가능성이 70% 이상"라는 정보를 확인할 수 있다면 이탈을 '한 달 이상 재구매가 없는 고객'으로 정의하는 게 적당하겠죠. 실제로 다이티 솔루션은 고객 행동을 조작적 정의하는 과정에서 기존 고객 데이터를 활용하고 있습니다. 생존률이 어떤 값 이하일 때 이탈로 정의해야 할 지, 고객이 며칠 이상 활동이 없을 때 이탈로 정의해야 할 지 등에 대한 적절한 조작적 정의를 데이터 전문가가 직접 진행하고 있죠. (관련 콘텐츠: AI 데이터를 정보로 만드는 방법)
위 예시의 식품 사이트처럼 '활성 사용자, 로열 고객, 이탈' 등 다양한 고객 행동의 데이터 정의는 비즈니스마다 달라야 하는데요. 이러한 조작적 정의 과정이 적절하게 진행되어야만이 데이터를 통해 더 정확한 예측 인사이트를 만들어 낼 수 있습니다.
조직 내 데이터 사일로가 있지 않나요?
동일한 고객을 바라볼 때도 부서마다 다른 데이터를 보는 경우가 많습니다. 이는 부서마다 역할이 다르기 때문에 당연할 수도 있는데요. 문제는 이러한 데이터가 서로 통합되는 게 아예 불가능한 사일로 데이터(전체적으로 통합되지 못하고 개별로 존재하는 데이터)로 있는 경우입니다. 이렇게 분절된 데이터는 복잡성까지 더해져 그 누구에게도 필요한 정보가 되지 못하고 그저 저장만 되게 됩니다. 정확한 예측 기반의 인사이트를 만들어내기 위해서는 분절된 고객 데이터를 하나의 플랫폼으로 모으는 과정이 필요합니다. A라는 고객이 어떤 성별이며, 나이대의 구간은 어디인지 , 무슨 행동을 하고 있는지 등 필요한 정보가 하나로 모여있을 때 정확한 예측 기반의 인사이트를 만들어낼 수 있습니다.
효과적인 고객 데이터 기반 비즈니스 활동을 진행하려면 사일로 문제를 해결하고, 고객 데이터를 통합하고 강화하여야 하며, 쉽게 데이터에 접근할 수 있어야 합니다. 서로 분절된 데이터를 하나로 통합하여 고객 단일 관점(SCV, Single Customer View)을 제공하는 플랫폼을 CDP(Customer Data Platform)라고 하는데요. 다이티 솔루션과 같은 CDP를 활용한다면 고객 여정의 모든 단계에서 얻은 데이터를 기반으로 쉽고 효과적으로 각 고객에 대한 인사이트, 마케팅 방안 등을 만들어 낼 수 있습니다. (관련 콘텐츠: 마테크 업계 핫이슈! 고객 데이터 플랫폼(CDP)은 무엇일까?)
과거 수치에만 집중하고 있지는 않나요?
데이터 드리븐을 잘하고 있다고 생각하는 조직이 많이 빠지는 함정은 대시보드에 지나치게 집중한다는 점입니다. 대시보드는 분명히 비즈니스 운영에 참고해야 할 사항이죠. 하지만, 과거 수치가 주는 인사이트와 현재의 비즈니스 상황에 맞는 비즈니스 전략과 타깃 고객 세그먼트가 다른 경우도 많이 있습니다. 과거 좋은 성과를 안겨주었던 고객 세그먼트가 지금은 적합한 비즈니스 타깃 대상이 아닐 수 있고, 좋지 않은 성과를 안겨주었던 고객 세그먼트가 지금 비즈니스 상황에서는 가장 집중해야 할 타깃이 될 수 있습니다.
효과적인 비즈니스를 운영하기 위해서는 최신화된 자사의 비즈니스 데이터 분석을 통해 최적의 마케팅 액션을 하는 것이 좋은데요. 분기 1회 혹은 반기 1회, 심지어 연 1회의 비즈니스 분석 결과를 통해 마케팅 액션을 취하는 것은 부적절하죠. 그러기에 데이터 분석을 자동으로 진행해 주는 툴을 사용하는 것이 좋습니다. 다이티 솔루션은 이커머스의 구매 고객, 구매 금액, 재구매 주기, 로열 고객의 기여도 등의 데이터를 일마다 확인하여 비즈니스를 각각 유형화하고 미래를 예측하여 현재 가장 주목해야 할 비즈니스 전략과 고객 세그먼트를 제안하고 있습니다.
하락하는 과거 수치를 보며 미래를 암울하게 점치거나, 상승하는 과거 수치를 보며 근거 없이 낙관하는 것은 좋은 데이터 분석 자세라고 보기 힘듭니다. 데이터를 통해 비즈니스를 잘 운영하고 싶다면, 과거의 데이터를 참고하고 오늘의 데이터를 분석해 앞으로 다가올 기회와 위기를 예측하고 잘 대응하는 자세를 갖추어야 할 것입니다.
예측 기반 인사이트는 과거 데이터를 바탕으로 미래의 위기와 기회를 알려줍니다.
그러므로 데이터를 바라보는 우리는 다가올 것으로 예측되는 위기는 미리 대비하고, 미래의 기회는 빠르게 캐치할 준비를 해야합니다.
다이티는 AI BOX라는 솔루션을 통해 예측 기반의 인사이트를 제공하고 있습니다. 고객 데이터를 분석하고 DBTI(다이티 특허출원 기술)를 통해 내 비즈니스 성장에 최적화 된 전략과 고객 세그먼트를 추천하고 있죠. 이러한 AI 기술은 데이터 분석/예측 기술 못지 않게 다양한 비즈니스에 대한 높은 이해도 역시 필요한데요. 다양한 비즈니스의 고객 데이터를 20여년 간 꾸준히 분석해온 노하우로 만들어진 다이티의 고객 데이터 분석 기술은 타의 추종을 불허하죠. 실제로 다이티는 국내 CDP 업체로는 유일하게 Facebook Business Solution 프로그램에 선정되기도 하고, 글로벌 IT기업 Bango와 제휴를 맺고 유럽에 법인을 합작 설립하는 등 국내 뿐만 아니라 글로벌 시장에서도 기술력을 인정받고 있어요.
이커머스의 성장, 그리고 생존을 위해 이제는 꼭 필요한 데이터 활용이 필수적인데요. 다이티와 함께라면 데이터를 통한 성장이 어렵지 않습니다. 데이터를 가장 가치있게 활용하는 시작, 다이티와 함께하세요 :)
