.png)
April 24, 2025
4월 15일(화), 앙트레블 강남에서 열린 OneSignal Surge Seoul 2025 에 마티니가 다녀왔습니다! 👏👏
.png)
행사 시작 전 원시그널에서 오신 분들과 함께 CRM 현황과 마티니가 하는 업무에 대해서 짧게 이야기를 나누었습니다.
마티니가 무슨 일을 하는 지 궁금하시다면 👉 여기서 확인해보세요!
이번 행사에서는 OneSignal 공동 창립자 겸 CEO George Deglin이 2025 고객 참여 현황 보고서를 기반으로 최신 트렌드를 공유하며, 다양한 패널 세션을 통해 실무에 바로 적용할 수 있는 메시징 전략과 모범 사례를 소개했습니다.
특히 원시그널이 준비 중인 AI 기반 라이프사이클 마케팅 에이전트가 소개되었는데요,
CRM 전문가가 내부에 있는 기업이 드문 상황과, 그만큼 실행이 어려운 CRM 마케팅 분야를 보완하기 위해 AI의 도움을 받아 고객 이탈을 막고 최적의 마케팅 전략을 제안해주는 AI 에이전트를 준비 중이라고 합니다.
관련 내용이 궁금하시다면 👉 원시그널을 방문해보세요!
패널 세션에서 모드하우스는 유저 경험에 집중하며, ‘CRM을 제대로 해보자’는 확신을 가지고 원시그널 도입을 결정한 여정을 공유했습니다.
한정된 리소스와 비용 문제 속에서도 다양한 논의를 거쳐 최종적으로 툴을 도입하기까지의 과정이 인상적이었습니다.
마티니의 이건희 COO는 솔루션을 실무에 어떻게 적용할 수 있을지 실제 사례와 함께 명확하고 실용적인 인사이트를 전했습니다. 👇
✅ 마케팅 자동화 & 개인화: AARRR 퍼널 기반 자동화 캠페인 Critical Path를 활용한 시나리오 설계
✅ AB 테스트: 추측이 아닌 데이터 기반으로 유저 행동을 분석하고 최적의 선택을 도출
✅ 프로덕트 개선: 신규 기능 사용률 향상을 위한 실사용 데이터 기반 분석 및 유도 전략
✅ 마테크 솔루션 연동: 다양한 솔루션 간의 연계를 통해 한계를 보완하고, 부가가치를 극대화
✅ CS / CX 연계: 유저 경험 향상을 위한 CRM 솔루션의 고객지원
.png)
특히 실제로 마티니가 진행한 8000여개가 넘는 캠페인에서 얻은 인사이트를 바탕으로 다양한 사례를 가지고 CRM 솔루션을 ‘잘’ 사용하는 방법을 공유했습니다.
마지막 세션이었던 리더 패널 토크에서는 마티니 이선규 CEO와 마켓핏랩 김선영 SVP가 깊이 있는 경험과 인사이트를 공유했습니다.
고객을 제대로 이해하기 위한 CRM 데이터의 핵심 네 가지(기본 정보, 행동 이력, 최신 활동, 상호작용 데이터)를 어떻게 활용할지, 그리고 RFM 분석을 기반으로 충성 고객을 구분하는 방법과 이를 실무에 적용하는 전략 등 깊은 인사이트가 돋보이는 실질적인 내용들이 공유되었습니다.
또한 마티니는 고객사의 CRM 운영 수준에 맞춰 입문, 중급, 고급 3단계로 전략적 액션 플랜을 공유했습니다:
📍 입문단계: 기본 데이터 수집하고 체계 구축, 신뢰 형성 메지지 설계, CRM 솔루션 검토 및 준비
📍 중급단계: 데이터 분석 및 인사이트 도출, 세그먼트 설정 및 타겟팅, 개인화 메시징 전략 구축
📍 고급단계: AI 기반 예측 모델 도입, 고도화된 세그먼트 운영, 전담 조직 구성 및 운영
이 외에도 여러 인사이트들이 가득했는데요, 리더분들 통찰력 깊은 내용들로 구성된 알찬 시간이었습니다!
세션이 모두 종료된 후에는 업계 리더들과 함께하는 네트워킹 시간이 이어졌습니다. 원시그널에서 준비해주신 핑거푸드를 즐기며, 각 기업이 가지고 있는 CRM에 대한 고민과 인사이트를 자유롭게 나눌 수 있었던 유익한 시간이었습니다.
마티니가 그동안 진행한 CRM 캠페인 수 입니다.
다양한 분야의 다양한 캠페인을 거치며, 마티니는 데이터 기반 전략과 실무 중심의 실행력을 바탕으로 고객과 브랜드 사이의 ‘더 나은 연결’을 만드는 마케팅을 설계했습니다.
CRM, 퍼포먼스, 그로스 전 영역을 아우르는 풀퍼널 마케팅 전문 조직 마티니가 궁금하시다면 만나보세요.
마티니는 ‘잘’ 합니다. 👉마티니 만나보기
April 23, 2025
마티니에서는 실무에서 앰플리튜드(Amplitude)를 더 효과적으로 활용할 수 있도록 돕기 위해 4주간의 실전 교육 프로그램, 그로스 캠프를 진행했습니다.
마티니의 그로스 캠프 4기! 어떻게 진행되었는지 아래서 확인해보세요 ⬇️
.png)
행사명: 그로스 캠프 4기 - Martinee X Amplitude
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2025년 3월 26일 ~ 4월 16일 매주 수 오후 3시
누구를 위한?
어떤 내용을?
어떤 결과를?
어떻게 진행하였나요?
어떤 것들을 배웠나요?
그로스 캠프 4기는 LV. 1, LV. 2, LV. 3, LV. Expert 총 4번의 세션으로 진행되었습니다.탐색적 데이터 분석부터 코호트, AARRR 분석 등 그로스 마케팅을 위한 핵심 데이터 분석 개념과 적용 방법에 대해 다뤘습니다.
그로스 캠프 4기 첫번째 시간은 앰플리튜드 차트 분석의 기초에 대해 알아보는 시간이었습니다.
.jpg)
우선 데이터 분석은 무엇이고, 왜 필요한 지 짧게 이해하는 시간을 가졌습니다.
.jpg)
뒤를 이어 앰플리튜드의 활용 목적, 데이터 구조, 데이터 택소노미 (Data Taxonomy) 설계에 대해 알아보았고, 앰플리튜드의 기본 차트인 세그먼트(Segment), 퍼널(Funnel), 리텐션(Retention) 차트를 앰플리튜드 차트로 직접 보면서 진행했습니다.
또한 중간 중간 문제를 통해 앰플리튜드 필수 차트를 어떻게 실무에 적용하는지도 배워보았습니다.
문제는 앰플리튜드 데모 계정을 통해 직접 분석 값을 구하는 내용이었는데요, 세세하게 답을 구하는 과정까지 알려주셔서 개념도 익히고 실습도 해볼 수 있었습니다!
이어진 시간들에서는 앰플리튜드 차트 분석의 고급 버전과 AARRR, Aha-Moment, 다른 솔루션과 연계한 활용방식 등을 배워보았습니다.
LTV(고객 생애 가치), Lifecycle, Engagement matrix, Cohort(코호트)까지 데이터와 고객을 분석하기 위해 필요한 기능들을 배웠는데요,
그 중 특정 기간동안 유사한 특성이나 경험을 공유하는 사용자 집단인 코호트 분석은, 전체 데이터를 보면 보이지 않던 인사이트도 유저 그룹을 나누면 뚜렷하게 드러나기 때문에 더더욱 중요하게 다뤘습니다.
모든 강의가 마무리되고, 앰플리튜드 자격증을 취득하는 시간도 함께 진행됐는데요,
많은 분들이 앰플리튜드 자격증 득에 성공하셨답니다!
(만약 획득 못하셨어도 마티니의 특별 노하우가 담긴 앰플리튜드 사용자 가이드를 보면 금방 취득하실 수 있어요!)
강의를 수강하신 모든 분들께는 마티니가 직접 제작한 앰플리튜드 유저 가이드(*108장 분량)를 제공하여 그로스 캠프 이후에도 앰플리튜드를 원활하게 사용하실 수 있도록 했습니다.
.jpg)
4회차도 마무리된 마티니의 그로스캠프 4기!
앞으로도 실무 중심 인사이트를 바탕으로 더 많은 성장을 도울 수 있는 교육 프로그램으로 찾아뵐게요!
마티니는 고객사의 비즈니스 성장을 돕는 파트너로서, 데이터 기반 전략과 실무 중심 인사이트를 바탕으로 더 정교하고 지속 가능한 마케팅을 함께 만들어갑니다.
데이터로 진짜 성장을 설계하고 싶다면, 지금 마티니와 함께하세요. 👉마티니 만나보기
April 21, 2025
단기적인 브랜드 성공과 지속적인 사용자 참여를 이끄는 차이를 만드는 마인드는 무엇일까요?
| 바로 데이터 기반 의사결정입니다.
앱 마케터는 모든 의사결정을 정확한 데이터에 기반해 내려야 합니다. 어떤 전략이 효과적인지, 어디를 개선해야 하는지 명확히 파악하는 것이 핵심이죠. 올바른 데이터를 활용하면 모바일 참여 전략을 정교하게 다듬고, 사용자와 더 깊이 연결되며, 앱을 효율적으로 성장시킬 수 있습니다.
이를 돕기 위해 성장에 가장 큰 영향을 미치는 7가지 핵심 앱 마케팅 지표를 정리했습니다.
앱 마케팅 환경은 그 어느 때보다 치열해졌습니다. 사용자는 수많은 선택지에 노출되어 있고, 기본적인 사용 경험조차도 매우 높은 수준을 기대합니다. 이 핵심 지표들을 이해한다는 것은 단순히 숫자를 아는 것을 넘어, 그 숫자를 바탕으로 전략을 세우고 사용자와 지속적인 관계를 구축한다는 의미입니다.
| 💡 단순한 생존이 아닌, 성장을 위한 전략이 필요합니다.
고객 생애 가는 한 명의 사용자가 앱과의 관계를 유지하는 동안 기대할 수 있는 총 수익을 추정하는 지표입니다. 새로운 사용자를 확보하는 데 사용할 수 있는 예산을 파악하고 마케팅 예산을 효율적으로 분배하기 위해 매우 중요합니다.
예시와 같은 상황에서 다음과 같이 고객 생애 가치에 따라 다른 전략을 취할 수 있습니다.
이러한 맞춤 전략은 사용자 유지율을 높이고, 높은 잠재 가치를 지닌 사용자에 집중함으로써 마케팅 예산을 최적화 하여 사용할 수 있습니다. 즉, 기존 사용자의 가치를 극대화하여 앱의 지속 가능한 성장을 만들고, ROI를 향상시키는 것입니다.
CPA는 새로운 사용자를 획득하는 데 얼마나 많은 비용을 지출하는지 측정합니다. 이 수치는 마케팅 캠페인의 효율성을 판단하는 핵심 지표입니다. CPA는 가능한 한 낮게 유지하면서도 고품질 사용자 확보가 중요합니다. 만약 높은 CPA가 나온다면, 충분한 가치를 제공하지 않는 사용자를 얻기 위해 너무 많은 비용을 지출하고 있음을 의미할 수 있습니다.
CPA를 줄이는 방법:
유지율은 특정 기간 동안 앱을 계속 사용하는 사용자의 비율입니다. 높은 유지율은 앱이 사용자에게 가치를 제공하고 있다는 증거이며, 낮은 유지율은 UX나 콘텐츠에 문제가 있을 가능성을 시사합니다.
유지율이 하락하고 있다면, 사용자 여정을 분석하여 사용자가 이탈하는 지점을 파악해보세요. 개인화된 온보딩 경험을 제공하거나, 이탈 사용자 대상의 재참여 캠페인을 도입하는 것도 사용자의 활동을 유지하는 데 도움이 됩니다!
%201.png)
유지율 향상을 위한 핵심 전략:
사용자가 한 번의 세션에서 앱을 사용하는 평균 시간입니다. 세션 시간이 길수록 콘텐츠 몰입도나 앱의 유용성이 높다는 의미입니다.
예시를 보면 마케터는 인사이트를 찾아내고 그 정보를 바탕으로 바탕으로, 긴 튜토리얼을 더 짧고 이해하기 쉬운 단위로 나누는 전략을 실행합니다. 그리고 사용자에게 다음 모듈 학습을 유도하는 개인화된 푸시 알림을 보냅니다.
그 결과, 평균 세션 길이가 증가하고 사용자 참여도가 높아지며 수업 완료율도 향상됩니다.
CTR은 푸시 알림을 받은 사용자 중 실제로 클릭한 비율입니다. 이 지표는 모바일 메시징에 특화되어 있으며 푸시 캠페인의 효과를 평가하는 데 중요합니다. 높은 CTR은 푸시 알림이 사용자에게 관련성이 있고 매력적이라는 것을 나타내는 반면, 낮은 CTR은 메시징 전략을 조정해야 할 수도 있음을 나타냅니다.
CTR 향상 팁:
인앱 메시지 전환율은 인앱 메시지를 받은 사용자가 구매나 앱 업데이트와 같은 원하는 행동을 실제로 완료한 비율을 측정하는 지표입니다. 이 수치는 인앱 메시지가 사용자 행동에 얼마나 효과적으로 영향을 주고 있는지를 직접적으로 보여주는 지표이기도 합니다.
전환율이 낮다면, 다양한 메시지 유형, CTA(콜 투 액션) 문구, 타겟팅 전략 등을 실험해 보면서 어떤 접근이 사용자에게 가장 효과적인지 파악해보세요.
예를 들어, 모바일 쇼핑 앱에서 A/B 테스트를 통해 다음과 같은 CTA 문구를 실험해볼 수 있습니다:
이 중에서 “할인 혜택 받기” 문구가 가장 높은 전환율을 consistently 기록했다면, 인앱 메시지 전반에 걸쳐 즉각적인 가치를 강조하는 인센티브 기반 CTA를 활용하는 것이 효과적이라는 인사이트를 얻을 수 있습니다.
이러한 방식은 인앱 전환율을 높이는 데 큰 도움이 됩니다.
푸시 알림 옵트인율은 앱에서 푸시 알림 수신을 허용한 사용자 비율을 나타내는 지표입니다. 이 수치는 푸시 캠페인의 도달 범위를 결정하기 때문에 매우 중요합니다.
옵트인율이 높을수록 더 넓은 사용자에게 푸시 메시지를 전달할 수 있고, 그만큼 참여율과 유지율 향상으로 이어질 가능성이 높습니다.
반면, 푸시 알림 옵트인율이 낮은 앱은 사용자들이 푸시 메시지에서 즉각적인 가치나 관련성을 느끼지 못하는 경우가 많아 어려움을 겪게 됩니다.
낮은 옵트인율의 원인:
해결 방안:
이러한 지표들을 추적하는 것은 경쟁력 있는 앱 마케터가 되기 위한 필수 조건입니다.하지만 지표를 이해하는 것만으로는 충분하지 않습니다. 그 데이터를 바탕으로 실행할 수 있는 도구가 함께 필요하죠.따라서 각 지표를 명확히 확인하고 인사이트를 실질적인 전략으로 전환할 수 있도록 도와주는 메시징 플랫폼 선택이 매우 중요합니다.
OneSignal은 앱 마케터에게 다음과 같은 강력한 기능을 제공하는 접근성 높은 사용자 참여 솔루션입니다.
정교한 개인화 기능, 직관적이고 강력한 크로스채널 캠페인 빌더, 최적화된 전략을 만드는 고급 분석 기능이 궁금하다면 마티니를 찾아오세요! 🙌
ℹ️ 마티니와 상담하시면 OneSignal에 대해서 더 자세히 안내받으실 수 있습니다.
👉 마티니 만나보기
* 원문 출처 : https://onesignal.com/blog/7-metrics-every-app-marketer-should-track/
* 본 게시물은 Onesignal이 작성한 글을 참고하여, Onesignal의 공식 파트너인 마티니가 한국어로 편집 및 재구성하였습니다.
.png)
April 3, 2025
CRM, 그로스, 퍼포먼스를 아우르는 데이터 기반 풀퍼널 마케팅 전략.
마티니의 실무 중심 인사이트와 최근 미디어 보도 내용을 한눈에 만나보세요.
“CRM 마케팅의 성패는 설계부터 분석까지의 정교함에 달려있다.”
마티니아이오 이선규 대표는 브랜드브리프와의 인터뷰를 통해 CRM 마케팅 실무에 필수적인 체크포인트로 ▲정확한 행동 데이터 분류를 위한 ‘이벤트 택소노미 설계’ ▲전환율을 높이는 실시간 ‘개인화 전략’ ▲성과를 측정하는 ‘증분 분석’의 중요성을 강조했다.
특히 QA 과정과 조직 내 역할 분담(R&R)의 체계화가 정교한 마케팅 운영의 핵심이라며, 실무 노하우와 함께 고객사의 디지털 전환을 돕는 마티니의 전문성을 밝혔다.
마티니는 KFC·쏘카·오늘의집 등 다양한 업계에서 실질적인 성과를 내며 CRM 자동화와 데이터 기반 마케팅 고도화를 이끌고 있다.
마티니의 김찬희 CRM 마케터는 'Grow with Braze 2025'에서 이유식 브랜드 베베쿡과의 협업 사례를 통해 F&B 산업에서의 CRM 전략을 소개했다. 생후 일자 기반의 맞춤형 상품 추천으로 재구매율을 높이고, 개발 리소스의 한계를 CRM 전략으로 보완한 실행 사례를 공유했다.
특히 베베쿡의 핵심 과제였던 리텐션과 고객당 평균 매출(ARPU) 증대를 장바구니 금액 기반 혜택 메시지 등으로 효과적으로 해결한 전략을 강조했다.
김 마케터는 고객 행동 분석과 개인화 전략을 통해 짧은 시간 안에 고객과의 신뢰를 구축하고 실질적인 성과로 이어지는 CRM 마케팅 실행법을 구체적으로 풀어냈다.
풀퍼널 마케팅 전문 기업 마티니아이오(이하 마티니)가 오는 19일 브레이즈(Braze) 주최 마케팅 컨퍼런스 ‘그로우 위드 브레이즈 서울’에 한국 파트너로 참여한다.
이번 행사에서는 AI 기반 마테크 전략, 고객 충성도 제고, 통합 채널 설계, 실시간 인게이지먼트 가이드 등 총 3개 주제로 다양한 인사이트가 공유될 예정이다.
마티니는 이선규 대표가 ‘브레이즈를 200% 활용하는 CRM 체크리스트’ 세션을 통해 실무 전략을, 김찬희 매니저와 베베쿡 김도균 전무가 F&B 산업 내 재구매 전략을 발표한다.
이선규 대표는 “빠르게 변화하는 마케팅 환경에서 마티니의 전문성과 현장 경험이 기업 성장을 돕는 핵심 자산”이라며 브레이즈의 국내 유일 솔루션 파트너로서의 참여 배경을 설명했다.
한편 마티니는 롯데온, 무신사, KFC, 두나무, 기업은행 등과 협업하며 설립 3년만에 매출 100억, 영업이익 흑자를 달성한 바 있다.
마티니아이오가 글로벌 CRM 플랫폼 브레이즈(Braze)의 컨퍼런스 ‘Grow with Braze – Seoul’에 국내 공식 파트너로 참여한다.
이번 행사에서 마티니는 자사의 CRM 전문성을 바탕으로 실무 중심의 세션 두 개를 운영한다. 이선규 대표는 ‘Braze를 200% 활용하는 CRM 체크리스트’를, 베베쿡 김도균 전무 및 마티니 김찬희 매니저는 F&B 업계 사례 기반의 재구매 전략을 공유할 예정이다.
이 대표는 빠르게 발전하는 마케팅 산업 속에서 마티니가 쌓아온 기술 내재화 및 고객 맞춤형 전략 역량을 강조하며, 브레이즈의 국내 유일 솔루션 파트너로서 책임감을 밝혔다.
마티니는 CRM 컨설팅부터 퍼포먼스 캠페인까지 풀퍼널 마케팅을 수행하며 다양한 업계와 협업해왔다. 설립 3년 만에 매출 100억 원을 달성하며 빠른 성장세를 이어가고 있다.
풀퍼널 마케팅 전문기업 마티니아이오(이하 마티니)가 지난 5일 열린 ‘브레이즈 커넥션즈 서울 2024’에서 KFC 사례를 중심으로 CRM 마케팅 실무 노하우를 공유해 호응을 얻었다.
이번 행사는 브레이즈 주최, 마티니·AB180·CJ올리브네트웍스 후원으로 진행됐으며, 글로벌 행사인 FORGE 라스베이거스 2024에서 발표된 브레이즈 최신 업데이트도 국내 최초로 소개됐다.
마티니는 솔루션 도입부터 고도화, 성과 분석에 이르는 CRM 전 과정을 설명하며, 국내외 참석자들에게 실질적인 인사이트를 전달했다.
이선규 대표는 “철저한 분석과 최적화된 솔루션 설계로 성장을 지원하는 풀스택 마케팅을 제공하는 것이 마티니의 원칙”이라고 강조했다.
마티니는 퍼포먼스, CRM, PA, BI 등 전 분야에서 전문성을 보유한 마케팅 파트너로, 설립 2년 만에 업계 선도 기업으로 자리매김하며 다수 브랜드의 성장을 지원하고 있다.
글로벌 AI SaaS 기업 애피어(Appier)가 풀퍼널 마케팅 전문기업 마티니아이오(이하 마티니)와 전략적 파트너십을 체결했다.
이번 협업을 통해 애피어는 AI 기반 마케팅 솔루션 ‘AIQUA’, ‘BotBonnie’, ‘AIRIS’를 중심으로 개인화된 고객 여정 최적화를 지원하며, 한국 시장 내 입지를 강화할 계획이다.
마티니는 마케팅 분석, 솔루션 도입·운영, CRM 마케팅까지 전 과정을 아우르는 풀퍼널 마케팅 기업으로, 이번 파트너십을 통해 AI 기반 마테크 솔루션 역량을 더욱 확장할 수 있게 됐다.
마티니가 31일 코엑스에서 열린 ‘모던 그로스 스택 2024’에서 실전 중심의 CRM 전략과 디지털 마케팅 인사이트를 공유했다.
이건희 팀장은 ‘우리 잘하고 있는 건가?: CRM 마케터들이 궁금해하는 고민과 해결 방안’ 세션에서 개인화 전략과 MMP·PA 연계법 등 실무 노하우를 전했다.
공동 세션에서는 쏘카·AB180과의 협업 사례를 소개하고, 이재철 팀장이 앰플리튜드·버거킹과 함께 버거킹의 디지털 전환 전략을 공유했다.
행사 현장에는 마티니 부스도 운영되어 실시간 컨설팅과 경품 이벤트로 업계 관계자들과 소통을 이어갔다.
이선규 대표는 “3개 세션을 통해 마티니의 전문성과 실무 경험을 나눌 수 있어 의미 있었다”며 앞으로도 다양한 기회를 통해 성장을 함께하겠다는 뜻을 밝혔다.
마티니는 데이터 기반 전략부터 실행까지 전 과정을 아우르는 풀퍼널 마케팅 전문 조직입니다.
앞으로도 축적된 실무 경험과 인사이트를 바탕으로, 고객사의 비즈니스 과제를 함께 고민하고 해결해 나가며 지속 가능한 성장을 만들어가는 든든한 마케팅 파트너가 되겠습니다. 😊
April 2, 2025
이번 Braze 부트캠프는 실무 중심의 전략적 사고와 실행력을 함께 익힐 수 있도록 Braze 자격증 취득을 위한 이론 세션과 Braze 실전 가이드 세션으로 구성되었습니다.
많은 분들이 함께해 주셔서 더욱 뜻깊은 시간이었는데요, Braze를 보다 효과적으로 활용하고 싶으셨던 분들께 실질적인 인사이트를 드릴 수 있어 더욱 의미 있었습니다.
Braze 부트캠프 세션이 궁금하시다면 아래 내용을 통해 자세히 확인해보세요! 🔽
세션 1은 Braze 본사에서 오신 Sang Kim(김상우) 님의 강의로 진행되었습니다.
이 강의는 실제로 Braze 본사에서도 자격증 취득을 위한 속성 과정으로 사용되는 커리큘럼이라고 해요.
첫 번째 세션은 Braze의 전반적인 기능을 빠르게 습득할 수 있도록 구성된 자격증 대비 강의로, 아래와 같은 커리큘럼으로 진행되었습니다.
세션1 에서는 Braze에서 데이터가 어떻게 통합되고 흐르는지, 그리고 이를 실제 마케팅 사용 사례에 어떻게 적용할 수 있는지에 대해 살펴보았습니다.
또한 세분화 도구를 활용해 타겟 메시징을 위한 고객 세그먼트를 설정하는 방법, 크로스 채널 메시징 전략, Braze 사용자 데이터를 기반으로 실시간 개인화 메시지를 구성하고 캠페인을 설계하는 방법에 대해 알아보는 시간을 가졌습니다.
마지막으로 Braze 대시보드를 활용해 캠페인 성과를 분석하고 리포트하는 방법까지 다루며 세션이 마무리되었고, 각 섹션이 끝날 때마다 복습 퀴즈를 통해 내용을 점검했습니다.
강의의 마지막은 Braze Certification 자격시험 응시로 마무리되었는데요,
실전에서 바로 활용 가능한 지식과 자격 취득까지 한 번에 경험할 수 있었던 알찬 시간이었습니다.
두 번째 세션은 마티니에서 CRM팀을 이끌고 있는 이건희 COO님이 '마티니가 제안하는 CRM 체크리스트’를 중심으로, 실전에서 Braze를 효과적으로 활용하는 방법을 다뤘습니다. 주요 커리큘럼은 다음과 같았습니다.
첫 번째로 다룬 이벤트 택소노미는 캠페인 실행을 위한 핵심 설계 요소입니다. 데이터를 어떻게 수집하고 구조화할지에 대한 방향을 제시하며, 자동화·개인화·분석 등 CRM의 모든 흐름에 영향을 주는 ‘재료’로써의 중요성을 강조했습니다.
이어진 자동화 파트에서는 자동화 캠페인을 구축해야하는 이유를 시작으로, 실제 구축 프로세스를 1단계부터 7단계까지 상세히 설명하며 기본기를 탄탄히 다졌습니다.
개인화 세션은 Braze의 핵심 기능인 개인화 태그, Liquid, Connected Content를 중심으로 진행되었습니다.
마지막으로 왜 CRM에 분석이 필요한지, 그 분석을 선행적 분석과 후행적 분석으로 나누어 어떻게 진행해야하는 지 세세하게 나눠 설명하며 성공적인 CRM을 위한 Braze 실전 가이드 세션을 마무리했습니다.
(늦은시간까지 열정적으로 강의에 집중해주셔서 감사합니다 🔥)
이번 Braze 부트캠프는 Braze 본사에서 진행하는 공식 자격 과정을 기반으로, 실제 자격 시험까지 함께하며 참가자분들의 Braze 실무 역량을 한층 끌어올리는 시간이었습니다.
또한 마티니는 8,000개 이상의 캠페인 운영 경험을 바탕으로, CRM 전략의 A to Z를 누구보다 명확하고 실용적으로 전달하며 CRM 성과를 높이는 핵심 노하우를 전했습니다.
앞으로도 마티니는 Braze 솔루션 파트너로서, 현장에서 바로 적용할 수 있는 인사이트와 전문성을 바탕으로 더 많은 기업들이 CRM을 통해 실질적인 성장을 이룰 수 있도록 함께하겠습니다.
다음 Braze 부트캠프에서도 더 깊이 있는 실전 전략으로 찾아뵙겠습니다! 😊
%20(1).png)
March 27, 2025
3월 19일, 콘래드 서울 그랜드볼룸에서 글로벌 CRM 솔루션 기업 Braze가 주최한 ‘Grow With Braze Seoul 2025’가 성황리에 개최되었습니다.
마티니는 지난해에 이어 올해도 연사로 참여해, 실무에서 마주하는 CRM 마케팅의 고민과 이를 해결해온 마티니만의 노하우를 공유했습니다.
이번 세션에서는 Braze를 보다 효과적으로 활용하기 위한 'Braze를 200% 활용하는 CRM 체크리스트', 그리고 베베쿡과 함께 F&B 업계의 재구매율을 높이기 위한 CRM 전략을 소개했습니다.
Braze 도입부터 실무 활용, 성과를 만들어낸 실제 사례와 인사이트까지, CRM 마케팅의 실전 전략이 가득 담긴 시간 아래서 확인해보세요!
CRM 마케팅, 잘 하고 있는지 궁금하셨다면?
마티니가 Grow With Braze에서 공유한 [Braze를 200% 활용하는 CRM 체크리스트] 세션에서는 CRM 성과를 높이기 위한 실무 중심의 세 가지 핵심 포인트를 소개했습니다.
CRM의 시작은 데이터 수집입니다.
어떤 데이터를 어떤 구조로 수집할지 정리한 이벤트 택소노미(Taxonomy) 문서를 기반으로, 이벤트 데이터를 수집하는 것이 중요합니다.
수집된 데이터를 바탕으로 인사이트를 도출해야 합니다.
선행 분석을 통해 재구매 주기, 첫구매까지의 소요 시간, 연관 구매 상품을 확인하고,
후행 분석을 통해 증분 분석과 A/B Test 등을 통해 실제로 전환을 일으키는 요소를 찾아내어 캠페인 성과를 측정합니다.
이제 데이터를 기반으로 고객과의 커뮤니케이션을 실행에 옮길 차례입니다.
Braze의 개인화 기능(태그, Liquid, Connected Content)을 활용해 고객 맞춤 메시지를 전달하고, 메시지를 카테고리화하여 운영 효율성을 높입니다.
또한 기획부터 발송, 분석까지의 프로세스에 맞춰 조직 내 역할과 책임(R&R)을 명확히 하는 것도 중요합니다.
마티니와 베베쿡이 함께한 세션에서는 작년 이 자리에서 Braze 도입을 결정한 베베쿡과 마티니의 CRM 전략 여정이 공유 되었습니다.
F&B 산업은 마티니가 가장 많은 인사이트를 쌓아온 분야 중 하나입니다. 마티니는 F&B 산업의 핵심 특성을 ‘고빈도 & 저가 구매 모델’로 파악했습니다. 자주 구매하지만 단가가 낮은 구조이기 때문에 고객을 얼마나 자연스럽게 다시 오게 만들고, 구매를 이어가게 유도하는지가 핵심인 것이죠. 따라서 업셀링과 크로스셀링을 유도할 수 있는 CRM 전략이 반드시 필요합니다.
이유식이라는 제품 특성상 아이의 생후일자에 따라 필요한 제품이 달라집니다.
마티니는 ‘생후일자 기반 개인화’ 전략을 통해 고객의 정보를 바탕으로 맞춤형 상품을 추천했고, 이를 통해 높은 전환율을 이끌어냈습니다.
단, 해당 메시지는 수신 동의한 고객에게만 발송 가능했기 때문에 모수 확보도 필수 과제였습니다.
이에 따라 “아이의 생일은 언제인가요?”와 같은 참여형 캠페인을 기획하여 수신 동의를 유도하고 메시지 도달률을 높였습니다.
이러한 전략을 통해 고객의 다음 구매를 자연스럽게 유도하고, 리텐션을 강화할 수 있었습니다.
이러한 장바구니 기반 혜택 전략을 통해 평균 객단가(AOV)가 목표 이상을 기록하며 높은 캠페인 성과를 달성했습니다.
Insight 1. 개발이 어렵다면 CRM 기능만으로 대체 구현할 수 있는 방법을 먼저 고민해보세요.
Insight 2. 이미 기획된 캠페인도 지속적인 디벨롭이 필요합니다.
Insight 3. 완전히 새로운 혜택이 아니어도 괜찮습니다. 기존 혜택을 적절히 노출만 해도 충분히 업셀링이 가능합니다.
마티니는 CRM, 그로스, 퍼포먼스 분야의 전문가들이 모여 유기적으로 협업하며 다양한 문제를 하고 있습니다.
마티니의 Braze 체크리스트와 F&B 전략 내용이 흥미로우셨다면, 마티니를 만나보세요. 👉 마티니 만나보기
데이터·프로덕트 분석, KPI 대시보드 설계와 제작, 데이터 파이프라인 활용, CRM 택소노미(Taxonomy) 및 프로모션 설계, MMP 설치와 점검, 퍼포먼스 마케팅 미디어 믹스까지, 각 분야의 전문가들이 모여있는 Martinee와 함께 비즈니스 성공을 실현해보세요.
March 5, 2025
1. 취소/환불 규정
강의 당일 기준 1일 전까지 취소/환불 신청 시 100% 취소/환불이 가능합니다.
구매자가 단순 변심 등 본인의 사정으로 인해 환불을 신청할 경우에도 강의 1일 전까지 취소/환불이 가능합니다.
강의 당일(0시 기준)에는 취소/환불이 불가능합니다.
패키지의 경우 구매자가 이후 강의를 수강하지 아니하여도 결제 PG사 환불 규정에 따라 부분 및 일부 금액 환불이 불가능합니다.
패키지 부분 환불을 요청하는 구매자의 경우 다음 마티니 부트캠프 무료 수강권을 제공해드립니다.
2. 취소/환불 수수료
결제수단에 따라 환불 수수료가 부과될 수 있습니다.
취소/환불 수수료는 결제수단에 따라 다르게 적용 및 공제됩니다.
결제수단, 환불 신청 시점에 따라 환불 방식은 결제취소 또는 환불신청으로 다를 수 있습니다.
취소/환불 수수료는 결제수단에 따라 다르게 적용 및 공제됩니다.
취소/환불 수수료 공제에 대한 세금계산서 또는 현금영수증을 희망하는 경우 고객센터로 문의 바랍니다.
3. 취소/환불 방식
신용카드 환불의 경우 결제 PG사에서의 환불 처리가 완료되고 카드사를 통해 결제 승인이 취소되면 환불이 완료됩니다.
결제 당일 이후 결제 취소 시 카드사를 통한 결제 승인 취소 확인은 3~7일 가량 소요될 수 있으며, 이는 카드사 마다 다를 수 있습니다.
(시행일) 본 약관은 2024 년 03월 26일 부터 시행됩니다.
마티니와 함께 데이터 분석 기반의 그로스 마케팅을 경험해보세요!
February 14, 2025
사실 나는 카피 작성에 소질이 없다. 인턴 시절, 소재 기획이 가장 어려운 업무였다.
그런데 CRM 마케팅도 소재 기획과 카피 작성이 포함되지 않나?
맞다. 하지만 콘텐츠 마케팅에 비하면 상대적으로 중요도가 조금 낮은 것 같다.
카피도 중요하지만, 유저 여정에서 적절한 시점에 넛지하는 것이 더 핵심이라고 생각한다. 이 부분이 흥미로워 CRM 마케팅을 선택했지만, 새로운 캠페인의 푸시 이미지와 문구를 기획하고, LMF 테스트를 위해 여러 버전의 푸시 문구를 작성하는 등 크리에이티브 작업은 끝이 없다.
카피를 잘 못 쓰는데 카피 작성을 어떻게 할 수 있을까?
생성형 AI를 활용하면 가능하다.
물론 생성형 AI가 100% 만족스러운 결과를 제공하는 것은 아니다. 어딘가 부족한 느낌이 들거나, 아무리 상세히 설명해도 내가 원하는 뉘앙스가 아닌 엉뚱한 답변을 주는 경우가 많다. 그럼에도 불구하고, 카피 작성이 어려운 나 같은 CRM 마케터들에게 도움이 되길 바라며, 생성형 AI를 효과적으로 활용하는 방법을 공유하고자 한다.
가장 먼저 해야 할 일은 내가 담당하는 서비스에 대한 정보를 생성형 AI에게 학습시키는 것이다.
"새 옷 살 건데 추천 좀 해주세요!"라고 옆자리 동료가 말을 걸어왔을 때, 스타일이나 TPO를 모르면 적절한 추천을 해주기 어려운 것처럼, AI도 마찬가지다.
예를 들어, "패션 커머스의 푸시 카피 작성해 줘!"라고만 요청하면, 서비스 톤 앤 매너와 맞지 않는 문구나 지나치게 일반적인 표현이 나올 수 있다.
원하는 결과물을 얻기 위해서는 AI에게 서비스의 핵심 정보와 스타일을 충분히 제공해야 한다.
먼저 서비스의 특징과 톤 앤 매너를 AI에게 학습시킨다.
서비스 소개서/설명서가 있는 경우 해당 문서를 업로드해도 좋고, 서비스 페이지의 화면을 캡쳐하거나 앱스토어/플레이스토어에 업로드된 앱 디스크립션 및 앱 스크린샷을 활용할 수도 있다.
이전에 CRM 캠페인을 진행한 적이 있다면, AI에게 문구 및 성과를 전달하는 것도 큰 도움이 된다.
과거 성과가 좋았던 카피와 그렇지 않은 카피를 구분하여 제공하면 AI가 유저들의 특성까지 고려하여 문구를 작성해 줄 수 있다.
추가로, 아래와 같이 지양해야 하는 표현들과 유저 호칭 사용 시 주의점도 이 단계에서 미리 설명하면 좋다.
절대 사용하면 안 되는 표현들 : 할인율을 직접 표기하면 안 된다거나, 브랜드명은 제외하고 상품명만 노출시켜야 한다는 등의 가이드라인을 명확하게 제공해야 한다.
유저 호칭에 대한 주의사항 : "{{name}}님"이 아니라 "{{name}} 고객님", "{{name}} 사장님" 등으로 표현해야 하는 경우 AI가 이를 혼동하지 않도록 안내해주어야 한다.
서비스를 잘 학습시켰다면, 이제 카피를 뽑아내기 위한 프롬프트를 작성해 보자.
AI에게 원하는 결과를 얻기 위해서는 명확하고 구체적인 프롬프트를 작성해야 한다.
단순히 "푸시 카피 작성해 줘"라고 요청하는 것이 아니라, 다음과 같은 요소를 포함하면 보다 원하는 결과에 가까운 응답을 받을 수 있다.
1. 캠페인 목적
2. 발송 채널
3. 발송 타겟
4. 소구점 및 유의사항
5. 추가 요청사항
.png)
위의 예시와 같이 추가 요청사항에 별다른 말이 없는 경우, 문구를 1개만 작성해 준다.
여러 문구를 작성하게끔 시키고 그중에서 마음에 드는 문구만 골라 사용하고 싶다면, 추가 요청사항에 N개의 예시를 작성해 달라고 기재하는 것을 잊지 말자!
.png)
예시로 ChatGPT를 사용하였지만, 이 외에도 다양한 생성형 AI가 있다.
사용하던 AI에서 원하는 답변을 얻지 못하였다면 다른 생성형 AI를 사용하는 것도 하나의 방법이다.
생성형 AI마다 특징이 조금씩 다르기에, 동일한 내용을 학습시키고 프롬프트를 작성해도 답변은 다르게 출력된다.
.png)
Claude에서 1-2단계 ChatGPT와 동일한 자료로 AI를 학습시키고, 동일한 프롬프트를 사용해 출력한 결과이다. (GPT보다는 조금 더 우리가 많이 접한 푸시 문구와 비슷하지 않은가?)
위와 같이 여러 AI마다 스타일이 조금씩 다르기에, 결과물을 비교하며 원하는 요소들을 조합하면 더욱 효과적인 카피를 작성할 수 있다.
cf) 생성형 AI별 특징
ChatGPT : 문맥 이해도가 높고 자연스러운 카피를 생성하는 데 강점이 있음.
Gemini : 보다 창의적인 표현을 만들어내는 데 유리함.
Claude : 세부적인 조정이 가능하고 브랜드 톤 앤 매너 반영이 뛰어남.
소제목에도 쓰여있듯이 완벽하지는 않지만, 위와 같이 생성형 AI를 조련하면 카피 작성에 들어가는 리소스를 대폭 줄일 수 있다.
그렇다고 너무 의존하지는 말고, AI를 보조 도구로 활용하며 여러 레퍼런스를 수집하고 분석해야 한다.
필자의 경우, 도메인에 관련 없이 거의 모든 앱의 Push를 수신하며 인상적인 캠페인이 있으면 캡쳐를 꼭 해두고 있다. 아이디어가 필요할 때 스크린샷 폴더에서 레퍼런스를 찾아보는 것도 매우 큰 도움이 되기에 CRM 마케터라면 알림창이 Push로 가득차겠지만 꼭 수신동의를 해두자!
이 글이 AI를 효과적으로 조련하고, 효율적으로 CRM 카피를 작성하는 데에 도움이 되기를!
*글의 원문은 최영아님의 브런치스토리 에서도 읽어보실 수 있습니다.
February 3, 2025
지난 수 년간 CRM 마케팅이 디지털 마케팅의 주요 패러다임으로 자리 잡으면서, 해외의 CRM 자동화 솔루션들이 한국 시장에 진출했다. 또, 국내의 여러 CRM 자동화 솔루션들이 등장하여 적극적인 마케팅 활동을 펼치고 있다.
CRM 자동화 솔루션은 마테크 시장에서 점점 포화 상태에 이르고 있으며, 그만큼 솔루션을 구매해야 하는 마케터나 의사결정권자들의 결정도 어려워지고 있다.
이번 글에서는 CRM 솔루션들을 비교해보고, 우리 회사에 가장 적합한 CRM 솔루션을 찾기 위한 고려사항들을 이야기하려 한다.
[참고]
이 글은 아래의 CRM 자동화 솔루션들을 대상으로 합니다.
- 브레이즈 (Braze)
- 원시그널 (OneSignal)
- 인사이더 (Insider)
- 아이쿠아 (AIQUA)
첫 번째 고려사항은 내가 일하고 있는 자사 서비스의 특성이다.
비슷해보이는 CRM 툴들 사이에서도 다른 특성들이 있으며, 각 특성들이 우리 서비스의 특성과 얼마나 어울리는지 살펴봐야 한다.
판매하는 프로덕트의 관여도, 타겟 유저의 특성, 상품의 수량, 수익 모델, 매출을 내는 유저의 비중, 재구매율을 비롯한 주요 지표들이 서비스 특성에 포함될 수 있다.
고관여 제품은 유저 설득에 시간이 오래 걸리고, 설득을 위해 보내야 하는 메시지도 많다.
반면 저관여 제품을 유저 설득에 시간이 상대적으로 적게 소요되지만, 그 짧은 시간안에 설득해내야 한다는 다른 유형의 챌린지가 있다.
• 정보성 메시지
가격이 비싼 만큼 유저들은 자신의 결정이 가질 리스크를 낮추려 한다. 정보성 메시지를 통해 이런 리스크를 낮추는 것 만으로도 구매전환율을 높일 수 있다.
• 높은 수준의 개인화
높은 수준의 개인화를 통해 본인이 고려하고 있는 제품을 반복적으로 노출시켜야 한다. 소셜프루프, 가격 변동 정보 등을 활용하여 유저로 하여금 "구매하는 것이 올바른 선택인 것 같은 느낌"을 주어야 한다.
• 긴 고객 여정에 적합한 단계별 메시지
구매에 오랜 시간이 걸리는 만큼, CRM으로 터치할 시간도 많이 주어진다. 다양한 채널과 메시지를 활용하여 유저에게 단계별 메시지를 발송하여 전환율을 높일 수 있다.
• 꾸준한 쿠폰 플레이, 할인 등 프로모션
값이 저렴한 저관여 제품일수록 유저들이 오히려 가격에 더 민감하게 반응한다. 가전은 비싸도 좋은 걸 사서 오래쓰고자 하지만, 물이나 휴지는 그렇지 않다. 가격 경쟁력을 갖추기 위한 쿠폰 플레이와 할인을 꾸준히 진행해야 한다.
•프로모션 참여 유도: 게이미피케이션
"꾸준한 프로모션"을 진행하다보니, 프로모션을 진행해도 유저들의 참여율이 낮아질 때가 있다. 이 경우 게이미피케이션이나 프로모션의 한정성을 강조하여 프로모션의 참여율을 높여야 한다.
• 크로스세일
저관여 제품은 상대적으로 크로스세일이 용이하다. 마트 계산대에 껌이나 캔디 같은 제품이 놓여 있는 이유이기도 하다. 짧은 구매여정 속에서도 크로스세일을 유도하여 구매당 단가를 높일 수 있다.
상품이 많을 수록, 고객의 수가 많을 수록 할 수 있는 CRM 시나리오의 종류도 다양해지는 편이다.
상품이 많다면 여러 상품별 구매 데이터를 활용한 AI 상품추천(Recommendation), 크로스세일이 더욱 힘을 받는다. 상품이 많으니 카테고리, 브랜드 등의 부가적인 데이터도 활용하기 용이하며, 데이터가 많으니 기능의 성능도 올라간다.
고객이 많다면 유저 세그멘테이션(User Segmentation)이나 유저 클러스터링(User Clustering)을 적극적으로 활용할 수 있다. 유저가 많은만큼 유저 집단별 특성을 명확하게 확인할 수 있다.
반대의 경우엔 위와 같은 부가 기능들의 중요도가 상대적으로 떨어진다.
상품 추천 로직을 만들었는데, 추천하는 상품이 다 똑같은 상품들일 수 있고, 유저 세그멘테이션을 진행했는데 세그먼트 당 유저 모수가 몇 명 되지 않을 수도 있다.
상품의 수, 고객의 수가 많지 않다면 위와 같은 마케팅 전략들의 영향력이 줄어든다. 그리고 쿠폰, 혜택 등의 프로모션이 CRM 성과에 기여하는 비중이 커진다.
CRM 자동화 솔루션들이 프로모션을 짜주지는 않으니, 상대적으로 가벼운 솔루션을 찾는 것이 가성비를 높이는 것도 방법일 수 있다.
BM에 따라서도 취할 수 있는 전략이 달라진다.
여러 브랜드의 제품을 파는 이커머스 플랫폼의 경우, 플랫폼보다 내가 판매하는 '브랜드'의 충성도에 의해 서비스를 이용할 가능성이 크다.
극단적인 예시가 플랫폼과 나이키의 관계다. 대부분의 플랫폼에서 나이키 제품은 판매량 최상위권을 차지한다. 유저는 나이키를 살 건데, 여러 쇼핑몰을 찾아다니며 나이키를 제일 싸게 파는 곳을 찾을 뿐인 것이다.
(그래서 이런 브랜드들은 분석에서 제외하고 보기도 한다.)
이런 브랜드의 충성도를 활용하여, 메시지에 유저가 관심을 보인 브랜드를 개인화한다면 전환율을 높일 수 있다.
F&B의 경우 재구매가 용이하다. 가격이 저렴하기도하고, 업종 자체가 '먹는 것'이기 때문이다. 그러나 유저에겐 선택지가 너무 많다. 보편적인 재구매주기를 찾고, 재구매주기를 단축시키기 위한 메시지가 유효할 수 있다. 또, 주문 프로세스에서의 크로스세일 유도를 통해 판매액을 높일 수도 있다.
교육, 여행처럼 오랜 기간 지속되는 서비스를 제공하는 경우, 구매 이후의 유저 경험이 더욱 중요하다.
사실 이런 서비스는 고객이 니즈가 없으면 판매를 유도하기 어렵다. 유저는 영어를 배울 각오를 하고, 휴가를 내고 해외 여행을 갈 계획을 세워야지만 구매한다.
그래서 구매이후 이용/경험을 돕는 지속적인 메시지를 통해 유저에게 긍정적 구매 경험을 심어주어야 한다. 긍정적 경험을 통해 재구매 전환율을 높이는 것이다.
내가 처한 환경을 고려했으니, 이젠 각 솔루션별 특징을 확인해볼 차례다.
CRM 자동화 솔루션들은 CRM 메시지 자동화뿐만 아니라 성과를 높일 수 있는 다양한 기능들을 제공하고 있으며, 이런 기능들이 각 솔루션들에게 차이점을 준다.
브레이즈 (Braze)
Braze의 경우 강력한 개인화 기능을 가지고 있다. Liquid, Connected Content와 같은 높은 수준의 개인화를 사용할 수 있는 기능들이 있다. 그 밖에도 Canvas내 다양한 종류의 스텝들을 통해 유저와의 관계를 구축할 수 있으며, 범용적인 마테크 연동성, 다양한 AI 기능들도 장점으로 꼽을 수 있다.
기능들이 다양하고 파워풀한만큼, 실행할 수 있는 시나리오가 가장 많은 솔루션이 아닐까 싶다.
원시그널 (OneSignal)
OneSignal의 강점은 '가성비'라고 볼 수 있다. 기본 SDK설치에 10분이 채 걸리지 않는 가벼운 설치에 가격도 상대적으로 저렴한 편이며, 초심자가 사용하기에 난이도도 상대적으로 쉬운 편이다.
설치와 비용, 활용이 가볍다고 해서 기능이 부족한 것은 아니다. 개인화를 위한 Liquid를 제공하며, Braze의 Connected Content 기능과 유사한 Custom Data 기능도 있다.
CRM 마케팅이 익숙치 않거나, 서비스 특성상 진행할 수 있는 CRM 시나리오가 명확한 경우 적합하다.
인사이더 (Insider)
Insider는 웹 환경에서의 '높은 자유도'와 '상품추천'이 강점이다. 앱 내 웹뷰 영역도 포함이다.
웹 환경에서 다양한 배너, 소셜프루프, 게이미피케이션, 인브라우저 메시지 등을 사용할 수 있다. 템플릿도 굉장히 다양해서 노코드로 여러 CRM 시나리오를 구현할 수 있다.
자사 서비스에 웹 영역의 중요도가 높고, 커스터마이징의 자유도를 원한다면 좋은 선택지가 될 수 있다.
아이쿠아 (AIQUA)
AIQUA는 AI에 강점이 있다. AI를 개발한 애피어(Appier)는 자신들을 'AI 회사'라고 칭할 정도로 AI에 많은 투자를 하고 자신이 있다. AI를 활용한 카피라이팅, 상품추천, 이탈/구매 예측, 타겟팅뿐만 아니라, CRM 시나리오 제작까지 가능하다.
CRM 솔루션의 기본적인 기능들과 더불어, AI를 활용해 CRM 마케팅 효율을 강화하고 싶은 경우 적합하다.
그 밖에도 아래의 사항들을 함께 참고해보면 좋다.
• 타 솔루션과의 연동성
Product Analytics, MMP 등 다양한 마테크 솔루션과의 CRM 솔루션을 연계 활용하고자 한다면, 내가 사용하는 마테크 솔루션들과의 연동이 지원되는지 살펴보면 좋다.
• 고객지원 / 기술지원
처음부터 마테크 솔루션들의 기능을 100% 활용하기는 매우 어려운 일이다.
내가 원하는 수준의 고객지원 / 기술지원을 받을 수 있는지 체크해보아야 한다.
* 보통 마테크는 고객지원과 기술지원이 따로 구성되어 있다.
• 컨설팅, 대행 등의 도움을 받을 수 있는지
CRM 시나리오를 구현하고, 마케팅 목표를 달성하기엔 마테크 솔루션들의 지원 만으로는 부족할 수 있다. 솔루션 사용을 돕지만, 비즈니스 성장을 위한 마케팅을 지원하진 못하기 때문이다.
어떠한 형태든 마케팅에 어려움을 겪고 있다면, 비즈니스를 성공시키는 마케팅을 위한 컨설팅 / 대행 서비스를 통해 도움을 받는 것이 좋다.
마티니(Martinee)에서는 이 글에서 언급된 모든 솔루션들의 컨설팅 / 대행 서비스를 제공한다.
다들 알다시피 가성비는 가격대비 '성능'의 비율을 의미한다.
가격은 솔루션 가격을 의미할 것이고, '성능'은 무엇을 기준으로 판단해야할까?
앞서 설명한 솔루션별 기능과 장점들도 성능에 포함되지만, 솔루션을 사용하는 사용자의 영향이 더 크다고 본다.
결국 성능을 결정하는 가장 큰 요인은 파일럿인 것이다.
많은 회사들과의 미팅, 컨설팅을 통해 솔루션 없이도 높은 수준의 CRM을 실행하는 곳도 발견한 반면, 그냥 CRM 솔루션으로 무분별한 메시지만 발송하는, 소위 '앱푸시 발사대'로만 사용하는 경우도 많이 보았다.
자신의 도메인에 적합한 솔루션을 선택하고, CRM 마케팅을 꾸준히 개선시키고 학습하는 마케터가 CRM 마케팅 솔루션의 가성비를 결정하는 키를 쥐고 있다.
December 18, 2024
마티니만의 Braze 활용 노하우를 알려드리는 올해 마지막 Braze Master Class가 12월 12일 (월) 오후 7시 마제스타시티 타워2 마티니 오피스에서 진행되었습니다.
이전 클래스에서 개인화 기능 활용법을 알려드렸다면 이번에는 자동화 캠페인을 구축하는 방법과 Braze 데이터를 분석하고 활용하는 방법들을 공유해드렸습니다.
CRM 캠페인을 자동화 하면 효율적인 비용과 리소스 활용이 가능합니다. 자동화 캠페인을 구축하지 않으면, 캠페인 성과 개선 기회 또한 놓칠 수 있습니다.
자동화 했을 때, 그렇지 않을 때보다 Opt-in, 구매 전환 등의 성과가 크게 차이나기에 CRM 마케터라면 반드시 구축해야 하는 중요한 과정입니다.
Braze로 자동화 캠페인을 구축하는 프로세스는 다음과 같습니다.
[캠페인 아이데이션 → 기술 검토 → 상세 기획 → 기술 구현 → 세팅 → QA → 런칭]
캠페인 아이데이션을 완료하면 바로 구현 가능한지 이벤트 택소노미나 API 및 기타 개발사항을 검토합니다.
예를 들어 유저가 장바구니에 담은 상품의 가격 하락 알림을 보낸다면, 유저가 장바구니에 담은 item_brand가 Event Property로 수집되어 있는지 점검해야 합니다. 또 Connected Content & Liquid를 통해 현재 가격과 하락 금액을 계산해야 합니다.
모든 점검이 완료되면 트리거, 액션, 메시지의 상세한 내용과 함께 도식화하여 아이디어를 구체화합니다. 이후 기술 구현 단계에서 미발송 및 오발송 케이스는 없을지 확인하면 세팅 준비가 완료됩니다.
*기술 구현 단계에서 개인화를 진행합니다.
세팅 단계에서는 타겟, 트리거 등의 조건을 다시 확인하고 테스트 하며 이슈가 없는지 체크합니다. 당일 행사에서는 런칭 이후 캠페인 관리를 위한 노하우까지 공유드렸습니다.
캠페인 성과를 측정할 때 아래 Braze의 Analytics 기능을 잘 활용하면 CRM 캠페인으로만 얻은 순수 수익(전환)을 확인 할 수 있습니다.
분석은 CRM 캠페인 런칭 전후인 선행 분석과 후행 분석으로 나뉩니다.
선행적 분석은 재구매 주기, 회원가입, 첫구매까지 소요시간 그리고 연관 구매 등의 상황에서 진행하고 후행적 분석은 증분분석으로 캠페인 순수 성과를 확인할 때 진행합니다.
세션에서 각 분석의 적용 예시와 함께 설명드렸습니다.
Braze의 Currents를 활용할 경우, PA 솔루션과 연동하여 대시보드화 하거나 DW를 활용한 상세 분석 등 더욱 디테일하게 분석이 가능합니다.
CRM 캠페인을 기획하고 라이브 하다 보면 개발 문제가 생기기 마련입니다. 개발이 필요한 항목인데, 리소스가 없어서 개발이 지연되고 그로 인해 캠페인 라이브도 지연되는 경우가 가장 대표적인 예시입니다.
Braze의 Liquid, Connected Content, Webhook, Query Builder, Catalog와 같은 기능을 잘 활용하면 기존의 개발 이슈로 인한 한계들을 보완할 수 있습니다.
이번 세션에서는 개발자의 도움 없이 데이터를 수집하는 방법, 소셜프루프 등 별도 API 개발이 필요한 항목을 Braze만으로 구현하는 방법, Recommendation을 활용하는 방법 등을 설명드렸습니다.
세션 이후 Braze 활용 관련 질의응답 시간에 API 캠페인과 Attribution 관련 질문을 해주셨는데요.
이처럼 Braze 활용 관련해서 캠페인을 준비하거나 진행하면서 생기는 고민 및 문제점들을 언제든지 편하게 질문하고 소통할 수 있는 CRM 커뮤니티에 여러분을 초대합니다!
Braze뿐만 아니라 CRM 마케팅을 하면서 생기는 이슈들을 공유하고 어려운 부분을 해소해드리고자 마련하였으니 많은 참여 바랍니다.
마티니와 Braze는 2023년부터 Braze 활용에서의 어려움을 해결해드리고자 Braze 활용법을 공유해드리는 교육 세미나를 진행해왔습니다.
올해는 네 번의 Braze Master Class를 진행했고, 컬리, 홈플러스, 올리브영, 동원, 오늘의집 등 주요 기업에서 온 200여명의 참석자분들이 행사에 참석신청해주셨습니다.
적극적으로 세션에 참석해주신 모든 분들께 감사의 말씀 드립니다.
내년에도 Braze 솔루션 파트너사 마티니가 여러분들께 어디에서도 얻을 수 없는 Braze 활용 교육을 전달해드릴 예정이니, 많은 관심과 참여 부탁드립니다.
November 19, 2024
CRM 마케팅이 중요해지면서 많은 기업들이 Braze를 도입하고 있다.
대부분 앱 푸시 발송과 개인화 마케팅을 위해 Braze를 사용하지만, 다양한 기능을 활용해 마케팅을 고도화하는 경우는 많지 않다.
아직 Braze 관련 학습 자료나 강의가 부족해 공식 문서에만 의존해야 하다 보니, 많은 마케터들이 Braze의 기능을 제대로 활용하지 못하고 있다.
이 글에서는 Braze를 제대로 활용하고 있는지 점검하고, 놓치고 있는 유용한 기능들을 소개하려 한다.
아래 Braze 용어 중 내가 사용한 적이 있거나, 사용하지 않았더라도 들어본 용어가 있는지 확인해 보자.
(Braze 이용자라면 누구나 사용하는, 꼭 알아야 하는 기능은 빼두었다.)
3개 이상 사용해 봤다면 Braze를 잘 활용하고 있는 셈이다.
하나도 사용해 보지 않았더라도 걱정하지 말자. 지금부터 각 기능의 활용법을 자세히 설명할 예정이다.
Frequency Cappping이란 사용자가 받는 메시지 수를 제한해 피로감을 줄여주는 기능이다.
설정 예시
위와 같이 채널별로 기간과 수신 횟수를 설정할 수 있고, Campaign이나 Canvas에 Tag를 추가하면 특정 캠페인에만 제한을 걸 수도 있다.
예를 들어 이벤트 태그가 있는 캠페인은 하루 1개만 발송하는 식이다.
"푸시가 너무 많이 와요", "인앱메시지가 자주 떠서 불편해요" 같은 VOC를 자주 받는다면 Frequency Capping을 적극 활용해보자. 사용자 경험도 개선하고 고객 만족도도 높일 수 있다.
Braze에서 자주 쓰는 필터로 'X Custom Event Property In Y Days'와 'X Purchase Property In Y Days'가 있다. 실시간으로 반영된다는 장점이 있지만, 몇 가지 제한사항이 있다.
반면 Segment Extension은 아래와 같은 장점이 있다.
예를 들어 일반 필터로는 '지난 30일간 패딩 구매자'만 찾을 수 있지만, Extension으로는 '지난 1년간 패딩 구매자' 세그먼트를 만들 수 있다.
단, Extension은 실시간 업데이트가 아닌 정해진 주기로 업데이트된다. 기존에는 매일 오전 12시마다 업데이트 되었는데, 최근 Weekly, Monthly 옵션이 추가됐다.
Webhook으로 카카오톡, 문자 메시지를 보내는 것 뿐만 아니라 빈 웹훅인 Spacer를 발송하여 A/B Test를 진행하거나, 성과를 측정하는 것도 가능하다.
Spacer 활용 사례
또한 잘못 설정된 Conversion 지표를 보완할 때도 유용하다.
Connected Content는 API를 통해 외부 데이터를 실시간으로 가져와 메시지에 활용하는 기능이다.
활용 가능한 데이터:
이러한 데이터는 Braze에 저장되지 않아 보안성이 높고, 실시간 데이터로 더 정확한 개인화가 가능하다.
API Response 값을 메시지에 바로 사용하거나, Liquid 구문으로 메시지 발송 조건으로 활용할 수도 있다.
API 개발이 필요하지만, 활용하면 한층 더 다양한 개인화 메시지를 만들 수 있다.
Connected Content 사용 사례
1. Open API 활용 : 누구나 이용할 수 있는 Open API를 활용하여 다양한 캠페인을 진행할 수 있다.
2. 내부 API 활용 : 기개발된 API가 있다면 해당 API를 활용하여 다양한 캠페인 운영이 가능하다.
.png)
Query Builder는 SQL Query를 사용해 데이터를 출력하는 기능이다.
Campaign Analytics와 Engagement Report를 통해 캠페인 발송 수와 전환 수는 확인할 수 있지만, 유저가 어떤 상품을 구매했는지, 혹은 다른 이벤트가 발생했는지는 알 수 없다.
유저 행동을 더 자세히 분석하고 싶다면 쿼리빌더를 활용해보자. SQL에 익숙하다면 직접 쿼리를 작성할 수 있고, 그렇지 않다면 Query Template이나, AI Query Builder를 통해 쿼리를 생성하여 사용하면 된다.
Query Builder를 통해 N Day Retention과 같은 데이터도 확인할 수 있다.
N Day Retention 활용 사례 보러가기
어트리뷰트 데이터 테이블은 지원하지 않지만, 캠페인, 캔버스, 이벤트, 세션 정보 같은 유용한 데이터는 쉽게 추출할 수 있다. 다양한 분석을 원한다면 Query Builder를 적극 활용하자.
(단, Query Builder는 매월 사용할 수 있는 크레딧이 있으니, 쿼리 실행 시 크레딧이 줄어드는 점을 주의해야 한다!)
앞서 언급한 기능 외에도 Braze를 더 깊이 활용할 수 있는 방법은 많다.
실무로 바빠서 Braze를 자세히 살펴볼 시간이 없더라도, 틈틈이 다양한 기능을 활용해 보다 효율적이고 정교한 CRM 마케팅을 진행하길 바란다.
또한 기존 기능에 새로운 요소가 추가되거나 새로운 기능이 출시되니, 매월 업데이트되는 Braze Release Note를 확인하는 것을 추천한다.
*글의 원문은 최영아님의 브런치스토리 에서도 읽어보실 수 있습니다.
November 13, 2024
[Martinee X Braze]
Braze Automation & Data Analytics Master Class는 Braze 도입을 고민하거나 잘 활용하고 싶으신 분들을 대상으로 Braze 자동화 기능과 Braze를 통한 데이터 분석 및 활용 노하우를 공유하는 교육 세미나입니다.
여러분도 이제 Braze 자동화 기능을 전문가처럼 매우 세부적으로 활용할 수 있습니다.
12월 12일 (목) 오후 7시
Braze Automation & Data Analytics Master Class
Braze Automation Planning Deep Dive
Braze Data Analytics / Utilization
실제 사용 사례에 대해 많이 들을 수 있어서 좋았고 브레이즈 시현 과정을 볼 수 있어서 좋았습니다.
라이브 데모를 통해 어떻게 활용하는지 상세하게 알 수 있었습니다.
CRM 고도화에 Braze가 어떻게 기여할 수 있는지에 대한 궁금증을 해소할 수 있었습니다.
Braze 개인화를 위한 Liquid의 개념과 구조 설명이 있어서 이해하기 좋았습니다.
이건희 Martinee CRM Group Lead
CRM 캠페인의 성과와 비즈니스 개선을 마티니와 함께 이뤄보세요!
.png)
October 24, 2024
요즘 물가가 오르면서 패스트푸드를 간편한 한 끼로 즐기는 분들 많으시죠? 그런데 각 브랜드들이 전하려는 메시지가 비슷하면서도 조금씩 다른 느낌을 받으신 적 있으신가요? 이번 시리즈에서는 F&B 브랜드들의 CRM 메시지를 목적별로 비교하고 분석해 드리려고 합니다. 각 브랜드가 어떤 기능을 중심으로 메시지를 전달하는지 함께 살펴보면 더욱 흥미로울 거예요.
[시리즈 목차]
이번 아티클에서는 모바일 앱과 오프라인 매장 연계에 대한 이야기를 나눠보겠습니다.
기존의 프랜차이즈 패스트푸드 브랜드들은 매장 데이터와 온라인 데이터의 통합 관리가 어려웠습니다. 매장별 특성과 문제점을 모두 반영하고, POS 데이터를 온라인과 연계하기 어려웠죠. 그러나 최근에는 지속적인 관리와 개선을 통해 많은 F&B 브랜드들이 매장 데이터를 효과적으로 연계하고 있습니다.
이들은 또한 모바일 앱과 오프라인 매장 데이터를 연계하여 마케팅에 활용해 왔는데요, CRM 마케팅에 있어 활용되는 IT 기술의 대표적인 사례로 모바일 앱 주문 기능과 위치 정보 수집 기능을 들 수 있습니다.
이러한 기능들을 통해 어떻게 고객과의 관계를 강화하고 있는지, 지금부터 자세히 살펴보겠습니다.
모바일 앱 주문 기능은 F&B 브랜드라면 거의 필수라고 할 정도로 모든 브랜드에서 도입하고 있는 기능입니다.
모바일 앱 주문을 통해 매장의 POS 주문 데이터를 온라인상의 멤버십이나 주문 내역 데이터와 매칭시켜 동일한 고객임을 구분할 수 있습니다.
유저를 매칭하여 동일인임을 확인했다면 이제 본격적으로 메시지에 이 데이터들을 활용할 차례입니다. 이제 각 F&B 프랜차이즈 브랜드(A/B/C/D)별로 모바일 앱 주문부터 실제 상품 수령까지의 과정을 비교해 볼게요.
.png)
브랜드 A는 앱 딜리버리 서비스를 자체적으로 운영하지 않고 외부 서비스에 맡기고 있어요. 딜리버리 앱이 별도로 있긴 하지만 활성화되어 있진 않죠. 그래서인지 모바일 앱을 통한 주문 기능에 집중하고 있는 것 같아요.
.jpeg)
.png)
브랜드 B는 주문 현황을 앱 내에 표시하고, 고객이 선택한 픽업 방법에 따라 다른 안내를 제공합니다. 이 표기를 통해 고객에게 이후 과정을 자연스럽게 안내합니다.
.png)
또한 픽업 번호와 주문 번호를 별도의 알림톡으로 발송해 줍니다. 실제로 픽업 번호 안내가 명확해서 매장에서 주문을 찾는 데 어려움이 없었어요. 모든 주문에 대해 유료 채널로 메시지를 발송하면 비용이 부담될 수 있지만, 고객 입장에서는 가장 친절한 방법인 것 같아요.
브랜드 C
.png)
브랜드 C도 모바일 오더와 딜리버리 내역을 앱에서 동시에 제공하고 있어요. 픽업 번호 안내와 주문진행 현황을 실시간으로 확인할 수 있는데요, 조리 중, 조리 완료, 수령 완료 단계로 나뉘어 있어서 매장 데이터와 앱이 잘 연계되어 있음을 보여줍니다.
.png)
브랜드 D 역시 주문진행 현황을 앱 내에서 표시해 줍니다. 자체 딜리버리 서비스를 제공하고 있는데, 배달 예정 시간을 예측하여 안내하는 부분이 인상적이었어요. 다른 배달 앱과 비슷한 예측 로직을 사용하는 것으로 보이는데, 실제로 제품을 받아보는 시간도 예측 시간 범위 내에 들어왔습니다.
.png)
또한 배달이 완료되었을 때 앱 푸시로 알림을 보내주는데요, 배달을 기다리는 고객 입장에서는 메뉴가 언제 도착하는지 실시간으로 알고 싶기 때문에 이런 안내는 매우 유용하다고 생각됩니다. 딜리버리 시스템과 매장 내 POS/조리 상태 데이터, 모바일 앱 주문 데이터가 모두 연동되어 있다는 점을 알 수 있어요.
다음으로는 기기 위치 정보에 기반한 메시지를 살펴볼게요. 네 개의 F&B 브랜드 모두 위치 정보를 수집하고 있는데, 그중 흥미로운 기능과 메시지를 분석해 보았습니다.
.jpeg)
.png)
브랜드 A는 모바일 오더 주문 시 수령 장소 옵션이 다양한 것이 특징이에요. 드라이브 스루 옵션이나 테이블에서 받기 옵션 등이 있는데, 특히 테이블에서 받기 옵션은 고객이 입력한 매장 위치와 테이블 번호를 기반으로 서비스를 제공하기 때문에 오프라인 매장 데이터와 모바일 앱이 잘 연동된 사례라고 볼 수 있어요.
.png)
브랜드 B는 수집한 위치 정보를 이용해 매장 근처에 인접했을 때 매장 방문을 유도하는 앱 푸시를 발송하고 있습니다.
메시지를 살펴보면, 매장의 위치를 상세하게 알려주어 고객이 한 번 더 매장을 눈여겨보고 방문하도록 하는 좋은 사례인 것 같아요.
.png)
브랜드 C는 브랜드 B와 비슷해 보이지만 조금 다른 점을 강조하고 있어요. 브랜드 C는 매장의 위치나 존재를 알리는 것보다 해당 매장에서 판매하는 특정 상품을 소개하는 데 초점을 맞추고 있습니다.
메시지를 보면, 매장 구매 이력이 있는 유저에게 판매하는 특정 상품에 대한 정보를 전달하여 구매를 유도하려는 목적이 강하게 나타나요.
브랜드 D
.png)
마지막으로 브랜드 D입니다.
브랜드 D는 위치 정보를 활용한 CRM 메시지를 발송하지는 않지만, 앱 내에서 각 매장의 혼잡도와 운영 정보를 제공하고 있어요.
점심과 아침 시간대에 확인해 보니, 고객들이 많이 붐비는지, 시간대에 따라 딜리버리 가능 여부를 매장에서 실시간으로 수정할 수 있게 구현되어 있었습니다. 이는 고객 입장에서 대기 시간을 줄이고 더 나은 서비스를 받을 수 있도록 도와주는 좋은 기능이라고 생각됩니다.
이렇게 각 F&B 브랜드들이 강조하는 메시지와 기능들을 살펴보았는데요, 조금 더 이해가 되셨나요? CRM 마케팅은 다양한 경로에서 수집한 데이터를 활용할 수 있다는 점이 가장 큰 장점이자 매력인 것 같아요.
이러한 데이터를 바탕으로 CRM 마케터들은 개인화된 정보를 담은 메시지를 고객들에게 전달할 수 있게 됩니다. 이런 초개인화 메시지는 결국 매출 성장으로 이어지죠. 기계적인 광고 노출에 비해 개인화 요소가 포함된 광고는 피로감이 적게 느껴지기 때문이에요.
본인에게 필요한 정보나 특정한 목적을 가진 광고라면 거부감 없이 받아들였던 경험, 다들 한 번쯤 있으시죠?
저희 마티니 CRM 팀에서는 다양한 기능과 상황에 맞는 메시지를 전달하기 위해 항상 노력하고 고민합니다. CRM 캠페인의 더 자세한 구현 사례가 궁금하시다면, 마티니 CRM 팀의 성공 사례를 확인해 보세요!
October 10, 2024
존 케이플즈는 미국에서 100년 전에 활동했던 카피라이터입니다. 카피라이터로 널리 알려져 있지만, 그는 오늘날 널리 쓰이는 광고 효율 테스트의 기틀을 다진 분석가이기도 했습니다. 1932년에 출간된 그의 책 『Tested advertising methods』에는 헤드라인 기반의 광고 효율 테스트 방법론과 20세기 초반의 실제 테스트 결과가 수록돼 있습니다.
그는 살아 있을 때 ‘광고가 눈에 띄는 것’을 강조했습니다. 그의 책과 카피라이터 커리어를 살펴보면 그는 단순히 “눈에 띄는 것”이 아니라 눈에 띄면서 ‘광고 효율이 좋은 것’을 중요하게 여겼습니다. 눈에 띄면서 광고 효율을 좋게 만드는 방법은 크게 세 가지가 있습니다. 첫 번째는 눈에 띄는 광고를 고객에게 보여주는 것이고, 두 번째는 마케터가 원하는 행동(KPI)을 할 가능성이 높은 고객에게 광고를 보여주는 것이며, 마지막으로 세 번째는 첫 번째와 두 번째 모두를 만족시키는 것입니다.
존 케이플즈는 광고의 성공을 결정짓는 요소로 매체, 카피, 위치, 계절을 꼽았습니다. 네 가지 요소 중에서 “매체”는 최근 기술이 발달함에 따라 급격하게 진화됐습니다. 한국광고총연합회의 광고정보센터에 따르면 매체는 “광고를 소비자에게 전달하는 도구”입니다. 이제는 우주의 은하 개수(약 1천 7백억 개) 보다도 많은 ‘광고 전달 도구(매체)’가 한 사람의 손바닥에 들어왔습니다. 실시간으로 광고의 성과를 측정하게 됐으며, 고객 행동 데이터를 분석해 ‘효율이 높을 것으로 추측되는 고객’을 특정해서 광고를 보여줄 수 있게 됐습니다. 매체가 진화됨에 따라 이제는 존 케이플즈의 시대보다 쉽게 눈에 띄면서 광고 효율을 좋게 만들 수 있는 환경이 갖춰줬습니다.
기술이 광고 시장의 변화를 이끌면서 매체를 나누는 기준도 새로 생겼습니다. 과거에 매체는 장소, 비용유무, 운영주체, 송출방식, 과금방식 등으로 분류됐습니다. 머신러닝에 기반한 개인화 광고 시대에 들어서면서 매체의 기술력에 따라 광고를 소비자에게 전달하는 방식이 달라졌고, 따라서 매체 자체가 지닌 기술스펙으로도 매체를 분류하게 됐습니다.
그럼 무수히 많은 기준들 중에서 퍼포먼스 마케팅에 가장 타당한 매체 분류 기준은 무엇일까요? 사실 , SA/DA, UA/RT, CPC/CPM, SAN(orSRN)/표준광고네트워크 등 널리 알려진 매체 분류 기준들은 하나의 특징을 임의로 선정해 분류한 결과일 뿐입니다. ‘타당한 매체 분류 기준’은 브랜드의 KPI가 결정합니다. 브랜드와 매체에 대한 퍼포먼스 마케터의 이해도는 브랜드의 비즈니스 임팩트를 촉발시키는 KPI 설정에 큰 영향을 줍니다.
예를 들어, KPI가 매출이라면 매출과 상관관계가 높은 지표(ex. ROAS, CVR(Purchase), ARPU, ARPPU 등)에 영향을 미치는 정도에 따라 매체를 분류하게 됩니다. 반대로 KPI가 신규고객유치라면 CAC(Costomer Acquisition Cost)와 상관관계가 높은 지표(CPC, CTR, CVR(Regi), CVR(Install), IPM, Retention 등)에 따라 매체를 분류하게 됩니다. 어느 매체가 어느 지표에 얼만큼의 영향을 주는지 아는 퍼포먼스 마케터만이 타당한 매체 분류 기준을 제시할 수 있습니다. 결국, 퍼포먼스 마케터의 역량 자체가 매체를 분류하는 기준이라고도 말할 수 있습니다.
퍼포먼스 마케팅, PA, CRM 솔루션을 연계해 진정한 풀퍼널 마케팅 전략을 구현하는 Martinee는 한 걸음 더 나아가서 매체와 주요 마테크 솔루션 사이의 연계 용이성도 매체를 분류하는 기준으로 설정합니다. 예를 들어, Meta, Tiktok 등은 PA 솔루션인 Amplitude와 연계해 세그먼트를 세분화하고 타겟팅에 활용할 수 있습니다. 유입 채널/캠페인별로 유저를 세분화하고 각 유저의 후행지표를 분석하는 것도 가능합니다.
실제로 퍼포먼스 마케터 박한석 매니저가 웹툰 카테고리에서 Amplitude를 활용해 고객 여정을 분석하고 퍼포먼스 마케팅 타겟팅 전략에 활용했던 사례를 소개해드리겠습니다. 고객 여정 중 특정 이벤트가 구매까지의 전환율이 높다는 점을 확인하고 신규 타겟팅 세그먼트로 활용해 MAU 10% 상승 및 D1 ROAS를 30% 달성했던 경험입니다.
유명 웹툰 플랫폼 A는 신규 유저의 유입이 줄고 기존 유저의 이탈이 가속화되는 상황이었으며, 전체 매출도 감소하는 추이를 보이고 있었습니다. RT 담당자였던 저는 기존 유저의 이탈을 막고, 이미 이탈한 유저는 재유입을 시켜 MAU 및 매출을 증대시켜야 했습니다.
해당 문제를 해결하기 위해서는 가장 먼저 고가치 유저의 이탈을 막는 것이 급선무라고 판단했습니다. Amplitude에서는 인 앱 이벤트별로 구매까지의 전환율이 얼마나 되는지 확인할 수 있었습니다. 다양한 이벤트 중 특정 이벤트의 구매 전환율은 12.17%였습니다. 다른 이벤트의 구매 전환율 1~6%에 비하면 약 6%p 높은 수치였습니다. 해당 이벤트를 발생시킨 유저의 특성은 프로덕트의 핵심 유저의 특성과 유사할 가능성이 높다라는 가설을 세웠습니다. 가설에 따라 이벤트의 ADID를 추출해 Amplitude와 연동된 매체(ex. Meta)에서 타겟팅했으며, 그 결과 MAU는 10% 상승했고 D1 ROAS는 30% 개선됐습니다. 해당 세그먼트는 RT 캠페인 뿐만 아니라 UA 캠페인의 유사 타겟(ex. Meat LAL)으로도 활용됐습니다.
타겟팅 전략을 기반으로 UA에 집중하는 퍼포먼스 마케팅 전략은 점차 효용이 떨어지고 있습니다. 개인정보보호 이슈가 붉어지면서 정교한 타겟팅이 어려워졌기 때문입니다. 그 연장선 상에서 1st-Party 데이터를 활용한 Growth, CRM 마케팅의 중요성이 강화됐습니다. 퍼포먼스 마케팅의 불황은 곧 매체의 불황이기도 했습니다. 매체들은 앞다퉈 Growth, CRM 솔루션 연계 기능을 도입하기 시작했습니다. 이제 매체는 퍼포먼스 마케팅과 Growth, CRM 마케팅을 연결하는 다리로서 기능합니다. 결국, 오늘날 “퍼포먼스 마케팅에 가장 타당한 매체 분류 기준”은 퍼포먼스 마케터의 브랜드, 매체, 그리고 Growth&CRM 솔루션들에 대한 이해까지 확장됐습니다. 그리고 Martinee는 그런 역량을 내재화한 업계 유일의 풀퍼널 마케팅 대행사입니다.
100년 전, 존 케이플즈는 온갖 데이터가 수기로 처리되고 성과의 추적조차 불가능했던 시절에 광고 효율을 테스트하고 마케팅 전략을 수립한 데이터 드리븐 마케팅의 선구자였습니다. 그런 그가 오늘날 마테크의 발전을 본다면 얼마나 기쁠까요? 그 기쁨을 누리기 위해 존 케이플즈는 오늘과 내일이 다른 기술의 발전을 불철주야 공부했을 테죠. 그런 그에 대한 오마주 문장으로 이 글을 마치겠습니다.
“퍼포먼스 마케터가 저지를 수 있는 최대의 죄악은 매체의 변화에 둔감한 것이다.”
October 7, 2024
행사명 : 마티니 Growth팀 채용설명회
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2024년 10월 22일 화요일 오후 7시 ~ 9시
2024년 10월 22일 목요일 오후 7시 Marketing Intelligence People, 마티니와 마티니 Growth팀을 여러분들께 소개합니다.
Growth팀에서는 그로스 매니저를 채용 중에 있으며, 진행했던 고객사 및 프로젝트 사례들을 기반으로 업무방식과 직무 및 채용 관련 설명을 드릴 예정입니다.
추천인 보상금도 지급하고 있으니 네트워킹하러 편히 들러주세요!
19:00 - 19:20 Martinee Marketing Intelligence 2024 | 이선규 Martinee CEO
19:20 - 19:40 About Martinee Growth Team | 이재철 Martinee Growth Lead
19:40 - 19:50 사전 QnA (현장질문포함)
19:50 - 21:00 Networking
*주차권 제공 가능하며 리셉션 데스크 문의바랍니다.
*네트워킹 시간에 참석자분들께 간단한 음식이 제공됩니다.
*문의사항은 mkt@martinee.io 로 문의바랍니다.
September 30, 2024
행사명 : 데이터 기반 고객 여정 설계를 위한 CRM과 PA 연계 전략 세미나
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2024년 9월 25일 수요일 오후 4시
비즈니스를 성장시키기 위해 제품/서비스 분석이 중요해진 만큼 마테크 솔루션 도입을 고민하는 상황이 많아졌는데요.
각 솔루션 기능을 효과적으로 잘 활용하는 과정에 대한 어려움을 해소하고자 이번 세미나에서는 PA 솔루션 Amplitude와 CRM 솔루션 OneSignal을 어떻게 활용하면 좋을지와 두 솔루션의 연계 활용에 대해 설명해드렸습니다.
마티니의 Amplitude 활용 사례는 MGS 2024에서 버거킹 사례로 설명드렸었는데요. 이번엔 웍스아웃과 오늘의 집 사례로 Amplitude를 효과적으로 활용하는 노하우를 공유해드렸습니다.
웍스아웃 케이스에서 가장 주의 깊게 살펴볼 점은 라플 이벤트 응모유저와 일반유저의 차이를 분석하는 점입니다.
Amplitude 유저 세그먼트와 클러스터링 맵을 통해 차이점을 명확하게 분석하여 그룹을 나누고 그룹 별로 개인화된 메시지와 랜딩 페이지를 적용하여 구매 전환을 높일 수 있습니다.
오늘의 집 케이스는 카테고리별 연관성을 기반으로 교차 구매 분석을 진행했는데요. 사용자의 로그 데이터 분석을 통해 장바구니 상품 간 연관성을 파악하고 연관성 높은 상품을 추천하는 방법으로 크로스 셀링과 CRM 재구매 주기를 단축시킬 수 있습니다.
CRM 솔루션 중 하나인 원시그널을 성공적으로, 잘 활용한 기업은 어디일까요? 원시그널을 활용하여 두 달만에 유저 인게이지먼트 16% 증가를 이뤄낸 아이웨어 판매 기업 Zenni 입니다.
Zenni는 세그멘테이션 없이 전체 유저 대상 메시지만 전달하다가 원시그널로 상세한 세그먼트를 트리거로 설정하여 블랙 프라이데이 프로모션 개인화 메시지를 자동화하는 세밀한 CRM 캠페인을 진행할 수 있었습니다.
웹 기반 사용자 데이터를 통해 앱 참여 비중이 높은 점을 확인하여 멀티 채널을 활용한 터치포인트를 통해 유저들에게 연결된 메시징 경험을 제공할 수 있었습니다.
CRM과 PA의 연계는 크게 2가지로 나눌 수 있습니다.
PA to CRM에는 재구매주기를 분석 활용, 코호트 싱크를 통한 분석 대상 활용, IAM을 트리거할 시점 찾기 등으로 연계 활용이 가능한데요. 구매시점 이후 크로스 세일을 유도하거나 최근 활동 유저에 따른 프로모션, 이탈방지 캠페인 등으로 연계 활용이 가능합니다. 유저 데이터로 코호트를 생성하여 그룹별로 나누고 최적의 IAM 트리거 시점을 찾아 노출시킬 수 있습니다.
CRM to PA는 CRM 솔루션을 통해 진행한 캠페인 및 실험의 성과를 디테일하게 분석하는 연계 활용법입니다. CRM 메시지 수신 전후 임팩트를 분석하거나 수신자와 미수신자의 리텐션, 전환율을 비교하는 방법을 설명해드렸습니다.
정확한 분석을 기반으로 섬세한 CRM을 해야 하는 만큼 CRM과 PA 연계가 어려우시다면 마티니가 함께 하겠습니다.
September 27, 2024
엑셀과 스프레드시트를 어느정도 다루시던 분들은 조건부 서식에 어느정도 익숙하실 겁니다.
조건부 서식은 데이터를 보다 효과적으로 표현하고 분석하는 강력한 기능입니다. 이는 특정 조건에 따라 셀의 모양(글자 색상, 셀 색상)을 자동으로 변경하여 중요한 정보를 시각적으로 돋보이게 만드는 기능입니다.
위의 이미지 예시를 보면 더 쉽게 이해할 수 있습니다. 왼쪽은 아무런 설정을 하지 않은 차트라면 오른쪽은 숫자의 백분위수를 기준으로 색상을 표현하였습니다. 오른쪽의 표가 일자별 노출수의 차이를 훨씬 쉽게 이해할 수 있습니다.
조건부 서식의 가장 큰 특징은 데이터에 기반한 동적인 시각화입니다. 사용자가 정의한 규칙에 따라 데이터가 변경될 때마다 서식도 자동으로 업데이트됩니다. 이는 단순히 정적인 색상이나 서식을 적용하는 것과는 다르게, 항상 최신 데이터를 반영한 시각적 표현을 제공합니다.
루커스튜디오와 같이 실시간으로 변하는 데이터 시각화 솔루션에서는 필수적으로 활용하면 좋을 기능입니다.
루커스튜디오에도 이러한 조건부 서식이 있으며 다른 엑셀과 Tableau와 같은 BI와 유사한 기능을 사용할 수 있습니다.
기본적으로 'Tablea' 차트와 'Score' 차트에서 활용가능합니다.
단색과 색상스케일에 따라 구분할 수 있습니다. KPI 달성이나 임계값 달성에 대한 강조를 원한다면 단색 유형이 유용합니다. 반면에 데이터의 양이 많고 데이터간 상대적 차이가 중요하다면 색상 스케일이 유용합니다.
규칙별로 하나의 조건만 가능하며 조건 형식은 셀 또는 전체 행에 적용할 수 있습니다.
September 24, 2024
대부분의 비즈니스 문제는 두 가지 이상의 데이터 소스들을 결합하여 바라봐야 의미 있는 인사이트를 도출 할 수 있습니다. 광고데이터와 성과데이터, 매출데이터와 쿠폰데이터, 사용자데이터와 행동데이터 등과 같은 여러 데이터 조합들이 존재합니다.
루커 스튜디오의 기능 중 하나인 데이터 혼합은 두 가지 이상의 데이터간 결합을 제공하는 기능으로 데이터 시각화 및 분석을 더욱 풍부하게 만들어줍니다.
이러한 데이터 혼합 방식은 루커 스튜디오만의 방식은 아닙니다. 이미 데이터를 처리하는 데이터베이스 분야에서는 널리 사용 되고 있습니다.
이번 시간에는 루커 스튜디오 데이터 혼합 기능에 대해 배워보고 루커 스튜디오의 대시보드를 더 깊이 있게 만들어봅시다.
데이터 혼합 방식을 처음 접한 분들은 개념이 생소할 수 있습니다. 뿐만 아니라 이미 SQL 등을 공부하면서 혼합 방식을 알고 계셨던 분들도 혼합은 헷갈리는 개념입니다. 먼저 루커 대시보드를 가지고 혼합에 대한 개념을 가볍게 살펴보도록 하겠습니다.
루커 스튜디오가 제공하는 5가지 조인방식을 동일한 데이터를 가지고 혼합하였을 경우 혼합된 최종 결과 데이터가 어떻게 구성되는지 시각적으로 본다면 이해가 좀 더 편할 것입니다. 아래의 이미지에 각 혼합 방식에 따른 결과 테이블을 살펴보실 수 있습니다.
먼저, 루커 스튜디오 데이터 혼합에 대한 기본적인 내용을 알아보겠습니다. 데이터 혼합은 최대 5개의 데이터 소스를 조합하여 차트를 생성하는 기능을 제공합니다. 이를 통해 서로 다른 데이터 소스 간 측정항목과 측정기준을 조합한 새로운 차트를 만들 수 있습니다. 데이터 혼합을 통해 다양한 데이터 소스의 구성을 효과적으로 활용할 수 있습니다.
1) 기본 : 리소스 → 혼합 소스 관리 클릭 후 데이터 혼합
2) 설정탭 이용 : 설정탭 내 데이터 소스 → 데이터 혼합 클릭
3) 차트 이용 : 두 개 이상의 차트를 선택하고 데이터 혼합 생성
혼합 데이터는 루커 스튜디오의 데이터 혼합 부분에서 새롭게 만들거나 업데이트를 합니다. 해당 화면과 데이터 혼합에 대한 기본적인 구성을 살펴봅시다.
왼쪽 조인 유형은 가장 기본적인 조인 유형입니다. 왼쪽 테이블을 기준으로 모든 행을 반환하고 오른쪽 테이블은 왼쪽 테이블 조인 키값과 일치하는 행만 반환합니다.
ㅤ
오른쪽 테이블에 존재하지 않거나 누락된 값은 최종 혼합 데이터에서 빈칸 혹은 null 값으로 표현됩니다.
라이트 아우터 조인 유형은 왼쪽 조인과 반대로 오른쪽 테이블을 기준으로 왼쪽 테이블을 모두 반환합니다. 테이블이 반대일 뿐 왼쪽 조인과 동일한 원리 입니다.
활용
2개의 보완적인 데이터 소스로 하나의 데이터 소스를 만드는 경우에 활용 가능합니다. 예를 들어 아래와 같이 매출 데이터 소스를 확장하기 위해 한쪽에는 유저 소스를 레프트 조인으로(키값은 유저 ID), 다른 한쪽에는 제품 정보 소스(키값은 판매 상품)를 넣어서 매출 데이터 분석을 더욱 풍부하게 만들 수 있습니다.
ㅤ
ㅤ
내부 조인은 두 테이블 조인 조건 모두에서 일치하는 행만 반환합니다. 각 데이터 세트의 다른 모든 행은 제거됩니다.
두 데이터 소스 간 중복에 관련한 분석을 하는 경우 많이 사용합니다. 또한 동적 데이터로 데이터 세트를 필터링하는 쉬운 방법입니다.
ㅤ
활용
ㅤ
ㅤ
외부 조인은 조인 조건이 충족되지 않더라도 두 테이블의 모든 행을 반환합니다.
활용
데이터베이스(1st party data)와 GA4(3rd party data)를 연결하며 데이터베이스에서 삭제된 데이터가 GA4에서 확인 가능하며 GA4에서 추적되지 않은 값이 데이터베이스에서 확인 가능합니다. 이처럼 양쪽의 환경을 모두 고려해야 하면서 서로의 데이터가 모두 필요한 경우 사용합니다.
ㅤ
ㅤ
교차 조인은 모든 테이블 행의 데카르트 곱(두 소스의 모든 구성요소의 순서 쌍)을 반환합니다.
즉, 왼쪽 데이터 세트의 모든 행은 반복을 통해 오른쪽 데이터 세트의 모든 행과 곱해져서 데이터를 반환합니다.
이는 조인 키가 필요하지 않은 유일한 조인 유형입니다.
ㅤ
활용
데이터의 각 행 별 조인이 필요한 경우에 사용합니다.
데이터 혼합의 조인 조건을 잘 활용한다면 분석을 더욱 풍부하게 만들어주는 게임 체인저가 될 수 있습니다.
이러한 기능을 활용하기 위해서는 처음에는 까다로울 수 있지만 연습해서 여러분들 것으로 만든다면 멋진 대시보드를 만드시는데 도움이 되실 겁니다.
September 20, 2024
데이터마케팅이란 [데이터]를 활용하여 마케팅한다는 뜻으로 데이터드리븐마케팅(Data-driven Marketing)으로도 불릴 수 있습니다.
데이터마케팅과 데이터드리븐마케팅의 차이는 미미하나, 데이터마케팅은 데이터를 [활용] 하나 데이터 드리븐 마케팅은 데이터를 [기반]으로 하기에 후자에서 데이터의 중요성이 좀 더 강조된다고 볼 수 있습니다.
데이터마케팅을 위해서 필수 조건은 (당연하게도) 데이터 분석입니다. 결괏값을 측정하여 데이터를 잘 쌓아두고, 보유한 데이터를 가공하여 상황을 해석하고 문제나 개선점에 대한 인사이트를 도출하는 것이 기본적인 데이터 마케팅의 프로세스라고 할 수 있습니다.
그로스 조직(=그로스팀)은 기본적으로 데이터 드리븐 마케팅을 하기에, 프로세스가 같습니다.
데이터를 기반으로 가설을 세우고, 실험을 바탕으로 검증하고, 배움을 축적하는 과정을 빠르게 반복합니다. (*출처: 양승화 님의 그로스해킹)
![양승화 님의 [그로스해킹] 책을 기반한 이미지 | 그로스 조직이 일하는 방식](https://cdn.prod.website-files.com/656d3c53a795ed37cbbc9e32/66ceb8add44db997abca7b19_66ceb78b6a2e8955782324a8_%25EB%258D%25B0%25EC%259D%25B4%25ED%2584%25B0%25EB%25A7%2588%25EC%25BC%2580%25ED%258C%25851.jpeg)
마티니에서 진행한 컨설팅 프로젝트였던, 패션 커머스를 기준으로 데이터마케팅의 사례를 보겠습니다.
커머스 내에서도 여러 안건의 데이터 분석이 있는데요. 1. 에디토리얼(=콘텐츠), 2. 프로모션 간의 비교 (미드세일 vs 시즌오프세일), 3. 주요 대시보드 (KPI, AARRR) 4. 특정 프로모션 (블랙프라이데이) 등입니다.
블랙프라이데이 프로모션을 세부 사례로 앰플리튜드(Amplitude)를 활용했던 분석을 예시로 들어보겠습니다.
*앰플리튜드는 SaaS(Software as a Service: 클라우드 기반의 소프트웨어 제공 모델) 솔루션으로 웹/앱 서비스 내의 사용자 행동 분석을 할 수 있는 프로덕트 애널리틱스(Product Analytics)입니다.
왜 프로모션 데이터 분석을 해야 할까요? 그 배경부터 먼저 짚고 넘어갑시다.
다양한 형태로 스스로에게 질문을 해봅니다.
Q. 프로모션을 기획하고 운영한 후 가장 궁금한 것은?
Q. 프로모션을 운영한 이유는 무엇일까요?
여러 가설을 세워봅니다.
이렇게 물어보면, 보통은 '셋 다'라고 대답하는 경우가 많은데요. 충분히 이해는 하지만(^^...!) 우선순위는 정해야 합니다. 대개 우선순위는 [매출]이기에, 매출 관련 분석을 먼저 진행합니다.
매출의 기본적인 구성 요소를 먼저 파악합니다.
*건단가와 객단가
건단가와 객단가는 혼용되어 쓰이기도 하는데요. 주문[건]의 건, 고[객]의 [객]을 생각하시면 됩니다.
즉 어제 제가 배민에서 점심 주문 건으로 1.5만 원을 쓰고 저녁 주문 건으로 2.5만 원을 썼다면 일 기준 제 건단가는 [1.5만 원] / [2.5만 원] 두 건일 것이고 제 객단가는 [1.5만 원]+[2.5만 원]의 4만 원이 될 수도 있습니다.
*물론 건단가와 객단가는 내부적으로 정의하기 마련입니다! 일간 건단가를 평균으로 낼 수도 있으니까요.
이에 따라 앰플리튜드(Amplitude)에서 매출, 주문수/건단가, 구매자수/객단가로 그래프를 구성합니다. 우선 매출로 전체적인 추이를 보고 주문수/건단가, 구매자수/객단가를 개별로 쪼개보는 것이죠.
해당 프로모션에서는 객단가와 건단가가 유사한 추이를 보이기에 특이 사항이 없다고 판단되었지만, 가끔 특정 프로모션에서 객단가와 건단가의 차이가 크게 발생하는 경우도 있습니다. (리셀러의 등장?!)
이외 위 그래프에서 두 개의 선이 있는데요. 데이터를 볼 때의 꼭 필요한 [비교 기준]입니다. 비교 기준은 사용자 특성이 될 수도, 행동이 될 수도 있지만 [기간]을 가장 기본적으로 고려합니다.
*비교 기준: 기간(일간, 주간, 월간, 분기, 반기, 연간… 시즌성 고려!
블랙프라이데이 프로모션의 분석이라면 전년도 11월과 비교하는 것 vs 전월인 10월과 비교하는 것 - 어떤 것이 더 합리적일까요? 당연히 전년도일 것입니다.
전월 10월과 당월 11월의 할인율, 마케팅 수준 등이 다를 테니까요. 물론 전년 대비 회원수도 브랜드수도 많아졌고 등의 변동 요인들이 많아 YoY만 비교하는 것이 의미가 없다고 판단된다면 결국 전년도(YoY)/전월(MoM)/전주(WoW) 등 비교 대상들이 많아질 수 있습니다.
현대의 직장인이라면 대개 모든 업무의 결과를 [숫자]로 보긴 합니다. 그렇다면 그냥 숫자를 확인하는 것과 데이터 분석의 가장 큰 차이점은 무엇일까요?
예를 들어 2024년 7월 A 커머스의 구매 전환율 (메인 페이지 조회 > 결제 완료)이 10%라고 했을 때, 어떤 해석을 할 수 있을까요?
전월 대비 높아졌다/낮아졌다, 전년 대비 높아졌다/낮아졌다의 판단을 위해서는 전월 데이터, 전년도 데이터가 필요합니다.
전년, 전월, 전주의 데이터를 보며 추이를 확인했을 때 눈에 띄게 높거나/낮은, 혹은 변동이 생기는 시점을 찾아내어 그 배경이 무엇이었는지 파악하는 것이 필요합니다.
혹은 유사한 프로모션이 진행되었던 시기와 비교하여 구매전환율이나, 구매수, 유입수, 가입수 등의 주요 지표에서 차이가 있었는지를 파악해 보는 것도 좋습니다.
프로모션 vs 프로모션 간의 비교 외에도 uiux를 개선하거나 특정 기능을 배포했을 때 그 시점 이후의 변화가 있는지를 확인할 수 있습니다.
매출을 구매수와 건단가, 구매자수와 객단가로 나눠 전반적인 추이를 파악한 후 세부 분석을 진행합니다.
매출은 결국 [사용자]가 [상품]을 [구매]하여 발생하는 결괏값입니다. 이에 따라 [사용자]와 [상품]의 측면에서도 분석을 진행합니다.
: 카테고리별, 브랜드별, 상품별 매출 추이
프로모션의 매출을 브랜드, 카테고리 등으로 나눠서 확인해 봅니다.
더 개별적으로는 브랜드를 기준으로 매출과 월별 성장률 등을 확인하며 주요 브랜드를 도출하기도 합니다.
프로모션을 진행하고 쌓인 데이터를 분석하고 회고하고 다음 프로모션에 적용하는 것. 그것이 프로모션 측면에서 데이터를 활용한 데이터 마케팅이라고 볼 수 있습니다.
이외 데이터마케팅은 어떤 부문에도 동일하게 적용됩니다. 정량적인 수치로 표현되는 데이터를 쌓고, 데이터를 여러 측면에서 분석하고, 다음 유사 업무 시 배운 점을 적용하고 또 실험하는 것입니다.
September 13, 2024
행사명 : 마티니 AP 본부 채용설명회
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2024년 9월 26일 목요일 오후 7시 ~ 9시
대상:
2024년 9월 26일 목요일 오후 7시 Marketing Intelligence People, 마티니와 마티니 AP 본부의 퍼포먼스 마케팅을 여러분들께 소개합니다.
AP 본부에서 진행했던 고객사 및 프로젝트 사례들을 기반으로 직무 및 채용 관련 설명을 드릴 예정입니다.
마티니 근무환경과 문화, 복지도 함께 살펴보세요!
19:00 - 19:20 Martinee Marketing Intelligence 2024 | 이선규 Martinee CEO
19:20 - 19:40 About Martinee Account Planning | 김영근 Martinee Account Planning Lead
19:40 - 19:50 사전 QnA (현장질문포함)
19:50 - 20:00 Break Time
20:00 - 20:15 About Martinee Culture & Benefits | Aimed People Team
20:15 - 21:00 Networking & QnA
- 자리가 한정되어 있어 별도로 선정 안내를 드릴 예정입니다.
- 주차권 제공 가능하며 리셉션 데스크 문의바랍니다.
- 참석자분들에게 간단한 음식이 제공됩니다.
- 문의사항은 mkt@martinee.io 로 문의바랍니다.
September 12, 2024
MRR 이란?
Monthly Recurring Revenue로 월간 반복 매출 구독형 서비스의 경우 핵심 지표로 활용됩니다.
요즘은 누구나 한 번 쯤은 구독형 서비스를 결제해본 경험이 있을텐데 구독 비즈니스는 사용자가 카드를 등록하면 자동으로 월마다 반복적으로 자동결제가 됩니다. (유튜브 프리미엄 구독, 넷플릭스 등)
MRR 산출 공식은 다음과 같습니다.
예를 들면, 유튜브 프리미엄 월 구독 비용이 10,000원이고 이용자가 10명이라면 MRR 은 100,000원이 되는 겁니다.
그런데 MRR이 100,000원 입니다. 에서 끝나면 안되겠죠?
MRR이 어떻게 변화했는지를 분석하는 것도 굉장히 중요합니다.
MRR 지표를 쪼개보면 아래와 같습니다.
그러면 이 지표를 가지고 우리는 New MRR을 구할 수 있습니다.
실무하면서 MRR calculation 하는데 고생 고생을 했는데 이 방법으로 도움을 받을 수 있는 누군가를 위해 공유합니다.
우선 방법은 DB에 적재된 결제 데이터와 구글 스프레드 시트에서 세금계산서로 처리되는 고객 결제 내역을 바탕으로 Rawdata를 준비하고 파이썬을 활용해서 frequency(월결제, 연결제)를 flatten 해주고 이를 Looker Studio로 시각화해줍니다.
1. DB에서 데이터 불러오기
2. 구글 스프레드시트에서 데이터 불러오기
3. 파이썬으로 데이터 클렌징하기
4. 클렌징한 DB, 스프레드시트 데이터 합치기
5. 클렌징 결과 시각화를 위해 구글 스프레드시트로 보내기
6. Looker Studio로 시각화 하기
아래는 실제 활용했던 MRR 대시보드 입니다.
첫 번째 대시보드는 월매출과, MRR 지표 현황을 살펴보고 고객사별 월간 구독 현황을 확인 해볼 수 있고 ARR, 이번달 예상 매출도 확인 할 수 있게 구성했었습니다.
두 번째 대시보드는 위에서 언급한 대로 MRR 지표를 쪼개서 모니터링하는 대시보드입니다.
이를 통해 MRR 상승하는데 어떤 지표 때문에 상승했는지 한눈에 볼 수 있습니다. 또한 MRR 성장추이도 함께 볼 수 있도록 구성되었습니다. 이제 이 대시보드를 통해서 전사가 우리 서비스의 MRR 현황을 볼 수 있고 이탈한 유저수가 특히 많았던 월에는 고객 인터뷰를 진행해보거나 해당 유저들의 특징을 파악해보면 어떤 지점에서 불편함을 느꼈는지 페인 포인트는 무엇이었는지 원인을 파악하고 제품 개선에 반영해볼 수 있겠죠?
DB에서 결제 데이터를 위의 컬럼만 파이썬 SQLAlchemy 를 활용해서 데이터를 불러옵니다.
.png)
SELECT
user_id,
company_name,
sales,
pay_datetime_id,
freq,
user_status
FROM
(SELECT tmp2.user_id,
tmp2.company_name,
tmp2.id,
tmp1.sales,
date_format(tmp1.auth_date, '%Y-%m-01') auth_date,
tmp1.subscription_id,
tmp1.user_status,
tmp1.card_updated_at
FROM
(SELECT B.user_id,
A.sales,
A.auth_date,
A.subscription_id,
A.user_status,
A.card_updated_at
FROM
(SELECT st0.*,
st1.user_status,
st1.card_updated_at
FROM
-- billing_payment_history 테이블에서 조건에 맞는 데이터 가져오기
(SELECT billing_id,
subscription_id,
auth_date,
IF(cancelled_at IS NULL ,amount, IF (amount <= cancellation_cancel_amount,0,cancellation_remain_amt)) AS sales
FROM nicepay_billing_payment_history
) st0
left join
-- nicepay_card_info 테이블에서 가장 최근의 카드 정보(created_at이 최대인)를 가져오며, user_status를 is_deleted와 is_active 값에 따라 ‘churned_user’ 또는 ‘active_user’로 설정
(select t1.billing_id,
t1.created_at,
t1.is_deleted,
t1.is_active,
t1.created_at card_updated_at,
(case when t1.is_deleted = 1 and t1.is_active = 0 then 'churned_user' else 'active_user' END) user_status
from nicepay_card_info t1
inner join (select billing_id,
max(created_at) max_date
from nicepay_card_info
group by 1) t2
on t1.billing_id = t2.billing_id and t1.created_at = t2.max_date) st1
ON (st0.billing_id = st1.billing_id)) A
LEFT OUTER JOIN
(SELECT billing_id,
user_id
FROM nicepay_billing_info) B
ON (A.billing_id = B.billing_id)) tmp1
INNER JOIN (SELECT user_id,
company_name,
id
FROM user
) tmp2
ON (tmp1.user_id = tmp2.user_id)) tmp3
inner join
(select seq,
freq,
date_format(plan_start_datetime_id, '%Y-%m-01') subscription_plan_start_datetime_id
from subscription) tmp4
ON (tmp3.subscription_id = tmp4.seq)
where sales > 0;
먼저 계산을 위해 필요한 데이터를 DB에서 추출해주고 flatten을 해줄껍니다.
flatten이 뭐냐 뜻 그대로 평탄화한다는 의미입니다. 예를들어 고객이 연간 결제를 1,200,000원을 했다고 하면 월별 결제액은 12개월로 나눠서 월별로 데이터를 평탄화 해주는 과정이라고 보시면 됩니다.
#expand the yearly records
mrr_base = mrr_df.loc[np.repeat(mrr_df.index, mrr_df['freq'].map({"years":12,"months": 1}))]
mrr_base.loc[mrr_base["freq"] == "years", "sales"] /= 12
mrr_base.loc[mrr_base["freq"] == "years", "pay_datetime_id"] += \
mrr_base.groupby(["user_id", "freq"]).cumcount().loc[mrr_base["freq"] == "years"]\
.map(lambda i: pd.DateOffset(months=i))
저의 경우 DB에 기록되지 않은 세금계산서 데이터를 가지고 있었는데
해당 데이터는 구글 스프레드시트에 기록하고 있으므로 구글 스프레드시트에서 데이터를 불러옵니다.
#구글 스프레드시트에서 data load하기
scope = ['https://spreadsheets.google.com/feeds',
'https://www.googleapis.com/auth/drive']
credentials = ServiceAccountCredentials.from_json_keyfile_name(
'credential 파일 경로(json파일)', scope)
gc = gspread.authorize(credentials)
spreadsheet_url = "가져올 스프레드시트 주소"
gc1 = gc.open_by_url(spreadsheet_url).worksheet('시트 이름')
#기존에 기록된 데이터 가져와서 리스트 형태로 리턴
gc2 = gc1.get_all_values()
#데이터프레임으로 판다스로 가져오기
gc2 = pd.DataFrame(gc2, columns=gc2[0])
gc2 = gc2.reindex(gc2.index.drop(0))
#날짜 형식으로 변경
gc2['pay_datetime_id'] = pd.to_datetime(gc2['pay_datetime_id'])
#sales 컬럼 숫자로 변경
gc2['sales'] = gc2['sales'].astype(str).astype(int)
#expand the yearly records
gc2_base = gc2.loc[np.repeat(gc2.index, gc2['freq'].map({"years":12, "months": 1, "2years":24}))]
# compute monthly fee and join date
#years 12개월로 나누기
gc2_base.loc[gc2_base["freq"] == "years", "sales"] /= 12
gc2_base.loc[gc2_base["freq"] == "years", "pay_datetime_id"] += \
gc2_base.groupby(["user_id", "freq"]).cumcount().loc[gc2_base["freq"] == "years"] \
.map(lambda i: pd.DateOffset(months=i))
#2years 24개월로 나누기 / years 12개월로 나누기
gc2_base.loc[gc2_base["freq"] == "2years", "sales"] /= 24
gc2_base.loc[gc2_base["freq"] == "2years", "pay_datetime_id"] += \
gc2_base.groupby(["user_id", "freq"]).cumcount().loc[gc2_base["freq"] == "2years"] \
.map(lambda i: pd.DateOffset(months=i))
gc2_base_result = gc2_base[['user_id', 'company_name', 'sales', 'pay_datetime_id', 'freq']]
출처: https://botongsaram.tistory.com/entry/B2B-SaaS-MRR-계산하기 [알랭드보통사람:티스토리]
위의 과정에서 DB에서 불러온 데이터와 구글 스프레드시트의 데이터 형태를 통일 시켰습니다.
이제 Raw Data를 만들기 위해서 합쳐줍니다.
#구글시트rawdata와 DB에서 불러온 데이터의 결합
df_union= pd.concat([mrr_result, gc2_base_result])
데이터를 통합한 다음에 데이터 시각화를 위해 데이터 시각화를 위해 스프레드시트에 최종 정리된 데이터를 다시 구글 스프레드시트로 전달합니다.
# union 된 결과를 다시 구글 스프레드시트로
scope = ['https://spreadsheets.google.com/feeds',
'https://www.googleapis.com/auth/drive']
credentials = ServiceAccountCredentials.from_json_keyfile_name(
'credential 파일 경로(json)', scope)
gc = gspread.authorize(credentials)
spreadsheet_url = '스프레드시트주소
gc_mrr = gc.open_by_url(spreadsheet_url).worksheet('새로 데이터를 업로드할 시트명')
#기존에 기록되어 있던 데이터 삭제(처음 업로드할 때는 필요 없음)
gc_mrr.clear()
# 오늘 가져온 데이터 업로드
gd.set_with_dataframe(gc_mrr,merge)
위의 결과는 MRR 대시보드 예시(1)에서 활용했던 과정입니다.
다음으로 MRR detail view 에 사용될 지표를 만들 차례입니다.
# pay_datetime_id 열에서 월과 연도를 추출하여 새로운 열 생성
mrr_detail_result['month_year'] = mrr_detail_result['pay_datetime_id'].dt.to_period("M")
# max_date 컬럼 만들기
mrr_detail_result['max_date'] = pd.NaT
mrr_detail_result.head()
# user_id를 기준으로 그룹화
grouped = mrr_detail_result.groupby('user_id')
# 각 그룹에서 최대 결제일을 찾고 max_date 열에 할당
for name, group in grouped:
max_date = group['pay_datetime_id'].max()
max_index = group['pay_datetime_id'].idxmax()
mrr_detail_result.loc[group.index, 'max_date'] = max_date
# 데이터프레임을 corporate_id와 pay_datetime_id 기준으로 정렬
transactions_ver2 = mrr_detail_result.sort_values(by=['corporate_id', 'pay_datetime_id'])
# 이전 거래 금액을 저장할 새로운 열 prev_amount 추가
transactions_ver2['prev_amount'] = transactions_ver2.groupby('corporate_id')['sales'].shift(1)
# 사용자 상태를 저장할 새로운 열 user_status 추가
transactions_ver2['mrr_status'] = 'new'
# 이전 거래 금액과 동일한 금액을 가진 사용자에게 'existing' 할당
transactions_ver2.loc[transactions_ver2['sales'] == transactions_ver2['prev_amount'], 'mrr_status'] = 'existing'
# 이전 거래 금액보다 높은 금액을 가진 사용자에게 'upgrade' 할당
transactions_ver2.loc[transactions_ver2['sales'] > transactions_ver2['prev_amount'], 'mrr_status'] = 'upgrade'
# 이전 거래 금액보다 낮은 금액을 가진 사용자에게 'downgrade' 할당
transactions_ver2.loc[transactions_ver2['sales'] < transactions_ver2['prev_amount'], 'mrr_status'] = 'downgrade'
# 이전에 'churned' 상태였고 이제 새로운 거래가 있는 사용자에게 'reactivation' 할당
# 모든 고유한 corporate_id 값을 포함하는 리스트 생성
corporate_ids = transactions_ver2['corporate_id'].unique()
# 각 corporate_id에 대해 루프를 돌며 각 거래의 상태를 업데이트
for corporate_id in corporate_ids:
user_data = transactions_ver2[transactions_ver2['corporate_id'] == corporate_id]
for i in range(1, len(user_data)):
prev_month = user_data.iloc[i-1]['month_year']
curr_month = user_data.iloc[i]['month_year']
if (curr_month - prev_month).n > 1:
transactions_ver2.loc[(transactions_ver2['corporate_id'] == corporate_id) & (transactions_ver2['month_year'] == curr_month), 'mrr_status'] = 'reactivation'
# user_status가 churn_user인 사용자의 마지막 결제일에 'churn' 상태 할당
transactions_ver2.loc[(transactions_ver2['user_status'] == 'churned_user') & (transactions_ver2['pay_datetime_id'] == transactions_ver2['max_date']), 'mrr_status'] = 'churned'
transactions_ver2.head()
이제 MRR 대시보드 예시(2)에 활용된 데이터가 전처리되었고 구글 스프레드시트로 데이터를 적재해주면 됩니다.
이걸 매일 하기는 귀찮으니 Airflow DAG를 활용해서 자동화해주면 됩니다.
여기까지 MRR계산을 위해 SQL, 구글 스프레드시트, python을 활용한 과정을 소개해봤습니다.
누군가 B2B SaaS에서 MRR 계산을 위해 고군분투하고 계시다면 이 코드가 도움이 되시면 좋겠네요
추가로 초기에 대시보드 기획에 많은 참고가 되었던 Baremetrics라는 MRR 대시보드 외산 툴이 있는데 상당히 잘만들었다고 생각되는 서비스입니다.
SaaS 비즈니스를 운영하신다면 참고해보시면 좋을 서비스네요!
September 9, 2024
행사명 : 데이터 기반 고객 여정 설계를 위한 CRM과 PA 연계 전략 세미나
장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F
일시: 2024년 9월 25일 수요일 오후 4시 ~ 6시
대상
2024년 9월 25일 수요일 오후 4시 마티니, 앰플리튜드, 원시그널이 함께하는 세미나에서각 솔루션의 활용 사례와 고객 경험을 최적화할 수 있는 PA & CRM 솔루션 연계 활용법을 알려드립니다.
이번 세미나에서 PA 및 CRM 솔루션 활용 사례를 확인하고 비즈니스에 직접 적용할 수 있는 과정들을 살펴보세요.
16:05 ~ 16:30
[앰플리튜드 세션] 이재철 연사
앰플리튜드 국내 활용사례
16:30 ~ 16:55
[원시그널 세션] 서영진 연사
원시그널 글로벌 활용사례
16:55 ~ 17:20
[마티니 세션] 이건희 연사
CRM 자동화 & PA 솔루션 시너지 발휘하기
세션 이후에는 자유로운 네트워킹과 QnA를 할 수 있는 시간이 마련되어있어 솔루션 연계 활용 및 PA와 CRM 솔루션 도입 관련해서 고민을 나누고 소통할 수 있습니다.
- 신청 시 회사 이메일이 아닐 경우 등록이 제한될 수 있습니다.
- 자리가 한정되어 있어 별도로 선정 안내를 드릴 예정입니다.
- 주차권 제공 가능하며 리셉션 데스크 문의바랍니다.
- 참석자분들에게 간단한 음식이 제공됩니다.
- 문의사항은 mkt@martinee.io 로 문의바랍니다.
September 9, 2024
분석 데이터의 하위 집합입니다.
사용자, 세션, 이벤트 데이터를 분리해서 세그먼트를 정의하면 분석하고자 하는 대상을 쉽게 정의할 수 있게 만드는 기능입니다.
세그먼트를 정의하게 되면 특정 유저의 그룹 vs 나머지 유저의 특징을 비교 분석해 볼 수 있습니다.
GA4에서 세그먼트 기능을 통해 웬만한 유저들의 특징을 잡아낼 수 있습니다.
그런데 GA4가 어떻게 유저들의 행동 데이터를 수집하고 활용하는지 제대로 알지 못하면 활용하기 힘들겠죠?
이번 글에서는 큰 틀에서 GA4가 어떤 원리로 조건이 설정되는지 알아보려고 합니다.
세그먼트 생성화면을 들여다보면 꽤 많은 조건들을 설정할 수 있는 기능들이 많습니다.
일단 크게 3가지 유형의 세그먼트가 있습니다. (아래 유형에 대한 이해를 잘하셔야 합니다.)
세그먼트 유형 선택은 세그먼트를 조건에 해당하는 결과와 관련이 있는 거라고 생각하시면 이해하시기 쉬울 겁니다.
특히! 각 유형별로 소스 / 매체 선택할 때 주의할 점을 꼭! 숙지하시길 바랍니다!
이렇게 정의는 그럭저럭 이해는 할 수 있지만 역시 예시를 통해 어떻게 데이터가 선택되는지 알아보겠습니다.
특정 유저가 2개의 세션 안에서 몇 가지 이벤트를 발생시켰다고 가정해 보겠습니다.
1. 사용자 세그먼트 예시
사용자 세그먼트 기준으로 구매한 유저를 세그먼트를 만들면 어떻게 데이터가 선택될까요?
총 7개의 이벤트가 모두 선택됩니다. 사용자 기준이니까 조회한 날짜에 있는 이벤트가 모두 포함되기 때문입니다.
2. 세션 세그먼트 예시
최소 한 개의 구매 이벤트가 발생한 모든 세션의 데이터기 때문에 이 기준으로 충족되는 데이터는 purchase(구매) 이벤트가 발생한 session - 2 만 선택됩니다( session - 1 에는 구매 이벤트가 없음)
3. 이벤트 세그먼트 예시
이벤트 기준이면 기준에 맞는 이벤트만 선택한다는 말이기 때문에 session - 2에서 발생한 purchase 이벤트만!! 선택됩니다. 다른 이벤트는 선택 안됩니다!
여기서는 어떤 조건의 유저를 선택할지 셋팅하는 옵션을 선택할 수 있습니다.
여기서 AND, OR 조건을 선택할 수 있는데 회원가입과 구매 이벤트를 발생시킨 유저 선택해 보겠습니다.
그런데 하단에 보면 포함할 조건 그룹 추가라는 버튼이 있습니다.
동일한 방식으로 회원가입과 구매를 한 조건을 설정하면 이렇게 할 수 있죠
즉 하나의 조건 그룹에 회원가입 이벤트와 구매 이벤트를 선택한 것이고 나머지 하나는 두 개의 조건 그룹에 회원가입 이벤트와 구매 이벤트가 각각 설정을 했습니다.
첫 번째 방식과 차이점은 뭘까요? 동일한 결과가 나올까요? 결과는 동일합니다.
???
이게 무슨 말이냐면 그룹 간 영역에서 오른쪽 상단에 보면 사람모양의 드롭다운 버튼이 있습니다.
이걸 클릭하면 조건 범위를 지정할 수 있습니다.
세그먼트 설정할 때랑 동일한 방식이죠? 사용자, 세션, 이벤트 단위로 조건설정이 가능합니다.
세션 및 이벤트 세그먼트에는 조건 지정 범위에 대한 옵션이 더 적습니다. 아래 표는 사용할 수 있는 세그먼트 유형별 조건 범위 간 조합입니다.
다시 예시를 들어볼게요
GA4에서 첫 구매 유저를 따로 이벤트를 개발하지 않으면 특정하기 힘든데 회원가입 후 첫 구매 유저를 세그먼트로 한 번 만들어 보겠습니다.
해당 유저들을 특정하기 위한 필요한 이벤트는 first_visit(첫 방문)과 purchase 이벤트겠죠?
첫 구매 유저를 특정한다고 해도 이를 어떻게 정의하느냐에 따라 결과는 달라집니다! (주의!!)
유저의 행동은 정말 엄청나게 많은 경우의 수로 발생을 하죠.
A유저 : 구매 의사 결정이 빠른 A유저는 동일한 세션 시간 내에서 구매
B유저 : 구매 의사 결정이 느린 B유저는 어제 상품을 처음 둘러보고 내일 구매
이 예시처럼 첫 구매를 동일한 세션 시간내 첫 구매를 한 유저를 특정할 것인지, 세션에 상관없이 첫 구매 유저를 식별한 것인지 정의하기 나름입니다.
첫 구매 유저 세그먼트를 만든다면 어떤 조건을 설정해야 될까요?
사용자 세그먼트를 기준으로 세그먼트를 설정하면 유저의 조건에 해당하지 않는 방문데이터도 포함되게 됩니다.
그러니까 첫 방문 이후 첫 세션에 구매를 하지 않아도 구매를 특정시킨 뒤에 제외 조건을 구매 조건을 2번 이상으로 설정하여 첫 구매한 유저를 식별할 수 있습니다.
그런데 first_visit, 첫 구매 사용자의 방문 데이터만 확인하고자 한다면 사용자 세그먼트가 아닌 세션 세그먼트를 기준으로 동일 세션 내의 조건 범위를 선택하여 세그먼트를 생성해야 합니다.
첫 구매 유저를 모든 세션 범위 조건으로 하여 세그먼트를 생성하고 재구매자(purchase 이벤트가 2번 이상)와 겹치는 부분이 없는지 세그먼트 중복 기능을 활용해 벤다이어그램으로 확인해 보겠습니다.
중복 없이 잘 나뉘었습니다. 이런 식으로 내가 가진 유저의 특징을 세그먼트로 만들어서 비교해 보는 과정이 굉장히 중요한 것 같습니다.
이 개념을 토대로 한 번 만들어 보시면 좋을 것 같습니다.
GA의 세그먼트는 생각보다 할 수 있는 게 많긴 합니다.
하지만 제대로 활용하기 위해서는 위에 설명한 개념들이 잘 정리가 되어 있어야 됩니다.
이번 글을 쓰면서 느낀 건 솔직히 GA4는 사실 Amplitude를 사용해 봤다면 이런게 다 있나 싶을 정도로 불편하고... 뭔가 찜찜한 느낌을 지울 수 없었습니다.
이번 글에서 첫 구매 유저 세그먼트를 예시로 들었는데 GA4에서 First time purchases라는 측정항목이 존재하긴 하지만
이를 세그먼트로 활용은 못합니다... 약간 독립적인 측정항목 같은 느낌입니다.
Amplitude에서는 사실 아주 간단하게 첫 구매 유저를 특정할 수 있는 Historical Count 기능이 있어서.. 아쉬웠습니다.
(물론 제약 조건은 있습니다. 날짜 범위가 시작되기 전 최대 1년까지 기간만 포함됩니다. 그래도 이건 혁명적인 기능!)
본질적으로 GA의 목적은 유저 획득에 초점을 맞춰져 있다면 Amplitude는 Product Analytics 툴로 사용자 행동 분석에 초점이 맞춰져 있긴 합니다. 그래서 목적에 맞지 않아서 해당 기능 개발을 하지 않은 건가 싶기도 합니다.
당장 앰플리튜드를 도입하지 않을 거라면 속 편하게 GA4에서 First Purchase 이벤트 개발을 요청하거나 혹은 일단 소개드린 방식대로 우선 트렌드만 확인하는 용도로 세그먼트를 생성해서 데이터를 분석하시는 걸 권장드립니다.
September 5, 2024
데이터를 다루면서 고객의 업무 효율을 높이는 것을 도와드리고 있지만, 정작 저의 일에서는 데이터 정리와 효율화는 잘 못하고 있더라고요. 그래서 요즘은 Make와 Zapier를 통해 최대한 많은 일들을 자동화 하면서 좀 더 저의 자유(?) 시간을 만들어가고 있습니다.
👉 Make 자동화 : https://www.make.com/en
그런데 어느순간 Make 자동화가 많아지면서 제가 만들고 운영중인 자동화가 뭔지 헷갈리기 시작했습니다. Make 자동화로 업무효율화를 만들었지만 그럴수록 자동화 솔루션이 정리가 되지 않는 아이러니...
Make에서는 하나의 자동화 과정을 시나리오라고 해서 각 시나리오를 Json 형식으로 저장해서 관리할 수 있습니다. 이러한 Make의 특징을 활용해서 Make에서 시나리오가 새롭게 만들어지거나 업데이트가 되면 각각 구글 드라이브와 노션에 저장 & 업데이트 되는 자동화를 만들어봤습니다.
- 자동화 솔루션 : Make
- DB : Notion, Make DB
- 자료 정리 : 구글 드라이브
1️. Make 어드민의 다양한 시나리오들입니다. 카테고리를 만들 수 있긴하지만 그것만으로는 한번에 어떤게 있는지 확인이 쉽지 않습니다.
2️. Make 자동화 설계 화면 입니다.
3️. Notion에 저장된 최종적인 모습입니다.
👉 업무를 하다보면 고객 리드, 업무 파일, 데일리 보고 등 DB화 & 자료를 정리해야하는 업무들이 빈번하게 있습니다. 해당 시나리오처럼 매번 생산되는 자료를 구글 드라이브와 노션에 자동으로 기록한다면 생각보다 많은 업무를 효율화 할 수 있습니다.
September 4, 2024
Google Analytics를 사용해 보셨다면 ‘세션’이라는 용어에 익숙하실 것입니다. Universal Analytics(GA3)에서는 세션 단위로 데이터를 수집하여 지표를 측정했지만, GA4에서는 데이터 수집 방식이 달라져 주의가 필요합니다. GA4의 세션 관련 지표는 혼란을 일으킬 수 있습니다.
이번 글에서는 세션의 개념을 자세히 살펴보고, GA4에서의 세션이 어떻게 다른지 알아보겠습니다.
세션 관련해서 구글 가이드 문서에 따르면
- 세션은 사용자가 웹사이트 또는 앱과 상호작용하는 기간입니다.
- 세션은 사용자가 앱을 포그라운드에서 열거나 페이지나 화면을 보고 현재 활성화된 세션이 없는 경우 시작됩니다.
- 세션 수 : 고유 세션 ID 수를 추정하여 사이트나 앱에서 발생하는 세션 수를 계산합니다.
예를 들어 유저가 브라우저 탭에서 페이지를 열고 이메일을 확인하거나 다른 일을 하다가 2시간 뒤에 다시 돌아와서 브라우징을 할 수 있겠죠? GA4에서는 이를 페이지 뷰가 있는 세션으로 보고 2시간 뒤에 사용자 참여로 간주하고 새로운 세션으로 기록합니다.
1. 첫 번째 세션:
2. 두 번째 세션:
이때 새로운 세션이 시작되지만 페이지 조회 이벤트는 기록되지 않습니다.→ 두 번째 세션이 사용자 참여로만 기록됩니다
빅쿼리로 실제 어떤 케이스인지 특정 유저의 로그를 한 번 확인 해보겠습니다.
이렇게 페이지뷰 이벤트가 없는 두 번째 세션이 생기며, 이는 참여율(Engagement Rate) 지표로 나타납니다.
참여율 = 참여 세션 수 / 총 세션 수
이런 유저가 많아지면 세션 기반의 지표(예: 세션당 페이지뷰, 세션당 평균 참여시간)가 낮아집니다.
세션당 페이지뷰 수 계산 예시:
페이지뷰 수 / 세션 수 = 10 / 1 = 10
위와 같은 유저의 행동이 늘어나면:
페이지뷰 수 / 세션 수 = 10 / 2 = 5
페이지뷰 이벤트가 포함되지 않은 세션이 발생하니 지표가 감소하게 됩니다.(분모가 커지므로)
따라서 GA3에서 사용하던 세션 기반의 지표는 주의해서 사용해야 하며, 이벤트나 참여 관련 지표(참여 세션)를 보는 것이 좋습니다.
(GA4와 GA3의 데이터 수집 방식도 다릅니다)
자.. 그리고 또 있습니다.
세션 데이터의 현실.. 빅쿼리를 열어보면 .. 더 조심해야겠구나 라는 생각이 들겁니다.
일단 절대 세션수 ≠ session_start 이벤트의 수 가 아닙니다.
왜그런지 직접 조회해보죠!
아래 특정 유저의 세션을 특정해서 조회해봤습니다.
event_name 컬럼에 session_start 이벤트는 없고 다른 이벤트만 있죠?
이런 상황은 빈번하지 않지만 발생할 수 있습니다. 하나의 세션에 두 개의 세션 이벤트가 발생했고, 심지어 사용자 아이디도 다릅니다.
GA4 인터페이스에서는 당연히 단일 세션으로 계산하지 않을 것 같지만 빅쿼리에서는 이런 케이스 때문에 user_pseudo_id와 ga_session_id를 조합해서 각 세션에 대한 고유 식별자를 만들어서 session 을 카운팅 해야됩니다.
concat(user_pseudo_id, (select value.int_value from unnest(event_params) where key = 'ga_session_id')) as session_id,
GA3에서는 세션 윈도우(30분)가 지나면 완전히 새로운 세션이 시작되지만, GA4에서는 기존 세션이 계속 되기 때문에 이렇게 소스가 1개 이상 발생할 수 있습니다.
구글 애널리틱스에서도 세션수를 집계할 때 추정값을 사용합니다.
실제로 빅쿼리에 count(distinct ga_sesssion_id) 를 집계하면 성능에 영향을 줍니다..
그런데 전 세계에서 이걸 조회하는데 이걸 진짜 집계를 ?? 불가능하죠
그래서 HyperLogLog ++ (가이드 링크)라는 알고리즘을 적용해서 추산한 값을 보여줍니다.
실제로 성능을 눈으로 확인해보죠
ga_session_id를 고유하게 카운팅 해보는 쿼리로 비교를 해보겠습니다.
COUNT(DISTINCT ga_session_id)
HLL_COUNT.EXTRACT(HLL_COUNT.INIT(ga_session_id, 14))
차이가 보이시나요? (참고로 데이터 하루치만 조회했고 쿼리 결과는 같습니다)
모든면에서 더 효율적인 처리를 하고 있음을 알 수 있습니다.
사실 GA4에서는 세션이라는 개념은 더 이상 의미가 없고 지금까지 위의 예시를 통해 확인할 수 있었습니다.
그럼에도 세션 지표를 무조건 써야된다면 참여 세션지표를 사용하는게 좋습니다.
이제 이걸 통해서 다음 글에서는 GA4의 꽃 세그먼트 분석에 대해서 알아보겠습니다.
(세그먼트 기능을 쓰려면 세션에 대한 이해가 꼭 필요하기 때문에 이번 글부터 시작하게 되었습니다.)
