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.

‍

‍

브레이즈 기본 기능만 사용하고 있는 건 아닐까?

아래 Braze 용어 중 내가 사용한 적이 있거나, 사용하지 않았더라도 들어본 용어가 있는지 확인해 보자.

(Braze 이용자라면 누구나 사용하는, 꼭 알아야 하는 기능은 빼두었다.)

• Frequency Capping
• Segment Extension
• Spacer
• Connected Content
• Query Builder

3개 이상 사용해 봤다면 Braze를 잘 활용하고 있는 셈이다.

하나도 사용해 보지 않았더라도 걱정하지 말자. 지금부터 각 기능의 활용법을 자세히 설명할 예정이다.

‍

‍

브레이즈 100% 활용하기

1. Frequency Cappping

Frequency Cappping이란 사용자가 받는 메시지 수를 제한해 피로감을 줄여주는 기능이다.

‍

설정 예시

• 하루 최대 3개까지만 앱 푸시 발송
• 3일 동안 웹훅 최대 10개로 제한

‍

‍

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.

‍

‍

2. Sement Extension

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.

• 최대 30일까지만 조회 가능
• Data Point 차감
• 담당 CSM에게 필터 오픈을 요청해야 함

‍

반면 Segment Extension은 아래와 같은 장점이 있다.

• 최대 2년(730일)까지 조회 가능
• Data Point 차감 없음
• 별도 요청 없이 바로 사용

‍

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.

‍

‍

3. Spacer 활용하기

Webhook으로 카카오톡, 문자 메시지를 보내는 것 뿐만 아니라 빈 웹훅인 Spacer를 발송하여 A/B Test를 진행하거나, 성과를 측정하는 것도 가능하다.

‍

Spacer 활용 사례

• A/B 테스트 정확도 높이기
  • Canvas의 Control Variant는 Step을 추가할 수 없다는 한계가 있다. 이런 경우 일반 Variant에 Spacer를 넣어 대조군으로 활용하면 더 정확한 테스트가 가능하다.

‍

• Attribute 변화 측정하기
  • Braze는 기본적으로 Event의 Conversion만 측정 가능하다. 하지만 Spacer를 활용하면 Attribute 변화도 측정할 수 있다.
    • 수신동의 전환율
    • 브랜드 위시리스트 추가율
  • 세팅 방법
    • Attribute 값이 A로 변할 때 실행되는 Action Based 캠페인 생성
    • 메시지 대신 Spacer 설정
    • Target을 실 메시지 캠페인 수신자로 지정
  • 이렇게 하면 Attribute가 변경될 때마다 Spacer가 발송되어 성과 측정이 가능하다.

‍

또한 잘못 설정된 Conversion 지표를 보완할 때도 유용하다.

‍

‍

4. Connected Content

Connected Content는 API를 통해 외부 데이터를 실시간으로 가져와 메시지에 활용하는 기능이다.

활용 가능한 데이터:

• Braze에 저장하지 않은 내부 데이터
• 보안상 민감한 정보
• 날씨, 환율 등 실시간 변동 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.

• 날씨 API
  • Braze에서 유저의 위치 정보를 수집하는 경우, 위•경도 정보로 유저가 위치한 곳의 날씨를 파악할 수 있다. 날씨는 물론 현재 온도, 체감 온도, 습도, 기압 등 다양한 기상 정보 확인이 가능하다.
  • 글로벌 알람 앱 A사에서는 이러한 날씨 API를 활용하여 유저의 현재 날씨에 따라 메시지를 달리한 캠페인을 진행하였다.

• 공휴일 API
  • 새해 첫날, 크리스마스와 같이 날짜가 고정되어 있는 공휴일은 Liquid를 통해 확인이 가능하지만 설, 추석 연휴처럼 매년 달라지는 공휴일은 매번 별도로 설정을 해주어야 한다.
  • 공공데이터포털의 공휴일 API를 활용하면 공휴일 여부를 파악할 수 있으며, 이에 따라 메시지를 다르게 보내거나 미발송 처리를 할 수 있다.
    

‍

2. 내부 API 활용 : 기개발된 API가 있다면 해당 API를 활용하여 다양한 캠페인 운영이 가능하다.

• 상품 재고 API
  • 상품별 실시간 재고를 확인할 수 있는 API를 통해 상품 재고에 따른 메시지를 발송할 수 있다.
  • 패션 커머스 W사에서는 구매 버튼 클릭 후 구매하지 않은 상품의 재고가 10개 미만으로 하락했을 때 품절 임박 메시지를 발송하였다.

• 상품 가격 API
  • 상품별 현재 가격을 확인할 수 있는 API를 통해 특정 시점의 가격과 현재 가격을 비교할 수 있다.
  • 패션 커머스 F사에서 장바구니/위시리스트 추가한 시점의 가격보다 현재 가격이 하락한 경우, 가격 인하 메시지를 발송하는 캠페인을 진행하였다.

• 쿠폰 정보 API
  • 유저별 보유 쿠폰 정보를 확인할 수 있는 API를 통해 쿠폰 사용 유도 메시지를 발송할 수 있다.
  • 패션 커머스 W사에서 유저가 사용하지 않은 쿠폰의 만료일이 1일 남은 경우, 쿠폰 만료 D-1 안내하는 자동화 캠페인을 운영하였다.

‍

‍

5. Query Builder

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.

‍

[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.

‍

‍

‍

커리큘럼

12월 12일 (목) 오후 7시

Braze Automation & Data Analytics Master Class

Braze Automation Planning Deep Dive

• CRM 기획에서 중요한 포인트들을 점검합니다.
• 목적별 캠페인 기획 및 관리 사례를 살펴봅니다.

Braze Data Analytics / Utilization

• Braze를 활용한 목적별 분석 방법을 공유합니다.
• Braze로 데이터 활용을 극대화하는 방법들을 살펴봅니다.

‍

‍

참여자들의 후기

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.

‍

‍

연사소개

이건희 Martinee CRM Group Lead

‍

‍

추천 참여 대상

• Braze 도입 후 자동화 기능을 잘 활용해보고 싶으신 분
• 개발없이 Braze 자동화 기능을 전문적으로 활용하고 싶으신 분
• Braze 캠페인 기획부터 성과 분석까지 해보고 싶으신 분
• Braze로 데이터 활용을 극대화하고 싶으신 분

‍

‍

브레이즈 활용 효과

• 고객 특성에 따른 개인화 메시지를 구성하고 최적의 시점에 발송할 수 있습니다.
• 웹과 앱에서의 고객 여정 경우의 수를 확인하고 그에 따른 맞춤 캠페인 기획이 가능합니다.
• 유저의 이탈 시점과 경로를 확인하여 재방문 시킬 수 있는 캠페인 기획이 가능합니다.
• 다양한 API를 활용하여 트리거 기반으로 알림 및 메시지 자동화를 구축할 수 있습니다.

‍

‍

마티니와 함께한 고객사

‍

안내사항

• 참가 인원이 한정되어 있어 별도 참석 확정 연락을 드릴 예정입니다.
• 실습이 포함된 교육으로 개인 노트북 지참이 필요합니다.
• 주차권 제공 가능하며 리셉션 데스크로 문의 부탁드립니다.
• 신청시 기입한 이메일이 회사 이메일이 아닐 경우 선정이 불가할 수 있습니다.
• 참석자분들에게 간단한 음식이 제공될 예정입니다.
• ‍

Contact

mkt@martinee.io

‍

CRM 캠페인의 성과와 비즈니스 개선을 마티니와 함께 이뤄보세요!

‍

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]

1. 모바일 앱과 오프라인 매장 연계
2. 멤버십 분류 체계 비교 및 혜택 안내
3. 쿠폰 전략
4. 구매 유도
5. 옴니채널 마케팅

‍

이번 아티클에서는 모바일 앱과 오프라인 매장 연계에 대한 이야기를 나눠보겠습니다.

‍

모바일 앱과 오프라인 매장 연계

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 기능 체험기

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.

‍

브랜드 A

• 주문 제품의 현황 및 픽업 정보 앱 내 표기

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. 

‍

• 매장 내 픽업 공간

브랜드 B

• 주문 제품의 현황 및 픽업 정보 앱 내 표기

브랜드 B는 주문 현황을 앱 내에 표시하고, 고객이 선택한 픽업 방법에 따라 다른 안내를 제공합니다. 이 표기를 통해 고객에게 이후 과정을 자연스럽게 안내합니다.

• 주문 제품 수령 안내에 대한 알림톡 발송

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

• 구매 현황에 대해서 앱 내에서 표기

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.

‍

브랜드 D

• 구매 현황에 대해서 앱 내 표기

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.

• 주문 제품 수령 안내에 대한 앱푸시 알림

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.

‍

위치 정보 기반 메시지

다음으로는 기기 위치 정보에 기반한 메시지를 살펴볼게요. 네 개의 F&B 브랜드 모두 위치 정보를 수집하고 있는데, 그중 흥미로운 기능과 메시지를 분석해 보았습니다.

브랜드 A 

• 매장 내 테이블에서 받기 서비스 

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.

‍

브랜드 B

• 오프라인 매장 방문 유도

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.

‍

브랜드 C

• 특정 매장 판매 상품 구매 유도

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

• 위치 기반 원활 매장 표기

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.

‍

맺음말.

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!

‍

👉🏻 마티니 CRM 캠페인 성공 사례 바로 가기

👉🏻 더 많은 아티클 보러가기

👉🏻마티니에게 문의하기

‍

풀퍼널 퍼포먼스 마케팅에서 매체란 어떤 의미일까?

‍

“광고가 저지를 수 있는 최대의 죄악은 눈에 안 띄는 것이다.”

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.”

‍

‍

행사명 : 마티니 Growth팀 채용설명회

장소: 서울 서초구 서초대로38길 12 마제스타시티 타워2 12F

일시: 2024년 10월 22일 화요일 오후 7시 ~ 9시

‍

추천 참여 대상

• 그로스 마케팅 분야에 관심 있거나 추천하고 싶은 분이 있으신 분
• 마케팅 현직자들과 편하게 네트워킹하고 싶으신 분
• 그로스 매니저로 이직 의사가 있으신 분
• 업계 전문가들과 함께 커리어를 성장시키고 싶으신 분

‍

‍

‍

마티니 Growth팀 채용설명회

‍

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!

‍

‍

Agenda

‍

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

‍

‍

안내사항

*주차권 제공 가능하며 리셉션 데스크 문의바랍니다.

*네트워킹 시간에 참석자분들께 간단한 음식이 제공됩니다.

*문의사항은 mkt@martinee.io 로 문의바랍니다.

‍

‍

마티니와 CRM과 PA 연계하기

‍

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.

‍

‍

사례로 배우는 앰플리튜드 활용

‍

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.

‍

‍

사례로 배우는 원시그널 활용

‍

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 연계 전략 세우기

‍

CRM과 PA의 연계는 크게 2가지로 나눌 수 있습니다.

• PA to CRM
• CRM to PA

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.

‍

‍

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.

‍

조건부 서식 특징

1. 데이터에 기반한 시각적 강조
2. 사용자 정의 규칙 적용 가능
3. 동적으로 업데이트되는 서식
4. 다양한 서식 옵션 (색상, 아이콘, 데이터 막대 등)

‍

조건부 서식 장점

1. 데이터 가독성 향상
2. 중요 정보의 빠른 식별
3. 데이터 트렌드 및 패턴 파악 용이
4. 보고서 및 대시보드의 시각적 매력 증대

‍

활용 방법

1. 임계값 기반 하이라이팅
2. 범주형 데이터 구분
3. KPI 달성도 표시

‍

‍

루커스튜디오의 조건부 서식

루커스튜디오에도 이러한 조건부 서식이 있으며 다른 엑셀과 Tableau와 같은 BI와 유사한 기능을 사용할 수 있습니다.

기본적으로 'Tablea' 차트와 'Score' 차트에서 활용가능합니다.

‍

규칙 만들기

1. 색상 유형

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.

‍

2. 서식 규칙

• Number 기준 대소 구분, Boolean 기준 참 거짓 구분, Text 기준 포함 구분 이외 정규식 등 다양한 조건을 선택할 수 있습니다.

규칙별로 하나의 조건만 가능하며 조건 형식은 셀 또는 전체 행에 적용할 수 있습니다.

‍

3. 색상 및 스타일

• 단색 : 조건에 맞는 경우 글자색과 셀 색상을 모두 따로 설정 가능합니다.
• 색상 스케일 : 최대 5개의 지점을 선택하여 정수/백분율에 따라 색상 스케일을 선택할 수 있습니다.

‍

활용 예시

• 특정 지표에 대한 KPI 달성 여부 판단 : KPI 대시보드

‍

• 여러 Text에 따른 조건 서식을 활용한 고객 세그먼테이션 : RFM 대시보드

‍

• 데이터 차이에 대한 값을 직관적으로 확인가능한 Raw Data : CRM 대시보드

‍

‍

‍

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.

‍

‍

‍

‍

루커 스튜디오 데이터 혼합 대시보드

‍

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.

데이터 혼합 방식 종류

• 레프트 아우터(Left Outer Join)
• 라이트 아우터(Right Outer Join)
• 풀 아우터(Full Outer Join)
• 이너 조인(Inner Join)
• 교차 조인(Cross Join)

‍

1. 루커 스튜디오 데이터 혼합

‍

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.

‍

여러 데이터 소스를 기반으로 차트를 만들 수 있습니다.

‍

• 최대 5개의 데이터 소스 결합

• 최대 10개의 조인 키를 사용하여 결합

‍

데이터 혼합을 추가하는 3가지 방법

‍

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

‍

‍

‍

2. 데이터 혼합 기본 구성

‍

혼합 데이터는 루커 스튜디오의 데이터 혼합 부분에서 새롭게 만들거나 업데이트를 합니다. 해당 화면과 데이터 혼합에 대한 기본적인 구성을 살펴봅시다.

‍

‍

‍

‍

‍

3. 혼합 유형 (조인 유형)

‍

1) 레프트 아우터 / 왼쪽 조인 (Left Outer join)

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.

‍

‍

‍

‍

2) 라이트 아우터 / 오른쪽 조인 (Right Outer join)

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

3) 이너 / 내부 조인 (Inner join)

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

1. 코호트 집단 간 교차 인원 분석
2. GA4의 웹 앱 디바이스 교차 사용 분석

ㅤ

ㅤ

4) 풀 아우터 / 외부 조인 (Full Outer join)

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

5) 교차조인 (Cross join)

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.

‍

마무리

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.

‍

데이터마케팅이란?

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.

‍

데이터마케팅의 프로세스

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)

‍

‍

‍

데이터 분석 사례

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.

‍

‍

‍

데이터 분석 수단: 앰플리튜드(Amplitude)

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.

‍

‍

데이터 분석의 이유

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.

• 활성 사용자 수를 늘리기 위해서
• 재고 소진을 위해서
• 매출을 늘리기 위해서

‍

이렇게 물어보면, 보통은 '셋 다'라고 대답하는 경우가 많은데요. 충분히 이해는 하지만(^^...!) 우선순위는 정해야 합니다. 대개 우선순위는 [매출]이기에, 매출 관련 분석을 먼저 진행합니다.

‍

매출 분석

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.

‍

데이터 분석의 차별점

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.

• 최근 시일 내, 지난 시점과의 비교

‍

‍

혹은 유사한 프로모션이 진행되었던 시기와 비교하여 구매전환율이나, 구매수, 유입수, 가입수 등의 주요 지표에서 차이가 있었는지를 파악해 보는 것도 좋습니다.

• 이전 유사 프로모션과의 비교

‍

프로모션 vs 프로모션 간의 비교 외에도 uiux를 개선하거나 특정 기능을 배포했을 때 그 시점 이후의 변화가 있는지를 확인할 수 있습니다.

‍

‍

매출 세부 분석

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.

‍

‍

• 기본적인 인구 통계: 성별, 연령 등
  *이를 기반으로 퍼포먼스 광고에서 타겟팅을 할 수 있습니다. (구매력이 높은 2534 여성 유저 등)

• 기존 사용자 vs 신규 사용자
  *[신규]의 정의는 달라질 수 있습니다. (당월 가입, 최근 3개월 가입, 미구매 등)

• RFM으로 구분해 본 사용자
• 라플 응모/당첨 여부로 구분해 본 사용자
  ex. 라플에 응모했던 사용자, 라플에 응모하고 당첨됐으나 미구매한 사용자

• 멤버십으로 구분해 본 사용자
• 콘텐츠를 n회 이상 조회한 사용자

‍

‍

‍

‍

• 카테고리
• 남성, 여성, 생활, 세이버 스케이트, 브랜드, 세일
• 브랜드
• 상품

: 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.

‍

그래서 데이터 마케팅

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.