마케팅 데이터가 있는지 확인하는 법

데이터 기반 마케팅의 중요성이 부각되고 있다. 하지만, 일반 기업에서는 여러모로 혼란스럽고 어려운 것이 사실이다.

빅데이터, 인공지능이 유행하니 우리도 마케팅에 인공지능을 써보자!
세일즈포스, 오라클 등 마케팅 자동화 솔루션들이 많은데 어떤 솔루션을 선택해야 할까?

위와 같은 질문으로 갈피를 잡지 못하는 것이 대부분의 마케팅 부서에서 벌어지는 일일 것이다.

하지만 솔루션이나 AI 플랫폼을 거창하게 도입하기 전에 우리 회사에 어떤 데이터가 있는지, 이 데이터들이 데이터 기반 마케팅을 수행하기에 적합한 지 먼저 알아보는 것이 선행되어야 한다.

이를 위해서 간단하지만, 간단하게 수행할 수 없는 테스트 방법을 소개한다. 테스트 후에 우리는 데이터 수집이 먼저 필요한지, 데이터 플랫폼이 필요한지, AI분석 솔루션이 필요한지 도움을 받을 수 있을 것이다.

Fig. 1: 꼼꼼히 살펴보자 (Unsplash.com)

테스트 방법은 기본적으로 «B2B Data-Driven Marketing» 에 있는 'How to Tell If You Really Have a Marketing Database' 를 기반으로 작성했다.

1. 현재와 1년전의 고객 정보를 보자

먼저 우리 회사에서 고객이란 어떤 단위인지, 데이터로 구분이 가능한지를 먼저 생각해 보자. 1년전 기록과 대비해볼 수 있는 고객 단위의 key값이 있는지 확인해 보아야 한다.

B2C 기업의 경우 보통 개인 한명이 고객의 단위라고 할 수 있다.

  • 그런데 개인을 식별할 수 있는 Key값이 있나? (고객번호, email, 전화번호 등)
  • 상품별로만 데이터들이 관리되는 경우가 있다. 개인별로 합칠 수 있는지 확인해 보자.

B2B 기업의 경우 는 좀 복잡하다. 구매 의사결정자가 아래 중 어디에 위치하는지 확인해 보아야 하고, 업종에 따라서는 기업의 계층별 정보들을 모두 관리하고 있어야 한다. B2B 기업의 정보관리는 B2B 기업분석 를 참고하자.

  • 고객은 아래 중 어떤 단위인가, 의사결정자는 어떤 레벨에 있는가, 해당 고객들을 구분할 수 있는 Key값이 있는가?
    • 지주사, 계열사, 사업부, 지점/공장, 매장
  • 담당자 : B2B 기업도 결국 사람을 대상으로 하는 업이므로, 사람에 대한 정보 관리도 필요하다.
  • 기타 : 세금계산서를 발행하는 사업자번호로 관리하고 있으면, 건물관리, SI업체 등 협력 업체에 세금계산서를 청구하는 경우가 있다. 이 때는 실제 의사결정자를 놓치는 통계 왜곡이 발생할 수 있다.

* 지주사 : (주)XX, 00홀딩스 기업들이다. 계열사라고 하는 자회사 전반적인 구매는 지주사에서 이루어진다.
* 계열사 : XX전자, XX생명 등 계열사, 보통 법인 단위이다.
* 사업부 : 큰 회사의 경우 사업부별로도 자체 구매를 한다.
* 지점, 공장 : 사업자등록번호가 다를 수 있다. 지역별로 각자 구매하는 경우도 있다. 글로벌 기업의 경우는 사이에 '지역Division' 등이 존재할 수 있다.
* 매장 : 판매매장이 존재하는 경우, 매장 단위에서 구매 의사결정이 이루어질 수도 있다.

이제 고객을 정의했으면, 1년전 자료와 매칭해 보자.(계절성을 제거하기 위해 1년정도가 좋겠다) 1년 전에도 같은 기준으로 데이터가 준비되어 있는지 확인해보는 것이다

2. 고객 당 RFM을 계산해 보자

현재와 1년전의 데이터를 매칭할 수 있으면, 1년 동안의 RFM 점수를 계산해 보도록 하자.

RFM이란? 고객의 과거 구매 이력(최신Recency, 빈도Frequency, 금액Monetary)을 기반으로 고객을 세그멘트할 수 있는 프레임이다.
아래와 같이 고객별로 R, F, M을 계산해 보자

  • R(Recency) : 최근 구매일 부터 '며칠'이 지났는지 계산해 보자
    • 최근 구매한 날짜 데이터가 있어야 한다
  • F(Frequency) : 1년전부터 지금까지 '몇 번' 구매 했는지 계산해 보자
    • 최근 구매한 날짜 뿐 아니라 구매 이력(history)이 있어야 한다.
  • M(Monetary) : '총 구매금액'이 얼마인지 계산해보자
    • 구매한 수량 및 금액이 있어야 한다

이제 각각 계산한 R, F, M 을 5점 척도로 변환해 보자. 미리 정한 기준을 통해서 계산할 수도 있지만, 1/5의 비율로 1~5점으로 스코어링하자.주의해야 할 점은 R은 날짜가 작을 수록, F/M 은 클수록 높은 점수를 갖는다는 것이다.

그리고 R, F, M Score를 더해서 15점 만점의 RFM score를 구해보자. (각자 맞는 비율을 곱해서 더해도 좋다.)

3. 매출과 마케팅비용을 계산해보자

RFM을 통해서 고객을 점수가 높은 순으로 10개 층위(세그멘트)로 나누어 각 층위별로 매출과 사용한 마케팅비를 계산해보자.

보통 매출만 관리하고, 고객별 사용한 마케팅비를 관리하지 않는 경우가 많다. 아래와 같은 마케팅 이력이 남아 있어야 하겠다

  • 영업사원 방문. 아웃바운드 콜, 이메일 등 접촉, 브로셔나 견적서 전달 등

4. 4번 더 반복해보자

위의 1~3 과정을 4번 더 반복하면 5년간의 이력이 생긴다.

이 데이터로, 각 세그멘트별로 연간 고객수의 변화, 평균 구매 횟수, 구매 금액의 변화를 계산해보자.

테스트 결과는 어떤가?

RFM 분석은 오래되고 유명하고, 간단한 내용이지만, 이런 데이터 추출을 힘들이지 않고 빠르게 할 수 있어야 제대로된 데이터 활용 기반이 되어 있다고 할 수 있다.

데이터 기반 마케팅을 위해서는 과거 시점의 데이터와 어떻게 변화했는지 이력이 필요하다.

  • 누가 고객이고, 누가 아니고
  • 언제 구매했고, 얼마나 구매했고,
  • 그 동안 변화는 어떠했는지

이러한 데이터 조차 추출되지 않으면 마케팅 효과 분석 등 기술적 분석 뿐 아니라, 추천이나 캠페인 타겟팅 등 통계적 모델링을 통한 분석은 더더욱 할 수 없다. 아래의 유명한 도식에서 1,2단계인 기술적 분석도 안되는 것이다.

Fig. 1: 분석의 단계라고 하는 이런 도식을 많이 보았을 것이다. (Garter)

그렇다면 테스트 결과를 통해서 무엇을 먼저 해야 할까? 아마 아래 중 한 가지 유형에 속할 것이다.

데이터가 없다
이제부터라도, 데이터부터 쌓아야 한다.

있긴 한데 DB가 아닌 엑셀로 수기 관리되고 있다
데이터 기반 마케팅에서 중요한 것은 가설-실험의 사이클을 빨리해서 최적화된 마케팅을 수행하는 것이다. 엑셀로 수기관리하고 있다면 데이터 정리만 해도 적시성이 떨어질 수 밖에 없다. 할 수 있으면 시스템화 해야 한다.

부서별로 다른 시스템으로 따로 관리되고 있다
분명히 고객, 날짜, 금액 기준 등 많은 부분이 부서마다 다를 것이다. 기준을 맞추고 시간이 지나면 또 서로 기준이 달라져서 데이터의 품질이 낮아진다. 또한 기준을 맞추기 위한 시간 소요로 위 케이스와 마찬가지로 적시성이 떨어질 수 있다. 데이터 사일로를 없애기 위한 통합 플랫폼이 필요하다.

빠르게 잘 뽑힌다
이런 기업들은 충분히 데이터 기반 마케팅에 관심이 많고 잘 수행하고 있는 기업이라고 생각한다. 이런 테스트도 필요 없을 것 같다.

심지어 이 테스트에서는 구매한 상품 목록, 고객의 Demo(Firmo)graphic 데이터, NCS 등 조사 데이터, 고객지원 데이터, 온라인 행동 데이터, 마케팅 반응 이력 등 마케팅을 위한 많은 부가 데이터들은 언급도 되어 있지 않다. 비싼 솔루션들, 현란한 머신러닝 테크닉 들은 비용에 비해 실제 효과가 없어질 것이다.

빠르게 데이터를 추출하고, 클렌징하여, 실험이나 모델링을 빠르게 시도/재시도 해 볼 수 있는 환경이 되어야 효과적인 데이터 기반 마케팅이 가능하다. 빅데이터, 인공지능, 데이터 마케팅 등을 주장하기 전에, 기본적인 데이터를 구비하고 쉽게 빠르게 추출할 수 있는 기반부터 마련하도록 하자.


* 데이터 기반 마케팅, 어떻게 해야 할지 어떤 데이터 부터 있어야 할지 부터 어렵다.
* 빅데이터, 인공지능이 핫하니 우리 회사도 해봐야겠다
* 세일즈포스니, 오라클이니 많은 마케팅 솔루션이 있는데 어떤 솔루션이 좋으려나
* 솔루션이나 AI 플랫폼을 도입하기 전에 우리 회사에 데이터가 있는지 부터 살펴보아야 한다
* 가장 간단하게 살펴볼 수 있는 방법을 알아보자.
* B2B 기업의 경우 :
* B2C 기업의 경우 : 가족 단위
* 마케팅 교과서에도 나오는 아주 간단한 내용이지만, 이것조차 되지 않으면 인공지능이니, 빅데이터니 아무 소용이 없다.
* 기본적인 데이터를 구비한 후에 있는 데이터부터 활용하자.

More

2020/06/18 20:34
2020/06/07 23:03
2020/06/04 00:30
2020/05/28 19:29
2020/05/12 18:03
2020/05/07 18:27
2020/05/01 01:54
2020/04/29 19:52
2020/04/20 20:12
2020/04/17 00:23
2020/04/15 16:21
2020/04/11 10:41
2020/04/08 15:49
2020/04/01 18:43
2020/04/01 09:55
2020/03/21 22:43
2020/03/20 20:53
2020/03/15 20:11
2020/03/07 16:35
2020/03/07 13:46
2020/03/02 01:09
2020/02/29 13:52
2020/02/29 13:52
2020/02/29 13:52
2020/02/29 13:52
2020/02/29 13:52
2020/02/29 13:49
2020/02/16 18:11
2020/02/06 21:58
Enter your comment:
S T I᠎ M᠎ Q