2023. 9. 5. 20:46ㆍ새싹(SeSAC) 데이터드리븐 디지털마케팅 강의 후기/2. 그로스마케팅
초기에 그로스마케팅 전문 강사님 1, 후반에도 다른 그로스마케팅 전문 강사님이 총 2분 마케팅 강의를 진행해 주셨는데요, 해당 필기는 그중 교육 세션 초반에 오신 그로스 마케터 강사님의 특강 내용을 정리했습니다!
* 기업 과제를 진행하면서 필기가 없는 주간에는, 이 블로그 만들기 이전 진도의 필기들을 정리해서 올려볼게요!
1. 마케터에게 필수적인 데이터
- 데이터 드리븐 마케팅 : 데이터 기반 의사결정! 데이터 수집 분석으로 마케팅 전략을 수립하는 과정. -> 정량적인 데이터를 바탕으로 우선순위를 정하고, 의사결정을 진행!
(cf. 해보지 않은 경험에 대해선 정량데이터가 없을 수밖에 없지만…! 정성적인 의사결정의 기초도 정량 데이터에서 기반. 정량 데이터를 바탕으로, 정성적 인사이트로 연결시키는게 중요!)
- Ex. 넷플릭스)
사용자들을 위한 큐레이션과 추천 서비스가 중요, 그 큐레이션의 근거는 데이터!
한국에서 신규 유저를 유입하기 위한 데이터 -> 당시 주요 사회 이슈를 다루고, 해당 사회 내의 주요 가치관을 분석해, 콘텐츠 ‘옥자’ 도입!
- Ex. 아마존)
고객 데이터 바탕으로 맞춤형 제품 큐레이션
아마존 내에서 운영하는 자체 DA 지면 역시, 아마존 이용 유저들 맞춤형 광고를 보여줄 수 있음!
Cf. 이러한 측면에서 매우 파급력이 높은 DA 매체이므로, 해외 마케팅에서는 꼭 아마존 도메인 광고 활용 고려!
- Ex. 카카오)
다양한 매체 및 웹서비스에서 카카오 가입 & 로그인 지원
=> 소비자의 신규 가입 & 로그인 기록으로 관심사를 파악하는, 일종의 태깅 작업!
=> 카카오 광고성과가 안좋다는 이야기가 있지만, 카카오 매체를 오히려 활발히 사용하는 브랜드들이 있음
(ex. 안다르, 젝시믹스가 그 예시 – 타겟팅 고도화 가능; 구매 확인 알림톡을 전송받은 고객들의 데이터 바탕, 이와 유사한 유저들을 대상으로 타겟 광고 집행! / 신규 유입이 아닌, 리타겟팅 마케팅 매체로서의 강점이 강함!)
- Ex. 쏘카)
자동차 대여 & 주행 기록 데이터로, 운전자 습관과 시간대 기반 타겟광고 가능
=> 이와 같이 소비자의 활동/소비생활 맥락의 다양한 근거를 데이터로 수집
2. 마케터가 데이터를 봐야 하는 이유
마케팅에서의, 지속적인 제품-소비자 가치 교환 유도를 위해 끊임 없이 개선하고 최적화가 필요!
> 업무적 관점 : 액션의 결과를 정량적으로 확인하고 개선안 도출
> 커리어적 관점 : 나의 액션에 대한, 기여도와 가치 파악 가능
1) 업무에 데이터 활용하는 이유
- 소비자의 행동 이해
- 트렌드 파악
- 경쟁 업체를 분석 (업체의 성과, 전략 및 사업 방향성 파악)
- 효율적인 광고를 선정
=> 데이터를 통해 이러한 이해가 가능하며, 더 좋은 의사결정이 가능!
퍼포먼스 (광고 세팅 및 운영 – 지속적인 수치 파악과 성과 개선)
콘텐츠 (고객 니즈 / 선호도 / 취향 패턴 등의 데이터 참고, 콘텐츠의 도달 등 성과 파악하여 추후 콘텐츠에 반영)
crm(기존 컨택기록이 있는 고객이라는 한정된 모수! 더더욱 충성고객들에 대한 데이터 바탕으로 맞춤형 마케팅이 중요)
브랜드 (트렌드 및 소비 데이터 분석을 통해, 정확한 타깃 고객 선정)
=> 앞으로는 데이터 이해도와 분석능력이 필수
2) 마케터가 보는 데이터
데이터 구분하기 – 내부(회사 보유) 데이터 / 외부데이터
<내부데이터>
고객 기본 정보, 거래/구매 이력, 마케팅 데이터 등 -> 고객 행동패턴 등 중요 데이터 파악 가능
고객 선호 제품/서비스 파악, 성과 평가 및 개선에 도움
<외부데이터>
날씨, 경쟁사 실적, 검색엔진 검색어 순위, SNS 트렌드 등 -> 시장 환경 및 경쟁사 동향, 고객 예측가능한 행동 파악 가능 (ex. 옥외광고 qr태그 실적에 영향을 준… 비오는 날씨!)
타깃 고객의 니즈 파악, 제품 및 서비스 기획의 근거
Cf. 부정적인 뉴스 : 해당 주제에 대해 요즘 사회/타깃 소비자들의 관심사가 높다는 판단, 이에 대한 추가적인 제품/서비스 니즈가 있음을 유추 가능!!
<내부 데이터 활용 예시>
1) 판매 데이터 분석
2) 구매자 행동 분석
3) 리뷰데이터 분석
4) 마케팅 데이터 분석
<외부 데이터 활용 예시>
1) 경쟁업체 분석
2) 소비자 니즈 파악 (주로 네이버 검색어 중심으로 파악; SEO)
3) 소셜 미디어 분석
4) 시장 동향 파악
3) 데이터와 데이터 테이블 이해하기
1. 데이터란 무엇일까?
- 가공되지 않은, 1차적 자료
- 어떤 관점, 어떤 방법으로 분석하느냐가 중요
Cf. DIKW 피라미드) 데이터를 유용하게 가공하면 정보, 정보에서 맥락을 구성하면 지식, 이걸로 인사이트가 도출되면 지혜!!
=> 의사결정 소요시간을 단축시키는 좋은 방법!
2. 데이터 형식 이해하기
데이터는 전체 표에서 각각의 구분 항목들, 이 항목들을 테이블화해서 데이터 간의 연관관계 파악하여 의미있는 정보를 발견하면 ‘데이터 분석’!!
3. 데이터테이블 형식 이해하기
데이터베이스에서 우리가 무슨 데이터를 보유중인지 파악하고 -> 그 중 무슨 정보 데이터베이스를 참고할 것인지 정하고 -> 중복되지 않은 고유값을 바탕으로 데이터 테이블을 구성하기!
Cf. SQL을 마케팅에 활용하려면, 회사의 데이터베이스 파악이 필요!
Cf. 보통은 개발팀 및 데이터팀에서 관리하는 데이터베이스. 마케터의 접근권한이 적은 경우 다수!
<데이터 테이블> 가계부 예시
1) 무슨 상세 항목을 볼 예정인지, 테이블 그리드를 먼저 구성
2) 그 구조 안에다가 각각에 맞는 데이터를 넣음!
4) 실무 데이터 분석 프로세스
1- 데이터 분석의 오해
어려운 방식, 툴 자체의 활용보다는 의미 있는 인사이트와 실행 가능성을 발견할 수 있냐가 중요!
기본적으론 엑셀과 스프레드시트 활용이 우선이다~
=> 내가 현재 필요한 데이터가 무엇인지, 구체적으로 알고 이를 바탕으로 소통, 요청할 수 있어야 함. 데이터 분석의 목적이 무엇인지 파악!
=> Ex. 매출 데이터를 본다면 –> 기준 기간은? / 특수매출건 포함?(이벤트 프로모션건 등) / 구매취소건 포함 여부? 등등
2- 데이터 분석의 2가지 프로세스
데이터의 수집과 정제 / 데이터 분석 / 인사이트 해석 / 개선 및 피드백…. 이 일반적
But 마케팅의 데이터 분석 프로세스는?
> 첫번째 : 가설 설정하고 – 데이터 수집 후 – 인사이트 도출해서 – 액션 실행
(cf. 상관관계 = 인과관계가 아니므로 섣부른 판단 주의)
> 두번째 : 데이터 모니터링 중 – 특이점 발견 후 – 가설 설정하여 – 데이터 분석 – 인사이트 도출 – 액션 실행
(cf. 특이점을 발견하는 자체가 어려움. 대시보드는 일반적인 흐름을 보여줌)
=> 주로 첫번째 방식이 실무에서 자주 활용됨. 두번째는 지속적으로 자주 모니터링 필요
=> 이때 가설 설정의 근거가 되는 정량적/정성적 경험이 필요할 수 있음 (ex. 요즘 이런 가방이 많이 보이넹~~)
5) 마케팅 데이터 수집 구조 및 방법
1- 데이터 수집과 적재 구조
- 클라이언트 / 서버 구조 이해
사용자가 클라이언트로 접속하면 -> 클라이언트가 서버에 데이터를 요청해서 -> 서버에서 요청에 맞는 데이터를 전송해줌 (클라이언트는 보여주는 역할, 데이터 보유는 서버가)
데이터분석용 입장 ex.) 페이지의 구글애널리틱스 스크립트가 클라이언트 / 구글 애널리틱스 자체가 정보 저장하는 서버의 개념
Cf. 구글 태그매니저 (웹에서는 필수)
구글태그매니저에 스크립트/픽셀 등등을 입력 후 -> 웹사이트에는 구글 태그매니저의 스크립트만 잘 넣어두면!! -> 이에 맞는 서버 데이터를 불러오게 됨
2- 마케팅 데이터 수집 방법
- 다양한 수집 채널
Cf. 히트맵 분석 서비스; 페이지 내 실시간 행동 데이터 파악
;사람들이 페이지를 얼마나 스크롤 내려 보았고, 무엇을 클릭했으며, 어디서 주로 이탈을 하는지 등 실시간 행동 데이터 파악
- 서드파티 데이터 지원 금지 이슈 ; 이러면 PA툴은 활용도 못하는데;;?
제로파티 데이터 : (신규 개념!) 리뷰, 설문 등 유저 자발적으로 남긴 정보
퍼스트파티 데이터 : 사용자가 회사 내 서비스를 이용하면서 수집되는 정보
세컨드파티 데이터 : 다른 회사에서 수집한 유저 정보 (ex. 통신사, 플랫폼 제휴 활용)
서드파티 데이터 : 기업과 고객 간에 관계 없는, 외부 로그데이터!!
è 내부에서 자체적 분석을 진행할 수 있도록 제로~퍼스트파티 데이터의 중요성이 강조됨
(ex. 토스 만보기 앱테크)
è 중요도가 높아진 4가지
- 검색엔진 데이터 (고객의도 데이터; cf. 쿠팡 등 커머스 내 검색도 참고 지표가…!)
- 설문조사
- CRM 데이터 (회원정보)
- 히트맵 데이터
6) 마케팅 퍼널 단계별 필요한 데이터 기획
1- 마케팅 퍼널이란?
AIDMA에서 -> AISAS로 바뀌어간 마케팅 퍼널
=> 그러나 퍼포먼스에서 가장 많이 사용하는, 세일즈 퍼널
- Top of Funnel (TOFU) – 인지 단계; 브랜딩 & 광고
- Middle of Funnel (MOFU) – 구매의 고려 단계 ; 프로모션
- Bottom of Funnel (BOFU) – 결정 단계; 리타겟팅 & CRM
2-실무에서 많이 쓰는 AARRR
획득 -> 활성 -> 유지 -> 매출 -> 추천
각 단계에서 어떤 데이터가 필요한 지 명확히 정의할 수 있음 (커머스/모바일게임 예시!)
Cf. 올리브영 AARRR 분석 예시 : 서비스의 이용 퍼널을 파악하고 -> 그 과정이 AARRR중 어느 단계인지를 보며 -> 이에 따라 무슨 데이터를 볼지 정하여 -> 각 프로세스에서 어떻게 서비스 사용 전환을 유도하고 있는지 분석중임
3- AARRR 프레임워크 적용하기
숙제 -> 퍼널 정하는 브랜드 정하고, 서비스 이용 프로세스 구축 후 -> AARRR 퍼널에 따라 각 단계에서 수집할 데이터 정의
Cf. 커머스 등 여러 가지의 서비스를 운영하는 경우, 특정 서비스를 집어 구체화하는 것이 좋음.
=> 무신사 앱의 ‘플러스배송’ 탭을 선정해서 숙제 진행할 예정