데이터 기반 개인화 추천 (2/3): 마케팅편

안녕하세요 뷰저블입니다. 자신의 경험이 개인화 되었을 경우 구매율이 증가하는 소비자의 비율이 48%라고 합니다. 전혀 관계 없는 결과가 제공될 경우 실망하는 소비자의 비율은 무려 74%라고 하네요. 글로벌 최고의 e-커머스, 아마존 닷컴은 전체 페이지 뷰의 30%가 개인화 추천을 통해 발생합니다.

오늘 공유 드릴 인사이트 글은 e-커머스 서비스의 데이터 기반 개인화 추천, 마케팅편입니다. 개인화 마케팅이라는 단어를 들어보신 적 있지 않으신가요? 기술의 발전으로 기업은 고객에게 최적의 타이밍에 매출을 극대화할 최적의 마케팅 메시지를 소구할 수 있게 되었습니다. 이번 글에서는 개인화 마케팅을 위해 수집해야하는 데이터, 개인화 마케팅의 주요 사례, 뷰저블을 활용한 마케팅 실행법에 대해 말씀 드리겠습니다.

개인화 마케팅이란 고객의 개별 행동 데이터에 기반하여, 최적의 마케팅 메시지를 만들어 내는 일을 말합니다.

이전에는 단순히 회원가입 단계에서 입력 받는 ‘성별, 연령’ 같은 기본적인 데이터만으로 개인화 마케팅을 집행해왔습니다. 허나 이제는 빅데이터 기술이 발전하며 다양한 고객 데이터를 수집하고 분석하는 것이 가능해졌습니다. 서비스를 방문한 고객의 여정(Journey)을 파악하고 그 안에서 어떤 문제점을 겪는지, 어떤 곳에서 이탈하였는지를 추적할 수 있게 된 것이죠.

고객이 처한 문제점을 해결하기 위해 적절한 시점에 마케팅 메시지를 던지거나 UX를 개선하고, 상품을 탐색하는 것을 넘어 구매까지 이어질 수 있도록, 만일 이탈하였다면 다시 재방문할 수 있도록 매우 구체적인 액션을 취할 수 있게 되었습니다.

개인화 마케팅이란, 결국 기업이 고객의 연령, 성별, 구매 이력, 관심 상품, 설치한 경쟁사 앱, 서비스에 유입하고 이탈한 시점 등의 다양한 데이터에 기반하여 해당 고객에게 꼭 맞는 마케팅 액션을 취하는 것을 의미합니다. 그렇기 때문에 개인화 데이터를 고객 여정에 맞게 얼마나 상세하고 체계적으로 수집하는가에 따라 마케팅 또한 성공이 좌우된다고 말할 수 있습니다. 크게 어떤 데이터가 있는지 살펴봅시다.

개인화 데이터를 분석하여 매출을 부양하는 것이 마케팅의 가장 큰 목표입니다.

e-커머스 마케터의 목표는 브랜드 홍보도 있지만 가장 핵심적인 KPI는 바로 ‘매출 부양’입니다. 데이터를 분석하면 구매 여정 속에 놓인 고객에게는 최적화된 상품을 추천할 수 있고, 이탈 고객에게는 관심을 보였던 상품을 고객이 자주 방문하는 사이트와 방문 예정 시각에 다시 제안할 수 있습니다. 어떤 방식으로 구체적으로 제안할 수 있을까요? 뷰저블의 아이디어를 공유합니다.

1) 장바구니 상품 기반 개인화 추천 이메일

– 활용 데이터 : 고객이 최근 장바구니에 담은 상품 중 구매하지 않은 상품 
– 개인화 추천 내용 : 장바구니 상품과 유사 상품 추천하여 클릭 및 구매 유도

고객의 장바구니 상품 인지하여 구매를 유도할 수 있도록 ‘고객님께서 최근에 담으신 상품이에요’라는 문구와 함께 이메일을 발송해보세요. 고객이 스팸이라고 느끼지 않으면서도 이메일 클릭을 유도하기 위해 할인 쿠폰과 함께 보내면 더욱 좋겠죠. 또한 장바구니 상품과 연관된 상품을 함께 추천하여 서비스 재유입을 유도하고 구매를 일으킬 수 있습니다. 상품 단위 외에도 기획전 등도 좋은 예가 될 수 있죠. 

2) 검색어 기반 개인화 추천 이메일

– 활용 데이터 : 고객의 서비스 내부 검색창 이력, 상품 상세 뷰(View) 이력
– 개인화 추천 내용 : 개인 탐색 이력을 바탕으로 연관 기획전, 연관 카테고리 내 상품 추천

검색 이력과 상품 뷰 이력을 통해 고객의 관심사를 파악하고 개인화된 이메일 콘텐츠를 구성하여 발송해 볼 수도 있습니다. 아래 예시 이미지는 미국 뉴욕에서 시작된 유명한 화장품 구독 서비스 버치박스와 호주에서 가장 큰 여행사 플라이트 센터의 마케팅 이메일입니다.

버치박스에서는 고객이 장바구니에 담은 상품의 구매를 촉진시키기 위해 해당 상품 데이터를 ‘Your Cart Misses You!’라는 타이틀로 이메일을 발송하고 있습니다. 개인화된 콘텐츠답게 ‘고객님!’이라고 부르지 않고 ‘Hi Allison’이라고 적혀있네요. 오른쪽 이미지는 플라이트 센터의 개인화 이메일입니다. 고객의 크루즈 여행의 상품 탐색 이력을 바탕으로 해당 상품 중 핫딜 상품을 제안하고 있습니다.

3) 상품 탐색 데이터 기반 개인화 추천 앱 푸시 쿠폰

– 활용 데이터 : 고객이 자주 구매하는 상품의 카테고리
– 개인화 추천 내용 : 상품 카테고리 할인 쿠폰 앱푸시 발송

앱 푸시도 빼놓을 수 없는 개인화 마케팅 영역입니다. 많은 서비스들에서 앱 푸시를 개인화하여 보내지 않고 매스 기반으로 전체 고객에게 보내고 있습니다. 어떤 고객에게는 이 앱 푸시가 ‘혜택’이라고 느끼지 않고 노이즈로 느껴질 수 밖에 없을텐데요, 자신이 원하는 콘텐츠가 아닐 수 있기 때문입니다. 그래서 마케터는 꼭 이 앱 푸시 영역 또한 타겟 마케팅 중 하나로 개인화해야합니다.

글로벌 서비스들은 일찍이 앱 푸시를 개인화하여 발송하고 있습니다. 대표적으로 넷플릭스에서는 고객의 관심 콘텐츠와 기존 열람 콘텐츠 이력을 기반으로, 신규 시즌이 나온 공지 푸시를 보냅니다.

4) 포인트 및 쿠폰 소멸 안내 및 사용 유도

– 활용 데이터 : 고객의 개인 CRM 데이터 (잔여 포인트, 보유 쿠폰)
– 개인화 추천 내용 : 잔여 포인트 및 보유 쿠폰 소멸일 7일 전 알림

대다수 e-커머스에서 기본적으로 하고 있는 마케팅입니다. 바로 보유하고 있는 포인트 또는 쿠폰이 소멸될 때 알림톡이나 SMS 등으로 알림을 주는 것인데요, 보통 고객이 자신이 갖고 있는 쿠폰이나 포인트 금액을 기억하지 못하기 때문에 굉장히 고객 친화적이면서도 효과적인 마케팅 수단입니다. 활용할 수 있는 데이터로는 CRM 기반 포인트 정보나 쿠폰 정보가 될 수 있겠네요.

5) 자주 구매 상품 재구매 시점 알림

– 활용 데이터 : 상품별 평균 구매 주기
– 개인화 추천 내용 : 구매 주기 도래 N일 전 구매 유도 알림

장보기몰이나 반려동물 관련 카테고리의 경우에는 자주 구매하는 상품군이 정해져 있습니다. 사료, 생수 같은 상품들이 대표적인 예라고 할 수 있는데요 이 외에도 샴푸나 바디워시, 휴지 등이 있습니다. 이러한 상품들의 구매 주기와 빈도를 분석하여 특정 일자에 알림을 줄 수 있습니다. ‘고객님, 혹시 샴푸를 구매해야 할 시기가 다가오지 않으신가요?’ 하고요.

뷰저블을 통해 기본적인 개인화 추천을 위한 데이터 분석 시작하기

개인화 추천은 e-커머스에서 필수불가결한 요소이지만 고도화된 전문 데이터 분석 인력을 보유하고 있거나 추천 시스템을 활용하지 않으면 실행이 어렵습니다. 추천 시스템은 업체에 따라 상이하지만 보통 도입 비용으로 억 대의 예산이 발생하죠. 그렇기 때문에 작은 것, 시작할 수 있는 것부터 실행하고 규모를 서서히 확장해나갈 수 있어야 합니다.

1) 퍼널을 통해 고객의 병목 구간이 되는 적용 대상 페이지 선정하기

뷰저블은 퍼널 설정과 페이지 별 고객 여정 탐색을 통해, ‘어떤 구간이 가장 문제가 되며 어떤 개인화 추천 방안을 적용하여 고객의 이탈을 적용할 수 있을지’ 아이디어를 도출해보는 것을 추천합니다. 해당 아이디어는 고객 개별 행태에 따른 개인화 추천보다는 좀 더 매스 기반의 특정 세그먼트로 확장되는 개념이 되어야겠죠. 충분히 성과를 달성할 수 있을 것입니다.

만일 구매 여정 중 ‘장바구니’에서 구매로 이어지지않고 가장 많이 이탈을 한다면 어떻게 해야할까요? 구매 전환율을 높이기 위한 방안으로 마케터는 장바구니 추가 할인 쿠폰을 정기적으로 고객에게 발송할 수 있습니다. 매출액과 비교하여 고객들이 장바구니에 많이 담는 카테고리 또는 상품군에 대한 쿠폰이라면 더욱 좋겠죠.

[Tip] 퍼널을 신규 고객과 재방문 고객 세그먼트로 구분하는 것도 매우 중요합니다. 재방문 고객이 상품 탐색 과정중에 너무 많이 이탈한다면, 정기적으로 신규 상품에 대한 앱 푸시를 발송하여 재방문을 유도할 수 있습니다.

2) Path 기능을 활용하여 마케팅 대상 타깃에 따른 콘텐츠(소재) 도출하기

다음으로는 페이지 별 고객의 탐색 행태를 분석하여 타겟에 따른 마케팅 소재를 도출할 차례입니다. 퍼널에서 병목구간을 발견하였다면 해당 페이지의 상세 여정을 통해 고객이 선호하는 콘텐츠는 무엇인지, 이탈의 원인은 무엇인지를 밝혀내야 합니다.

뷰저블의 Path Plot에는 활동 범위에 따라 전반적인 탐색 행태를 보이는 ‘평균 그룹’과 활동 정도가 상위 25%에 해당하는 ‘FANs 그룹’을 구별하여 해당 고객 그룹군의 탐색 과정을 파악할 수 있습니다. FANs 그룹 중에서도 신규 방문자와 재방문자로 탐색 행태를 다시 분류하면 더욱 효율적인 마케팅 소재 도출이 가능하겠죠?

평균 그룹

먼저 평균 그룹의 고객 여정을 살펴봅시다. 저는 이 평균 그룹 중에서도 버튼을 클릭하여 전환한 ‘Conversion’ 고객으로 다시 한번 세그먼트를 분류하였습니다. 고객이 가장 관심있어 하고 궁금해하는 니즈(Needs) 콘텐츠는 보통 가장 먼저 액션이 일어납니다. 우측 하단의 내비게이션 플로우(Navigation Flow) 기능을 활용할 수 있습니다.

평균 그룹은 Features GNB에 대해 가장 먼저 액션이 일어났을 뿐만 아니라 체류 시간 또한 가장 긴 것을 확인할 수 있었습니다. 1번 순서 콘텐츠에 작게 ‘별’ 표시가 마킹되어 있는데요, 핵심 콘텐츠라고 해석할 수 있습니다. 평균 그룹의 고객들은 Features 기능 다음으로 새로운 기능인 Path Plot을 직접 클릭하여 알아본다는 것을 알 수 있습니다.

또 하나, 고객의 여정 중 특이한 점을 도출하면 전반적으로 ‘GNB 영역’에 대해 머물려 탐색한다는 점입니다. Path Plot의 2번으로 찍히는 콘텐츠 외에 대다수가 GNB 메뉴입니다. 스크롤을 하여 전반적으로 페이지를 둘러보려는 행태이기보다 눈에 보이는 GNB 메뉴, 핵심 콘텐츠 위주로 둘러보려는 행동을 보입니다.

FANs 그룹

그렇다면 상위 25% 풍부한 활동을 보인 FANs 고객의 움직임은 어떨까요? 내비게이션 플로우를 살펴보면, 가장 먼저 UX Heatmap 기능과 평균 그룹과 마찬가지로 Path Plot에 대해 궁금해하는 것을 확인할 수 있었습니다. 평균 그룹이 GNB 영역에 가장 먼저, 전반적으로 오래 머물렀던 것에 비해 FANs 그룹은 하단의 핵심 기능 콘텐츠에 대해 훨씬 더 많이 궁금해하고 많이 탐색하는 행동을 보입니다. 평균 그룹이 얻고자 하는 행동이 ‘서비스 전체’를 아우른다면, FANs 그룹은 ‘기능’에 집중하며 더욱 폭이 좁고 깊다고 해석할 수 있습니다.

그럼 스크롤을 쭉 내려 ‘별’ 마크가 달린 체류 시간이 길었던 핵심 콘텐츠는 무엇인지 알아볼까요?

7번에 별 마크가 달려있는데요, Segmenting CTA 기능에 대해 가장 오래 체류한 것을 알 수 있습니다.

3) 분석 결과를 바탕으로 평균 그룹과 FANs 그룹을 대상으로 마케팅 집행 해보기

위 Path Plot을 통해 분석한 내용을 정리하면 다음과 같습니다. 두 타겟으로 나누어 대표 콘텐츠를 선정 할 수 있겠죠?

평균 그룹 : 뷰저블 서비스에 대해 포괄적이고 전반적인 내용(서비스 특징, 가격, 기능, 도입 사례 등)에 대해 궁금해하며 GNB를 탐색한다. 특히 기능에 대해 궁금해한다.

FANs 그룹 : 뷰저블 서비스 중에서도 기능을 가장 많이 궁금해하며, 체류시간에 따라 [Segmenting CTA – User Analytics – UX Heatmap – Path Plot] 순으로 관심이 있다.

뷰저블은 B2B 기업이기 때문에 보통 두 타겟에 따라 이메일 마케팅이나 블로그 글의 핵심 소재로 선정할 수 있습니다. e-커머스라면 기획전, 특정 상품 등으로 한정이 될텐대요, 매출 데이터와 연관 지어 상품이나 콘텐츠를 선정할 수 있습니다. 관심있는 콘텐츠를 대상으로 앱 푸시 또는 알림톡 마케팅을 실시해보는 것은 어떨까요?

오늘은 개인화 추천 중에서도 마케팅 영역에 포커스하여 인사이트를 공유 드렸습니다. 전반적인 개인화 추천 마케팅의 정의와 사례, 뷰저블을 활용한 실행법을 말씀드렸는데요 다음 글은 e-커머스의 ‘데이터 기반 개인화 추천’ 마지막 글로 UX편을 전달 드리겠습니다. 다음에도 많은 기대 부탁드립니다.

함께 읽어보면 좋은 글: 앱 푸시 알림이 리텐션에 미치는 영향
참고글: 개인화 및 추천 기능의 맞춤형 AI 서비스 혁명 (아마존)