여러분, 안녕하세요! 뷰저블입니다. 이번 시간에는 지난 글에서 소개드린 ABC분석과 연관된 ‘파레토의 법칙’에 대해 소개해드리려고 합니다! 두 가지 개념 사이에는 어떤 연관성이 있는 지, 또 e-커머스에서 어떻게 활용하실 수 있는 지 알려드릴게요.
파레토의 법칙과 ABC분석은 어떤 연관성이 있나요?
글을 읽는 어떤 분들은 파레토의 법칙과 이전 글에서 소개드린 ABC분석의 차이점에 대해 궁금해하실 수도 있을 것 같습니다. 우선 파레토의 법칙에 대해 설명드릴게요.
파레토의 법칙이란?
파레토의 법칙은 잠시 위에서도 언급한 것처럼 전체 매출의 80%를 20%의 상품들이 만들어낸다는 의미로 이탈리아 경제학자 빌프레도 파레토가 발견한 법칙입니다. 파레토의 법칙도 결국 ‘주력 제품’의 중요성을 강조한다는 측면에서 ABC분석과 일맥상통한다고 말할 수 있습니다. 파레토의 법칙에 따르면 ABC분석 중 C그룹으로 분류된 상품들은 관리 측면에서 효율을 도모하기 위해 과감하게 메뉴삭제를 검토할 수 있습니다.
온라인 구매행태가 바꿔놓은 파레토 법칙과 ABC 분석
- A그룹: 매출 기여도가 제일 높은 그룹
- B그룹: 매출 비중이 전체의 중간인 그룹
- C그룹: 매출 비중이 적은 그룹
헌데 여러분, 온라인 커머스가 강화되면서 위 법칙이 조금씩 변화하고 있습니다. C그룹에 속하는 사람이 검색을 통해 쉽게 상품을 접하고 구매기회가 증가한 것이죠. 또한 온라인 커머스는 오프라인 매장에 비해 재고관리 비용이 상대적으로 매우 낮습니다. 이 때문에 히트상품만을 판매하던 오프라인과 달리 다양한 고객 수요에 부응하는 곳들이 늘어났습니다.
주력상품 외에도 다양한 고객의 니즈에 부응하기 위해 판매하는 상품들이 늘어나게 되고 C그룹에 속하는 상품들은 계속해서 증가합니다. 이를 ‘롱테일의 법칙’이라고 부릅니다. ABC분석으로 친다면 C그룹에 속한 상품들이 G부터 Z까지 쭉 긴 꼬리처럼 늘어난 형태라고 볼 수 있습니다. 개별 상품 단위의 매출은 적지만, 전체 매출로 따지면 영향도가 적다고 볼 수는 없습니다.
ABC 분석과 파레토의 법칙은 상품을 중요도 순으로 분류하여 관리할 수 있는 효율적인 방법입니다.
최근 온라인 커머스가 대두되면서, 검색 기능과 재고 관리 비용 절감을 통해 C그룹의 니즈가 늘며 전체 매출에 미치는 영향력이 높아졌습니다.
ABC분석을 통해 상품별로 대고객 서비스 수준을 달리하고 마케팅 운영 강도를 분류할 수 있으면서도 롱테일 법칙을 활용하여 검색 기능 등을 보완하고 고객이 잘 찾을 수 있도록 전시한다면 좋은 성과를 얻을 수 있을 것입니다.
뷰저블로 매출 비중이 적은 C그룹 분석하기
매출 비중은 적지만 영향도가 있어 고려해야 하는 C그룹! 어떻게 찾아내고 관리해야 할 지 막막하신가요? 뷰저블이 도와드릴게요. 뷰저블의 Path-plot 기능과 Segmenting CTA 기능을 활용해서 분석을 시작해봅시다.
1. Path-plot 활용해서 C그룹 찾기!
Path-plot은 전체 사용자를 대표하는 탐색 흐름을 확인할 수 있으며, 각 구간(요소)별 사용자의 체류시간 및 주된 탐색 정보를 파악할 수 있습니다. Path-plot에서는 사용자를 다양하게 그룹핑해서 살펴볼 수도 있는데요, 세그멘팅은 크게 평균 그룹과 FANs로 나눠집니다.
- Activity: 주요 요소에 대한 클릭,무브,터치 인터랙션
- 평균 그룹: 평균적인 활동 범위를 가진 그룹, 페이지 내 Activity 규모가 평균 범위에 속하는 약 50% 의 사용자
- FANs: 실제 고객으로 확장될 확률이 높은 FANs 그룹, FANs 그룹의 방문자는 Activity 정도가 상위 25%에 속함
2가지 그룹은 위와 같은 특징으로 분류됩니다. 비중은 적지만 영향도가 있는 C그룹의 분석을 위해서는 평균적인 50% 사용자보다 비중이 적지만(25%) 활발한 활동을 하는 FANs 그룹이 더 알맞겠네요. FANs 그룹의 Navigation Flow에서 공통적으로 나타나는 콘텐츠가 무엇인지 탐색해봅시다.
공통적으로 나타나는 콘텐츠는 사용자들이 관심을 많이 가지고 있는 콘텐츠라고 볼 수 있습니다. 해당 콘텐츠는 대중적이지 않을 수 있지만, 마이너하고 영향력있는 사용자에겐 상품을 구매할 결정적 이유가 될 수도 있고, 사이트를 계속 방문할 이유가 될 수도 있습니다.
공통적으로 나타난 이 콘텐츠를 분석해보는 것은 어떨까요? 만약, 평균 그룹에서도 동일하게 나타나는 콘텐츠라면 약75%의 사용자가 관심있어 하는 콘텐츠이니 더 중요하겠죠?
2. Segmenting CTA 으로 C그룹 분석하기!
Segmenting CTA 에서는 상위권 CTA 뿐만 아니라 하위권 CTA까지 모든 CTA에 대한 분석이 가능합니다. Path-plot을 통해 찾아낸 C그룹 콘텐츠에 대해서 어떤 분석이 가능한 지 살펴볼까요?
특정 CTA를 클릭하면 위 이미지와 같이 우측에 분석 내용이 펼쳐지게 됩니다. 해당 CTA를 사용/비사용한 사용자로 나누어 분석을 할 수도 있죠. 분석 내용을 통해 알 수 있는 항목은 다음과 같습니다.
- 해당 CTA를 사용/비사용한 사용자의 유입경로
- 전체 사용자 대비 PV, UV 비교
- 신규/재방문 사용자 비율 (vs 전체 사용자)
- 페이지에 머무른 평균 체류 시간 (vs 전체 사용자)
이 정보들을 역추적하면 사이트의 전환율을 높이는데 도움이 되는 인사이트가 나올 수 있습니다.
예를 들어, 해당 CTA를 클릭한 사용자의 유입경로에서 클릭하지 않은 사용자와 차이가 있다면, 해당 경로에서 오는 사용자 그룹의 특징을 유추해볼 수도 있을 것이고, 그 경로에 해당 CTA와 관련된 마케팅 문구를 더 강조해볼 수도 있겠죠! 다양한 관점에서 해당 콘텐츠를 분석해봅시다.
지난 시간에는 상위 제품들을 분석하는 법에 대해 설명해드렸다면, 이번 글에서는 하위 그룹이지만 매출에 영향력있는 제품들을 찾아내고 분석하는 방법에 대해 소개해드렸습니다. 다음 글에서는 다양한 고객군을 이해할 수 있는 CRM 체계의 기본과 분석기법을 함께 알아보도록 할게요!
