데이터 마케팅 입문자가 알아야 할 7가지

가 +
가 -

과거 기업은 심리학 기반 마케팅 기법으로 고객의 관심을 끌었다. 최근엔 조금 달려졌다. 통계 기반의 마케팅 기법이 유행하고 있으며, 이를 데이터 마케팅이라고 부른다. 하지만 데이터는 주로 IT 영역에서 많이 다뤄졌던지라 마케터나 기획자는 데이터 마케팅을 어떻게 시작할지 막막할 수 있다. 아래는 전병국 검색엔진마스터 대표가 3월10일 개최된 ‘데이터 마케팅 인사이트‘컨퍼런스에서 발표한 내용 일부다. 데이터 마케팅 입문자가 알면 좋은 정보들이 많다.

Bloter_conference_data_marketing_01

▲전병국 검색엔진마스터 대표(사진:블로터 컨퍼런스)

1. 데이터 분석 담당자는 누구?

데이터 분석에 대한 관심이 높아지면서 개발자뿐만 아니라 기획자, 마케터, 디자이너까지 데이터를 배우고 있다. 전병국 대표는 “다양한 배경을 가진 사람들이 데이터분석에 몰리는 것은 당연한 일”이라며 “각 기업들은 이러한 사람들이 어떻게 함께 모여 시너지 효과를 낼 수 있을지 고민해야 한다”라고 설명했다. 기업이 선택하기 쉬운 해결책은 외부 컨설팅을 받는 거다. 솔루션을 도입하거나 실력있는 인재를 외부에서 데려올 수도 있다. 전병국 대표는 “현업에서 일하고 있는 사람을 데이터 분석쪽으로 최대한 끌어오는게 좋다”라며 “현재 개발자들이 관심을 많이 보일테지만 현업에서 일하는 사람 등과 팀으로 일할 수 있게 지원하는 게 가장 나은 방법”이라고 조언했다.

2. 데이터마케팅은 어떤 상황을 해결해주는가? 

고객의 요구를 파악할 때, 시장을 세분화할 때, 가격을 결정할 때 데이터 마케팅을 활용할 수 있다. 고객을 분류할 때, 상품을 분류하고 적절한 위치를 찾을 때, 광고를 최적화할 때, 사용자 네트워크를 분석할 때, 판매 상황을 예측할 때도 마찬가지다. 데이터 분석 결과로 의사결정에 도움을 받고 누군가를 설득할 수 있다.

3. 데이터 분석 과정이란?

블로터 플러스 '지식 아카이브'

데이터 분석 과정은 크게 3단계로 나뉜다. 첫 번째는 데이터를 수집하는 단계다. 그 다음은 데이터를 준비하고 정제하는 과정이다. 데이터는 보통 여러 부서에서 받아 취합한다. 받은 파일을 열어보면 데이터의 포맷은 제각각이고, 특성이나 구조가 다른 경우도 많다. 심지어는 오류도 섞여 있다. 주소 데이터를 예를 들자면 어떤 곳은 ‘서울특별시’라고 표기하고 어떤 곳은 ‘서울’ 혹은 ‘서울시’라고 표현한다. 이러한 것을 통일하고 사용할 수 있게 만드는 게 바로 정제 단계다.

사실 정제 단계는 데이터 분석 전체 단계에서 가장 시간과 노력이 많이 들어가는 부분이다. 데이터 규모가 작다면 정제 단계를 한 사람이 맡을 수 있지만 데이터가 아주 많은 상황이라면 개인이 아닌 팀 단위의 지원이 필요하다. 마지막 단계는 데이터를 분석하는 과정이다. 분석을 하면서 설득하고자 하는 주제를 만들거나 시각화해 결론을 낼 수 있다. 전병국 대표는 “시각화에서 중요한 점은 어떤 상황에서 어떤 차트를 쓸 것인지 고르는 부분”이라며 “차트를 적확하게 쓰는게 지저분한 인포그래픽보다 훨씬 낫다”라고 조언했다.

Bloter_conference_data_marketing_02

▲사진 : 전병국 검색엔진마스터 대표 발표 자료

Bloter_conference_data_marketing_03

▲사진 : 전병국 검색엔진마스터 대표 발표 자료

4. 데이터 분석 시 필요한 도구는?

데이터 도구는 아주 많다. 가격도 무료에서 유료까지 다양하다. 도구를 잘 조합하고 활용하는 능력도 데이터 마케팅에서 중요하다.

Bloter_conference_data_marketing_08

▲사진 : 전병국 검색엔진마스터 대표 발표 자료

5. R와 파이썬은 필수?

최근 데이터 분석을 이야기할 때 빠지지 않고 등장하는 것이 바로 R와 파이썬이다. R와 파이썬은 각각 통계 언어이자 프로그래밍 언어다. 사실 비전공자가 프로그래밍 언어에 바로 도전하는 것이 말처럼 쉽지 않다. 전병국 대표는 “현장에서 실무를 다루시는 분 가운데 R나 파이썬을 자유자재로 이용하는 사람들은 드물다”라며 “R로 넘어가기 전에 엑셀같은 익숙한 도구를 이용해 먼저 데이터 분석을 시작할 것을 권유한다”라고 설명했다. 비교적 학습하는 데 부담이 적은 엑셀이나 구글 애널리틱스를 이용하고, 이러한 도구로 해결하지 못하는 문제가 발생했을 때 R나 파이썬으로 넘어가라는 얘기다.

6. RFM 분석+데이터 마케팅

더 읽어보세요!

RFM은 ‘Recency, Frequency, Monetary’의 약자다. 고객이 얼마나 최근에(Recency) 물건을 구입했는지, 얼마나 자주(Frequency) 우리 제품을 구매했는지, 결제한 제품의 총 가격(Monetary)이 얼마인지 데이터를 두고 분석하는 방법이다. 전병국 대표는 “RFM은 엄청난 통계학적 지식이 필요없는 분석 방법으로 최대값, 최소값, 비율 정도만 계산할 수 있으면 쉽게 접근할 수 있다”라고 말했다.

고객 200만명에게 제품 카탈로그 문서를 우편물로 전송하자고 치자. 상당수 고객은 해당 우편물을 열어보지도 않고 버린다. 이때 RFM 방식을 이용하면 상황을 개선할 수 있다. 예를 들어 기업은 RFM을 1등급부터 5등급까지 분류해 125개 그룹으로 나눌 수 있다. 기업은 각 그룹의 240명을 추출하고 총 3만명(125그룹×240명)의 고객을 먼저 선택한다. 그렇게 3만명의 고객에게 먼저 우편물을 발송하고, 가장 응답률이 좋은 그룹을 찾는다. 향후 125그룹 중 효과가 좋은 그룹 34개만 추려내고 해당 그룹에 속한 고객 모두에게 우편물을 보내면 이전보다는 훨씬 많은 사람들이 우편물을 열어볼 수 있다.

Bloter_conference_data_marketing_04

▲사진 : 전병국 검색엔진마스터 대표 발표 자료

Bloter_conference_data_marketing_05

▲RPM 상황 예. 수치는 예시일 뿐 각 상황과 기업에 따라 달라진다. (사진 : 전병국 검색엔진마스터 대표 발표 자료)

Bloter_conference_data_marketing_06

▲사진 : 전병국 검색엔진마스터 대표 발표 자료

Bloter_conference_data_marketing_07

▲사진 : 전병국 검색엔진마스터 대표 발표 자료

7. 데이터과학은 만능 해결사일까

전병국 대표는 “현업에 계신 분이라면 데이터과학에 대해 너무 걱정할 필요 없고, 반대로 너무 과대평가할 필요도 없다”라며 “언론이 만든 데이터과학자에 대한 이상적인 그림은 환상일 뿐”이라고 말했다. 또한 “새로운 데이터과학자를 기업에 영입했을 때보다 어설프더라도 현업에 계신 분이 엑셀과 R를 배워 데이터 분석을 하는 게 훨씬 혁신을 빨리 이끌 수 있다”라고 조언했다.

전병국 대표는 데이터 마케팅 입문자가 가장 처음 배워야 할 지식으로 ‘통계’를 꼽았다. 굳이 ‘회귀분석’부터 배울 필요는 없다. 중·고등학교 시절에 배우는 표준편차부터 먼저 공부하고, 작은 데이터를 가지고 데이터 분석 과정을 익히면 된다. 전병국 대표는 “통계를 보고 해석할 수 있는 정도라면 데이터 마케팅을 시작할 수 있다”라며 “여러 도구와 데이터들을 어떻게 조합하고 활용할지 연습하면 좋다”라고 설명했다.

네티즌의견(총 2개)