그로스 마케터라면 알아야하는 데이터와 CDP 및 DFINERY 이해 :: 12/7(수) 아이지에이웍스

🪧 주제 : 마케터를 위한 데이터 이해 CDP 및 DFINERY 이해

일자 : 12/7(수) 아이지에이웍스

 

데이터는 그 자체로 어떠한 의미가 있는가❓

100차 산업시대에도 변하지 않는 것.

 

*Path to Value(중요****)📣

DATA -> Reporting -> Analysis -> Decision -> Action -> Value

데이터를 본다음, 보고를 하고, 이게 왜 이렇게 되었지?를 분석, 분석한 내용을 보고 예를 들어 프로모션을 더 할지 말지 등의 의사결정을 해야함.

*Reporting vs Analytics

Purpose | Shows what is happening vs Explains why it is happening

Tasks     | Organizing, Formatting, Summarizing vs Questioning, Interpreting, Exploring  

Results  | Results are pushed to users for review vs Users pull results to answer questions

Value.    | Translate data into information.   vs Offers recommendation to drive action

 

 

스티븐 잡스 일화중에서 당신은 뭐하고 있어? 라고 물어봐서 대답을 못하면 짤린다는 썰이 있다. 그만큼 내가 무엇을 하고 있는 지 알아야한다. 리포팅은 데이터를 정보로 바꾸는 과정이기 때문에 중요하다. 리포팅을 통해 리소스를 줄여 놓고 분석에 집중하는 것이 중요하다.

 

분석은 결과에 대해서 왜 그렇게 되었지? 의문을 가지는 것이다.

매출이 왜 뛰었지? 아 첫 구매 프로모션 때문에 매출이 뛴건가? (Analysis)

그러면 다음에 이거와 유사한 타겟군과 비슷한 프로모션을 진행해도 유효하겠다(Insight)

 

이 단계는 실무에 쓰이는 건 아니지만 이 업무를 왜 해야하는지에 대해서 생각해볼만한 질문거리이다.

 

 

Report : 데이터를 정보로 요약. 무슨일이 발생했는가? 현상을 기술하는 영역

Analytics : 결과의 원인을 찾아내어 "왜"?에 대한 물음에 답하고 실제 액션을 이끌어내는 영역

 

Why?

=> Data Exploring : Cohort, Retention, Funnel

=> Insigh : Human Brain w/Data

=> Action & why again : Improve Ads, CRM w/Analytics

 

"Analysis Can Set You Free"

분석 업무에서?

원인을 모르는, 그래서 개선할 수 없다는 두려움에서!

알아야 개선을 할 수 있기 때문에

 

▶️ Growth Marketer

DATA를 기반으로 '서비스 성장 펀널'에 필요한 왜?를 찾아내고 개선하기 위한

시장 현황 분석, 개선 방안 제안, 가설 설계, A/B 테스트, 실행, 결과 분석 등을 하는 것이다.

=> 데이터를 어떻게 바라봐야하는지가 바로바로 생각 났으면 좋겠다.

▶️ Growth Marketing Loop 설계

서비스 분석부터 광고 운영 전략, 퍼포먼스 결과까지 피드백을 반영할 수 있는 Growth Marketing loop 구성

 

서비스 개선 -> 결과 분석 -> 전략 도출 -> 전략 구체화 -> 어트리뷰션 & 최적화

    "가설 설계와 검증"  "변곡점 지표 도출"  "캠페인 설계"   "캠페인 운영"

 

왜 이탈하는걸까? => 서비스가 매력적이지 않아서. UI&UX가 별로여서 등.

 

단순히 데이터를 분석하고 광고를 돌리는 것도 중요하지만 전체적으로 앞단과 뒷단의 흐름을 알고 맥락을 가지고 판단을 해야함.

제품의 서비스가 제대로 구축되어 있지 않은데 광고를 돌리는 것은 의미가 없다고 판단.

일례로 개인정보 약관 부분이 너무 길어서 그 단계에서 이탈이 많다면 디자인팀과 PO와 함께 이야기하면서 개선하는 것이 필요.

| Customer Data Platform

디지털 전환 기반 고객 데이터 활용은 화두가 아닌 성장을 위한 전략

 

나이키

"D2C 전략" : 고객 데이터 확보

기존에는 아마존과 같은 플랫폼을 거쳐서 구매를 했기 때문에 고객 데이터 확보하는 것이 어려웠었음

그래서 플랫폼 없이 직접 판매를 진행하는 D2C를 통해 회원가입, 구매 데이터 등 고객 데이터를 확보하는 것이 가능

 

                     => 고객 데이터의 관리와 활용이 핵심

 

스타벅스

"디지털 플라이휠"

매장 이용자와 디지털 경험을 연결하기 위해 디지털 플라이휠을 전개함

고객들이 사이렌 오더와 같이 모바일 기반에서 커피를 주문 및 결제하고 보상을 받으며 새로운 경험을 누릴 수 있도록 개인화 서비스를 제공함으로써 지속적인 상품 및 서비스 구매를 유지하는 전략이다.

 

옴니채널 경험이 점점 더 강하게 교차되는 D2C 비즈니스 환경

온라인*오프라인 : 경험의 강한연결, 경험 연속성의 중요성

코로나를 경험하면서 오프라인에 대한 욕구가 증가하게 되었고 이에 따라 온라인과 오프라인을 교차하는 옴니채널 경험이 주목 받을 것

그러면 온라인과 오프라인의 연결을 어떻게 하고 어떻게 데이터와 연결할 것인가?를 해결해주는 것이 CDP 플랫폼

 

QR코드, 페이스북 로그인, 캐치테이블 등으로 연결할 수 있는데 이거를 잘 수행한 사람들은 아직 없다.

왜냐하면 ATL과 BTL을 함께 경험해야 하는데 그런 사람들이 없기 때문이다.

 

개인정보를 얻는 것도 굉장히 중요한데 이러한 것들에 있어서 프라이버시를 침해하지 않아야하는 것도 중요하다.

실제로 개인정보보호법 관련해서 이런 내용들을 그로스마케터끼리 스터디하는 경우도 있다고 한다.

 

오프라인 매장에서 데이터는 어떻게 확보할까❓ 

멤버쉽 아이디 유저 아이디가 반드시 있어야한다. 오프라인 매장에 와서 어떻게하면 거부감 없이 데이터를 남겨야하는지가 중요하다.
자발적으로 정보를 남기게끔 만드는 것이 중요하다. 이러한 정보들을 흔히 '제로 파티 데이터'라고 생각하면 된다.

 

*제로 파티 데이터 : 내가 스스로 상품의 정보를 얻기 위해서 스스로 남기는 설문조사나 데이터

아마존고는 '아마존 멤버쉽 아이디'를 중심으로 진행하기 때문에 오프라인 매장에서도 데이터를 쉽게 획득할 수 있다.

 

카드 정보는 어디까지 알 수 있는가❓

포스업체를 통해서 데이터를 연결해야한다.

 

데이터 관련 전략 : 우리 서비스는 비로그인으로도 구매할 수 있지만 데이터를 확보할 수 없기 때문에 매출이 조금 감소하더라도 로그인을 통해 데이터를 확보하는 것이 중요해.

 

고객 데이터 운영의 기반이 되는 3가지 키워드

*데이터 서플라이 체인 : 고유고객 기반 데이터 통합, 신규 데이터 통합 유연성, 품질에 대한 지속적 검증

*데이터 거버넌스 : 데이터 통합 및 이용 정책 수립, 데이터 보호 체계 수립, 데이터 관리 책임정책 수립

*데이터 프로적트 : 데이터 수요자의 필요를 해결, 지속적이고 유의미한 개선, 개선에 대한 탐색과 우선순위

 

올리브영 매장 데이터 관리자라면 어떤 데이터가 모이는지 모르고 모으고 있는 데이터가 필요한 데이터인지 아닌지 잘 모르겠어. 데이터가 있긴 있는데 어떤 데이터는 일주일마다 갱신되고 어떤 데이터는 한시간마다 갱신되고 있어. 그러면 이거를 어떻게해?

Garbage in Garbage out. 이런 것들을 잘 관리하는 것이 데이터 서플라이 체인이다.

고객 데이터 특성 구분

✔️ 고객 행동 데이터(+세부 프로퍼티)

=> 히스토리컬한 데이터

 

고객 행동을 이력 기반으로 연동

:서비스 방문, 회원가입, 로그인, 상품보기, 구매

:회원가입 ID, 상품 ID, 상품 카테고리..

 

✔️ 고객 프로파일(profile) 데이터(+세부 프로퍼티)

=> 나를 중심으로 계속적으로 갱신되는 데이터

고객 현황을 중심으로 최신 상태 기반으로 갱신

: 성별, 연령, 회원등급, 최근 구매상품, 닉네임..

: 연령구분, 회원등급 구분, 닉네임 구분..

 

데이터 서플라이 체인 : 비즈니스에서 특히 중요한 이유

1) 고객 중심의 온오프라인 행동 및 프로파일 데이터 통합 필요

2) 웹, 앱, POS, ERP, 키오스크, 상담이력 등 다양한 데이터 소스로부터의 고객 정보 통합 필요

3) 데이터 통합 및 활용에 적합한 데이터 거버넌스 확보 필요(정보보호 체계, 활용동의 등)

데이터 서플라이 체인 : 데이터 소스별 특성

🪧자주 사용하는 데이터 소스

▶️앱, 웹  => 연동 도구 : SDK, Script 사용 => 연동방법 : 스크립트 설치 필요  => 고객 데이터 : 온라인 행동, 프로파일 데이터

▶️ERP, 콜센터 => 연동도구 : S2S API, File upload => 연동방법 : 데이터 구조화 필요 => 고객 데이터 : 프로파일(멤버십, 쿠폰발급, 포인트 등) *S2S : server to server

▶️POS, 방문, 상담, 키오스크 => 연동도구 : S2S API, File upload => 연동방법 : 멤버십 ID 등 식별값 필요 => 오프라인 행동, 프로파일(방문, 상담, 결제 등)

 

고유고객 ID를 중심으로 데이터 환경 구성이 필요

*얼마를 어떻게 투입할 것이고, 그에 따라 얼마만큼의 결과를 가져올 수 있는가를 고민해야함.

오프라인의 어떤 데이터를 가져올 수 있을까❓

매장 방문 + 주문, 키오스크 활용, 결제등록, 배송, 구매, 재구매 등

 

고객 식별ID 체계 이해 📣 (중요*****)

* 모바일 = ADID + UserID(회원가입시)

* 웹 = Cookie + UserID 기준

* 매장 = UserID 기준

* 사내관리 데이터 = UserID 기준

 

어디에서 어떤 데이터를 가져와야하는지에 대해서 기본적인 백그라운드를 가지고 있어야함.

데이터는 유저 아이디 중심으로 모이며 User ID에는 디바이스 정보, 행동/프로퍼티 데이터, 프로파일 데이터, PII 데이터가 있음

 

기업 Data 운영 담당자들이 실무에서 겪는 문제는?(19년도 자료)

1위. 사용하는 Data management tool이 너무 많다는 것

2위. 각종 툴 도입에 따른 비용(시간, 인력, 돈, 기회비용) 증가

3위. 유의미한 결과를 만들기엔 너무 많은 데이터 소스

4위. 통합적인 데이터 관리 및 활용 전략의 부재

5위. 데이터 활용 기술(=tool)에 대한 지식 부족

 

DFINERY

기업 내에 흩어져 있는 데이터를 통합하여 활용 가능한 수준으로 통합 정제하고 
데이터를 축적하여 고객분석, 세분화, 개인화 캠페인을 수행한다.

 

데이터가 활용한 수준이 되었다고 이야기를 하려면❓ 고객분석, 세분화, 개인화가 가능해야한다.

 

▶️디파이너리 : 데이터 통합과 고객경험 향상을 위한 도구

▶️디파이너리 Path : 데이터 통합 저장 => 실시간 분석 대시보드 => 고객 세분화 => 타겟팅 => 초개인화 캠페인

 

데이터 통합 저장

=> 데이터는 어디에 있을까? 데이터 베이스에 있죠.

=> 데이터는 고객과 우리의 서비스가 만나는 지점에 있다.

=> 고객은 어느 포인트에서 데이터를 남길까❓Touch Point. => Touch Point를 남기면 데이터베이스로 넘어간다.

 

고객 데이터 운영을 위한 도구, 무엇이 효율적인가?

Saas 솔루션 : 레디메이드 솔루션

 

다양한 툴을 사용해야하는데 이에 대한 여러 비용이 들기 때문에 이러한 다양한 툴을 대신 사용해주는 것이 디파이너리이다.

그리고 다양한 데이터들을 통합해주는 것이 디파이너리이다.

| 디파이너리 문제 해결 

문제 해결 / 도입 효과

CDP 사용 : 구축 -> 도입 / 구축을 위한 불필요한 자원낭비 방어

고객 데이터 : 저장 -> 정제 / 고객 데이터 활용 가능성 확보

사용도구 : 분산 -> 통합 / 사용도구 통합으로 업무 효율성 증가

운영기능 : 개발 -> 설정 / 필요한 시점에 필요한 기능을 사용

고객경험 : 없음 -> 설계 / 고객의 서비스 이용경험 강화의 분석

 

| CDP 도입단계 구분

1단계) 온라인 고객 데이터 활용 (연동, 분석, 캠페인 운영) -> 온라인 고객 데이터 통합, 분석 인사이트 도출, 온라인 캠페인 운영

2단계) 오프라인 데이터 구성 (ERP, POS결제, 프로모션 등) -> 오프라인 데이터 연결 및 확보환경 구성, POS,ERP 등 온사이트와 결제정보 확보 및 축적

3단계) 온/오프라인 데이터 통합 (매핑, 무결성 검증) -> 온/오프라인 통합 고객정보 확보, 통합 고객 프로파일 기반 캠페인 플랜 운영 및 최적화

4단계) 통합분석 및 캠페인 운영 (360도 고객 프로파일 기반)

 

고객경험 향상과 서비스 성장을 위한 Growth Loop

 

고객 데이터 활용 방법

코호트 : 동일집단 -> 코호트를 묶는다 = 동일집단을 묶는다

 

통합 ID 환경 구성

 

이용자 행동 분석 : 동일 행동기반 1st party(분석)

 

이용자 프로파일 : 1:1 프로파일 기반 1st party, 3rd party, DMP(분석)

 

이용자 예측모델 : 행동예측 기반(분석)

분석 지표 설정

고객 단계 구분

* 유입 고객 : 변곡점 지표 확보

* 몰입 고객 : 변곡점 지표 확보

* 이탈/유지 고객 : 변곡점 지표 확보

 

분석지표 구분

* 유입채널 구분, 캠페인 특성 구분, 유입 플랫폼 구분, 가입여부 구분

* 방문 빈도, 구매 빈도, 첫구매 빈도, 검색 빈도, 상품 탐색 빈도

* 방문 주기, 탐색 주기, 검색 주기, 구매 주기

 

고객 코호트 x 분석 지표 조합

매출이 발생하고 성과가 발생했어 그럼 그 다음 뭐해야해? Why를 생각해야함. 왜 해야하는지에 대해서 생각해야함.

왜?를 알려면 쪼개봐야함. 

1)유입을 먼저 알아봐야함. 2)프로파일 3)행동 4)예측 5)경쟁사

 

쪼개서 보는 것이 코호트 분석

되게 많이 쪼개서 많은 경우의 수를 알아가면 좋겠음.

 

Growth Loop 예시

1)가설설정 👨‍👩‍👦

멤버십 가입자는 구매 전환이 높을 것이다.

멤버십 가입은 서비스 성장을 위한 변곡점 지표로서 유효할 것이다.

 

2)검증 방법 설정 ❓ => 비교 분석

멤버십 가입자 vs 미 가입자의 기간별 구매현황 분석

멤버십 가입자 vs 미 가입자의 기간별 상품탐색 빈도 분석

 

3)검증 절차 1 : 코호트 설정 🙋‍♂️

멤버십 가입자 세그먼트 설정 -> 어떤 데이터 있어야해? 회원가입 데이터.

멤버십 미가입자 세그먼트 설정 -> 앱을 설치했지만 회원가입하지 않은 데이터.

 

4)검증 절차 2 : 멤버십 가입 vs 미가입 분석 🔍

고객 코호트 별 구매현황 분석

고객 코호트 별 상품탐색 빈도 분석

 

5)유효성 검증 완료✔️

멤버십 신규가입 = 변곡점 지표

광고운영, 서비스 성장, 인게이지먼트 지표로 적합

 

6)UX 검증 ⚜️

회원가입 -> 멤버십 가입 단계 이탈 분석

회원가입 -> 멤버십 가입 소요기간 분석

 

7)광고 운영방안 실행 💡

신규유입 광고운영

멤버십 미가입자 대상 개인화 메시징

 

8)최적화 & 자동화 📊

메시지, 채널, 빈도, 시점 최적화

최적화 결과 바탕 시나리오 자동화

 

 

 

 

 

 

 

감마 Summary

1)분석 외에 리포팅의 중요성을 알게 되었다. 리포팅을 통해 무엇을 하고 있는지를 전달하면서 유관부서와의 커뮤니케이션을 원활하게 하는 것이 중요하다고 생각이 들었다. 2)데이터 서플라이 체인의 중요성 역시 알게 되었다. Garbage in Garbage out. 데이터를 통합하고 중요한 데이터들을 뽑아내야 전략과 액션을 도출할 수 있으며 이러한 데이터들을 효율적으로 통합하고 뽑아내는 것이 데이터 서플라이 체인이다. 이러한 데이터들을 통합할 때는 고객 행동 데이터와 고객 프로파일 데이터가 있고 이를 함께 통합하는 것이 중요하다. 고객 데이터 플랫폼인 CDP의 경우에도 이러한 데이터 서플라이 체인을 구축하는 것에 있어서 도움이 되는 것 같다. 일례로 옴니채널 구축하는 것이 있을 것이다. 코로나로 오프라인 경험이 줄어들면서 코로나 이후 이러한 경험에 대한 수요가 늘어나고 실제로 팝업스토어 같이 브랜드에서 오프라인 경험을 제공하기 위한 마케팅을 진행하고 있다. 이에 따라 퍼마 입장에서 오프라인의 데이터를 확보하는 것이 필요하고 3)옴니채널을 구축하면서 이에 대한 전략도 구축하는 것이 필요하다. 이러한 오프라인 데이터를 구하기 위해서는 4)제로 파티 데이터가 중요한 것이다. 고객이 자발적으로 데이터를 입력하지 않는다면 거부감이 낮추는 방법을 통해 데이터를 구해야하는데 이것이 쉽지 않다. 차라리 고객이 자발적으로 데이터를 줄 수 있는 어떠한 효용감을 전달하는 것이 중요하다. 아마존고 역시 아마존 멤버십만 로그인하면 구매를 할 수 있기 때문에 데이터를 얻을 수 있고 멤버십 포인트라는 효용감을 주기 때문에 사람들이 이에 응하는 것이다.

5)고객 식별 아이디 체계 이해는 매우 중요하다. 어디에서 어떤 데이터를 뽑는 것인지 알아야하기 때문에. 일반적으로는 UserID 중심.

데이터를 통합하고 축적하는 데이터 서플라이 체인을 만들어내는 플랫폼이 6)DFINERY이다. 디파이너리는 데이터를 단순히 저장하는 것이 아닌 정제하고 데이터 툴들을 통합해서 데이터를 다루고 고객경험까지 설계하고 분석까지 가능하다.