마케터가 마케팅 핵심 이해하는 지식 40부작 시리즈 [15/40]

2022.03.25 10:08

근육돌이

광고 데이터 통찰하는 방법 및 개선 아이디어 도출

광고 데이터를 통찰하는 방법에 대한 접근법을 말씀드리겠습니다. 우리는 광고 데이터를 받으면 당연히 숫자로 된 데이터를 받게 됩니다. 숫자로 어떤 것을 보고 어떻게 봐야 통찰할 수 있는가? 입니다. 우리가 광고를 통해서 얻는 것은 광고에 대한 반응이 있는 매체도 있지만 그렇지 않고 숫자로만 해석하고 개선을 해야 하는 상황이 많이 발생할 수 있습니다.

인스타그램 , 페이스북의 경우 좋아요 , 댓글 , 공유를 확인해서 그 광고가 얼마나 고객들에게 어떤 반응을 보이는지 확인해서 충분한 인사이트를 얻을 수 있습니다. 댓글을 일부러 유도하는 컨텐츠를 만들어서 그 반응 속에서 고객들에게 더 잘 먹히는 광고를 만들어 낼 수도 있습니다.

다만 페이스북 인스타그램 과 같이 SNS 형식의 광고 중 참여가 가능한 광고는 유일하게 페이스북 인스타그램이라고 할 수 있을 정도로 많지 않습니다. 그렇다면 이런 데이터를 보고 통찰해서 새로운 아이디어를 도출하는 방법은 어떻게 해야 하는 걸까? 막막하실 겁니다.

광고를 통해서 나온 데이터를 보고 개선할 때 중요한 점은 목적 또는 목표가 명확 해야 합니다. 결국 데이터를 보고 개선하는 것은 가설의 시작이라고 생각해야합니다.

우선, 회원가입의 이탈이 심한 상황이라고 가정하면 , 회원가입의 불편함이 많은 가입 내용이 많거나, 회원가입시 고객이 얻는 혜택이 없거나 , 회원가입 페이지가 고객한테 불편한 구조로 만들어져 있을 수 있습니다. 이런 부분에서 회원가입 페이지의 불편한 부분을 하나씩 변경하면서 2~3일 혹은 길게 보면 2주까지 데이터 체크를 해서 변화가 있는지 확인하는 방법이 있습니다. 이렇게 하나씩 가설을 잡아가면서 해결하는 방법이 통상적인 정석입니다.

다른 예를 들어보겠습니다. GFA 광고를 집행했는데, 광고 유입자의 이탈율이 90% 입니다. 유입된 전환율도 현저히 낮은 상태입니다. 대신 GFA광고 상에서 CPC는 100원이라고 가정하면 이 100원의 CPC가 충분히 우리 제품의 본질과 USP를 담고 있다고 한다면? 상세페이지의 문제일 가능성이 상당히 높습니다. 그렇다면 상세페이지의 상단 썸네일부터 변경합니다. 썸네일을 우리가 전달하고자 하는 USP와 메시지가 충분히 녹지 않아서 고객들이 광고를 보고 유입이 되었지만 바로 실망하거나 다른 제품으로 생각하고 이탈한다는 가설을 잡고 썸네일 부분과 상세페이지 가장 최상단 부분을 변경해주는 것을 실행하고 데이터를 확인합니다. 이런 가설들이 아주 찰떡같이 맞아 떨어질 때 상당히 높은 데이터 변화를 관찰할 수 있습니다. 이탈율이 30%이상 감소하고 전환율이 2배이상 오르기도 합니다.

고객들이 원하는 방향성을 찾기 위한 데이터 변화 체크가 결국 데이터를 통찰하는 방법입니다. 데이터를 보고 찾아내는 것 보다는 찾은 데이터를 우리가 원하는 데이터로 개선하기 위한 데이터로 활용하는 것입니다. 결국 데이터가 주는 것은 한정적입니다. 우리가 의도적으로 그런 데이터를 받기 위해서 설정하는 모든 행동은 그 의도한 행동을 받기 위한 의도의 데이터라 정확하고 순수한 데이터가 아닐 가능성이 높습니다.

단순이 이야기하면 10명중 9명이 이런 행동을 하는 것을 예상하고 움직이는 것 과 A라는 행동을 측정하기 위해서 A위치에 분석도구를 설치하는 행동을 하는 것이 완전 다른 의미라는 것이 될 수 있습니다. 우리는 좀 더 10명중 9명이 이렇게 되기 위한 방향성을 설정하고 그 방향성이 맞는지를 데이터를 통해서 검증하는 것이 정답에 가까운 방법입니다.

광고 데이터에서 가장 중요하게 보는 것이 CTR인데 업종평균 CTR 보다 좋다 나쁘다는 판단하자 말고 우리 계정과 우리 사이트 내에서 우리 데이터는 이런데 우린 데이터 중에서 이 데이터가 충분히 가능성이 있어 보인다 라고 판단해야 합니다. 누군가와 다른 컨디션입니다. 같은 패션구두를 판매하는 사이트라도 완전히 다른 톤인데 같은 데이터가 나올 수 없습니다. 우리 사이트는 우리 사이트 내의 데이터에서 참고해서 개선해야합니다. 물론 타사의 데이터를 확보하면 굉장히 도움됩니다. 우리도 경쟁사의 높은 수치까지 맞추기 위해서는 어떤 노력을 해야 할까 고민을 하고 움직여야 하기 때문입니다.

CTR , CPC , CPM , CVR , CPA , CPS , 이탈 율 , 체류시간 이런 데이터를 통해서 사람들이 이렇게 행동하고 이런 생각을 할 거야! 라는 게 아니라 , 우리의 현상은 ? 이런데 , 이 현상을 극복하려면 어떤 것 개선하면 데이터적으로 개선이 가능할까? 라고 고민하고 실행을 빠르게 옮기는 것이 바로 데이터적 접근과 통찰 후 아이디어를 통한 개선이 가능해지는 사고 방법입니다.

정리를 해보면 , 데이터를 통해서 무언가를 찾아 내려 하는 것도 중요하지만 우리가 찾아 낼 수 있는 데이터는 숫자뿐이고 그 숫자에 숨겨진 의미를 도출해내고 해석하기보다는 숫자의 의미를 우리가 통제하고 바꿀 수 있도록 랜딩페이지 와 광고 컨텐츠 개선을 통해서 여러가지 가설 검증을 하는 과정이야 말로 데이터 분석이고 개선이라고 할 수 있습니다.

마치 A라는 데이터를 보면 이런 처방을 해야 합니다. 라고 정석이 있지 않습니다. A라는 현상이 A사이트에서는 BCA라는 해결책을 제시해야 해결이 될 수 있습니다. B사이트는 A라는 현상이 CA만 해결해도 해결되는 상황일 수 있다는 것입니다.

객단가를 올리려면 어떻게 해야 하죠? 라고 해서 객단가는 판매가격만 올리면 된다? 라고하면 전환율이 떨어지는 것처럼 그럼 해결방법은? 옵션을 3개로 만들고 3개의 옵션의 할인가격을 주는 방식으로 해서 1번 옵션부터 3번 옵션까지의 가격을 2.5배 차이 나게 해서 2번 옵션을 자동 구매하게 만드는 방식 이 될 수 있습니다.

고객들은 많은 것을 알려주지만 데이터는 많은 사람들의 행동을 우리가 원하는 몇 개의 지표로 보는 것입니다. 이 지표로 고객들을 모두 다 이해했다고 생각하기보다는 우리가 원하는 행동을 하게 만들어서 데이터를 최소한 우리가 원하는 방향으로 만들어가는 것이 가장 좋은 개선법이고 데이터를 통찰하는 방법입니다.

실무에서 데이터들의 의미를 하나씩 습득하고 그 데이터들의 의미를 조합해서 다음 데이터를 어떻게 만들지는 천천히 만들어가 보시면 됩니다. 정답은 없습니다. 끝없는 시도가 결국 좋은 데이터와 결과를 만들어 갑니다.

광고 데이터 대한 분석 방법은 더 많지만 스스로 해당 개선하는 방법에 대한 통찰만 충분히 이해한다면 데이터속에서 시간 낭비하기보다는 더 빠르게 개선하고 원하는 결과를 만들 수 있는 마케터가 될 수 있습니다.

다만 광고를 만들 때 혹은 상세페이지나 홈페이지를 꾸밀 때 제품의 본질과 USP 의도를 충분히 잘 파악해서 녹이고 , 그 본질과 USP를 통한 메시지가 명확할 때 광고소재도 광고 사이트 도 효과를 발휘합니다. 즉 광고 소재도 만들 때 A라는 소구점이 메인인데 B라는 소구점이 메인으로 강조가 되는 소재를 만들어서 돌리면 효과가 없을 가능성이 높아진다는 것입니다.

여러분들도 목적과 목표를 명확 하게하고 광고 소재와 상세페이지에 대한 고민을 해서 좋은 데이터를 통한 개선과 아이디어를 도출해 내실 수 있습니다.

데이터 분석을 통한 아이디어 도출에 대한 개념을 정립해보면 , 데이터 분석은 기본에 충실하는 것이 가장 핵심입니다. 사이트에 들어오는 고객들의 행동을 복잡하게 나눠보는게 아니라 단순화하고 그 단순화한 데이터를 마케터의 의도대로 흐름이 바뀔 수 있도록 해야합니다.

기본에 충실하자 라는 말은 결국 심플하게 고민하고 심플한 고민을 해결하기 위한 실험 과 테스트를 공격적으로 진행해보자 라고 말해주고 싶습니다. 어떤 기교나 복잡한 고객의 페르소나가 필요한 게 아닙니다. 고객들의 관점에서 고객들이 편하고 즐겁게 소비할 수 있는 컨텐츠를 어떻게 배치해서 우리가 원하는 데이터를 얻냐 가 중요합니다. 데이터를 보고 해석해서 그 속에서 무언가의 메시지를 찾는 것은 불가능합니다. 더 더욱이나 데이터 보는 관점을 틀에 박힌 관점으로 본다면 제품마다 서비스마다 다른 데이터 때문에 정확한 통찰력을 발휘하지 못하고, 맞춤형 아이디어와 개선안을 낼 수 없습니다.

예시를 들었던 회원가입을 간편하게 만들면 , 우리의 고객들은 회원가입 단위에서 이탈율이 더 줄어들 것이다. 이 회원가입을 간편하게 하기위해서 고객들이 불편해야는 요소는 데이터 상에서 어떤 부분으로 보여지는가? 그럼 어떤 것을 해결하면 회원가입이 간편해지고 고객들이 이탈하지 않는가? 간편회원가입을 심플하게 카카오로그인 + 싱크부스터를 이용한다. 싱크부스터 이후 고객들의 회원가입 단위에서 이탈율이 40%가량 감소했다. 이런 식의 데이터 통찰과 개선 이 필요한 것이지, 데이터에서 매출 2배가 오를 수 있는 메시지가 어떻게 나오고 고객이 어떤 방식으로 생각하고 있고 그 고객이 어떤 불만이 있는지 볼 수 없습니다. 데이터를 보는 관점을 최대한 객관화하는 시선이 필요합니다.

데이터 분석은 심플하게 , 개선안은 고객관점으로 , 개선에 대한 검증은 데이터 값으로 이것만 기억하면 데이터 분석은 어렵지 않습니다.

그 전 회차가 궁금하시다면?

1부 : https://www.i-boss.co.kr/ab-6141-57315

2부 : https://www.i-boss.co.kr/ab-6141-57328

3부 : https://www.i-boss.co.kr/ab-6141-57340

4부 : https://www.i-boss.co.kr/ab-6141-57348

5부 : https://www.i-boss.co.kr/ab-6141-57358

6부 : https://www.i-boss.co.kr/ab-6141-57366

7부 : https://www.i-boss.co.kr/ab-6141-57375

8부 : https://www.i-boss.co.kr/ab-6141-57382

9부: https://www.i-boss.co.kr/ab-6141-57391

10부: https://www.i-boss.co.kr/ab-6141-57404