안녕하세요

승군입니다

우리를 웃게 해주고

우리를 울게 만드는

지긋지긋한 데이터란 놈

우리는 데이터 분석을 왜 해야할까요?

이커머스 마케팅과

광고 매체별 주력으로 투입되고 있는

퍼포먼스 마케팅 전략 요소에는

데이터를 시작으로 데이터로 끝납니다

퍼포먼스 마케팅은 데이터를 기반으로

분석하고 설계하고 개선점을 도출하는

마케팅방식입니다

그렇기에 데이터 분석을 해야 하는 이유는

오늘날의 비즈니스, 즉 이커머스 마케팅은

데이터로 의사결정의 근거가 되기 때문에

분석과 활용을 필수적으로 가져가야 합니다

1. 데이터 기반 의사결정 수립

즉, 다시말해 데이터를 기반으로 의사결정을 수립해야 합니다

그럼 의사결정 수립을 어떻게 하느냐

4단계 핵심 의사 결정 과정을 통해 우리는 데이터를 기반으로

마케팅 전략에 접근할 필요가 있습니다

● 목표 설정 : 달성 가능한 목표를 정량적으로 설정하여 목표에 도달하고 문제를 해결함으로써 성공 전략을 도출한다

● 데이터 분석 및 활용 : 기준에 근허나느 데이터 지표를 기반으로 분석&활용하여 문제를 파악하는데 집중한다

● 가설수립 : 실현 가능한 전략을 구체화하고 현상 파악과 데이터 확인을 통한 변화에 예측하여 정교한 가설을 수립한다

● 가설 검증 : 수립된 가설을 바탕으로 데이터 분석을 통해 개선과 결과를 도출하고 더 나은 방향성을 강구하여 목표 달성에 기여한다

즉, 목표 설정을 기반으로

데이터 분석 및 활용을 통해

가설을 수립하고 검증을 하는

4단계 프로세스로 결과 개선 도출과

마케팅 목표를 달성해야 합니다

2. 데이터 성과 지표

그럼 어떤 지표를

파악해야 되느냐!

1) 우선적으로 핵심성과지표 KPI입니다

마케팅 성과를 평가하는 핵심 기준과 전략입니다

이것을 정략적으로 표현한 평가 기준이구요

각 브랜드별로 목표하는 KPI를 기반으로

현재 상황과 데이터를 분석하고

변화에 대해 어떤 전략을

취할 것인지가 핵심입니다

A라는 브랜드에 KPI는 매출 혹은 ROAS가 될 수도 있고

B라는 브랜드에 KPI는 브랜드 인지도 확보가 될 수도 있고

C라는 브랜드에 KPI는 자사 회원 유치 혹은 문의 등을 통한 DB 확보가 핵심 지표가 될 수 있습니다

2) 퍼널별 데이터 성과 측정

많이들 알고 계시는 마케팅 퍼널은

고객 여정을 단계별로 시각화한 모델입니다

퍼널에서도 KPI를 접목해서

데이터 분석과 개선 검증이 가능합니다

예를 들면 우리가 만든 콘텐츠에 노출된 고객이 첫 퍼널 시작점으로 인지를 합니다. 우리는 인지 단계에서 얼만큼 많은 사람들에게 노출시킬 건지, 혹은 CPM과 CPV는 얼만큼에 데이터로 측정 목표를 두고 설계를 할 건지를 설정합니다. 

인지 단계가 끝나면 관심 단계로 넘어가면서 정보탐색이 이루어지고 메일 오픈율 이라던가, CTR, CPC, 좋아요, 댓글 수 등의 KPI를 목표로 설계 측정합니다

고려, 구매에서는 관심이 끝나면 해당 제품에 검증이 끝난 유저에게 CVR 혹은 CPA, ROAS에 대한 목표를 기반으로 성과를 측정해야 합니다

3. 데이터 현황 파악

데이터를 활용하기 위해서는

각 브랜드에 대한 데이터 현황 파악이

우선적으로 이루어져야 합니다

현시점에서 목표 KPI와 할당 예산을 얼마인지

당일 / 3일 / 7일 / 한 달 / 전체 기간 구매 전환율 흐름은 어떻게 되는지

계절별, 월별 검색량은 얼마나 되는지, 이슈는 없는지

있다면 어떤 이슈로 인해 데이터 변동 흐름이 있는지

혹은 매체별 캠페인 성과 변동폭 흐름은 어떤지

전체적으로 현황 파악이 우선적으로 이루어져야

우리가 어떤 액션을 취할 때 명확한 파악이 가능해집니다

4. 데이터 읽는 관점

그럼 데이터를 어떤 관점으로 읽어야 하느냐

KPI 기반으로 우리가 중점적으로 보는 데이터 지표들이 있는데

이것을 단일로 혹은 특정 지표에만 집중하는 것이 아니라

지표의 전반적인 변화들에 관심을 가지는것이 팩트 입니다

하나의 데이터만 변화하는 것이 아니라

모든 데이터가 동시에 변화하는 경우가 많습니다

- 수치의 증감, 누락, 중복 등을 관찰하고 1차 파악하는 것

- 특정 지표가 아니라 지표의 전반적인 변화들에 관심을 기울이는 것

- 모든 데이터가 동시에 변화하는 경우가 많기 때문에 흐름을 놓치지 말 것

- 마지막으로 원인과 개선 그리고 검증을 통해 데이터 관점을 바라봐야 합니다

그에 따른 가설 설정 기반으로

원인과 개선 그리고 검증을 통해 데이터 관점을 바라보면 됩니다

5. 가설을 통한 데이터 활용 분석

그러면 실제로 예시 가설을 통해서 데이터 활용을 분석해보죠

데이터 분석을 위한 4단계 입니다

1단계 목적 : 의미 없는 데이터 쇼핑이 아닌 목적과 측정하려는 데이터를 확인하는 것이 중요합니다

2단계 통찰 : 목적 기반 측정 데이터를 확인해서 데이터가 의미하는 바를 가설을 세워 통찰합니다

3단계 가설 : 목적에 근거를 두고 데이터의 흐름을 특정 액션 실행 후 변화를 예측합니다

4단계 검증 : 목적과 통찰을 바탕으로 가설을 세운 것을 검증해 데이터 분석과 개선을 완료합니다

데이터 활용법을 좀 더 구체적으로 접근하면

문제 파악 -> 우리가 광고하고자 하는 사이트나 서비스의 가장 큰 문제를 우선적으로 확인합니다

데이터 확인 -> 문제를 확인했으면 접속 통계, 어드민, 데이터 툴, 고객 발주서 데이터 등 모든 데이터를 취합해 정밀 진단합니다

예를 들면 우리 사이트의 전환율이 1% or ROAS가 150% 흐름으로 확인되며

A라는 소구의 컨텐츠가 평균 CTR이 2% or 평균 CPC가 400원으로 형성되어 있다

광고를 통해 유입된 전환율이 1% or 사이트 평균 객단가는 23,000원으로 확인된다 등

이러한 현 상황에 데이터를 확인하고 정밀 진단이 완료되면

가설 및 개선점 수립 -> 가설을 제시하고 플랜 A와 B, C 형태로 차선책까지 계획 수립합니다
실행 및 검증 -> 문제 해결을 위한 기획을 실행하고 최소 7~14일 기간 누적 후 비교합니다

(당일, 3일, 7일, 14일, 30일 전체 데이터 기간을 확인하는 것이 맞지만 너무 짧은 기간 실험할 경우 데이터의 신뢰도가 많이 떨어지기에 1주~2주 권장 드립니다)

데이터 분석 예시 사례1

1단계 목적 : 객단가 1만원 대 형성으로 ROAS가 150%에서 한계를 보이는 상황입니다. 이를 해결하기 위해 가설과 데이터 검증이 필요합니다

2단계 통찰 : 1개당 9천 원 대 상품으로 목표 객단가 2만 원과 현재 GFA 전환율 2% 대에서 3%로 상승하기 위한 방법이 필요한 상황이고

3단계 가설 → 1차 작업은 옵션 구성을 달리해서 3단계로 만들고 / 2차 작업은 2+1 추가 증정 이벤트 구성을 적용하며 3차 작업은 컨텐츠와 상세페이지 일치화를 동시다발적으로 가져가며 상단 배너와 썸네일 테스트를 적용합니다

4단계 검증 : 이러한 목적과 통찰 그리고 가설 기반으로 검증 단계에서 "2+1 이벤트에서 객단가가 상승했고 데이터 기간별 비교 검증이 완료됐으며, 썸네일 및 상세페이지 수정 전환율이 1% 이상 상승 확인이 완료됐다" 라는 결과 값을 얻을 수 있습니다

데이터 분석 예시 사례2

1단계 목적 : 플러스 친구 증가수 2배 이상 늘리기 위해 방향성과 목적을 두었습니다

2단계 통찰 : 목적에 의한 통찰을 보면 네이버페이 구매가 40% 이상 확인이 됐고 네이버 페이 구매의 경우 네이버 페이지로 이탈되기 때문에 회원가입 장치 마련이 시급하다는 통찰로 가설 단계에 진입합니다

3단계 가설 : 네이버페이 버튼 클릭 시 회원가입 유도하는 이벤트를 발생시키기 위한 UI/UX 등의 사이트 개발 작업이 필요합니다. 추가적으로 클릭 시 간편 회원가입으로 유도하고 고객들에게 추가 혜택 2000원 쿠폰을 증정하는 가설을 세웁니다

4단계 검증 : 가설을 기반으로 검증 단계에서 실제 버튼 클릭 시 매출 흐름은 유지하면서 네이버 페이 구매 비율이 10%로 하락됐고 플러스 친구는 약 3배 이상 증가 수치를 보였다 라는 데이터 활용 사례를 들 수 있습니다

------

이처럼 데이터 분석과 활용 단계를 돌아보면서

당연하다고 생각했던 것들을 다시 점검하고

재분석하여 활용하면 반드시 좋은 결과가 따라올 겁니다

데이터 분석의 본질은

정확도가 아니라

흐름에 대상으로

바라보는 것이

가장 중요한 것 같습니다