포켓몬 빵은 어떻게 오픈런을 하게 되었을까?

2022년 7월 6일(수) ~ 7월 7일(목) 09:30 ~ 18:00 | 주관 : (주)아이보스, 김소희트렌드랩

자세히 보기

다이티로 알아보는 데이터 지식·319·2022. 05. 11

CLV, 요즘 마케팅에서의 활용법은?

이전 콘텐츠에서 많은 비즈니스에서 평균 CLV는 객단가 X 평균 총마진 X 구매 빈도 X 평균 고객 수명이라는 공식을 통해서 구하고 있다고 말씀드렸는데요. 이러한 CLV를 과거의 구매 데이터를 통한 고객생애가치라고 해서 외국에서는 Historical CLV라고 말합니다. 통상적으로 이렇게 구한 Historical CLV와 고객획득비용(CAC)을 비교하면서 마케팅 비용을 얼마나 쓰는 게 좋을지에 대해 고민하는 것으로 CLV를 활용했습니다. 하지만 이커머스 현장에서는 이제 CLV를 통해 직접 개인별 맞춤 타게팅, 나아가 비즈니스 혁신을 하는 것 까지를 고려하는 방향으로 나가고 있습니다. 이럴 때는 Historical CLV가 아닌 Predictive CLV가 주로 사용되는데요. 

오늘은 최근 마케팅 기술로 많이 활용되는  Predictive CLV(예측 CLV)에 대한 설명과 CLV 활용 마케팅을 손쉽게할 수 있는 다이티의 솔루션 소개를 해드릴까 합니다.



🔍 Predictive CLV란 무엇이고 왜 중요한 건가요?


우리가 타겟팅을 해야 하는 세그먼트는 단순히 과거에 돈을 많이 쓴 고객은 아닙니다. 타겟팅의 대상으로 적합한 대상은 다가 올 미래에 내 서비스/제품 구매를 활발하게 할 고객일텐데요. 이 경우 고객 세그먼트 별로 Predictive CLV를 잘 파악하는 것이 중요합니다. Predictive CLV는 고객이 여태까지의총매출에 더해 앞으로 고객이 일으킬 총 예측 구매액을 포함한 고객생애가치입니다. 그래서 Predictive CLV는 예측을 얼마나 잘하느냐가 정말 중요하고, 'Predictive CLV'를 어떻게 구하느냐'에 따라 데이터 드리븐을 잘하고 못하는지를 판단할 수 있을 것 같은데요.


사실 많은 마케팅 솔루션은 미래예측과 같은 알고리즘 기술은 복잡하니까 과거부터 지금까지 총 매출을 통해 ‘미래에도 구매는 과거와 비슷할 것이다’라고 가정하여 CLV를 구하거나, 혹은 이보다 조금 발전한 수준으로 ‘작년 연평균 구매 금액’과 ‘평균 고객수명에서 고객 활동기간을 뺀 값’을 곱해 CLV를 단순 계산하는 방법을 활용하기도 합니다. 하지만 이런 방식은 오래 전 매출을 일으킨 고객과 최근 매출을 일으킨 고객의 CLV 차이, 한 번 구매할 때 큰 매출을 일으킨 고객과 작지만 자주 매출을 일으키는 고객의 차이, 그리고 개별 고객마다 다른 고객 수명을 갖고 있다는 점 등을 무시하고 예측한 값이기에 사실 정확하지 않고, 위험한 접근이라고 볼 수 있죠.


그러기에 예측도 높은 Predictive CLV를 만들어 내기 위해서는 여러 지표를 고려한 알고리즘을 활용해야 하는데요. 구매를 일으킨 시점이 얼마나 현재와 가까운지(최근 구매시점), 그리고 얼마나 빈번하게 구매(구매빈도)를 했는지, 1회 구매시 평균 구매금액(AOV) 등 다양한 요소에 가중을 달리 두고, 반영한다면 ‘향후 한 달 동안 A고객군은 AOV가 15만원일 것이다.’, ‘B고객군은 따로 액션이 없다면 1주 내 이탈할 확률이 매우 높다’ 등과 같이 좀 더 미래를 구체적이고 액션이 명확하게 나오게끔 예측할 수 있습니다.



실제로 위의 그래프는 다이티의 AI 기술을 통해 10개 그룹의 6개월 간 고객 매출액의 예측값과, 실제 매출액을 비교한 그래프인데요. 위 두개의 막대 그래프가 거의 동일하게 나온 것을 보면 알 수 있듯이 AI가 굉장히 정확한 예측확률을 갖는 것을 알 수 있습니다. 만약, 이렇게 정확한 고객 예측 데이터를 통해 타겟 마케팅을 진행한다면 보다 효율적인 마케팅을 할 수 있는 기회가 되겠죠.



또 반대로 다이티 AI를 통해 생존 확률의 예측값에 따라 10개의 그룹을 나눠서 6개월 뒤에 한 번 이상 구매를 했는지 정도를 그룹별로 확인을 해보았는데요. 생존 확률이 10% 미만으로 예측했던 고객은 실제로 구매를 거의 하지 않은 것으로 나타났죠. 그리고 그래프를 보면 생존확률과 실제 구매 정도가 비례하는 것을 보여줍니다. 즉, 이러한 AI 기술이 있다면 AI가 예측한 이탈 확률을 기반으로 이탈 가능성이 높은 사람을 타겟팅한 광고를 개별적으로 내보낼 수 있겠죠.



⚖️ Predictive CLV & Historical CLV




여기서 한 가지, 마케터가 빠져서는 안되는 함정이 있는데요. Predictive CLV가 Historical CLV보다 더 발전적인 형태의 CLV라고 생각해서는 안됩니다. 실제 마케팅 현장에서는 두 개의 개념 모두를 잘 파악하고, 잘 활용하는 마케터가 실제 효과가 높은 마케팅을 진행할 수 있기 때문이죠.

예를 들어볼 게요. 만약, 우리 쇼핑몰이 “이탈이 예상되는 VIP 고객을 잡기 위한 타겟 캠페인”을 진행하려 합니다. 이 때 Historical CLV만을 활용하는 마케터나 마케팅 솔루션은 ‘VIP 고객’은 추출할 수 있지만 ‘이탈이 예상되는 VIP 고객’은 추출하기 어렵죠. 반면에, Predictive CLV가 트렌디한 기술이라 생각해서 Historical CLV를 무시한다면 '이탈이 예상되는 고객'은 추출할 수 있으나, 이 고객이 '이탈이 예상되는 VIP 고객'인지는 파악할 수 없죠.

데이터를 활용한 마케팅을 잘하기 위해서는 내가 알고 있는 개념이나, 방법만을 고집하는 것이 아닌 본인의 문제 해결을 위해 필요한 데이터 활용 기술을 적재적소에 활용할 수 있어야 하는데요. 위와 같은 사례 외에도 마케터는 CLV를 통해 VIP로 발전이 예상되는 고객 객단가 향상 캠페인, 재구매 주기가 도래한 이탈 예상 고객 이탈 방지 캠페인 등을 진행할 수 있죠. 이렇게 CLV 마케팅은 기존과 같이 이커머스를 운영했을 때 예측되는 결과를 넘어 더 크게 비즈니스를 성장시키는 데 목적이 있다고 볼 수 있습니다.

데이터를 잘 활용하는 마케터는 한정적인 리소스로 원하는 목표에 있어 최대한의 효과를 달성할 수 있는 마케터일텐데요. Predictive CLV와 Historical CLV를 잘 활용한다면 어떠한 캠페인을 진행했을 때 얻을 수 있는 편익을 미리 알고 효율적인 마케팅을 할 수 있다는 것을 진행할 수 있겠죠.


🔍 LTV에 대한 더 자세한 설명, 동영상으로 확인해보고 싶다면?

마케팅 CRM it ltv clv

스크랩

공유하기

신고

하트 아이콘주공님이 좋아합니다.

  • 페이스북
  • 트위터
  • 밴드
  • 카카오스토리
  • 구글 플러스
  • 네이버 블로그
다이티
국내 유저를 가장 잘 아는 다이티 데이터를 분석해
현재의 트렌드를 담은 콘텐츠를 씁니다.
 
www.dighty.com │ market.dighty.com
댓글 1
댓글 새로고침

당신을 위한 추천 칼럼