마케팅 데이터 분석을 잘 하려면?

마케팅 데이터 분석을 잘 하려면?

 

마케팅 지표를 개선하기 위해서는 데이터 분석은 선택이 아닌 필수인 시대가 되었다.

하지만 데이터 분석? 왠지 어려워 보인다.

분석을 어디서부터 시작해서 어떻게 해야 할지 매일 해본지 않은 사람에게는 정말 어려운 미션이다.

분석을 진행해 본 경험이 없거나, 분석을 통해 인사이트를 얻어야 한다는 강박관념 때문에 스트레스를 받을 수 있다.

어떻게 분석 시작을 쉽게 할 수 있을까?

 

 

1. 분석은 무조건 쉽게 익혀야 한다.

처음부터 거창한 인사이트를 얻으려고 많은 데이터를 수집해서 할 필요는 없다.

꼭 필요한 가설을 만들고, 그 가설을 검증하기 위한 꼭 필요한 데이터만 수집해서 분석을 해 보면서 쉽게 익혀야 한다.

 

 

2. 분석의 시작은 정확한 데이터 수집이다.

웹사이트에 방문한 사용자의 행동 패턴을 분석하라는 미션이 떨어졌다. 

분석을 진행하기 앞서 해야 될 일이 있다.

바로 정확한 데이터가 수집되고 있는지를 체크해야 한다.

정확한 데이터가 수집되지 않으면 분석 결과는 신뢰할 수 없다.

따라서 분석의 시작은 정확한 데이터 수집이다.

 

 

3. 서비스의 기본적인 UX를 체크하자.

데이터 정합성을 체크했다면 분석을 시작해도 될까?

아직 해야 할일이 남아있다.

직접 운영하는 웹사이트에 방문해서 직접 구매 혹은 상담 신청을 해보자.

서비스를 운영하는 나조차도 불편한 상황이라면, 고객은 얼마나 불편할까?

 

고객의 목소리를 100% 반영하는 것은 사실상 불가능에 가깝다.

그렇기 때문에 기본을 지키는 것이 중요하다.

기본을 만족시키지 못하는 순간 고객은 실망하고 떠나기 마련이다.

분석을 위한 데이터를 수집할 기회조차 없어지는 것이다.

당신의 서비스가 목표를 달성하는데 어려움이 없는지 꼭 확인 해 봐야 한다.

 

 

4. 퍼널을 설계하자.

정확한 데이터를 수집하고, 서비스의 기본 기능이 제대로 작동하는 것을 체크했다.

다음에는 무엇을 해야 할까?

분석을 할 때 가장 중요한 것은 목표 설정이다.

흔히 기업에서 말하는 KPI를 정하는 과정이다.

 

병원 사이트를 예를 들어 보겠다.

일반적으로 상담 신청을 얼마나 많이 하는지를 목표로 잡게 된다.

그러기 위해서는 상담 완료까지 도달하는 과정을 퍼널(Funnel)로 설계해야 한다.

 

퍼널이란? 깔대기를 의미한다.

목표에 도달하는 주요 여정을 단계별로 분석하는 과정이다.

분석을 통해 매출을 개선하려면 퍼널을 설계할 줄 알아야 한다.

퍼널을 설계할 때 모든 단계를 측정하기보다는, 전환을 위해 반드시 거쳐야 되는 주요 단계를 측정하기 바란다.

이를 통해 이탈이 많이 발생하는 페이지를 파악할 줄 알아야 한다.

그래서 사용자 경험(UX)을 개선할 수 있다.

 

서비스에서 전환이 적게 발생한다고 광고 예산을 증가시키기 전에 왜 이탈이 많이 발생하는지에 대해 원인 분석을 먼저 하기 바란다.

유입이 아무리 많아도, 전환이 되지 않으면 매출을 결코 오르지 않는다.

 

 

 

5. 데이터 애정을 갖자.

데이터 분석을 하는 이유는 무엇이 문제인지를 파악하기 위한 과정이다.

데이터에 애정이 있어야 한다.

애정은 다른 말로 호기심이며, 애정이 없다면 데이터를 제대로 분석하기란 말처럼 쉽지 않다.

데이터를 수집하게 되면, 자동적으로 데이터에 애정을 갖게 될 것이다.

 

 

 

 

6. 분석을 위한 가설(아이디어)를 모으자.

퍼널을 통해 각 단계별 전환율을 확인했다면, 이탈이 많이 발생하는 단계의 전환을 개선하기 위한 아이디어를 도출한다.

분석에서는 아이디어를 가설이라고 한다.

분석을 진행하기 위한 질문 목록을 만든다고 생각하면 된다.

가설은 혼자 수립하는 것보다 아이디어 회의를 통해 의견을 모은다.

이를테면 '상담하기' 버튼에 '무료' 단어를 추가할 경우 클릭 전환율이 상승 할 것이다. 와 같은 식이다.

일종의 브레인스토밍이다. 

 

여기서 주의할 점은 누군가 아이디어를 내놓아도 절대 비판적으로 대응하면 안 된다.

설령 비판을 하더라도 대안을 제시할 줄 알아야 한다.

이러한 과정을 통해 모든 가설을 수집한다.

그리고 테스트를 리딩하는 역할을 누군가에게 부여하면 더 좋다.

그래야 회의를 임팩트 있게 진행할 수 있다.

 

 

 

 

7. 수집한 가설의 우선순위를 정하자.

가설이 모이면 분석을 위해 우선순위를 정하자.

우선순위는 어떻게 정할지 고민이면, ICE framework에 근거하여 검수를 부여하면 좋다.

 

여기서 ICE란?

 

- Impact (KPI 지표의 성장에 도움을 주는가?)

- Chance of Success (변화를 통한 개선 가능성이 있는가?)

- Effort (투입 인력 및 시간 자원은 얼마인가?)

 

가설을 액션으로 수행하기 위해 필요한 인적 자원과 기간이 얼마나 소요되는지, 목표에 영향을 줄 수 있는지 등을 체크한다.

이를 수치화해서 우선순위가 높은 가설부터 AB 테스트를 통해 검증한다.

이 과정을 그로스해킹 마케팅 이론이다.

 

검증은 데이터를 집요하게 탐색하는 과정이다. 평균 데이터로는 인사이트를 도출할 수 없다.

성별, 기기, 연령대 등으로 데이터를 세그먼트로 나누고, 각 집단별 데이터 흐름이 어떠한지 확인이 필요하다.

이를 통해 의미 있는 결과가 도출되면 이를 구성원 전체에게 공유한다.

 

Growth Hacking is experiment-driven-marketing

그로스 해킹은 실험 기반 마케팅이다.

- 션 앨리스(SeanEllis) -

 

 

 

8. 얻을 수 있는 결과를 금액으로 산출하자.

인사이트를 도출했다면 실제 서비스에 반영하는 작업이 남았다.

분석은 반드시 매출로 이어져야 한다.

하지만 매출 개선에 도움이 될 것이라는 100% 확신이 없는 상황에서, 이해 관계자를 설득하는 작업은 굉장히 힘든 과정이다.

안타깝게도 직급과 부서의 입김이 더 크게 작용하기도 한다.

이럴 때 바로 데이터에 근거한 분석 결과가 필요하다.

액션을 통해 얻을 수 이는 예상 결과를 금액으로 산출해서 설득을 해야 한다.

 

예를 들면, '전환율 0.1% 상승할 경우 매출은 1억이 상승 될 것으로 예상된다,'와 같은 방법이다.

 

테스트 결과를 통해 개선할 점을 도출하지 못해도 테스트는 계속 진행되어야 한다.

션 앨리스가 말한 그로스 해킹은 '테스트 기반 마케팅' 표현에 전적으로 동의한다.

 

만약 테스트 결과가 서비스에 반영되면 반드시 전후 데이터를 비교하여 구성원들에게 다시 공유한다.

과정보다는 결과 중심의 내용을 공유하기 바란다.

분석이 돈이 된다는 사실을 경험한 조직은 데이터의 힘을 믿게 된다.

데이터 기반하여 서비스를 운영하는 조직 문화는 하루아침에 이뤄지지 않는다.

임원진의 생각이 바뀌어야 한다.

 

 

 

 

정리왕!

결국 정리하면 아래와 같다.

그로스 해킹은 조직적으로 진행되어야 한다.

절대 혼자 진행할 수 없다.

 

예를 들어 전환율 개선을 위한 그로스 해킹 프로세스

Step 1 : 수집하는 데이터의 정합성을 체크한다.

Step 2 : 서비스 KPI 선정 및 퍼널을 설계한다.

Step 3 : 취약 단계를 확인하고, 개선을 위해 AB 테스트를 진행한다.

Step 4 : 테스트 결과를 공유하고, 서비스 반영을 결정한다.

 

 

가설을 도출하고 액션을 수행하는 과정에서 의견 충돌이 반드시 발생한다.

조화가 잘 되는 팀을 보면 상대방의 주장과 근거가 나보다 나을 수 있다는 겸손함을 가진 팀원이 많은 것을 발견한다.

분석은 사람이 수행한다.

인공지능도 결국 사람의 생각이 영향을 미치는 것이기 때문에 서로 존중하고 배려하는 조직이 분석도 잘할 것이라고 생각한다.