세그먼테이션은,
고객에 대한 이해와 고객의 공유된 특성을 기반으로 그룹화하여, 보다 맞춤화된 메시지를 전달하고 고객과 더 강력한 관계를 구축할 수 있도록 돕는 과정입니다. 만약 타겟팅 없이 모든 사람에게 같은 것만 보여주거나 혹은 우리가 보여주고 싶은 것을 전달하는 데에만 집중한다면, 저 같은 사람은 아마 한두 페이지 보다가 다른 사이트를 찾아 떠나 버릴지도 모릅니다.
실제로 여러 서베이 결과도 개인화(타겟팅)가 얼마나 중요한지 보여줍니다. 고객의 80%가 개인화된 경험을 제공하는 브랜드에서 상품이나 서비스를 구매하겠다 대답했고, 또 70%는 나의 니즈를 얼마나 잘 파악하고 이해하고 있는지가 브랜드 충성도에 영향을 미친다고 대답했습니다(Slideshare/Salesforce, 2022).
추가로, 마케터들은 세그먼트가 적용되지 않은 메시징의 응답률은 평균보다 83% 낮다고 대답했고요(instapage, 2022).
물론 모든 메시지에 세그먼트가 필요한 것은 아닙니다. 상황에 따라 세그먼트가 필요 없을 수도 있죠. 하지만 그렇지 않은 경우라면 웹사이트 방문 고객에게 개인화된 웹 경험을 제공하는 것은 그들의 요구를 효과적이고 효율적으로 충족시켜 고객 만족도와 전환을 높이기 위한 필수 요소입니다.
세그먼트 타입
그럼 세그먼트는 어떤 기준으로 나누면 좋을까요. 일반적으로 널리 사용되는 세그먼트의 기준은 크게 네 가지 입니다.
· Demographic
세그먼테이션이라고 했을 때 사람들이 보통 첫 번째로 생각하는 연령, 성별, 직업, 가족 구성 등의 인구 통계학 기준입니다.
예를 들어, 호텔 사이트에서 인구 통계학 세그먼트를 사용해서 아이가 있는 부모들에게는 가족들이 함께 머물 수 있는 방과 아이들이 좋아할 만한 상품이 포함된 패키지를, 아이가 없는 커플이라면 또 그에 알맞은 패키지를 추천하는 것입니다.
인구 통계학 기준은 가장 기본이 되는 기준이며, 객관적으로 쉽게 측정할 수 있다는 이점이 있습니다. 하지만, 이는 같은 범주에 포함된 사람들이라면 같은 니즈 및 관심이 있다고 가정해서 사용할 수 밖에 없고, 이러한 정보들은 개인의 특성이나 그들이 중요하게 생각하는 것이 무엇인지 파악할 수 있는 인사이트를 주진 못합니다. 더더욱 한국에선 개인 정보 관련된 이슈로 많은 제한이 있죠.
· Psychographic
두 번째는 심리학적 기준입니다. 되게 어려운 말같은데요. 쉽게 말해 라이프 스타일, 성격, 사회적 지휘, 의견, 가치관, 관심사 등의 항목들을 통해 소비자 행동의 심리적 측면을 고려하여 제품이나 서비스에 관심을 갖는 이유를 이해하는 것입니다.
이러한 기준은 고객의 행동에 대한 동기와 이유를 이해할 수 있도록 돕고, 다른 세그먼트가 놓칠 수 있는 감정적이고 개인적인 수준의 보다 명확하고 타겟팅된 메시지가 가능하게 합니다. 하지만 인구 통계학 세그먼트와 비교해 보았을 때, 이런 데이터나 인사이트를 확보하는 것은 쉽지 않고 객관적 데이터가 아니다 보니 데이터를 해석하기 쉽지 않다는 한계가 있습니다.
· Geographic
그 다음은 지리적 기준입니다. 예를 들어 지역(나라,도시 등), 기후 및 계절, 문화, 언어 등이 이 기준에 포함됩니다. 이는 특정 위치에 거주하거나 생활하는 사람들을 대상으로 타겟팅할 때 주로 사용되는 기준입니다. 같은 지역에서 생활하는 사람들은 비슷한 니즈, 욕구 및 문화적인 특성을 가지고 있다는 원칙에 따라 적용하는 것이죠. 물리적인 기준으로 고객을 그룹화하기때문에 고객을 식별하는 가장 쉬운 방법 중 하나입니다. 특정 위치의 정해진 반경 내에서 고객을 그룹화하는 것이죠.
이 세그먼트로 실시간 위치를 사용한 캠페인을 진행할 수도 있습니다. 예를 들어, 고객이 매장 근처에 왔을때 오프라인에서 하는 이벤트에 대한 안내와 함께 쿠폰을 제공함으로 매장에 방문하도록 유도하는 것이죠.
· Behavioral
마지막으로 고객이 어떤 행동을 하는지에 따라 나누는 행동 기반 세그먼트입니다. 고객 충성도, 구매 행동 및 패턴, 사이트 브라우징 행동 및 패턴, 인게이지먼트, 고객 만족도, 고객 여정 단계 등이 여기 포함됩니다. 행동 패턴은 고객의 입장에서 필요하거나 혹은 효과적이었기 때문에 형성된 것이고, 또 그렇기 때문에 패턴 발견이나 그에 대한 이해는 타겟팅에 아주 유용하게 사용됩니다.
물론 이 기준들은 계속 변하지만, 실시간 추적이 가능한 데이터라 그에 따른 액션과 개선이 가능합니다. 그뿐만아니라 인게이지먼트가 높은 고객 혹은 잠재 고객을 식별하여 비용을 효율적으로 사용하는 것이 가능하죠. 패턴에 따라 가장 알맞은 때에 적절한 타겟팅을 실행하는것은 고객 만족도를 높이고, 고객 평생 가치를 높이는 아주 좋은 방법입니다.
이렇게 네 개의 기준이 가장 일반적이고, 그렇기에 조금 길게 이야기했지만, 우리는 우리의 방식대로 다시 데이터를 분류해 볼 수 있을 것 같습니다.
1. Behavioral
사이트 내에서의 행동을 기반으로 유저를 분류한 데이터
(예: 신규 • 재방문, 체류 시간, 이동 경로, 최근 관심 제품,검색 횟수, 관심 카테고리 등)
2. Temporal
유저가 접속 및 인게이지된 시점과 상황에서만 유효한 데이터
(예: 요일, 주중•주말, 최근 접속일, 접속 횟수 등)
3. Referral
유저의 사이트 유입 경로 및 유형 등으로 구분한 데이터
(예: 유입 도메인, 캠페인 ID, 유입 유형, PPC, 소셜 로그인 등)
4. Environmental
유저의 접속 기기나 위치 등 기술 환경적 요소에 근거한 데이터
(예: 접속 국가, 타임존, 기기 유형, 운영체제, 브라우저 버전, 모니터 크기 등)
5. Offline
외부 데이터 소스를 통해 확보된 유저에 대한 추가적인 데이터
(예: CRM, 콜센터•VOC 내역, 써드 파티 데이터 등)
추가로 우리 비즈니스만의 지표가 필요하다면, 다른 데이터를 조합하거나 혹은 계산해서 만들어 낸 계산 지표(Calculated Metrics)도 활용할 수 있습니다. 위에서 소개된 유형들은 고객들의 과거 데이터 혹은 현재 실시간 데이터가 기준입니다. 그렇다면 여기에서 드는 의문은, 누군가를 정확하게 세그먼테이션한다는 것이 과연 이 기준만으로 가능한 걸까요?
저는 아닐 것 같습니다. 아마 여러분도 저와 똑같이 대답하실 것 같은데요. 이전엔 단순하게 저장되어 있는 데이터로 '어떤 사람을 어떤 그룹으로' 나누는 것을 세그먼테이션이라고 했 다면, 지금은 그것을 넘어서 고객의 행동을 예측하는 데이터를 활용한 세그먼테이션으로 발전하고 있습니다. 과거와 현재 데이터뿐만 아니라 미래 지향적인 데이터가 추가된 예측 세그먼트의 형태로 말이죠.
예측 세그먼트는 아래 예시처럼 활용할 수 있습니다.
· 이탈 가능성이 높은 고객에게 쿠폰 발송
· 고객의 선호 채널을 통한 메시지 발송
· 앱을 삭제한 고객을 타겟으로 광고 노출
· 스킨케어 제품에 관심이 많은 고객에게 스킨케어 제품 추천
· 고객 생애 가치가 높은 고객에게 프리오더 베네핏과 리워드 제공
과거/현재 데이터는 누군가를 설명하거나 진단하는 유형의 데이터입니다. 반면에 예측 데이터는 이름 그대로 머신 러닝과 인공지능 알고리즘 기반으로 기존의 데이터로부터 새로운 사실을 발견하고, 고객을 파악하고, 고객의 행동을 예견하는미래 지향적인 데이터입니다. 이렇게 만들어진 세그먼트는예측하는 것을 넘어서 무엇을 해야 하는지, 즉 결국 어떤 행동을 하도록 유도해야 하는지까지 내포하는 처방적 데이터로 활용할 수 있어야 합니다.
지금까지 세그먼트를 만드는 여러 조건에 대해서 이야기해봤습니다. 추가로 세그먼트 만드는 팁을 드리자면 하나의 기준이 아니라 여러 조건을 조합하여 만드는 것이 훨씬 정교하게, 그리고 효과적으로 비즈니스에 가장 알맞은 세그먼트를 만드는 방법입니다.
그리고 조건들을 분리한 후 다시 여러 조건을 조합하여 사용하실 것을 추천해 드립니다.
여러 고객사를 만나보면 대부분 하나의 조건으로 나눈 세그먼트를 대상으로 하는 테스트를 계획합니다.
세그먼트: New/Returning Visitor == New Visitor
이렇게 하는 것이 틀린 것은 아니지만, 저는 조금 다른 방법을 추천해 드리고 싶습니다.
예를 들어, 이렇게요.
세그먼트: Visit Number == 1 && Purchase Count ==
0 && Page View >= 3 && …
위 예시처럼 여러 조건을 조합하여 만드는 경우 나중에 더 쉽게 세그먼트를 정교화하거나, 확장시키거나 혹은 다른 용도로 다양하게 사용할 수 있습니다.
데이터 그리고 CDP
좋은 재료가 좋은 음식을 만들어 내듯, 좋은 세그먼트를 만들기 위해서 좋은 데이터가 필요한 것은 당연한 이야기입니다.이번엔 세그먼트를 이루는 데이터에 대해서 이야기해 봅시다.
애플과 구글을 선두로 한 개인 정보 보호 정책으로 써드 파티 쿠키 데이터의 사용이 제한되면서, 퍼스트 파티 데이터가 더욱 중요해졌습니다. 고객 ‘유치’보다 고객 ‘유지’가 중요해졌고, 이를 위한 퍼스트 쿠키 강화와 온사이트에서 이루어지는 타겟팅의 중요성이 극대화된 것이죠.
퍼스트 파티는 고객이 방문한 웹사이트에서 직접 생성 및 저장되는 쿠키 데이터, 써드 파티는 방문하지 않은 제3의 웹사이트에서 생성되어 저장된 쿠키를 의미합니다. 웹/앱에서 수집된 행동 데이터, 구매 데이터, AI 기반 데이터, CRM 데이터 등이 대표적인 퍼스트 파티 데이터에 해당됩니다.
대부분의 기업들은 데이터를 매우 중요하게 생각하면서 데이터를 수집하기 위한 많은 노력을 합니다. 실제로 중요한 과정이고, 데이터가 있어야 무엇이든 할 수 있죠. 하지만 만약 수집만 하고 제대로 사용하지 못한다면 그만큼 많은 비즈니스 기회를 잃어버리는 것을 의미하고, 그렇기에 요즘 CDP에 많은 관심을 가지고 계시는 것 같습니다.
CDP(Customer Data Platform)에 대해 들어 보신적 있으신가요?
사용한다는 관점에서 CRM이나 DMP와 비슷하지만 몇 가지 차이가 있습니다. 세컨드‧써드 파티가 주요 소스인 DMP를 제외하고 CRM과 CDP를 간단히 비교해 보겠습니다. CRM은 비식별 고객의 데이터를 담기는 어렵고, 중요한 내부 데이터를 저장하고 있다 보니 외부 시스템과 연결하기 쉽지 않으며, 만약 한다고 하더라도 한계가 있습니다. 더불어 실시간 활용은 불가하고요. CDP는 이러한 단점을 보완하여 웹사이트, 모바일 앱, CRM, 메시징 채널 등 여러 온・오프라인 소스의 데이터를 결합하여 단일 프로필을 만들고 활용할 수 있도록 돕는 플랫폼입니다.
Customer Data Platform Institute의 설립자인 David Raab은 우리가 많이 쓰는 마테크라는 말을 만든 사람인데요. 그는 CDP에 대해 이렇게 말했습니다.
"마케팅 및 기타 채널에서 모든 customer-level의 데이터를 저장하고 통합하여,
고객을 분석하고 모델링하고 메시지의 타이밍과 타겟팅을 최적화하는 마케팅 시스템입니다.
고객 데이터를 활성화하고 여러 채널을 통해 개인화할 수 있도록 도와주는 인터페이스가 포함되어 있습니다."
실제로 CDP는 더 나은 고객 경험에 대한 니즈를 해결하기 위해 단순히 데이터를 저장하는 것뿐 아니라 데이터 활용 영역까지 지원하도록 만들어졌습니다. CRM, DMP와 같은 초기 데이터 플랫폼은 일부 니즈를 해결했지만 조각난 데이터를 통합하는 플랫폼은 아니었고, 브랜드가 실시간으로 연결된 하나의 고객 경험을 제공하는데 한계가 있었습니다. 이를 해결하기 위해 접점이 있는 다양한 채널로부터 수집된 데이터들을 단일 고객 프로필로 통합하기 위한 플랫폼, CDP가 탄생한 것이죠.
우리는 CDP를 통해 흩어져 쏟아지는 데이터를 구조화 및 조직화함으로써 다양한 비즈니스 목표를 달성할 수 있게 되었습니다. 그뿐만 아니라 CDP는 기존 데이터에 AI 기반의 알고리즘을 접목시켜 제3의 새로운 데이터를 제공하기도 합니다.
또한 통합된 데이터는 고객을 360도로 이해할 수 있는 보다 명확한 관점을 제공하고, 이를 통해 개인화된 크로스 • 옴니채널 마케팅을 설계할 수 있게 되었습니다. 이 덕분에 우리는 여러 채널에서 일관된 메시지를 자동으로 전달할 수 있게 된 것이죠.
아래 예처럼요.
예1) 오프라인 구매 내역 기반으로 한 온라인 상품 추천
예2) 오프라인 구매 고객 대상 피드백 수집
바쁜 마케터들에게 지금 무엇보다 필요한 것 아닌가요😂
CDP에 대해 이야기하다 보니, 마케팅 자동화에 대한 이야기가 계속 나오게 되는데요. 이 주제에 대해서는 다음에 자세하게 한번 이야기해 봅시다.
다시 돌아와, CDP의 역할은 크게 Collection, Unification, Activation, Automation으로 나누어집니다. 각 기능이 수행해야 할 여러 가지 다양한 역할이 있겠지만, 기능별로 중요하게 생각해야 할 포인트를 한가지씩만 뽑아 봤습니다.
1. Collection
안정적으로 다양한 소스의 데이터를 수집할 수 있는가
2. Unification
각기 다른 채널에서 온 데이터들을 연결하여 하나의 고객 프로필을 만들 수 있는가
3. Activation
고객 프로필을 활용하고 분석하여 비즈니스에 실제 활용할 수 있는가
4. Automation
복잡하고 무거운 고객 데이터를 이용하여 비즈니스를 운영하는 데 사람의 노력이 얼마나 덜어질 수 있는가 혹은 고객 여정을 자동으로 관리할 수 있는 다양한 프로그램을 만들어 운영할 수 있는가
CDP를 통해 이 네 가지 영역이 잘 해소되어야 CDP를 잘 사용하고 있다고 할 수 있을 것 같습니다. 이미 CDP를 사용하고 계신다면 위 포인트들을 점검해 보시고, 도입을 고민하고 계신다면 이 고려사항들을 참고해 보셨으면 좋겠습니다.
만약 CDP에 대해 조금 더 자세히 알고 싶으시다면, Insider CDP 완벽 가이드를 확인해보세요.
세그먼트 만들기
이론은 모두 알게 된 것 같으니, 그럼 이제 실제로 어떻게 적용할 수 있을지 알아봅시다.
데이터 분석, 세그먼트 목표 및 KPI 설정 등은 이미 다 알고계실 테니 그런 이야기는 제외하고 액션 포인트에 대해 이야기해 보겠습니다.
1. 우선 이미 동종 업계에서 보편화되어 통용되고 있는 기본적인 세그먼트를 시작으로 하면 됩니다. 디바이스나 유입 경로, 방문 횟수 등 온드 미디어를 가지고 있다면 적용할 수 있는 기본적인 세그먼트뿐만 아니라, 같은 업계의 다른 브랜드들이 사용하고 있는 세그먼트를 활용 하는 것이 세그먼트를 만드는 가장 쉬운 방법입니다.
저는 추가로 디지털 마케팅 트렌드도 꼭 챙겨 확인해 보셨으면 좋겠습니다. 아마 세그먼트를 만드는 좋은 인사이트가 될 수 있을 것입니다.
2. 우리 비즈니스에 맞는 세그먼트를 만들고 싶다면 기본적으로 전환을 달성한 그룹과 그렇지 못한 그룹을 나눠 보는 것입니다. 전환 그룹의 경우 그 안에서도 RFM(Recency/Frequency/Monetary) 스코어가 높은 그룹, 그렇지 않은 그룹, 활성화 그룹, 비활성화 그룹 등 세부적으로 나눠 타겟팅이 가능한 세그먼트를 만들어보세요. 그리고 미전환 그룹이라면 사이트 인게이지먼트(Usage)에 관련한 기준으로 나눌 수 있을 것입니다. 어떤 페이지를 보았는지, 어떤 행동을 보였는지요.
그리고 나눠진 세그먼트를 비교해 보는 것도 중요합니다. 세그먼트를 비교했을 때 눈에 띄게 차이가 있는 요소, 영역, 행동, 속성 등 다른 그 포인트가 우리가 신경 써야 할 포인트이기 때문이죠.
예를 들어, 전환 그룹과 미전환 그룹의 세부 지표들을 비교해 본다고 가정해 봅시다.
상품 상세 보기, 로그인, 사이트 체류 시간 등의 지표에는 큰 차이가 없지만 상품 비교 위젯 사용률은 차이가 컸습니다. 그렇다면 우리는 미전환 그룹이 전환 그룹과 비슷한 유형이 되도록, 상품 비교 위젯을 사용하도록 해야겠죠. 그뿐만 아니라 상품 비교 위젯을 사용한 고객 그리고 사용하지 않은 고객 그룹을 다시 나눠서 각 그룹의 차이가 무엇인지 분석해 볼 수 있을 것 같습니다.
이렇게 세그먼트를 나누고, 또 나누면서 세분화해 보세요.
3. 자동화된 세그먼트를 사용하는 것입니다. 위에서 언급했던 예측 세그먼트가 그 일부가 될 텐데요. 마케터들이수동으로 발라내던 세그먼테이션을 이제는 스코어링이나 클러스터링 같은 머신러닝과 AI 알고리즘의 도움을 받아 자동화하는 거죠. 숨어있던 혹은 우리가 놓치고 있던 고객까지 찾아내 고객에 대한 통찰력을 얻을 수 있는 다양한 기술을 활용하는 것도 고민해 보고 시도해볼 만한 것 같습니다.
효과적인 세그먼트란
그렇다면 어떤 세그먼트가 괜찮은, 그리고 효과적인 세그먼트일까요. 세그먼트를 만들 때 고려해야 할 ADAMS라고 불리는 다섯 가지 요건이 있습니다. 아래 항목들을 참고하셔서 세그먼트를 점검해 보세요.
1. Accessible
세그먼트는 우리가 쉽게, 그리고 크게 돈 들이지 않고 만들 수 있는 세그먼트여야 합니다.
2. Differential
세그먼트가 쉽게 서로 구별되고, 우리의 전략에 따라 다르게 반응하는지 확인해야 합니다. 세그먼트 구성원들의 요구가 다른 세그먼트와 분명히 다르게 구별되어야 합니다.
3. Actionable
세그먼트 대상으로 효과적인 전략을 세우고, 운영할 수 있어야 합니다. 세그먼트는 만들었지만 우리가 그 고객군에게 제공할 수 있는 제품이나 서비스, 혹은 할 수 있는 마케팅 활동이 없다면 그것은 의미 없는 세그먼트겠죠.
4. Measurable
세그먼트의 고객을 식별하고, 세그먼트의 크기를 측정할 수 있어야 합니다.
5. Substantial
세그먼트는 충분히 큰 크기여야 합니다. 어느 정도의 수익성을 기대할 수 있어야 하는 것은 당연하고요.
로그인, 데모요청 없이 인사이더 예측 세그먼테이션 기능 경험하기!
세그먼테이션 자체가 우리의 목적이 아닙니다. 효과적인 마케팅을 위한 수단으로 선행되는 작업이죠. 고민하고 또 고민해서 만든 세그먼트는 그 목적에 맞게 사용되어야 합니다.
가끔 “우리는 복잡하게 세그먼트 정교화하는 것 필요 없고, 그냥 많이 와서 많이 보면 돼요”라고 말씀하시는 파트너들이 계십니다. 하지만, 우리가 이전에 이야기했던 것처럼 세그먼트는 고객의 경험을 위한, 그리고 노력, 시간, 비용을 효율적으로 사용하기 위한 중요한 역할을 한다는 것 잊지 마세요!
마지막으로 우리가 생각하고 행동하고 느끼는 방식은 시간이 지남에 따라 혹은 다양한 상황에 따라 바뀔 수 있기 때문에,실제로 우리의 세그먼트가 그리고 타겟팅이 잘 작동하고 있
는지에 대한 꾸준한 분석과 노력이 필요하다는 것도 꼭 기억해 주세요.
🤩함께 보면 더 좋은 인사이더 추천 콘텐츠!
개인화 마케팅 성과를 극대화시키는 A/B 테스트 성공법이 궁금하다면?
모든 접점에서 ‘최상의 고객 경험’을 제공하세요.
세계 최고의 ‘크로스채널 고객 경험 플랫폼’ 인사이더(Insider)가 함께합니다.
인사이더는 흩어진 고객 데이터를 통합, 분석하여 AI 세그먼테이션을 기반으로 개인화, 추천, 메시징 등을 제공하는 세계 최고의 ‘크로스채널 고객 경험 플랫폼’입니다.
분석 | 개인화 | 추천엔진 | CDP | CRM 마케팅 자동화 | 크로스채널 메시징 | AI·ML 세그먼테이션
