이번 콘텐츠는 7월 4일 실시했던 [데이터라이즈X팀민트 공동 웨비나 ‘퍼포먼스부터 CRM 마케팅까지 한 발 앞서기 위한 데이터 전략’] 웨비나의 일부 내용입니다. 전체 내용은 동영상으로도 확인하실 수 있습니다.
[동영상 보기]
퍼포먼스 마케팅, 혹시 이런 점이 고민인가요?
KPI에 맞춰 매일 예산을 옮기는 '청기백기' 놀이를 하고 있어요.
지표는 개선되었는데 사업부에서는 변화가 없다고 해요.
iOS는 항상 성과가 좋지 않아요.
특정 데이터만 확인하기 때문입니다.
KPI에 맞춰 매일 예산을 옮기는 '청기백기' 놀이를 하고 있어요.
→ 내부 데이터만 보기 때문입니다.
지표는 개선되었는데 사업부에서는 변화가 없다고 해요.
→ 매체 데이터만 보기 때문입니다.
iOS는 항상 성과가 좋지 않아요.
→ 트래커 데이터만 보기 때문입니다.
데이터를 확인할 수 있는 곳은 다양합니다. 크게는 광고를 직접 집행하고 있는 매체에서 제공하는 매체 데이터, 자체적으로 보고 있는 내부 데이터, 데이터를 통합해 볼 수 있는 트래커 데이터가 있는데요. 대부분 성과를 측정할 때 매체 데이터에서 제공하는 성과를 1+1+1+1 방식으로 더해 측정하는 경우가 많습니다. 하지만, 내부 데이터나 트래커 데이터에서는 1+1+1+1의 값인 4가 아닌 2~3이 성과인 경우가 더 많습니다.
1+1+1+1=2인 이유
%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001.png?width=1828&height=753&name=(%ED%8C%80%EB%AF%BC%ED%8A%B8)%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001.png)
매체별로 픽셀, 스크립트를 삽입 후 전환까지 이르는 과정에 여러 절차가 있기 때문인데요. 여러 과정에서 약간의 기여만 예상돼도 해당 매체의 기여로 잡습니다. 즉, 타 매체 영향으로 전환된 고객까지도 자신들의 기여로 가져와 집계합니다. 이는 광고 매체 수가 늘어날수록 더 두드러집니다. 이는 웹 어트리뷰션 로직상의 한계이기에 불가피한 일이기도 합니다. 다만, 앱은 SDK 어트리뷰션 하나로만 연동하기에 이러한 경우가 다소 적습니다. 이 문제를 해결하기 위해 트래커 데이터를 활용하는 곳이 많은데요. 트래커 데이터를 활용하는 곳은 매체 대시보드에 잡힌 전환값을 광고 최적화를 위한 시그널 정도로만 활용합니다.
트래커 데이터도 함정이 있다?
%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-1.png?width=1715&height=712&name=(%ED%8C%80%EB%AF%BC%ED%8A%B8)%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-1.png)
하지만, 트래커 데이터도 한계가 있습니다. 그림에서처럼 트래커 데이터와 매체 데이터가 파악하지 못하는 삼각지대가 있기 때문입니다. 실제로 생활용품 브랜드에서 고가치 유저를 찾기 위해 매체 데이터와 트래커 데이터를 동시에 분석했습니다. 매체 반응 성과를 봤을 때, 2030 유저의 CTR이 4050보다 높게 나타났고, 트래커 기준 전환 성과를 봤을 때 4050의 CAC와 CPA가 월등히 높게 나타났습니다. 이 결과를 바탕으로 4050 대상 광고 예산을 증액했습니다. 하지만, 전체 매출은 점점 줄어들었습니다. 원인은 2030과 4050의 첫구매가 동일한 성격이 아니었기 때문인데요.
생활용품이다 보니 20대 딸이 첫구매를 하고 재구매를 할 때는 50대인 엄마의 계정을 이용할 때가 많았습니다. 딸이 좋은 상품을 찾아 첫구매 후 가족들에게 공유하면 엄마는 재사용을 위해 같은 상품을 결제하는 일이 잦았기 때문입니다. 또한, 엄마 계정을 새롭게 만들어 첫구매 할인을 받고 재구매하는 경우도 많았습니다. 이 경우 트래커 데이터에서 첫구매 이벤트가 2개로 보여지더라도 첫구매는 1개나 다름없었던 것인데요. LTV 계산이 잘못되었다고 볼 수 있죠.
%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-3.png?width=1830&height=690&name=(%ED%8C%80%EB%AF%BC%ED%8A%B8)%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-3.png)
두 유저 간의 관계성을 파악하고 배송지를 기준으로 데이터를 다시 분석했습니다. 4050 첫 구매자의 배송지가 기존에 등록된 배송지라면 재구매라 판단하고 배송지 중복 건을 확인했습니다. 4050 첫구매자 중 배송지 중복자는 약 60% 정도로 높게 나타났습니다. 중복 건을 제외하니 2030의 첫구매 비율이 높게 나타났습니다.
멀티소스 데이터가 필요한 이유
%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-4.png?width=1703&height=607&name=(%ED%8C%80%EB%AF%BC%ED%8A%B8)%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-4.png)
매체 데이터와 트래커 데이터를 동시에 보더라도 데이터의 오차가 발생하는 이유는 데이터의 해상도가 낮아졌기 때문입니다. 프라이버시 규제로 광고 데이터의 해상도, 즉 데이터마다 정확한 측정이 어려워진 영역이 많아졌습니다. 때문에 여러 데이터를 겹쳐 빈 영역을 최소화한 멀티 소스 데이터가 중요합니다.
%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-Aug-11-2024-12-15-45-0524-PM.png?width=1822&height=604&name=(%ED%8C%80%EB%AF%BC%ED%8A%B8)%20%EC%9B%A8%EB%B9%84%EB%82%98%20w.%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%9D%BC%EC%9D%B4%EC%A6%88_240704_FIN%20(1).001-Aug-11-2024-12-15-45-0524-PM.png)
실제 사례를 통해 멀티 소스 데이터의 중요성을 확인해볼게요. 중고차 판매 사이트에서 AOS와 iOS 마케팅 캠페인 성과를 비교하고 분석한 사례입니다. 처음 분석했을 때 AOS 대비 iOS CPI가 월등히 높았습니다. SKAN 로직 상 측정되지 않는 전환이 있을 것이라는 추정도 있는 상황이었습니다. 이 상황에서 iOS Paid 미디어 광고를 통해 설치된 앱 수가 증가할수록 iOS Organic 설치 수도 늘어날 것이라는 가설을 세웠습니다. 이를 확인하기 위해 중고차 구매가 특정 시기에 집중되는 경향을 고려해 경쟁사 마켓 데이터를 추가로 분석했습니다. 분석 결과, iOS 유료 광고로 설치된 앱 수가 증가하면 Organic 설치 수도 증가하는 상관관계를 확인할 수 있었습니다. 이러한 분석이 없었다면 iOS에서의 광고 집행이 비효율적이라고 판단하고 중단할 수 있었겠지만, 데이터를 통해 그 가설이 틀렸음을 밝혀냈습니다. 이 사례는 멀티 소스 데이터를 분석하여 깊이 있는 인사이트를 얻는 것이 얼마나 중요한지를 보여줍니다. 멀티 소스 데이터는 단순한 수치 비교만으로는 알 수 없는 중요한 상관관계를 발견하게 하고, 더 나은 마케팅 전략을 수립할 수 있도록 돕습니다.
정리하자면, 멀티 소스 데이터를 보고 있지 않은 마케터라면 성과가 과대평가되거나 매체가 다른 성과에 미치는 상관관계를 모르고 효과를 축소 해석하고 있을 수 있습니다. 왜냐하면 매체 데이터, 트래커 데이터 등은 다차원적인 분석에 한계점이 있기 때문입니다. 정확도 높은 성과를 측정하기 위해서는 N개 이상의 멀티 소스 데이터를 보고 종합적으로 분석해야 합니다. 데이터 대시보드마다 다르게 나타나는 성과때문에 혼란스러운 마케터라면 멀티 소스 데이터로 정확하고 깊이있는 성과 데이터를 분석할 수 있길 바랍니다.
