이커머스 산업군의 평균 구매전환율이 얼마인지 아시나요?
보통 이커머스 평균 구매 전환율은 1.33%라고 합니다.
여기 평균 구매전환율이 약 10%인 광고 플랫폼이 있습니다.
평균 구매전환율이 10%인 이 광고 플랫폼은 우리가 알고 있는 아마존입니다.
Google은 소비자의 관심사를 알고 있으며,
Facebook은 소비자가 누구인지를 알고 있다.
하지만 Amazon은 소비자가 어떤 상품을 구매하는지 알고 있다.
위의 내용처럼 Amazon은 고객이 어떤 상품을 구매하는지를 알고 있다는 것은 굉장히 강력한 무기입니다.
예를 들어 “A고객은 한 달에 한 번씩 여성의류를 구매했고 1년 중 7 번은 남성에게 필요한 상품을 구매한 고객이다.” 라는 데이터를 확보하고 있다면 A 고객은 “여성의류와 남성 상품에도 관심있는 여성”이라고 분류할 수 있으며, A고객에게는 한 달에 한 번씩 여성의류에 대한 다양한 상품을 노출시켜 구매를 유도하고 7번의 남성 상품을 구매한 시점에는 남성 관련 상품 및 광고를 추천할 수 있다는 것입니다.
아마존에서 고객에게 광고를 노출시키는 방식은 다음과 같습니다.
-고객 행동 데이터 수집
-고객 스코어링 및 타깃 오디언스 분류
-타깃 오디언스에 필요한 광고 소재(상품) 노출
마케팅 자동화의 핵심
위의 Amazon의 광고 방식은 우리가 말하는 마케팅 자동화와 매우 유사합니다.
마케팅 자동화에서 가장 핵심이 되는 사항은 다음과 같습니다.
-고객 행동 데이터 수집
-목표설정
-고객 스코어링 및 타깃 오디언스 분류
-타깃 오디언스 별 CTA를 위한 소재
-트리거(전환을 유도하기 위한 적절한 시점)
1. 고객 행동 데이터 수집
마케팅 자동화를 위해서는 고객 행동 데이터가 중요합니다. 가상의 고객 행동을 통해 어떤 데이터를 정의하고 수집할 수 있는지 살펴보겠습니다.
예시) A고객의 행동
A고객은 오후 6시 30분에 웹사이트에 접속하여 7시 20분까지 체류하여 TV, 냉장고, 세탁기 등가전 카테고리 상품을 조회 및 장바구니에 담고 침대, 붙박이 장롱, 화장대 등 가구 카테고리의 상품을 조회 및 장바구니에 담은 후 가전 및 가구 카테고리 상품을 동시에 구매했다
예시) A고객의 웹사이트 행동
-식별/비식별 고유번호
-처음 접속시간, 마지막 접속시간
-조회 상품 / 카테고리 명
-장바구니 담긴(버린) 상품명 / 카테고리명
-구매 혹은 구매취소 상품명 / 카테고리명
-각 페이지 접속 시간
위의 데이터 뿐만 아니라 특정 기획전 조회, 유입경로 등 다양한 고객 행동 데이터를 정의하고 수집해야 합니다.
이러한 고객 행동 데이터는 다음 모든 단계에서 활용됩니다.
2. 목표설정
수집한 고객 행동 데이터 중 어떤 데이터를 활용할 것인가? 에 대한 정답은 목표 설정입니다. 고객 행동 데이터는 우리가 소위 말하는 빅 데이터입니다. 빅 데이터를 활용하기 위해서는 목표 설정이 필수입니다.
웹사이트에 접속한 잠재고객을 실제 회원으로 만드는 것이 목표다.
위와 같은 목표가 정해지면 회원가입한 고객이 몇 번의 상품을 조회한 후 회원가입을 하는지 장바구니 버튼을 클릭 후 회원가입을 하는지 등 패턴을 파악하여 머신러닝을 통해 학습하여 회원가입 가능성이 높은 잠재고객을 찾아 내거나 회원가입을 유도해야 하는 시점이나 고객 스코어링에서 어떤 행동의 점수를 높게 할당할지 등을 설계할 수 있습니다.
3. 고객 스코어링 및 타깃 오디언스 분류
수집한 고객 행동 데이터를 기반으로 가장 성과에 근접한 행동을 한 순으로 스코어링 및 타깃 오디언스를 분류하여 활용합니다.
[표1] 고객 행동 스코어링
예를 들어, 위의 표와 같이 고객의 행동 별로 가장 성과에 근접한 행동 데이터는 높은 점수를 부여하여 고객 별로 스코어링을 하여 구매를 발생시킬 확률이 높은 고객을 찾게됩니다.
[표2] 고객 행동 세그먼트
뿐만 아니라 고객 행동 데이터를 결합하여 하나의 타깃 오디언스로 분류하게 됩니다. 위의 [표2]와 같이 접속시간, 주문시간, 구매상품 및 유입경로/소재 등의 데이터를 조합하여 하나의 타깃 오디언스로 분류하여 활용합니다.
4. 타깃 오디언스에게 필요한 광고 소재(상품)노출
이제 잠재고객을 관심사에 맞게 분류했다면 잠재고객에게 액션을 유도해야합니다. 이미 분류한 잠재고객의 조회상품, 장바구니 담은 상품, 구매 상품, 취소 상품 등 관심사 데이터와 웹사이트 접속 후 얼마나 머무르는지, 언제쯤 방문하는지, 방문 후 몇 개 상품을 조회하는지 등 고객 행동 데이터를 알고 있습니다.
그럼 분류한 잠재고객 별 어떤 소재를 노출시켜야 하는지를 알 수 있기 때문에 잠재고객의 니즈를 충족시킬 수 있는 소재 및 상품을 보여줌으로써 잠재고객을 가망고객 더 나아가 실제 구매 행동을 유도할 수 있습니다.
5. 트리거(전환을 유도하기 위한 적절한 시점)
오프라인 매장에서 멤버쉽 가입 시 전 품목 1+1 행사를 진행한다고 가정해 봤을 때 멤버쉽 가입으로 이어질 가능성이 높은 경우는 무엇일까요?
1) 매장에 방문하자마자 고객에게 행사를 알리고 멤버쉽 가입을 유도한다.
2) 매장 방문 후 여러 개의 상품을 보다가 특정 상품을 3번째로 보는 시점에 행사를 알리고 멥버쉽 가입을 유도한다.
1번은 아직 우리 상품을 경험하지 않았기 때문에 멤버쉽에 가입할 의사가 없는 고객일 확률이 높습니다.
2번의 경우 우리 상품에 지금 관심이 많기 때문에 멤버쉽에 가입하여 구매할 확률이 높습니다.
이처럼 전환을 유도하기 위해서는 전환 가능성이 높은 고객에게 적절한 시기에 전환을 유도해야 합니다.
트리거의 경우 보통 세 가지 방식으로 진행됩니다.
- 고객 스코어링 기반 트리거
- 정의한 특정 행동 기반 트리거
- 유저 플로우 기반 트리
1) 고객 스코어링 기반 트리거
설정한 목표를 기준으로 목표 달성 고객의 행동을 스코어링하여 특정 점수에 해당하는 고객에게 액션을 수행합니다.
2) 정의한 특정 행동 기반 트리거
처음 접속한 고객 중 상품을 3번이상 조회한 행동 등 다양한 행동을 사용자가 직접 정의하여 정의한 행동을 수행한 고객에게 액션을 수행합니다.
3) 유저 플로우 기반 트리거
웹사이트에 접속한 고객이 처음 접속 후 구매(전환)까지의 가상의 고객의 행동 흐름을 설계한 후 각 단계 별 액션을 수행합니다.
글을 마무리하며
아마존의 광고 유형은 매우 다양하지만 고객의 행동 데이터를 보유하고 이를 통해 광고를 노출시키는 방식은 우리가 알고있는 마케팅 자동화와 매우 유사합니다.
마케팅 자동화에서 가장 중요한 부분은
-고객 행동 데이터 정의 및 수집하고
-목표 설정 후 목표 달성을 위한 데이터를 선택합니다.
-그리고 고객 행동을 기반으로 고객을 스코어링 또는 분류하고
-분류된 고객 별로 그에 맞는 소재를 제작하여
-적절한 시점에 마케팅을 수행합니다.
마케팅 자동화가 중요해진 이유는 웹사이트의 전환율 최적화와 CX(고객경험)강화가 화두되기 때문이라고 생각합니다. 하지만 위의 5가지 사항을 고려하기 위해서는 데이터 엔지니어 및 데이터 분석가와 같은 데이터 전문 인력과 기술력이 필요하기 때문에 구현하기 어렵다고 생각합니다.
비즈스프링은 18년 간의 데이터 분석 솔루션을 개발 및 구현한 기술력과 분석 노하우를 통해 필요한 데이터를 설계하고 활용할 수 있도록 지원해드립니다.데이터 활용이 필요한 분 들이라면 02-6919-5514 또는 ad@bizspring.co.kr로 문의주시기 바랍니다.
참고자료 출처
– 아마존이 광고제국을 건설하는 방정식
http://www.ttimes.co.kr/view.html?no=2019012918227773071
– Jeff Bezos and Amazon have the advertising industry looking over its shoulder
