소비자들은 노트북이나 스마트폰으로 검색을 하고, 앱이나 소셜 미디어를 이용해 쇼핑을 합니다. 태블릿을 통해 또는 TV를 연결해 동영상을 시청하기도 합니다. 이렇게 매일 당신의 잠재고객들은 여러 가지 플랫폼에서 다양한 형식으로 미디어와 상호작용을 하고 있습니다. 이로 인해 마케팅 담당자가 제공하는 것에 관심을 보이는 사람들에게 다가갈 수 있는 새로운 기회가 생겼지만, 미디어 측정 면에서는 많은 복잡성이 발생하게 되었습니다.
각 고객 접점의 기여도를 이해하는 것은 ‘비즈니스의 성장’과 ‘전달에 실패한 마케팅 노력’ 간의 차이를 의미할 수 있습니다.
잠재 고객을 구매자로 전환하는 과정에서 어떤 채널이 기여도를 인정받아야 하며, 각 채널을 어떻게 평가해야 할까요? 고객의 여행이 복잡해짐에 따라 각 고객 접점의 기여도를 이해하는 것은 ‘비즈니스 성장’과 ‘전달에 실패한 마케팅 노력’ 간의 차이를 의미할 수 있습니다.
구매 결정에 가장 큰 영향을 미치는 고객 접점을 정확하게 결정하면 최대 수익을 창출하기 위해 캠페인을 최적화할 수 있습니다. 그러나 마케팅 메시지의 결과로 전환한 사람과 그와 관계없이 구매한 사람을 구분해 내야 합니다.
모든 미디어 노출, 변환 및 판매 데이터를 완벽하게 담아내면서 지속적으로 실행 가능한 인사이트를 제공할 수 있는 한 가지의 측정 방식은 없습니다. 성공적인 성과 측정을 위해서는 여러 채널을 아울러 미디어의 영향력을 측정하는 혼합 접근법(blended approach)을 사용해야 합니다.
3가지 미디어 효과 측정 도구
마케팅 믹스 모델을 넘어선 진화
마케팅 믹스 모델(Marketing Mix Model, MMM)은 미디어 효과를 평가하고 각 미디어 유형별로 예산을 최적화하는 강력한 도구입니다. 그러나 마케팅 믹스 모델이 항상 디지털 예산 지출에 있어 실행 가능한 인사이트를 제공하기 위해 사용되는 것은 아닙니다. 투입한 데이터에 비례하는 수준의 인사이트만 얻을 수 있습니다.
디지털 세분화(Digital granularity)는 플랫폼과 광고 형식에 걸쳐 노출의 다른 영향을 비용과 연관 지어 반영하는 데 있어 매우 중요합니다. 이는 적어도 플랫폼별로 온라인 동영상을 분석하고 브랜드와 비브랜드 검색어로 찾아봐함을 의미합니다.
많은 브랜드는 오랜 기간 동안 예산 배분 결정의 주요 수단이었던 마케팅 믹스 모델에 의존해 왔습니다. 하지만 마케팅 믹스 모델은 과거의 결과에 기반을 두고 있고, 일반적으로 연간 기준으로 운영된다는 점 때문에 빠르게 변화하는 시장의 속도를 따라갈 수 없습니다. 그렇기 때문에 발빠른 브랜드들은 실시간으로 더 세밀한 인사이트를 제공할 수 있는 멀티 터치 모델이나 실험과 같은 추가적인 도구를 사용하고 있습니다.
멀티 터치 모델을 사용하여 실행 가능하고 세분화된 인사이트 얻기
모델링은 효과적인 측정을 위해 항상 중요시 여겨져 왔습니다. 멀티 터치 모델(Multitouch attribution, MTA)의 일종인 데이터 기반 모델(Data-driven attribution, DDA)은 여러 가지 미디어 채널의 상대적 영향을 지속적으로 평가합니다. 그리고 디지털 미디어 채널을 위한 마케팅 미디어 믹스보다 보다 실행 가능한 실시간 인사이트를 제공하기 위한 모델을 사용합니다.
데이터 기반 모델은 머신러닝을 활용하여 고객이 원하는 액션을 취하기 전에 처음으로 브랜드와 거래할 때부터 최종 상호 작용에 이르기까지 고객 구매 여정 속의 각 클릭에 얼만큼의 기여도 점수를 부여할지를 결정합니다. 각 비즈니스별로 가장 효과적인 터치 포인트를 결정하기 위해, 원하는 액션을 취한 고객과 그렇지 않은 고객의 경로를 비교하여 독특한 전환 패턴을 분석합니다.
마케팅 담당자는 오래전부터 마지막 클릭이나 룰 기반 접근 방식(rules-based approaches)과 같은 디지털 광고의 기여도를 결정하는 다양한 방법을 사용해왔습니다. 그러나 최근 몇 년 동안 데이터 기반 모델이 가장 효과적인 것으로 판명되었습니다.
유효하고 실행 가능한 발견을 위한 실험
어트리뷰션(attribution)은 매일, always-on으로 측정하는 것이 최선이며, 광고 예산을 책정하고 캠페인이나 채널 수준에서 입찰 전략을 조정하는 데 효과적입니다. 그러나 보다 구체적인 효과 분석 결과를 얻으려면 각 전환이 일어나도록 한 요소가 무엇인지를 알아내기 위해 무작위 통제 실험을 활용해야 합니다. 전환을 일으킨 요소는 리프트(lift) 혹은 증분(incrementality)이라고 합니다.
즉, 어트리뷰션은 소비자 행동을 판매 및 전환과 연관시키는 데 도움이 되며, 수익 최대화를 위한 마케팅 투자를 조정하는 데 도움이 되는 도구이지만, 증분 테스트(incrementality experiment)는 광고가 실제로 소비자 행동을 변화시켰는지의 여부를 결정하기 위해 인과적 방법론을 사용합니다. 실험은 다양한 형태일 수 있지만, 증분 모델은 특히 인과관계와 관련이 있으며, 이는 광고 캠페인의 예산 증가나 A/B 크리에이티브 테스트 영향 측정과 혼동해서는 안 됩니다.
증분 모델은 측정의 표준으로서 철저하게 통제된 실험을 통해 미디어의 진정한 인과관계를 이해하는 데 도움을 줍니다. 그러나 금을 캐는 것과 같이 비용이 많이 들고 시간 집약적인 과정이 될 수 있으며, 자원과 인력에 대한 추가 투자가 필요할 수 있습니다. 그렇기 때문에 증분 모델은 모든 상황에서 모든 브랜드에 적합한 것은 아닙니다. 데이터 기반 모델을 넘어 실험 운용에 필요한 리소스의 투입을 받아들일 준비가 된 기업에서만 잘 활용할 수 있습니다. 이런 기업들은 채널 수준의 예산을 결정하거나 향후 캠페인을 최적화하기 위해 리프트를 측정하기 위해 증분 실험을 활용할 수 있습니다.
최상의 결과를 위해 혼합 접근법 사용하기
채널별 마케팅 효과를 측정하기 위한 단일한 솔루션이 없다는 점을 감안할 때, 특정 상황과 목표에 맞는 혼합 접근법을 사용하는 것이 가장 좋습니다.
- 모든 마케팅 비용(온라인 및 오프라인)의 효과를 전체적으로 살펴보려면 마케팅 믹스 모델을 사용하세요.
- 온라인 미디어 입찰 및 예산 결정을 위한 정보를 얻기 위해서는 마케팅 믹스 모델의 가이드를 실시간 데이터 기반 모델로 보완하세요.
- 비즈니스에 적합한 경우 증분 실험을 실행하여 채널 수준의 예산 책정과 마케팅 믹스 모델 및 어트리뷰션 모두의 결과 정보를 담고 있는 인과관계적 인사이트를 찾아보세요.
궁극적으로 마케터는 고객의 구매 여정에 따른 각 터치 포인트의 영향력을 측정하고 투자 가치를 극대화하기 위해 캠페인을 최적화하는 여러 가지 방법을 사용할 수 있습니다. 각 방법의 장단점을 이해할 때 기업을 성장시키는 데 필요한 인사이트를 얻기 위한 계획을 세울 수 있을 것입니다.
