인공지능(AI)을 통한 예산 부담 없는 신규 고객 확보

CPL(Cost per lead, 리드당 비용, 온라인 광고의 과금 방식 중에서 고객 개인정보 접수 등의 판매 기회가 발생한 횟수로 비용을 계산하는 방식)은 마케팅의 성공 여부를 판단하는 최적의 기준으로 인정받아 왔다. 따라서 기업의 63%가 트래픽과 리드 창출을 마케팅의 최대 도전과제로 꼽는 것도 놀랍지 않다.

CPL이 신뢰할 만한 측정기준이 될 수는 있지만 실제 크게 간과하고 있는 점이 하나 있다. 바로 리드의 품질을 고려하지 못하고 있다는 사실이다. 물론 CPL이 낮을 수록 좋은 일이지만 그렇다고 고품질의 리드를 포기해야 하는 것은 아니다. 고품질의 리드를 포기하면 전환율이 낮아지고 해당 브랜드의 매출도 줄어든다. 누구도 이런 결과를 바라지는 않을 것이다.

그런 면에서 낮은 CPL로 고품질 리드를 만들어 낼 수 있다는 것은 희소식이다. 바로 인공지능(AI)이다. 마케터는 인공지능(AI)의 힘을 활용하여 전환율이 높은 고품질 리드를 확보하면서 동시에 CPL을 낮출 수도 있다.

구매율 높은 고객 선별: 유사 고객 파악 타겟팅

인공지능 기반 플랫폼에서는 고객이 어떤 기기를 사용하는지 파악하고 그들이 사용하고 있는 여러 기기에서 보이는 행동에 대한 프로파일을 구축할 수 있다. 우선, 인구통계 분류와 관심사에 따라 가장 구매율이 높은 고객 그룹(예를 들면 브라우징에서 구매로 전환할 가능성이 높은 고객)을 분류해 내면, 이들과 유사한 속성을 공유한 다른 사용자를 파악할 수 있다. 이 과정을 유사 고객 찾기라고 부른다.

따라서 기업들은 각 브랜드별 광고 캠페인에 가장 효과적인 고객 그룹을 파악하고 그들에 대한 접근권한을 구매함으로써 기존의 광고 영역을 뛰어넘어 고객 범위를 확대할 수 있다.

어쩌면 최적의 잠재고객 그룹은 하루에 5개의 상품을 본 고객 그룹이 아니라 3일에 걸쳐 10개의 상품을 검색한 그룹일지 모른다. 기존의 마케팅 방식은 이들 각 집단을 차례대로 타겟팅 한 다음 그 중 최고의 성과를 기다리는 식이었다. 하지만 인공지능을 활용하면 추측 기반 불확실한 마케팅에서 벗어나 가장 구매율이 높은 고객 그룹에 집중함으로써 최고의 수익을 달성할 수 있다.

판매 지연을 줄여 주는 리마케팅

인공지능은 리마케팅(제품에 관심을 보였지만 전환으로 이어지지 않은 잠재고객 대상 마케팅)에도 도움이 된다. 고객이 사용하고 있는 모든 기기를 통해 커뮤니케이션함으로써 최초 방문에서 실제 구매까지 걸리는 시간을 단축할 수 있다.

예를 들면, 어떤 사용자가 특정 제품을 노트북으로 검색하다가 나중에 스마트폰으로 브라우징할 경우, 최첨단 인공지능 시스템에서는 노트북의 경우 이메일로, 스마트폰의 경우 앱으로 해당 사용자에게 리마케팅을 실행할 수 있다. 이렇게 되면 소비자는 기기를 변경하거나 이메일 프로그램에서 웹브라우저로 전환하지 않고도 두 세 번의 클릭만으로 간단하게 구매할 수 있게 된다.

기기가 아닌 사람: 통합고객관점의 중요성

인공지능 기반 플랫폼을 통해 각 사용자 고유의 크로스 스크린 행동과 브라우징 이력(또는 통합고객관점)에 맞춘 상품 추천 및 크리에이티브로 접근할 수 있다. 단순한 기기의 활동이 아닌 사람의 활동으로 인식하기 때문에 특정 관심사, 행동, 습관을 가진 한 개인으로 이미지를 구축할 수 있다. 그러면  찾고 있는 타겟 고객에 대해 보다 구체적으로 알게 되므로 전환율을 높일 수 있을 뿐만 아니라 유사 고객을 찾기도 더욱 쉬워진다.

예를 들어, A라는 이름의 남성 소비자의 크로스 스크린 웹 브라우징 이력을 갖고 있다고 하자. 전통적인 마케팅 기법을 사용하는 경우 여러 스크린에서 소비되고 있는 콘텐츠가 스포츠, 기술, 금융, 여행 등으로만 나타날 것이다. 터치포인트가 여러 개이기 때문에 얼마나 많은 소비자가 해당 기기들을 사용하고 있는지 파악하기 힘들고, 관련 주제들도 모호해서 해당 소비자가 관심 있는 분야에 대한 실제적인 이미지를 그려내는 데도 어려움이 있다.

인공지능은 여러 기기에서 드러나는 A의 행동과 A가 소비하는 온라인 콘텐츠 내의 핵심 키워드를 분석하여 A가 사용하고 있는 모든 기기를 매칭할 수 있다. 또한, A가 가상현실 농구 게임, 비트 코인, 그리고 여행할 때 이용할 수 있는 저렴한 숙박시설(B&B) 관련 정보 등을 찾고 있음을 파악할 수 있다. 즉, A가 어떤 사람이고 어떤 분야에 관심을 갖고 있는지 보다 생생한 이미지를 구축함으로써 A에 꼭 맞춘 마케팅 캠페인을 수행할 수 있게 된다. 중요한 점은 A를 비롯하여 그와 유사한 관심사를 가진 사용자들 모두와의 상호 작용을 통해 그들과 브랜드 간의 관계를 구축해 갈 수 있다는 것이다.

한계 설정: 프리퀀시 캐핑(Frequency Capping)과 No라고 있는

이런 일을 손끝으로 간단하게 수행할 수 있게 되면 소비자에게 마케팅 메시지 폭탄을 안겨주고 싶은 유혹이 간절하겠지만, 그러면 소비자에게 과도한 부담을 주어 오히려 광고 캠페인에서 멀어지게 할 뿐이다. 또한 비용도 더 많이 소요된다.

대신, 스마트 인공지능 알고리즘은 소비자들이 마케팅 메시지에 질리는 일이 없도록 프리퀀시 캐핑(Frequency capping)이라는 기술을 접목한다. 이를 통해 예산을 효율적으로 사용하고 동시에 불필요한 노출도 제한한다. 동일한 사용자가 쓰고 있는 모든 기기를 파악할 수 있기 때문에 개별 기기의 경우에도 새로운 사용자로 추정하는 대신 동일한 인물로 인식, 소비자 입장에서도 혼선된 마케팅 메시지를 피할 수 있다.

프리퀀시 캐핑은 캠페인이 진행되는 동안 일별 또는 액션별 다양하게 설정할 수 있다. 마케터의 목적에 따라 인공지능이 최고의 규칙을 제안해 주기도 한다. 노출 횟수 및 클릭 횟수를 제한하는 방식으로 설정할 수도 있다.

세계적인 뷰티 및 스킨케어 브랜드인 에스티 로더(Estée Lauder)는 이 기법들을 도입하여 큰 성공을 거두었다. 에스티 로더는 애피어의 ‘CrossX 유사(lookalike) 고객’ 기능을 도입하여 애피어가 3,000회 이상의 캠페인을 통해 수집한 데이터를 기반으로 한 애피어 CrossX 데이터베이스에서 젊고 구매율이 높은 신규 고객을 파악할 수 있었다. 이를 통해 리드의 수를 167%까지 높이면서 동시에 CPL은 63% 낮출 수 있었다. 또한 CrossX 리마케팅, 그리고 프리퀀시 캐핑 툴을 이용하여 브랜드에 관심을 보인 우수 사용자들의 구매 전환 시간도 단축시켰다.

인공지능은 마케팅 리드를 재정의하여 CPL을 낮추면서 동시에 리드 품질을 개선할 수 있는, 마케터들에게 꼭 필요한 강력한 툴로 부상하고 있다.