Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

제3자 데이터의 가치를 극대화하는 방법에 대한 가이드

유럽연합 개인정보보호법(GDPR, General Data Protection Regulation) 시행 이후 개인정보 보호 관련 우려가 점차 확대되고 있다. 전세계 마케터를 대상으로 한 조사에서 80%, 즉 5명의 마케터 중 4명이 기술 공급 벤더들로 인해 EU의 GDPR 규정을 위반하게 될지도 모른다는 걱정을 하고 있는 것으로 나타났다.

그러나, 오늘날과 같은 고객 참여 중심 마케팅 전장에서 데이터는 매우 중요하다. 소비자 여정이 점점 복잡해지면서 브랜드 자체 보유 데이터에만 의존해서는 효과적인 캠페인 결과를 달성하기가 쉽지 않다. 마케터들이 개인맞춤 제안으로 기존 고객을 공략하고 그들과 유사한(Lookalikes) 잠재고객 그룹을 찾아내기 위해 제3자(3rd-party) 데이터를 적극 활용하고 있는 이유이다. 사실 제대로만 활용하면 제3자 데이터는 캠페인을 성공으로 이끌고 경쟁에서 앞서 나가는 데 핵심 역할을 한다.

제3자 데이터의 가치를 극대화할 수 있는 4가지 방법을 알아보자.

  1. 고객의 외부 관심사를 찾아내어 추가 구매를 유도하라

웹사이트, 앱, 그리고 온드 미디어(Owned Media) 등에서 수집한 자사 데이터를 통해 고객이 브랜드 사이트에서 보인 이전 활동을 알 수 있다. 즉, 성별, 나이, 거주 지역 등의 기본적인 인구통계적 정보와 개인별 구매 패턴 및 관심사와 같은 인사이트를 파악하여 캠페인 관련 결정에 가이드라인을 제공한다.

하지만 브랜드 채널 외부에서 발생하는 고객의 행동에 대해서는 어떻게 알아낼 것인가? 어떤 관심사를 어떤 추천 상품으로 공략할 것인가? 제3자 데이터는 바로 이 부분에서 힘을 발휘한다.

적절한 인공지능(AI) 도구를 활용하여 자사 데이터와 함께 제3자 데이터를 통합 분석하면 고객의 외부 관심사를 보다 넓고 깊게 이해하고, 나아가 효과적인 캠페인 타겟팅에 가장 이상적인 잠재고객을 좀 더 정확하게 찾아낼 수 있다.

2. 크로스 스크린 여정 매핑으로 통합고객관점을 확보하라

요즘과 같이 빠르게 변화하는 디지털 시장에서는 고객의 관심사를 파악하는 것이 중요하지만, 고객 유입 경로의 여러 단계 중 언제, 어느 단계에서 고객의 참여를 유도할 것인지 결정하는 것도 그 못지않게 중요하다.

고객 여정이 점점 더 복잡해지고 있다. 검색이나 구매를 위해 사이트를 여기 저기 옮겨 다닐 뿐 아니라 그 과정에서 여러 개의 디바이스를 교차로 사용한다.

자사 데이터와 제3자 데이터를 결합하면 브랜드 채널 넘어 외부의 채널에서 진행되는 고객의 여정까지 포함한 전체를 보고 고객에 대한 통합 관점을 구축할 수 있다. 이를 통해 언제 어느 채널에서 구매할 것인지 고객의 구매 의향을 예측하여 그 가능성이 가장 높은 시점에 관련 제안을 통해 참여를 유도할 수 있다. 그러면 마케팅 효율이 향상될 것이다.

3. 신규 방문자에게도 개인맞춤형 상품을 추천하라

브랜드 사이트를 처음 찾은 방문자에게 추천할 상품이나 서비스를 어떻게 알 수 있는가? 일반 웹사이트 콘텐츠로 모두에게 동일하게 표시하거나 관련성이 없는 상품을 추천하면 방문자가 해당 사이트에 남아 브랜드 활동에 참여할 가능성은 낮다. 하지만 제3자 데이터를 활용하면 인공지능(AI)을 통해 외부 사이트에서의 고객 관심사와 행동을 파악하여 향후 구매 행동을 예측할 수 있다.

한 소비자가 지난 주에 정장 원피스와 핸드백을 검색하느라 여러 웹사이트를 방문한 후, 유명한 패션 브랜드 사이트에 처음 방문하는 상황을 예로 들어보자. 해당 패션 브랜드는 인공지능을 통해 이 소비자가 찾아 본 상품들을 이미 파악하고, 비슷한 상품들을 소비자의 첫 방문 때부터 자신 있게 보여줄 수 있다. 여기서 더 나아가 그 상품들과 어울리는 하이힐이나 액세서리까지도 맞춤 추천할 수 있다.

4. 유사 고객(Lookalikes)을 찾아 고객 베이스를 확대하라

마케팅 캠페인을 진행할 때 예산과 시간을 어디에 투입해야 할지 판단하기가 어렵기 때문에 새로운 고객을 찾는 일은 언제나 힘든 과제다.

구매율 높은 핵심 고객층을 그대로 복제하기는 불가능하지만, 제3자 데이터를 활용하여 이 핵심 고객들과 유사한 행동을 보이는 새로운 잠재고객을 찾아낼 수 있다.

AI 유사 고객 찾기 모델을 사용하여 자사 및 제3자 데이터를 통합 분석하면 기존 고객과 유사한 특성을 가진 새로운 잠재고객 세그먼트를 찾아낼 수 있다. 인공지능(AI)은 나아가 최고의 고객들과 가장 가까운 속성을 기준으로 각 세그먼트에 우선순위를 부여할 수 있다. 그러면 우선순위에 따라 전환 가능성이 높은 세그먼트부터 관련성 높은 맞춤 제안으로 공략하고 도달 범위를 확대할 수 있다.

자사 데이터와 결합하여 적절히 활용하면 제3자 데이터는 캠페인 성공에 큰 힘이 된다. 브랜드 운영 채널에 국한되는 것을 방지함으로써 고객에 대해 더 많은 것을 파악할 수 있도록 하고, 나아가 새로운 고객도 찾아낼 수 있다.

애피어의 인공지능(AI) 솔루션으로 제3자 데이터의 가치를 극대화하는 방법을 알고 싶으시면, 지금 연락주세요!

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

인공지능(AI) 기반 개인맞춤화로 전자상거래 사이트의 고객점유율 확대

전자상거래 기업들의 고객 점유율 확대 경쟁이 더욱 치열해지면서 인공지능(Artificial Intelligence)을 활용하여 개인맞춤화를 강화하고 기존 고객들과의 상호작용을 향상시키려는 기업들이 늘어나고 있다. 전자상거래 기업에게 성공이란 단순히 인터넷을 검색하다가 자사의 사이트에서 상품을 구매하는 신규 고객을 확보하는 것만을 의미하지 않는다. 기존 고객들이 더 많은 상품을 구매할 수 있도록 유도하여 고객점유율을 확대하는 것 또한 중요한 성공 기준이다. 물론 잠재고객을 발견하고 신규 고객 베이스를 확대하기 위한 투자는 온라인 스토어의 트래픽 증가에 도움이 되겠지만, 고객평생가치(LTV)를 높이기 위해서는 포괄적인 고객 참여 및 유지 전략이 필요하다. 고객평생가치 향상이 높은 투자수익률(ROI)과 지속가능한 성장에 핵심적인 역할을 하기 때문이다. 전자상거래 기업이 고객의 높은 참여도와 충성도를 구축할 수 있는 한 가지 방법은 상품 추천을 통해서다. 상품 추천 엔진은 웹사이트에서 일어났던 고객의 과거 구매 행태를 분석하고, 그 데이터를 기반으로 유사하거나 관련된 상품을 추천한다. 온라인 리테일 강자 아마존(Amazon) 수익의 35%는 추천 상품 구매에서 발생하고 있다. 하지만, 이러한 상품 추천은 해당 사용자 개인맞춤형으로 제공될 때에만 높은 수익을 보장한다. 보스턴컨설팅그룹(Boston Consulting Group)에 따르면, 고객들에게 개인맞춤 사용자 경험을 제공하는 브랜드는 수익이 6~10% 가량 상승하여 그렇지 않은 브랜드에 비해 두 세 배 빠른 성장 속도를 보인다고 한다. 시장조사 기관 가트너(Gartner) 또한, 메시지 개인화에 성공하는 디지털 기업은 2020년까지 수익을 15% 증가할 것으로 예측한다. 인공지능을 통한 상품 추천 개인맞춤화 인공지능이 이와 같은 개인맞춤 상품 추천 엔진을 구축하는 데 도움이 된다. 인공지능은

자사 데이터의 잠재력을 최대한 활용하는 방법

세상은 데이터로 가득하다. 기업들은 그 어느 때보다 많은 출처로부터 데이터를 수집하고 분석할 수 있게 됐다. 그러나 마케터라면 데이터의 양보다 질을 우선시해야 효과적인 캠페인을 기획하고 운영할 수 있을 것이다. 그리고 더 중요한 사실은 데이터가 고객에 대해 많은 것을 알려주는 동시에 고객의 개인정보 보호 권리를 침해할 위험도 수반한다는 것이다. 그렇다면 어떻게 해야 고객의 개인정보를 보호하면서 데이터의 잠재력을 최대한 활용할 수 있을까? 그 답은 자사 데이터에 있다. 자사 데이터란 무엇인가? 자사 데이터는 브랜드 소유의 온라인 및 오프라인 채널을 통해 고객으로부터 직접 수집한 데이터를 뜻한다. 온라인 채널 데이터에는 자체 웹사이트, 앱, CRM, 소셜 미디어 채널 등에서 수집한 고객의 인구통계적 정보, 행동, 활동 또는 관심사 등이 있다. 이와 달리 오프라인 채널에서는 고객 설문조사, 각종 평가 서식, 콜센터 및 기타 CRM에서 사용 가능한 고객 정보 등을 수집할 수 있다. 지금 이 시점에서 자사 데이터를 우선시해야 하는 이유는 무엇인가? 단적으로 이 데이터는 특정 대상 그룹으로부터 동의를 받고 수집한 것이기 때문에 신뢰성을 담보할 수 있다. 또한 무엇을 측정하고자 하는지 알고 수집을 시작하기 때문에 현재 고객 기반에 대해 보다 정확하게 파악하게 될 가능성이 높다. 구매, 앱 다운로드, 앱 내 활동, 소셜 미디어 상호작용, 구독, 기타 그 어떤 종류의 데이터든 자사 데이터는 출처에서 바로 수집되기 때문에 마케터에게 훨씬 가치가 높다고 할 수 있다. 자사 데이터를 활용하면 이미 가지고 있는 지난

AI의 편향성, 마케팅에 득일까 실일까?

[민선 칼럼] “AI 편향성 이해하면 마케팅에 활용할 수 있어” 최근 몇 년 사이 인공지능(AI) 및 머신러닝(ML) 시스템의 알고리즘이 가질 법한 편향성에 대해 심도 있는 논의와 면밀한 조사가 이뤄졌다. 대부분은 편향성으로 인한 부정적인 결과에 초점이 맞춰져 있지만, 마케터는 편향성을 오히려 긍정적인 방향으로 활용할 수 있다. 그러려면 편향성에 대한 인식과 이해가 우선돼야 한다. 편향성이 어디서 오는지, 그 근원을 이해하는 데서 시작할 수 있다. AI 편향성이란 기본적으로 인공지능이나 머신러닝이 특정 결과에 대해 어느 정도의 편향성을 갖고 판단을 내리거나 어떤 특징들의 부분집합에 의존하고 있다는 의미다. 가장 흔한 예로 주로 백인을 대상으로 훈련된 안면인식 시스템을 들 수 있는데, 그 결과 이 시스템의 경우 다른 문화 집단에 속한 사람에 대해서는 정확한 판단을 내리지 못한다. 판단의 대상이 되는 데이터를 충분히 대표하지 않는 특징을 토대로 판단하고, 따라서 훈련 도중 투입한 적 없는 일부 유형의 데이터에 대해서는 좋지 않은 성능을 보이는 것이다. AI 편향성은 어디에서 오는가? AI 및 ML 시스템의 경우 다양한 구조를 통해 수집된 데이터 집합을 활용해 훈련된다. 시스템을 훈련하는 데 사용된 특징 또는 입력(Input), 즉 데이터가 판단을 내리는 데 사용된다. 출력물(Output)은 보통 레이블(Label)이라고 한다. 일부 특징 집합의 경우 특정 결과로 편향될 수 있고, 그와 같은 편향된 특징 집합을 토대로 구축한 시스템은 훈련 중에 노출되지 않은 일부 유형의 데이터에 대해서는 성능이 저하되고 최적화되지 않은 결과를 제공한다. 여기서 주목할

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다