이메일 마케팅 성과를 증가시킬 수 있는 5가지 팁

산업을 주도하는 고객 경험 선도 기업들의 비결: 2020 디지털 트렌드 리포트

B2B 마케팅 성공 사례로 알아보는 2020년 B2B 마케팅 트렌드

데이터 기반 마케팅

Connect

어도비 애널리틱스 실전: 고객 리텐션 측정을 위한 마케팅 데이터 분석

경쟁이 심화할 수록 고객의 충성도를 높이고 유지하는 것은 신규 고객을 유치하는 것보다 어려울 때가 많습니다. 고객 유치를 위해서는 그 만큼의 가치 있는 경험을 전달해야 하는데요. 단순히 고객의 수가 증가하는 것만으로 고객이 기업이 제공하는 상품이나 서비스에 대해 가치를 느낀다고 섣불리 판단해서는 안 됩니다. 이 글에서는 고객 충성도를 가늠해 볼 수 있는 하나의 잣대로 고객 유지율을 측정하는 법에 대해 자세히 알아보겠습니다.

데이터 기반 마케팅

효과적 리마케팅을 위한 기법: 코호트(cohort) 분석

신규 고객을 유치하는 것만큼 중요한 것이 고객 유지인데요. 특정 제품의 재구매나 웹사이트 재방문을 유도하기 위해 마케터들은 흔히 ‘리마케팅’을 전개합니다. 이 때 유용한 분석 기법 중 하나가 바로 코호트(cohort) 분석입니다. 기업의 비즈니스에 코호트분석이 왜 필요하며, 어떻게 활용할 수 있는 지 알아봅니다.

어도비 서밋 2019: 데이터 개방으로 고객경험을 혁신하다 – ‘오픈 데이터 이니셔티브(ODI)’

‘경험 비즈니스의 시대’에 경쟁에서 앞서기 위해서는 고객 데이터의 통합과 연결이 필수입니다. 2018 년 9월, 어도비와 마이크로소프트 및 SAP는 오픈 데이터 이니셔티브를 통해 각기 다른 기업용 데이터 고객 행동 데이터에 ERP와 CRM과 같은 비즈니스 데이터 세트를 연결하기 위한 공동의 노력을 이어가겠다고 발표했는데요. 최근 어도비 서밋 2019를 통해 고객경험관리를 위해 3사가 그 비전을 어떻게 실천하고 있는지 다시 한번 공유하는 자리가 마련되었습니다.

이메일 마케팅, 빅데이터와 인공지능으로 날개를 달다

변화하는 환경 속에서도 꾸준히 자신의 자리를 지키고 있는 이메일 마케팅. 이 글에서는 이메일 마케팅만이 가지고 있는 장점, 그리고 빅데이터 및 인공지능과 결합해 한 단계 더 진화한 새로운 시대의 이메일 마케팅에 대해 알아보도록 하겠습니다.

디지털 마케팅, 머신러닝으로 날개를 달다

데이터의 양은 갈 수록 많아지고 복잡해져 가는데 반해, 처리할 수 있는 양은 극히 일부에 지나지 않습니다. 이마저도 비즈니스 의사 결정 과정에서 적절하게 사용되지 못하는 경우가 많은데요. 머신러닝 기술을 이용하면 방대한 데이터 양을 제대로 처리할 수 있을 뿐만 아니라, 알고리즘을 바탕으로 이전까지 발견해내지 못했던 인사이트를 찾는 것도 가능합니다.

떠난 고객도 다시 보자 – 퍼널 분석

고객이 제품을 구매하는 프로세스는 여러 단계로 이루어 집니다. 제품을 인지하고 관심을 가지게된 후 구매하기 적합한 제품인지 고민을 거쳐 실제로 제품을 구매하기까지의 여정에서 고객은 각각의 경로에 머물기도 혹은 이탈하기도 합니다. 이러한 경로에서 고객의 행동을 분석해 마케팅 효과를 극대화 하는 것이 오늘 이야기 할 퍼널 분석입니다.

A/B테스트의 어제와 오늘

고객의 기호를 파악하거나 고객의 선호도를 어떻게 확신할 수 있을까요? 고객에게 질문을 던지고 그에 따른 반응을 분석해 데이터로부터 해답을 구하는 것, 이것이 오늘 소개할 A/B테스트입니다. 단순하지만 강력한 힘을 가지고 있고, 인공지능을 통해 더욱 진보된 A/B테스트의 발전된 형태에 대해 알아보겠습니다.

주문이 빗발친다고요? 기뻐하기 전에 잠깐만!

디지털 마켓의 범위가 늘어나고 간편한 클릭 결제 솔루션이 도입됨에 따라 클릭률은 높아졌지만, 실제 매출로 이어지는 전환율은 무척 낮은 상황을 종종 경험합니다. 데이터의 신뢰성을 파악할 수 있는 정교화된 분서이 필요한 이유입니다.

스토리텔러의 기반이 되는 데이터

애널리스트의 공통된 과제는 무엇일까요? 분석 데이터를 해석하여 고객이 필요로 하는 실행 가능한 정보의 형태로 제공하는 것입니다. 데이터는 수치로 보여집니다. 일종의 과학입니다. 데이터 수치가 함축하고 있는 의미를 포착하여 분석 결과를 도출하는 행위는 예술적 경지와 맞먹는 고도의 기술이며 여기서부터 비로소 데이터 애널리스트의 탁월한 역량이 발휘됩니다. 방대한 데이터 세트와 씨름한 후 도출된 결과를 고객이 필요로 하는 재해석 가능한 인사이트로 표출하는 방법에 대해 소개합니다.

데이터 시각화는 무엇인가?

데이터의 시각화는 데이터 사이언스 프로세스, 즉 데이터를 분석하고 가공해 사용자가 받아보게 되는 전체 과정 중 하나라고 할 수 있습니다. 데이터 시각화는 왜 중요하며, 시각화 기술은 어떻게 발전하고 있을까요.

디지털 광고의 타기팅(Targeting)

고객의 수요와 성격을 미리 규정짓고 그 범위를 예측하는 것은 항상 어렵고 불확실합니다. 광고가 닿을 수 있는 고객층의 총 숫자를 예상하고, 규정한 고객군을 목표로 하는 타깃 오디언스의 개념은 전통 마케팅에서도 교과서적으로 쓰이는 전략이었지만 이제는 정확한 데이터에 기반해 고객의 행동과 범위를 규정하고 있습니다.

데이터 분석은 기계가 다 해주는 것 아닌가요?

아무리 좋은 데이터 분석 솔루션을 도입해도, 직접 업무를 수행하면서 적지 않은 시행착오를 거쳐야 원하는 결과를 얻을 수 있습니다. 그래서 데이터 분석가라는 직군이 생겨난 것이지요. 과연 데이터 분석가가 하는 일은 무엇이며, 기술은 어디까지 이를 도와줄 수 있는 것일까요?

빅데이터에서 유실된 정보를 찾는 방법

빅데이터의 가치는 포함하고 있는 정보 그 이상도 이하도 아닙니다. 데이터가 제시하는 정보를 활용하여 불확실성을 제거하기 때문입니다. 빅데이터 정보로 사람들은 보다 현명한 의사결정을 내릴 수 있고 기술은 보다 효과적으로 알고리즘을 수행할 수 있습니다.

데이터 중심 마케팅의 스마트한 변화

고객에 대한 종합적인 관점을 구축하는 것은 디지털 세상에서 가장 중요한 마케팅 목표 중 하나입니다. 디지털에 해박한 고객을 유치하고 이들에게 좋은 인상을 남기고 고객 관계를 유지하기 위해 마케터는 모든 채널과 디바이스에서 통찰력 있게 핵심 고객 데이터를 활용할 수 있어야 하며, 이를 통해 고객이 어디에 있든지 그와 관련한 맞춤형 경험을 전달할 수 있어야 합니다. 이러한 역량은 온/오프라인에서의 고객의 행동과 상호 작용들 속에서 그들이 자신의 취향에 대해 남기는 모든 흔적과 데이터를 분석하는 것에서부터 출발합니다.