성공적인 디지털 데이터 활용을 위한 3단계 전략

디지털 마케팅

사람, 프로세스, 기술 전반에 걸쳐 만족스러운 고객 경험 제공을 위해 지속적으로 전념하고 있는 경험 비즈니스 기반의 기업들은 디지털 데이터를 실현하며 긍정적인 결과를 확인하고 있습니다. 실제로 어도비가 포레스터 컨설팅(Forrester Consulting)과 공동으로 진행한 보고서에 따르면, 일반 기업들이 평균적으로 13%의 매출 성장을 기록하는 반면, 고객 경험에 투자하는 경험 비즈니스 기업들은 23%의 매출 성장을 달성하고 있는 것으로 알려졌습니다.

이렇듯 경험 비즈니스의 이점은 분명해 보이지만, 아시아 태평양 지역의 기업 중 실제로 경험 비즈니스를 추진하고 있는 기업은 29%에 그치는 것으로 나타났습니다. 기술과 데이터에 투자한 만큼 성과로 증명해야 하는 부담감이 커지고 있는 가운데, 기업들이 이에 잘 부응하지 못하고 있는 이유는 무엇일까요?

‘데이터 성숙도(Data Maturity)가 곧 디지털 성숙도’로 인식되고 있는 요즘, 이 글을 통해 디지털 데이터를 실행에 옮기기 위한 세 가지 필수 단계들을 살펴봅니다.

Step 1. 문제점을 정의하고 목표를 설정하세요

첫 번째 단계는 목표를 설정하는 것입니다. 이는 기업이 해결해야 할 구체적이고 명확한 문제 상황들의 리스트를 정리하는 방식이 될 수도, 모두의 동의 하에 기준을 설정한 KPI 리포트의 지표가 될 수도 있습니다. 이 단계에서는 모든 출처와 기술, 데이터 저장소에 대한 소유권 및 책임 조항 역시 명확히 해야 합니다.

한 대규모 금융 기관에서 디지털 인사이트 프로젝트를 시행했다가 불과 1년 만에 중단하게 된 사례가 있었습니다. 그 누구도 인사이트가 어떻게 생긴 것인지, 또 그것을 어떻게 활용할지에 대해 몰랐던 것인데요. 전환(conversion)을 일으키는 흐름에 대한 결정적인 인사이트가 있었음에도 불구하고, 데이터의 소유권, 기준점, 그에 따른 과업 등이 명확히 설정되어 있지 않았던 탓에 부서 별로 이를 신속히 실행에 옮길 수가 없었습니다.

이와 반대로 또 다른 한 기업은 프로젝트 시작 단계에서부터 전환 최적화를 위한 간단한 템플릿을 개발하여 인사이트와 결과물이 어떤 형태가 될지 일찌감치 표준화 시켰는데요. 이로써 인사이트가 어떤 형태의 결과물로 나타날지 예상하여, 각 사업부가 발맞추어 빠르게 대응할 수 있었습니다.

이 단계에서는 신뢰감을 조성하는 것이 매우 중요합니다. 아무도 “이 데이터를 우리가 믿을 수 있나?” 와 같은 의문을 가져서는 안되니까요.

Step 2. 데이터를 수집하고 연결하세요

일반적으로 기업들은 서로 다른 시스템에서 수집한 다양한 데이터를 저장할 하나의 큰 저장소를 만드는 것에서부터 시작하려고 합니다. 데이터 웨어하우스 또는 데이터 레이크라도 불리는 것 말이죠. 그러나 이 단계에서의 핵심은 통합 데이터 웨어하우스를 만드는 것이 아닙니다. 실행 속도와 민첩성이 현저히 저하되기 때문인데요. 따라서, 보다 작고 구체적인 데이터 마트(Data-mart, 특정 사용자가 관심을 갖는 데이터들을 담은 비교적 작은 규모의 데이터 웨어하우스)부터 시작하는 것이 향후 지속적으로 저장소를 구축하는 데 있어서도 더 용이하고 ‘애자일(agile)’한 방식입니다.

물론 전사적 차원의 통합적인 데이터 웨어하우스는 매우 중요하며, 이는 장기적으로 투자해야 할 대상입니다. 하지만 결과에 집중하기 위해서는, 먼저 일정 기간 동안 연결된 정보를 저장할 수 있는 작은 단위의 데이터 마트부터 시작해 단계별로 접근하는 것이 좋습니다.

인도의 한 이커머스 업체를 예로 들어보겠습니다. 이들은 고객이 최종 구매로 전환하는 데까지 이르는 여정, 즉 마케팅 퍼널(Marketing Funnel) 중에서도 마지막 세 단계를 집중적으로 최적화하기로 결정했습니다. 그리고 우선 어도비 애널리틱스(Adobe Analytics)로 수집한 디지털 데이터를 활용해, 주요 유입 채널인 웹과 모바일의 고객 여정을 비교 분석하며 다양한 테스트를 진행했습니다.

다음 웹과 모바일을 연결하여 상품, 카테고리, 고객 집단, 할인 혜택 등이 구매 전환에 어떻게 영향을 미치는지 파악했습니다. 다시 3개월 후에는 이메일, 푸시 메시지, 애드워즈 광고 캠페인의 전환을 추적하여, 어느 곳에 마케팅 예산을 투입하는 것이 가장 적합한 것인가에 대해 한 단계 더 나아간 인사이트를 얻기도 했습니다.

최종적으로 1년 후에는, 웹과 모바일 외 다양한 오프라인 속성들까지 데이터로 연결시킴으로써 통합적인 전환 분석을 위한 기반을 확고히 마련했습니다. 이들이 시작 단계에서부터 완벽한 데이터 웨어하우스를 구축하는데 더 집중했다면 이 프로젝트는 아마 지금처럼 성공하지 못했을 겁니다.

Step 3. 명확한 실행 계획을 통해 인사이트를 얻으세요

이 단계에서는 무턱대고 모든 데이터를 리포트화 하고 있는 것은 아닌지 점검해야 합니다. 다시 한번, 어도비 애널리틱스를 사용하고 있는 경우를 예로 들어 볼까요? 여러분은 어도비 애널리틱스를 통해 잘 정돈된 분석 리포트와 대시보드를 반복적으로 생성할 수 있지만, 대시보드나 엑셀 파일, 메일함으로 들어오는 자동화된 보고서가 무더기로 쌓여가는데도 여전히 비즈니스의 흐름에 대해 감이 잡히지 않는다고 느낄지 모릅니다.

따라서, ‘요약’에 그치지 말고 되도록 빠르게 ‘인사이트’를 얻는 데 집중하세요. 또한, 빠르게 실패하는 것을 두려워하지 말고, ‘충분히 적당’한 결과물이라면 받아들이는 것이 좋습니다. 결과물에서도 완벽함을 추구했다가는 실행으로 옮기는 것이 더 지연될 수 있기 때문이죠. 예를 들어, 백엔드 시스템과 애널리틱스 사이에 나타나는 데이터 오차, 확인 불가능한 고객 ID, 제대로 집계되지 않는 봇이나 내부 트래픽, 방문 횟수와 방문 세션의 불일치 등은 흔히 발견되는 문제점들인데요. 이를 완전무결하게 해결할 수 있는 묘책은 없습니다. 우리의 주요 목적이 ‘인사이트 도출’에 있다는 것을 잊지 말고, 사소한 문제점들은 감수하는 자세가 필요합니다.

마지막으로, 이 단계에서는 다음과 같은 질문을 해보는 것이 좋습니다.

  • 이번 분석을 통한 인사이트가 1단계에서 정의했던 조직의 질문에 대한 해답을 찾아줄 수 있는가? 그렇다면 어떻게?
  • 이 인사이트를 지지할만한 근거가 충분한가?
  • 생성된 인사이트에 대한 품질 검증 프로세스를 진행했는가? 모든 테스트 상황을 통과했는가?
  • 인사이트 생성 과정에서 예측 분석(predictive analytics)을 진행해 다른 인사이트들과 비교해 보았는가?
  • 지금까지 포함시키지 않은 데이터 소스가 있는가? 그것이 제약이 되지는 않을지?
  • 인사이트는 실행과 어떻게 연결되는가? 데이터 성숙도가 진화함에 따라 이 과정을 더 최적화하고 자동화 할 수 있는가?

경험 비즈니스를 기획하고 실행에 옮기기 위해서는 조직 내 모두의 협력이 필요합니다. 사람, 협동, 그리고 신뢰가 기본적으로 요구되는 것들이죠. 기술이 전반적인 프레임을 제공한다면, 조직의 인사이트 분석 과정이 최종적인 방향을 결정합니다.

일상적으로 모든 의사 결정이 데이터를 기반으로 이루어지는 기업 문화를 육성하는 것은 매우 중요합니다. 이러한 문화를 바탕으로 할 때, 데이터를 통한 인사이트는 단지 데이터 스페셜리스트에 의해서만이 아니라 조직 내 모두에 의해 생성될 수 있기 때문입니다. 이는 경험 비즈니스 기업들이 앞서 나갈 수 있도록 판도를 바꿔놓을 수 있는 방법이 될 것입니다.

이 글을 기고한 Vyshak Venugopalan은:

Adobe India에서 근무하는 수석 솔루션 컨설턴트로, 기업 솔루션을 구축하고 전파하는 역할을 해왔습니다. 웹 기술 관련 10년 이상의 업무 경험을 바탕으로, 웹 콘텐츠 관리, 온라인 분석 및 사이트 최적화 분야에 높은 전문성을 보유하고 있습니다.

본 블로그의 원문은 여기에서 확인할 수 있습니다.

어도비 애널리틱스 클라우드에 대해

어도비 익스피리언스 클라우드(Adobe Experience Cloud)의 일부인 어도비 애널리틱스 클라우드는 실시간 데이터 인텔리전스 및 예측 분석 솔루션인 어도비 애널리틱스(Adobe Analytics)와 선도적인 데이터 및 오디언스 관리 플랫폼인 어도비 오디언스 매니저(Adobe Audience Manager)를 결합한 것입니다. 어도비 애널리틱스 클라우드를 이용하면 누구나 데이터에서 가치를 즉각적으로 창출해 인사이트와 실제 실행 사이의 간극을 없앨 수 있습니다.  개방형 API, 표준 데이터 모델, 그리고 어도비의 통합 인공지능 및 머신러닝 프레임워크인 어도비 센세이(Adobe Sensei)를 제공하는 어도비 클라우드 플랫폼 기반의 어도비 애널리틱스는 인텔리전스 팀이 방대한 양의 산재된 데이터를 보다 효과적으로 포착하고 통합해 잘 이해할 수 있도록 지원했습니다. 오늘날 Fortune 상위 100대 기업 중 약 2/3가 디지털 과제를 해결하기 위해 어도비 애널리틱스 클라우드로 전환했습니다. 자세한 정보는 웹사이트에서 확인해보세요.


디지털 마케팅

Posted on 02-19-2019


토론에 참여