'빅데이터 마케팅'에 해당되는 글 2건

  1. 2014.11.07 빅데이터 마케팅 1
  2. 2014.11.07 빅데이터 마케팅, 데이터는 답을 알고 있다

빅데이터 마케팅

경영 2014. 11. 7. 18:33

 


빅데이터 마케팅

저자
리사 아더 지음
출판사
더난출판사 | 2014-07-02 출간
카테고리
경제/경영
책소개
빅데이터가 이끄는 마케팅 혁명의 시대 세계 최고 마케팅 전문가가...
가격비교

 

- 정보기술의 전문적 관리를 위한 마케팅의 변화는 다소 역설적임. 지난 수십년간 마케터들은 IT에 대해 변절자적인 접근방식을 취해왔음. 마케터들은 데이터 관리의 전문적 실행전략을 수립하기 위해 IT부서와 협력하기 보다는, 자체적으로 기술을 도입하고, 복잡한 데이터 환경을 관리하여 보안문제를 자주 피해가고자 했음. 마케터들이 이를 통해 데이터 베이스의 속도를 높이고, 소셜 미디어상의 소비자 정서를 더욱 빠르고 저렴하게 분석했을지도 모른다. 그러나 이런 변절자적인 접근방식은 기술 아키텍처 및 플랫폼 관리의 비효율성뿐만 아니라, 분절되고 사일로화된 고객데이터를 양산해냄. 앞으로 데이터의 전문적 관리 측면에서 마케팅이 IT를 대체하기보다 IT와 협력하게 될 것임.
- 전통적으로 마케팅은 예산지출과 실행성과를 전사적인 비즈니스 목표와 연계하지 않았음. 오랜기간 정량적인 결과를 보여주어야 하는 압박에서 벗어나 있던 마케팅은 지금 전환의 시기에 놓여 있음. 마케팅이 앞으로 나아가려면 마케팅 비즈니스를 관리해야 함. 그렇다면 마케팅 비즈니스란 무엇일까? 마케팅은 재무, 인적자원, 전 비즈니스와 지역을 포괄하는 프로젝트, 콘텐츠와 시장침투 전략을 통해 창출되는 지적자산을 포함하는 대규모 자산 포트폴리오를 관리, 감독하는 일이다. 마케터들은 최소의 비용으로 수익과 경쟁우위를 최적화하고 성장시키고 있는지를 확실히 하기 위해 철저한 원칙과 과정에 따라 귀중한 자산 포트폴리오를 관리해야 한다.
- 조사결과에 따르면 전체 마케터들의 18%만이 모든 고객접점에 대한 단일화된 관점을 갖고 있음. 그럼 왜 그리 적은가? 파편화된 데이터와 사일로화된 데이터가 이른바 데이터 헤어볼을 만들기 때문. 데이터 헤어볼은 다양한 비즈니스 기능을 혼란스럽게 하는 복잡한 상호작용과 애플리케이션, 정보, 프로세스의 덩어리를 일컬음. 데이터 헤어볼은 기업마다 각기 다른 의미를 가짐. 어떤 기업에서는 마케팅, 재무, 영업, 고객지원부서에 이르기까지 전체적으로 흩어져 있는 고객정보로 구성되어 있음. 한편 어떤 기업에서는 별도의 전자상거래 사이트, 문서화되지 않은 콜센터의 대화, 파편화된 데이터를 양산하는 웹활동 같은 채널에 갇혀버린 정보와 마케팅 서비스 공급자들에게서 나온 얽혀 있는 데이터를 말함. 데이터 암흑시대에서 일하는 마케터들은 뒤죽박죽된 기술과 채널들 때문에 좌절을 겪음.
- 시장조사 업체인 포레스터의 할리 매닝은 고객경험은 "어떻게 고객이 기업과의 상호작용을 인지하는가?를 의미한다. 또한 고객경험 분야의 권위자로 불리는 고객경험 자문기관 비욘드 필로소피의 CEO 콜린 쇼는 이렇게 정의. "고객이 의식적, 무의식적으로 인지한 기업과 고객사이의 상호작용이다. 기업의 합리적 실행성과, 감각, 감정이 혼합되어 고객과 접촉하는 순간마다 고객의 기대치에 부응하는 것이다." 고객경험에 대해 다양하게 정의하지만 관통하는 한가지 일관된 내용이 있다. 고객경험에는 모든 상호작용과 접점이 관련되어 있다는 것이다. 그래서 마케팅 채널이 증가할수록 고객경험은 점점 더 복잡해진다. 수많은 연구에서 마케터들이 다중채널에서의 고객참여를 높이는 데 가장 큰 장애물이 되는 것 중 하나로 복잡성을 꼽은 것은 놀라운 일이 아니다. 그럼에도 불구하고 고객경험은 기업의 수익성장에 직접적으로 관련됨
- 사전동의를 받고 연관성이 높은 콘텐츠를 제공하는 타겟마케팅에 대해서는 고객의 수용성이 높다는 결과들이 있음. 반면 기업이 마케터가 솔직하지 않거나, 너무 일방적이며 고객은 제안을 거절. 고객에게 사전에 동의를 구하라. 그리고 가치 있는 상품, 정보, 제안, 서비스를 제공하여 신뢰를 쌓아라. 고객이 좋아하는 점과 싫어하는 점을 파악하라. 고객 하나하나를 위한 개인화되고 적절한 메시지를 개발하라.
- 비정형 데이터는 전통적 데이터베이스 또는 데이터 모델에 의해 조직화되거나 쉽게 해석되지 않는 정보로부터 나옴. 전형적으로 텍스트 중심으로 되어 있음. 메타데이터, 트위터 트윗, 소셜 미디어 포스트등이 비정형 데이터의 좋은 사례. 다중정형 데이터는 다양한 형태와 유형을 나타내는 데이터로, 사람과 웹 애플리케이션 또는 사람과 소셜 네트워크 같은 장치들간의 상호작용으로부터 발생. 가장 좋은 예는 웹 로그 데이터인데 서식이나 거래정보 같은 정형 데이터와 함께, 텍스트 및 비주얼 이미지가 조합된 데이터가 포함된. 디지털 혼돈으로 인해 커뮤니케이션과 상호연결 채널이 근본적으로 변화하고 있고, 마케터들이 기기, 웹사이트, 대면 상호작용, 소셜 플랫폼 전반에서 고객경험을 높임에 따라 다중정형 데이터는 계속 진화할 것으로 보임.
- 현재 우리가 빅데이터 마케팅에 관해 확실하게 알고 있는 것들.
* 향후 3~5년이 지나면 디지털 혼돈으로 기업과 소비자의 구매행동이 완전히 바뀔 것임
* 보다 연관성 있는 고객경험을 이끌어내고, 기업 및 단체의 가치를 높이려면 기업들은 데이터 주도적 마케팅을 실행해야 함
* 목표가 뚜렷하고 독립적인 프로젝트나, 기업을 위한 종합적이면서 전략적 비전의 일부로서 빅데이터 마케팅을 사용하지 않는다면 크게 낙담할 것
- 비즈니스 온라인 웹진 커스터머싱크에 따르면 CRM프로젝트의 70%는 실패. 왜 그럴까? 전술 자체가 수준에 미치지 못했을 뿐 아니라, 오늘날 고객이 관리를 받고 싶어하지 않기 때문. 고객은 통제권을 갖고 싶어함. 고객은 산업과 상품에 따라 다른 부가가치가 있는 경험을 원함. 빅데이터 마케팅은 반드시 이런 상호작용을 기초로 해야 함. 고객 상호작용 전략을 개발하기 위해서는 고객의 구매여정에서 모든 방식을 통한 첫 접촉에서부터 구매, 애프터마켓에 이르는 모든 과정을 도식화해보고 이해할 수 있어야 함. 그 다음에는 기업, 시스템, 데이터에 필요한 변화를 도식화하여, 고객참여 계획을 전면적으로 실행해야 함
- 변곡점은 애플리케이션들이 충분히 발달하면 생기는데, 이때 IT또는 비즈니스 리더는 애플리케이션을 통합해야 할지, 다중 포인트 솔루션을 계속 활용해야 할지를 결정해야 함. 마케팅 기술에 있어서 우리는 바로 그 지점에 와 있다. 포인트 솔루션은 어디에나 있음. 캠페인 관리 시스템에서 수동으로 리스트 산출이 필요한 이메일, 개별항목들을 추적하지만 창조적인 검토 프로세스는 아닌 프로젝트 관리시스템도 해당. 또한 재무시스템과 연결되지 않은, 예산조정 때마다 재무팀과 마케팅 운영팀이 몇주씩 매달려야 하는 지출을 관리하기 위한 단독 스프레드 시트 등이 포함됨. 세일즈포스닷컴이나 시벨과 같이 통합된 시스템들을 사용하는 영업부서와 달리, 마케팅부서는 IT부서는 예산, 업무흐름, 캠페인, 세분화 등의 핵심요소를 관리하는 통합 마케팅 플랫폼의 이점을 평가할 필요가 있음.
- 리드당 비용에 원가계산과 같은 점진적 단계를 밟으면 쉽지 않은 모든 마케팅 비용을 측정하는 데 한발짝 더 가까이 갈 수 있음. 하지만 그것이 가장 좋은 접근법인지에 대해서는 이의를 제기하는 사람도 있음. 어떤 업체의 이론가들은 대부분의 기업들이 사용하는 모든 비용을 다 측정할 수 없다고 말함. 실제로 최고경영진은 투자에 대한 수익을 증명하는 것보다 투자로 얻는 수익을 향상시키는 쪽에 관심을 집중해야 함. 보고할 목적으로 모든 것을 측정하기보다 선택지표를 측정하고 행동하는 편이 나음
- UCLA 앤더슨 경영대학원의 버드 냅 마케팅 교수이자 마켓셰어 공동설립자인 도미니크 한센스는 성과지표인 마케팅 투자수익률을 맹목적으로 사용하는 것에 대해 경고. 마케팅 투자수익률은 기업의 지출에 대한 의존도가 너무 높기 때문. 실제로 마케팅 지출이 커질수록 투자수익률은 점점 더 낮아지는 경향을 보임. 한센스의 생각처럼 투자수익률이 인식된다면 기업은 마케팅에 대한 투자를 줄일수도 있음. 한센스는 경영진이 마케팅 한계투자수익률에 집중하라고 제안. 예를 들어 마케팅 한계투자수익률은 지난번에 각 마케팅 활동마다 1000달러씩 지출했는데, 그에 대한 수익은 어떠한가? 와 같은 질문에 중점을 둔다. 이 모델을 사용하여 기업이 마케팅 한계투자수익률이 0이 될때 최대수익에 이름. 마케팅 한계투자수익률의 수치가 플러스이면 더 많은 자원이 할당될 수 있음을 나타내고 마이너스인 경우는 과도한 지출을 나타냄. 이처럼 한센스의 방법은 기업의 매출과 기대이익을 하나의 축으로 연결하기 위해 기본 투자수익률을 변형한 접근법임
- 마케팅에서는 도달범위, 클릭수, 브랜드 인지도 등을 이야기하고, 영업에서는 파이프라인, 리드전환, 할당량과 같은 용어를 사용. 이런 용어를 들으면 영업부서나 다른 부서에서는 마케팅부서가 눈속임을 하려든다고 생각하게 됨. 왜냐하면 회사의 다른 부서들은 마케터들이 무슨 말을 하는지 이해하지 못하기 때문. 당신의 회사를 진단해보라. 당신의 팀은 명확하게 이해하기 어려운 마케팅 용어를 사용하고 있는가? 동료들에게 무엇을 보고, 듣는지 물어보라. 모든 대화에서 분명한 정의를 사용하고, 일상적인 정의를 사용하는 작업을 시작하면 쉽게 바로잡을 수 있음. 즉 혼란스러운 용어를 근절하고 보다 일상적인 이름을 사용하는 것이 도움이 됨
- '12년, 산업이론가이자 가트너 연구부사장인 킴 콜린스는 마케팅의 새로운 4P라는 논문을 발표. 새롭고 업데이트된 4P인 사람, 프로세스, 성과, 수익에 근거하여 마케팅 기능을 재고할 것은 조언. 간단히 말해 마케터들은 다음과 같은 행동을 해야함
(1) 모든 마케팅 생태계를 조화롭게 하려면 내부 및 외부를 포함한 마케팅 전반에 걸쳐 사람들과 프로세스를 정렬해야 함.
(2) 마케팅 성과와 측정을 향상시켜야 함
(3) 마케팅을 수익센터로 전환해야함
- 협력과 지식공유를 위해 사람들을 정렬하는 것은 중요하지만, 프로세스를 문서화하고 자동화하는 일은 효율적이고, 효과적인 정렬에 필수적. 즉 마케팅이 점점 복잡해짐에 따라 적절한 마케팅 활동에 적합한 사람을 정렬하기 위해, 제품 출시일을 더 앞당기기 위해, 인적자원을 좀더 효율적으로 할당하기 위해, 폐쇄 루프 마케팅을 수행하기 위해 프로세스가 필요. 마케팅에서 프로세스가 제대로 정의되지 않으면 복잡성을 관리하는 것은 불가능. 또한 마케팅 결과를 측정하고 전략적으로 계획을 수립하는 것 역시 불가능함

 

Posted by dalai
,

 


빅데이터 마케팅 데이터는 답을 알고 있다

저자
문석현 지음
출판사
휴먼앤북스 | 2014-05-09 출간
카테고리
경제/경영
책소개
빅데이터는 마법이다! 21세기 데이터 경영 시대의 승부수, 빅데...
가격비교

- 출루율을 기초로 타자를 평가하는 방식은 빌리 빈이 처음 만들어낸 것은 아님. 이런 움직임은 오히려 아마추어 마니아들 사이에서 먼저 생김. 열광적 야구팬이었던 빌 제임스는 77년 야구를 통계적으로 분석한 1977년 야구개요: 18개 항목의 야구통계 독점제공이라는 68페이지 책을 자비로 출간. 이 책은 단 75명 밖에 구입하지 않았지만 이후 매년 시리즈를 내면서 독자가 늘어남. 마침내 전문적인 과학자들도 여기에 참여하면서 야구통계를 과학의 영역으로 끌어들이게 됨. 빌리빈의 접근 방법 자체는 대부분 이 시리즈에 담긴 내용에서 유리. 하지만 이런 접근 방법을 현실세계에 적용하기까지는 오랜 세월이 걸렸음. 왜냐하면 기존 야구전문가들이 이를 받아들이지 않았기 때문. 90년대 초반까지 이런 일을 하는 사람들은 야구 구단 내부의 의사결정이 거의 영향을 미치지 못했음. 텍사스 레인저스에서 이 일을 했던 크레이그 라이트는 이런 말을 했다. "내가 만든 자료를 한번이라도 활용하려면 그 팀의 단장이 되는 수밖에 없습니다. 하지만 그런 제의는 들어오지 않더군요."
- 제프 베조스는 책에 대한 기호는 사람들마다 다르지 않을까? 고객 개개인의 구매선호에 맟춰 책을 추천할 수 있다면 어떻게 될까? 하는 생각을 했음. 아마존은 당시 이미 고객들이 어떤 책을 샀는지 어떤 책을 보는지에 관한 데이터를 보관하고 있었음. 대부분은 데이터를 이용할 좋은 아이디어가 떠올라도 데이터가 없어서 못하는 경우가 많은데 아마존의 경우에는 이 부분은 문제가 없었다. 다음은 데이터로부터 개개인을 위한 추천목록을 계산해내는 것인데 이부분 또한 전통적인 사용자 기반의 협업적 필터링이라고 하는 방법이 알려져 있었음. 현대의 추천엔진에서 사용하는 협업적 필터링이라고 하는 기술은 개념상으로는 그다지 어려운 것이 아님. 사용자 기반의 협업적 필터링에서는 먼저 사람간의 유사성을 계산. 가령 A라는 사람에게 뭔가 상품을 추천해주려고 한다고 하자. 이때 먼저 과거에 구매한 상품의 목록을 바탕으로 A와 성향이 비슷한 B라는 사람을 찾는다. 그런 다음 B는 구매를 했지만 A는 아직 구매하지 않은 상품을 A에게 추천해주는 방식이다. 다만 이 과정에서 군데군데 고등수학이 들어간다. 예를 들면 고객간의 유사성을 어떻게 계산할 것인가 하는 문제이다. 가령 A는 7개의 상품을 구입했고, B는 5개를 구입했는데 그중 3개가 서로 일치했다. 그러면 A와 B의 유사성은 얼마로 해야 하나? 여기에는 몇가지 방법이 있으며, 그중에서 상황에 맞는 적절한 방법을 찾아 사용해야 함. 예를 들어 구매정보처럼 예/아니오로 표현되는 경우와 별 하나부터 별 다섯개까지 평점을 매기는 경우에는 유사성을 계산하는 방식이 다를 수 있음. 하지만 이 사용자 기반의 협업적 필터링이 아마존의 경우에는 적절하지 않았다고 한다. 계산에 시간이 너무 많이 걸려 고객전체에 대해 계산을 할 수 없기 때문에 샘플링을 통해 일부 고객에 대해서만 계산을 했다. 아마 이 부분은 오늘날이라면 컴퓨터 성능이 많이 향상되어 별로 큰 문제가 되지 않았겠지만 당시로서는 기술적으로 어려웠음. 게다가 추천결과도 형편없었음. 예를 들면 폴란드에 관한 책을 사면 동유럽 요리책을 추천한다거나 육아서적을 한권 사면 똑같은 종류를 잔뜩 추천하는 식이었음. 아마존의 추천기술을 만든 그레그 린든은 이 문제에 대해 새로운 해결책을 찾아냄. 바로 상품기반의 협업적 필터링이라고 하는 방법. 이 방법에서는 사람들간의 유사성을 계산하는 대신 상품간의 유사성을 계산함. 예를 들어 A상품을 산 사람과 B상품을 산 사람이 많이 겹치면 A와 B는 유사한 상품이라는 식으로 규칙을 만드는 것. 계산은 아마 이 방법을 통해 많이 빨라졌을 것임. 그 이유는 대개 사람의 숫자보다 상품의 숫자가 훨씬 적기 때문. 예를 들어 사람이 100만명이고 상품이 1만개라 치자. 이 경우 모든 사람들 간의 유사성을 계산하기 위해서는 약 5천억번의 계산을 해야 함. 하지만 모든 상품들 간의 유사성을 계산하기 위해서는 약 5천만번의 계산만 하면 됨. 이런 방식을 도입하면서 샘플링을 하지 않고 전체 데이터를 이용해서 상품간 유사성을 계산할 수 있었고 이 방법으로 훌륳나 추천결과를 얻을 수 있었음. 이제 아마존은 사이트에 어떤 것을 띄울지 결정해야 했다. 기계가 만든 개인별 추천목록을 내보낼 것인가. 아니면 사내 편집팀이 작성한 리뷰를 내보낼 것인가 하는 경쟁이다. 판매량을 비교해본 결과 데이터에서 나온 자료들이 훨씬 더 많은 판매량을 기록했다. 눈으로 보았을 때 추천결과가 잘 이해가 되지 않는 경우도 많음. 하지만 그런 것은 중요하지 않았다. 결국 편집자들의 리뷰를 웹사이트에 올렸을 때 아마존이 포기해야 하는 매출이 정확히 계산되었고 편집팀은 해체됨
- 사용자 기반의 추천엔진은 "당신을 위한 추천상품은 A,B,C입니다"라고 소개하는 방식. 이 방식은 사용자가 누구인지를 알아야 한다는 어려움이 있다. 상품기반의 추천은 A라는 상품을 보고 있는 사람에게 "A를 산 사람들은 B,C,D도 샀으나 한번 보세요"라고 권해주는 방식. 이것은 사용자가 누구인지도 알 필요가 없고, A를 봤다는 사실이 중요함. 이 방식은 누구인지를 알 필요는 없는 대신 사용자 행동에 관한 정보가 필요하다는 점이 차이. 이런 차이 때문에 두가지 방법은 적용할 수 있는 영역이 다름. 사용자 기반 추천의 경우에는 처음에 인터넷 사이트에 접근해서 메인화면을 보고 있따거나 할 때 보다 적합한 기술인 반면, 상품기반 추천은 이미 관심이 있는 상품을 클릭해서 상세내용을 보고 있을 때 적용하기 좋은 기술. 이런 차이때문에 티켓몬스터는 두가지 기술을 적당히 섞어 필요한 곳에서 사용하고 있음.
- 지금까지 여러 회사에서 쿠폰을 이용해서 매출을 올리는 일을 하는마케터들을 만나서 이야기를 들어본 바로는, 비록 엄밀한 실험까지 안했더라도 쿠폰은 처음에는 확실히 효과가 있지만 계속하면 할수록 약발이 떨어지는 것 같다는 직관적 감을 공통으로 갖고 있음. 하지만 그만두지도 못함. 첫번째 이유는 명확하게 손해가 난다는 것을 입증하기 어렵기 때문이며, 두번째는 하던 쿠폰 프로모션을 중단하게 되면 당장에 매출이 줄어들 가능성이 높기 때문. 마지막은 자신들이 하는 일이 쿠폰 프로모션이기 때문에 그것이 효과가 없다는 것을 인정하기 어렵다는 점도 있음. 쿠폰이 쓸모없다고 이야기하는 것은 아니다. 설계하기에 따라서 얼마든지 결과가 달라질 수 있다. 가령 쿠폰을 받을 대상자를 좀더 신경써서 선정한다면 결과가 달라질 수 있다. 쿠폰의 내용이나 기한을 바꾸면 또 달라질 수 있다. 그리고 어떤 경우에는 손해보는 줄 뻔히 알면서도 이런일을 해야하는 경우도 있다. 가령 경쟁사에서 공격적으로 쿠폰 프로모션을 진행하면 이쪽에서도 시장점유율 때문에 손해보는 줄 알면서도 진행해야 함. 가격경쟁이 붙었을 때 경쟁사에서 가격을 내리면 이쪽도 가격을 내리지 않을 수 없는 것과 같은 원리. 하지만 생각해 봐야 하는 것은 할인 쿠폰과 같이 직관적으로는 당연히 매출을 끌어올릴 수 있을 것 같은 수단도 오히려 매출을 감소시키는 요인을 작용할 수도 있음.

'경영' 카테고리의 다른 글

현대경영, 마키아벨리에게 답을 묻다  (0) 2014.11.07
빅데이터 마케팅  (1) 2014.11.07
모바일 컨버전스는 어떻게 세상을 바꾸는가  (0) 2014.11.06
블루 엘리펀트  (0) 2014.11.06
게임스토밍  (0) 2014.11.06
Posted by dalai
,