빅데이터를 활용한 예측마케팅 전략 도서 요약

Posted on | In |

업무를 위해 예측마케팅 관련 도서를 읽고 정리해보았다.

<1부 예측마케팅이란 무엇인가>

1. 예측 분석 입문

  • 마케팅의 변화

  • 예측마케팅은 동네 가게의 개인적인 관계를 온라인 및 오프라인 마케팅이라는 첨단 세계로 옮겨온 것. 과거에 비해 고객 상호작용의 속도, 양, 유형이 크게 증가+디지털화. 이를 통해 제품 및 프로모션을 중심으로 하는 매스마케팅의 시대로부터 고객을 중심으로 하는 고도로 개인화된 마케팅의 시대로 넘어갈 수 있게 됨.

  • 예측마케팅은 예측 분석을 사용하여 고객생애주기 전반에 걸쳐 더 좋은 고객 경험을 제공하고 이를 통해 고객 충성도와 수익을 향상시키는 것

  • 기업 예시 1: 아마존. 회사의 설립 초기부터 예측 분석이 성공의 핵심. 매출의 35%가 예측 엔진으로 추천한 상품에서 비롯. 어떤 내용의 이메일 뉴스레터를 보내는 것이 적절할지, 고객이 제품을 재주문하기에 적절한 시점은 언제인지 예측하여 추천

  • 기업 예시 2: 마비(터키 의류업체). 처음에는 각 부서마다 핵심성과 지표, 마케팅 보고서, 고객 데이터를 모두 제각기 사용하여 효율적이지 않았으나 이후 클라우드 기반의 예측마케팅 솔루션 도입으로 1일 단위로 고객 데이터를 통합, 정리, 중복 항목 제거할 수 있게 됨. 그 후 제품 기반 군집 분석을 활용해 서로 다른 제품 선호도를 가진 사람들의 그룹을 찾아내 이를 기반으로 이메일 및 문자를 통한 타겟 마케팅 캠페인을 더 많이 구현. 또 휴면고객을 대상으로 재구매를 위한 캠페인을 실시, 휴면고객의 20% 다시 활성화. 전체 매출 7%p 증가(5200만 달러)하는 데 큰 도움. 현재는 1년에 80가지가 넘는 예측마케팅 프로그램을 운영하고 있음. 마케팅에 지출하는 돈 1달러마다, 제안하는 모든 할인 프로그램마다 그것이 왜 의미가 있는지 설명되고 테스트되고 최적화되고 있음

  • 예측마케팅의 10가지 예시 질문

10가지 질문 예측은 어떻게 도움이 되는가
1. 최우수고객은 누구인가? 고객별 매출을 고려, 가장 높은 평생가치를 지닌 고객 예측 및 이 고객에 대한 마케팅 비용 예측
2. 기존의 최우수고객과 유사한 신규 고객은 누구인가? (B2C) 유사 타겟팅 또는 (B2B) 특화된 예상고객 목록 제공업체를 활용해 높은 가치를 가진 기존 고객들과 가장 유사한 예상고객이 누구인지 예측
3. 데이터에서 페르소나를 찾아내어 그것고 유사한 고객을 더 많이 획득한다. 고객군집분석 후 각 군집별 유인 콘텐츠, 제품 및 서비스 개발
4. 어떤 마케팅 채널이 가장 수익성이 높은가? 어떤 채널이 미래를 포함하여 가장 높은 평생가치를 가진 고객들을 유치하는지 예측하고 이를 투자에 반영
5. 어떤 예상고객(비구매자)이 구매할 가능성이 가장 높은가? (B2C) 적절한 인센티브를 제공하기 위해, 또는 (B2B) 올바른 예상 고객에게 영업사원의 시간 투자 우선순위를 정하기 위해 누가 구매할 가능성이 가장 높을지 판단
6. 어떤 기존(또는 과거)고객이 구매할 가능성이 가장 높은가? 일회성 구매자가 반복 고객이 되도록 유효 인센티브 예측, 상향판매 가능성 높은 고객에게 집중하도록 영업사원의 우선순위 설정
7. 기존고객 중 구매할 가능성이 가장 낮은 것은 누구인가? 이탈 고객 예측하여 이탈 전 인센티브나 맞춤형 추천 보내고, 고객지원담당자가 전화를 걸도록 함
8. 어떤 고객이 특정한 신제품에 대해서 관심이 있을까? 어떤 고객이 재고처분 상품 또는 신상품 출시에 관심이 있는지 예측하고 이를 대상으로 영업 및 마케팅 집중
9. 이 고객이 관심을 가질 만한 다른 제품이나 콘텐츠는 무엇일까? 특정 고객을 대상으로 캠페인을 진행할 때 어떤 제품 또는 콘텐츠를 추천할 것인지 예측
10. 특정 고객에게 우리 회사의 지갑 점유율은 얼마나 되는가? 높은 잠재가치를 지닌 시장 또는 고객그룹을 예측하여 향후 고객획득 전략 초점

  • 예측마케팅을 위해 필요한 요소

    • 지속적인 데이터 수집 및 프로파일 구축
    • 정보 일원화
    • 과거와 미래 모두에 걸친 미시적/거시적 차원의 고객 정보 분석 -> 고객 선호 및 수익성 파악
    • 고객 경험 개인맞춤화
    • 영업/마케팅 투자 대비 수익 최적화

2. 마케터를 위한 알기 쉬운 예측분석 입문

  • 예측분석 프로세스

    • 지도학습(Supervised Learning) : 경향성 모델

      정답을 알려주며 학습시키는 것. 신경망, 로지스틱 회귀, 랜덤 포레스트, 회귀 트리 등의 알고리즘을 사용하며, 과거의 사례를 통해 경향성(likelihood)을 학습하여 고객의 미래 행위를 예측. 예를 들면 다이렉트 메일(DM)을 수신한 결과로 제품을 구매하게 될지 아닐지 같은 고객의 반응을 예측.

      • 경향성 모델과 RFM 모델링의 비교

        예측분석이 보급되기 전, RFM(Recency, Frequency, Monetary) 모델링은 시기, 빈도, 구매금액 3가지 특징을 가지고 구매 가능성이 높은 사람을 파악하는 업계 표준 방식이었음. 그러나 효용이 제한적이고 현실에 적용하기가 어렵고, 통계적 기반이 없는 단순한 경험적 접근방식일 뿐임. 또 유통업과 같이 구매가 빈번한 환경에서만 향후 구매 가능성에 대한 예측이 가능. 고객평생가치, 멤버십 및 이메일 수신 해지 가능성, 구매전환가능성 등을 예측하는 데에도 쓸모 없음. 하지만 지도학습인 경향성 모델은 이런 모든 고객 행위를 예측할 수 있으며, RFM 모델에 비해 평균 40% 이상 정확함

    • 비지도학습(Unsupervised Learning) : 군집화 모델

      정답을 따로 알려주지 않고, 비슷한 데이터를 군집화하는 것. 예를 들면 고객의 구매 행위를 살펴보면 보통 할인을 받을 때만 구매하는 사람들의 군집(cluster)이 있음. k-means나 Apriori 알고리즘을 활용.

      • 세분화와의 차이점

        세분화(Segmentation)와는 조금 다른데, 세분화는 사람이 설정한 ‘기준’을 기반으로 분류하는 것인데 반해 군집화는 데이터 내에 존재하는 특징을 활용해 자동으로 분류. 예를 들면 내가 비싼 드레스를 판매한다고 할 때, 소득 수준을 활용해 그룹을 나누고 타겟을 정하는 것은 세분화 과정. 반면 연령, 지역, 구매 시기, 유사 상품 구매 이력 등 많은 변수를 데이터로 입력하고 알고리즘을 통해 유사한 변수에 따라 고객을 분류하는 것은 군집화 과정.

    • 추천 시스템

      협업 필터링(collaborative filtering), 베이지안 네트워크(Bayesian network) 등의 방법을 활용해 관련 제품이나 관심 있는 콘텐츠를 제안하여 고객 가치를 높이고 고객을 유지할 수 있음. 다만 잘못된 추천, 맥락 없는 추천, 추천 시점 등을 유의해야 한다. 이를 통해 상향판매(upsell) 추천, 후속 판매(next sell) 추천, 교차 판매(cross-sell) 추천 등을 할 수 있다.

3. 고객 프로파일 구축

  • 데이터 수집을 위한 설계 원리 : 다음과 같은 원칙을 고려하여 데이터를 수집해야 함

  • 어떤 유형의 데이터를 수집할 것인가? => B2C, B2B 마케터 모두에게 우선순위가 높은 행위 데이터로는 구매, 웹 방문, 이메일 클릭 등이 있음. B2C 마케터에게 우선순위가 높은 인구 통계 데이터는 고객의 성별, 연령, 거주 지역 등이며, B2B의 경우 업종, 기업 규모, 구매자 직위, 구매업체의 본사 위치 등

  • 사실 구매 데이터 하나만으로도 이미 풍부한 정보를 얻을 수 있음. 실제로 구매 행위 하나하나는 모두 구매 시간과 위치, 구매 제품, 거래에 관련된 영업사원과 같은 흥미로운 정보들을 생성. 다음은 판매 시점에서 수집할 수 있는 데이터들을 요약한 것
    • 판매 시간 / 판매 날짜 / 출하 날짜
    • 대금 청구 주소 / 배송지 주소
    • 구매자 이름 / 구매자의 성별(이름으로 유추)
    • 판매 가격, 판매 적용 할인, 판매 제품의 원가, 판매 마진, 판매시 납부 세금, 배송 매출
    • 최초 구매 / 반복 주문 여부 / 구매 후 경과 기간
    • 주문에 포함된 제품의 수 / 제품들의 유형
    • 판매 제품 / 판매 제품의 카테고리 / 판매 브랜드
    • 판매 영업사원(B2B 및 B2C) / 판매 채널(예: 온/오프라인) / 고객이 구매 시 사용한 기기 유형

  • 다음은 고객 프로파일의 예시이다.

  • 데이터에 대해 물어보아야 할 100가지 질문

    100개의 질문 대부분이 좋은 질문입니다. 다만 요약에 모두 쓰는 것이 좀 그래서 일부만 발췌했는데, 만약 궁금하시다면 제게 문의 주시면 100개 질문 목록을 모두 보내드리도록 하겠습니다.

    • 판매
      1. 매달 얼마나 많은 신규고객을 획득하고 있는가?
      2. 고객당 매출액은 얼마인가? 추세는 어떠한가?
      3. 매출의 대부분이 신규 구매자로부터 발생하는가, 아니면 반복 구매자로부터 발생하는가?
    • 고객
      1. 각 제품 기반 군집에는 몇 명의 고객이 있는가?
      2. 가장 큰 마진을 남기는 제품 기반 군집은 어느 것인가?
      3. 각 제품 기반 군집별로 선호하는 채널은 어떤 것인가?
      4. 고객 중 몇 %가 할인 구매자인가?
      5. 고객 중 몇 %가 빈번한 구매자인가?
    • 평생 가치
      1. 최상위 10% 고객의 (예상) 평생가치는 얼마인가?
      2. 매출 중 최상위 10% 고객으로부터 발생하는 매출이 전체 매출에서 차지하는 비율은 몇 %인가?
      3. 높은 가치의 고객들 중 이탈할 위험이 있는 고객들은 얼마나 되는가?
      4. 멤버십 적립 프로그램 가입자의 평생가치는 평균보다 높은가?
    • 구매 가능성
      1. 프로모션 비용을 고려할 때 할인이 마진 증가를 촉진했는가?
      2. 각 고객에 대한 최고의 인센티브는 무엇인가?
      3. 기존 고객들 중 재구매할 가능성이 가장 높은 것은 누구인가?
    • 생애주기단계
      1. 재구매 캠페인을 통해서 몇 명의 고객을 다시 불러들일 수 있는가?
      2. 회사가 이메일 주소를 갖고 있는 구매자들 중 최근에 회사 웹사이트를 방문했으나 구매하지 않은 사람은 몇 명인가?
      3. 이탈할 위험이 있는 고객들은 누구인가?
    • 제품 추천
      1. 고객별로 다음에는 어떤 제품을 추천해야 하는가?
    • 마케팅/채널
      1. 매월 몇 개의 장바구니가 매출로 이어지지 않고 중도에서 포기되고 있는가?
      2. 이메일 1개당 매출은 얼마이며 시간 경과에 따라 어떻게 경과하는가?
      3. 가입자 중 우리가 보낸 이메일을 실제로 읽은 사람들은 몇 명인가?
      4. 어떤 마케팅 프로그램이 최고의 수익을 내고 있는가?
      5. 전체 매출에서 각 채널이 차지하는 퍼센트는 얼마인가?
      6. 채널별 연간/월간 매출 추세는 어떠한가?
      7. 어떤 채널에서 가장 수익성/충성도 높은 고객을 얻는가?
    • 제품
      1. 제품 카테고리별 매출 및 마진은 어떠한가?
      2. 가장 실적이 좋은 제품 카테고리는 무엇인가?
      3. 새로운 제품/콘텐츠/행사 등에 어떤 고객이 관심을 가질 것인가?

고객평생가치 최적화

  • 일반적으로 고객평생가치란 고객과 비즈니스를 하면서 그에게서 평생 동안 기대할 수 있는 수익을 설명하는 용어
  • 과거 평생가치는 한 고객으로부터 평생에 걸쳐 현재까지 발생한 ‘실제’ 수익, 즉 총 마진에서 직접 비용을 뺀 값에서 다시 고객 획득 비용을 뺀 금액. 특정한 고객 또는 세그멘트의 고객가치가 상승/하락추세인지를 알아볼 떄 쓸 수 있음.

  • 예상 고객가치는 화폐의 시간 가치에 따라 조정된, 앞으로 몇 년(1~3년) 동안 예상되는 고객의 가치, 매출, 비용. 고객 평균 유지율은 평균적으로 한 명의 고객을 향후 몇 년 동안 유지할 수 있으며 향후 몇 년 동안의 매출을 계산에 넣을 수 있는지 알려줌. 이는 특정한 고객의 획득 또는 유지에 투자할 금액을 결정할 때 유용함. 다음과 같은 요소를 고려한다.

    • 최근 구매 / 웹사이트 방문 / 이메일 클릭
    • 최초 주문의 규모
    • 최초 주문의 할인 여부(정가로 구매하는 고객은 평생 가치 있는 고객이 될 가능성이 높음)
    • 고객획득 채널
    • 지인 추천
  • 평생가치의 상승 여력은 고객이 당신에게 얼마나 더 많은 돈을 지출할 수 있는지를 계산. 아직은 소수의 회사만이 고객의 지갑 점유율 또는 평생가치의 상승 여력을 활용하고 있지만, 이를 통해 초점을 맞춰야 할 고객을 선정하는 유용한 방법이 될 수 있음.

  • 한 고객에 대한 고객평생가치의 증대

    고객 생애주기는 제품 또는 서비스를 고려하고, 구매하고, 사용하고, 충성도를 유지하는 과정에서 고객이 밟아나가는 단계를 설명하는 데 사용되는 용어. 대량발송 이메일의 평균 개봉율은 약 14%이고 이메일당 평균 매출은 0.05달러이지만, 반면 고객의 생애주기 단계별로 촉발되는 다양한 캠페인은 2~3배 높은 개봉률과 최고 6달러의 이메일당 매출을 올림. 다음은 생애주기별 마케팅의 예시.

획득 성장 유지
제품 또는 서비스를 고려하고 구매하는 것 일회성 구매자를 반복고객으로 만드는 것 높은 가치의 고객을 유지하고 충성도를 높이는 것
유사고객 타겟팅, 리마케팅 반복 구매 프로그램, 군집 기반 타겟팅 사은 행사, 고객 재활성화

  • 다음은 수영장 수위 관리라는 비유를 사용하여 모든 고객 전반에 걸쳐 고객 자산을 최적화하는 방법론을 요약한 그림이다.

<2부 예측마케팅을 시작하기 위한 9가지 손쉬운 실행전략>

  1. 고객 데이터를 활용하여 마케팅 지출을 최적화하라

  • 현재 대부분의 마케팅 지출 최적화 접근 방식은 ‘고객의 행동 예측’에 초점을 둔 게 아닌, ‘미디어 대응 최적화’임

  • 따라서 다음을 고려하여 예측마케팅을 해야 함
    • 고객의 획득, 유지, 재활성화에 대해 각각 별도의 투자 계획을 수립
    • 높은/중간/낮은 가치의 고객별로 지출을 차등화
    • 평생가치가 가장 높은 고객을 유치하는 제품을 찾기
    • 평생가치가 가장 높은 고객을 유치하는 채널을 찾기
  • 고객의 유지와 재활성화에 집중할 것
    • 대체로 비용은 오른쪽으로 갈수록 더 크다 : 고객을 유지하는 것 < 기간 경과된 고객을 재활성화하는 것 < 신규 고객을 획득하는 것
    • AgileOne의 데이터에 따르면 평균적으로 기존 고객은 신규고객보다 83%나 더 많이 지출하고 60% 더 자주 방문한다.
    • 따라서 고객을 유지하고, 일회성 구매자를 최대한 빨리 반복 구매자로 전환시키는 것이 중요
    • 고객의 유지 및 재활성화에 더 집중하면 비용 대비 효과적으로 성장할 수 있음에도 대부분의 회사들은 신규고객의 획득에 너무 집중함. 우리 경험에 따르면 기존 고객을 재활성화하는 것이 신규고객을 확보하는 것보다 약 10배 적게 비용이 듬.
    • 대부분 기업의 경우 신규고객의 획득을 위해서는 7~10회의 마케팅 접촉이 필요하며(이들의 응답률이 더 낮기 때문에) 각 접촉은 기존고객보다 3~5배 더 많은 비용이 소요. 기존고객은 3~5회의 접촉이 필요. 이를 계산해보면 결과적으로 고객 획득을 위한 비용이 고객 유지보다 10~20배 더 높음.
    • 또한 고객 유지는 1% 개선될 때마다 성장에 대해 긍정적인 복리계산 효과가 있는 반면, 고객 획득은 매년 제로베이스에서 다시 시작해야 하기 때문에 비용이 큼.
고객 유형에 따른 성장 고객 전환 비율
  • 고객 전환 비율과 신규 고객 유입 수를 알고 있다면, 미래 매출 성장률을 어느 정도 예측 가능할 것으로 보임
  • 고객 단계에 따른 마케팅 투자 예산 최적화 - 마케팅 퍼넬의 각 단계의 구매 전환율에 따라

  • 투자회수기간이나 고객 가치에 따른 마케팅 투자 예산 최적화 - 고객 획득 프로그램들 각각에 대해 평가기간이 끝날 때 투자 대비 수익(ROI)를 기록하도록 권장, 이후 가장 좋은 성과의 활동을 선택하여 다음에 적용

  • 고객가치에 따른 차등화된 지출 - 가치가 높은 충성고객의 경우 90%의 유지율을 보인 반면 가치가 낮은 할인 쇼핑객의 경우 20%의 유지율을 보였다고 가정. 유지율이 낮은 고객 그룹에 집중해야겠다고 생각할 수도 있지만, 400달러라는 가치를 반영해보면 리스크는 37% 대 2%로 큰 차이를 보임. 따라서 이러한 리스크 총액에 따라 차등화된 예산 지출이 필요함.

2. 고객 페르소나를 예측하고 마케팅을 다시 고객과 관련성 있게 만들어라

  • 1부 2장에서도 얘기했듯 군집분석은 기계학습을 활용한 자동화된 세분화. 군집분석의 결과물인 군집은 해당 군집의 핵심 인물 속성을 파악한 것이기 때문에 페르소나라고 부름. 그리고 이 페르소나를 마케터가 이해할 수 있는 방법으로 표현하기 위해 휴리스틱스(Heuristics)를 사용.
  • 군집 유형들 - 관련성 높은 커뮤니케이션으로 타겟팅(제품 할인쿠폰이나 이메일)할 때 유용
    • 제품 기반 (e.g. 스웨터만, 아동용 옷만, 등)
    • 브랜드 기반(e.g. 캘빈 클라인, 나인웨스트)
    • 행위 기반(e.g. 할인 중독자, 웹사이트 or 상담전화, 재구매 소요 시간)

3. 생애주기 마케팅을 위해 고객 여정을 예측하라

  • 고객 여정 / 생애주기 단계를 기반으로 고객을 세분화하며 고객 성장에 대한 인사이트와 기회를 얻을 수 있는 방법을 살펴볼 것

4. 고객가치를 예측하라: 가치기반 마케팅

  • 고객가치에 따른 3가지 핵심 전략
    • 높은 가치의 고객 : 이 고객을 존중하고 유지하기 위해 돈을 써야 함. 이들과 관련해서는 유지 지표들에 주의 기울여야 함
    • 중간 가치의 고객 : 고객의 잠재력을 극대화하기 위해 상향 판매를 해야 함. 구매 상승 잠재력에 세심한 주의를 기울여야 함
    • 낮은 가치의 고객 : 수익성이 낮은 고객에게 서비스하는 데 드는 비용을 절감해야 함

  • 가치 변화과정 프레임워크를 통해 고객 세그멘트를 하는 방법

5. 고객 등급화를 위해 고객의 구매 또는 참여 가능성을 예측하라

  • 구매 가능성 예측과 관련해서는, 최초 구매 가능성과 반복 구매 가능성을 예측할 수 있음. 이를 통해 ‘어느 고객에게 초점을 맞출 것인지’와 ‘각 고객에게 할인을 포함하여 얼마나 많은 돈을 지출할 것인가’를 결정

  • B2B의 경우에도 마찬가지로 구매 가능성 모델로 비용 투자의 우선 순위를 정할 수 있음. 그러나 B2C와는 아래 표와 같은 차이가 있는데, 이는 구매 의사결정 프로세스의 특성 때문임.

      신중한 의사결정 신속한 의사결정
    의사결정 주기 6개월 1~7일
    판매 주기 내 접촉 10회 2회
    평균 주문 금액 $30,000 $200
    교체 주기 1년 1개월
    사용자 다수 1인
    기능 복잡 단순

  • B2B의 경우 공급업체, 거래, 서비스 및 제품의 교체 주기와 배송 주기가 오래 걸릴 수 있기 때문에 기존 고객이 재구매하도록 하는 것보다는 새로운 고객을 확보하는 데 집중. 따라서 최초 구매 가능성 모델이 더욱 중요.

  • B2B 마케터를 위한 구매 가능성 예측 외의 또다른 예상 고객의 우선 순위 매기기 방법 - 리드 점수 매기기
    • 초급 수준 : 가산점 제도. 모든 활동에는 특정 점수가 매겨지며 이를 합쳐 리드 점수를 만듬. 각 활동의 점수는 임의로 결정. 예를 들면 문서 다운로드는 5점이고 이메일 링크 클릭은 1점
    • RFM 유형 : 카탈로그 마케팅에서 사용되는 RFM 점수 매기기와 유사. 그러나 이 점수는 활동뿐만 아니라 기회의 크기, 거래 규모, 참여도 지표(이메일 개봉, 웹사이트 방문, 웨비나 참여 등)에 근거한 복합적 점수
    • 예측 리드 점수 : 위 2가지 기본적 모델로부터 과거에 대한 통계적 학습을 통해 구축. 예측 모델은 과거 성공적으로 계약 성사된 거래로부터 학습하며 계약 성사 이전에 예상 고객이 보여준 행위를 살펴보고 그것을 통해 의사결정을 내리는 데 도움
    • 후속 행위 점수 : 가장 좋은 모델은 리드 점수를 예측할 뿐만 아니라 전반적인 거래 성사 가능성을 증가시키는 후속 행위도 예측함. 이는 각 회사별로 맞춤 구축되는 매우 복잡한 모델들. 단순히 이벤트 발생 여부를 고려하는 것이 아니라 이벤트들의 특정한 순서를 고려.

  • 얼마나 자주 고객에게 이메일을 보내야 하는가?

    적절한 이메일 발송 주기를 파악하는 것은 까다로움. 단기적 차원에서 이메일 클릭 링크를 통해 매출을 최대화하는 것(더 많은 이메일 발송)과 장기적 차원에서 이메일 수신 거부로 인한 손실을 최소화하는 것 사이의 균형을 맞춰야 함. 정답은 고객 세그멘트에 따라 다름. 이메일 매니아는 매일 이메일을 보내도 싫어하지 않겠지만 이메일을 거의 열어보지 않는 사용자에게는 한 달에 두 번 이상 이메일을 보내면 안 됨.

    이를 위해 테스트를 설계하고 실행해야 함. 다음 사항들을 고려.

  1. 각 고객마다 적절한 개인별 추천사항을 예측하라
  • 과거 1세대 추천 시스템은 키워드나 제목에 기반하여 사람이 직접 설정한 간단한 규칙을 사용했으나, 최근에는 집단 지성을 활용하는 협업 필터링을 사용
  • 추천 시 고려사항 - ‘언제’ 추천해야 하는가?
    • 구매 시점에 추천 : 상향 판매 및 교차판매. e.g. 맥도날드 매장에서 슈퍼사이즈로 바꿀지 물어보기, 동일한 제품의 상위 버전이나 묶음 팩을 더 좋은 가격으로 제안 => 평균 주문 금액을 높이는 좋은 방법
    • 구매 시점 이후에 추천 : 구매 감사 페이지 또는 구매 확인 이메일에 포함. 보다 정확한 고객 프로파일을 기반으로 추천하는 것이 필요
    • 고객 생애주기 과정에서의 추천 : 유효기간이 경과된 고객을 재참여시키거나 재활성화. 예측분석을 활용해 이탈 위험이 있는 고객 그룹을 식별화하고, 개인맞춤형 이메일을 사용해 고객을 다시 참여시킴. 그러나 고객이 오랫동안 구매하지 않은 경우 고객의 상황이나 니즈가 달라졌을 수 있으니 제품 추천할 때 조심.

7. 더 많은 고객 전환을 위해 예측 프로그램을 실행하라

  • (온라인 쇼핑)장바구니 미결제 고객에 대한 예측마케팅 : ROI가 가장 높은 캠페인들 중 하나. 적절한 타이밍에 개인별 특성화 인센티브 제공해야 함

  • 검색 후 중단 고객에 대한 예측마케팅 : 특정 웹사이트에서 검색 기능을 사용하는 방문객은 그렇지 않은 방문자보다 구매 가능성이 6배 더 높음. 마케팅 방법은 장바구니 미결제 고객과 같음.

  • 열람 후 미결제 고객에 대한 예측마케팅 : 웹사이트 방문자 중 96%가 아무것도 사지 않고 떠남 => 리마인드 광고의 타겟으로 삼을 수 있음. 구매가능성은 장바구니 미결제 고객보다 낮지만 규모 덕분에 더 많은 매출 창출 가능

  • 유사고객 타겟팅 : 페이스북의 사례

8. 고객가치 증대를 위해 예측 프로그램을 실행하라

  • 초기 구매 후 고객가치와 매출을 성장시키는 프로그램들의 사례
    • 구매후 프로그램
      • 고객 환영 캠페인
      • 구매 이후 추천
    • 리필 및 반복구매 프로그램
    • 신제품 소개
  • 고객 감사 프로그램
  • 옴니채널(omni-channel) 마케팅 - 온/오프라인, 모바일 등 다양한 경로로 소비할 수 있도록 유기적으로 연결

9. 더 많은 고객 유지를 위해 예측 프로그램을 실행하라

  • 모든 고객이탈이 다 동등한 것은 아니다 - 고객 이탈이 늘어났더라도, 그 사이에 최우수 고객들의 매출이 늘어나 가치가 증가하면 괜찮을 수도 있음. 반면에 고객 이탈이 늘어나지 않았더라도 고객들이 전년에 비해 더 적은 돈을 지출하며 가치 감소가 이루어지면 문제가 됨.

  • 고객이탈 관리 프로그램

  • 선제적 고객유지 관리 : 고객이 이탈하지 않도록 예방하는 것이 마지막 순간에 고객을 붙잡거나 떠나간 고객을 재활성화하는 것보다 훨씬 쉽고 저렴하며 효과적

    • 고객을 유지하기 위해 얼마나 지출해야 하는가?

      \(X = Y(\%) * LTV\) ​ X = 각 고객을 유지하기 위해 지출할 수 있는 돈

      ​ Y = 캠페인을 통해 보존할 수 있는 고객의 비율

      ​ LTV = 보존한 각 고객의 평생가치

    • 고객 이탈의 근본 원인에 대한 확인

  • 고객 재활성화 캠페인 4단계

    • 재활성화하려는 고객이 누구인지 결정
    • 수용 가능성이 높은 후보자들 결정
    • 여러가지 채널을 사용해 고객을 다시 참여시키기
    • 과거 데이터를 사용해 마케팅 메세지를 개인맞춤화

<3부 진정한 예측마케팅 고수가 되는 법>

3부는 주로 예측마케팅 역량에 대한 체크리스트, 예측마케팅 관련 솔루션 개요, 데이터 프라이버시나 예측마케팅의 전망 등 일반적인 내용을 다루고 있습니다. 크게 신경써서 보아야 할 것은 없고, 예측마케팅 역량 체크리스트와 관련 솔루션 개요 표를 첨부하겠습니다.

  • 예측마케팅 역량 체크리스트

  • 예측마케팅 기술 개요

0%