최근 마케팅은 근본적인 변화를 겪고 있다. 가정이나 직감을 바탕으로 작업하는 기존 접근 방식은 점차 사라지고 있으며, 오늘날 마케터들은 광고를 집행하기 전에 가장 신뢰할 수 있는 정보 소스인 고객 데이터에 눈을 돌리고 있다. 하지만 불행히도 많은 사람이 여전히 데이터 기반 접근 방식에 어려움을 겪고 있으며, 많은 사람이 관련 데이터를 어디서 찾을 수 있는지 묻는 경우가 많다. 또는 디지털 광고를 오랫동안 집행해 본 마케터 조차도 그들의 광고주가 가지고 있는 정보에 접근하고, 분석하고, 비교하는 방법을 모르는 경우가 즐비하다.

이도 그럴 것이 국내에는 Daum(Kakao), Naver 중심의 walled-garden 형태로 디지털 광고 시장이 크게 성장하다 최근 들어서는 Google, Meta, Apple, Amazon, Tiktok 등의 글로벌 미디어 중심으로 광고 시장이 성장하다 보니 마케터 들은 고객 데이터에 대한 분석과 활용 방안에 대한 고민과 솔루션을 찾기보다는 미디어가 제공하는 각 플랫폼의 데이터를 분석하고 타게팅 하여 광고 성과를 높이는 데 큰 노력을 기울일 수밖에 없기 때문이다. 이 walled-garden 형태의 디지털 환경에서는 누구나 쉽게 해당 플랫폼에 접근하여 플랫폼이 제공하는 잠재고객 타게팅과 해당 플랫폼을 이용하는 유저에게 빠르게 자신의 콘텐츠를 보여줄 수 있다는 장점이 있지만 장기적으로는 벽으로 둘러싸인 정원의 감금처럼 마케터가 다양한 고객 데이터를 활용하지 못한다는 단점이 있고, 이 현상이 지속될 경우 생태계조차 특정 플랫폼에 집중되는 폐쇄형 생태계가 될 수 있다는 우려가 있다. 이는 장기적으로 광고주에게 더 높은 ROI(return on investment) 제공하기 어려워진다는 의미이기도 하다.

데이터 기반의 광고를 처음 들어 보는 사람들이나 현업에 있는 경험 많은 마케터라 할지라도 해당 광고에 대해 이해하고 전략을 접목하는 것에 대해 어려움을 겪는 것은 IAB와 같은 기관이 국내에 부재할 뿐만 아니라 체계적으로 데이터 기반 광고 주제로 공부하고 올바른 방향으로 안내할 전문가가 부재하기 때문이라고 볼 수 있을 것이다. 그러므로 우리는 필요한 경우가 아니면 전문용어를 사용하지 않을 예정이며, 쉬운 예시를 포함하여 가능한 가장 간단한 방법으로 데이터 기반 광고에 대한 이해를 돕고 접근 방식을 제시하기 위해 노력했다. 이러한 접근 방법은 기존의 가정과 직감을 바탕으로 광고를 집행했던 방식에서 벗어나 새로운 마케팅 접근 방식의 다양한 측면을 이해하는 데 도움이 될 것이다. 

데이터 기반 광고란, 고객 정보 (소비자 데이터)와 트렌드를 기반으로 한 마케팅 전략으로, 마케팅 결정을 내리기 위해 정보를 수집하고 사용하는 데 중점을 둔다. 데이터 기반 광고 담당자는 소비자가 무엇을 구매하는지, 광고에 어떻게 반응하는지, 소비자가 어떻게 행동하는지 연구할 수 있으며 데이터 기반 광고의 목적은 누가, 언제, 어디서 등 타겟 고객에 관한 질문에 실행할 수 있는 답변을 제공하는 것이다. 그런 다음 데이터는 고객의 미래 요구 사항, 욕구 및 행동을 예측하는 데 사용되며, 이상적인 소비자에 대해 수집된 데이터를 기반으로 하는 마케팅 전략을 통해 가능한 최고의 투자 수익(ROI)을 제공할 수 있다.        

• 타겟 고객에게 더 효율적으로 도달할 수 있음
• 마케팅 전반에 대한 효율성 증가 
• 광고 성과에 대한 수치적인 효과 상승

마케팅은 항상 두 가지 목표에 초점을 맞춰 왔다. 첫째, 고객의 요구와 욕구를 발견한다. 그리고 그 통찰력을 활용하여 고객이 구매하고 싶어하는 제품을 제공하는 것이다. 데이터 기반의 광고와 기존 광고 모두 타겟 고객의 관심을 끌고 이들이 구매 결정을 내리도록 하는 것에는 큰 차이가 없다는 것이다. 그럼 이 두 가지 방식은 어떤 점에서 차이가 있는 것일까? 서두에 얘기한 대로, 두 방식 모두 타겟 고객에 대한 깊은 이해를 얻은 다음, 고객의 니즈를 파악하고 예측하며, 마지막으로 이러한 요구를 해결할 수 있는 제품을 제공하기 위한 전략을 설계한다.  

• 당시 이용 가능한 시장 조사 
• 대상(타겟) 고객에 대한 가정 

기존 광고 방식이라면 이러한 목표를 달성하기 위해 크게 두 가지 요소의 조합을 사용해 왔다. 여기서 기존 광고 방식이라고 하면, 디지털이 아닌 방송, 인쇄, 다이렉트 메일, 전화 및 광고판이나 빌보드와 같은 옥외 광고 마케팅 활동을 의미한다. 그러나 타겟 고객을 위한 올바른 메시지를 식별하고 가정할 때 기존 광고 방식에서는 포커스 그룹, 고객 만족도 조사, 과거 판매 동향의 데이터가 아닌 직접적인 경험 및 직감과 결합한다. 그리고 불행하게도 이 접근 방식은 매번 큰 성공을 가져다주지 못하였고 우리는 많은 시행착오를 겪어야 했다. 그때마다 기업(광고주)은 목표를 다시 설정하거나 목표를 달성 할 수 있는 전략을 찾기 위해 큰 노력을 기울여야 했으며 비용적으로 큰 손실을 감당해야 했다. 반면 데이터 기반 광고는 고객 데이터를 광고(마케팅) 활동의 주요 소스로 사용하고 있다. 광고 담당자는 고객 데이터를 분석하여 다음의 활동을 미리 결정할 수 있다. 

• 타겟 고객 사이에서 어떤 유형의 카피가 더 관심을 끌 수 있을지
• 세그멘트별 타겟 고객의 광고 반응과 광고 집행에 대한 효율성

고객 데이터는 Web Browsers, Social Media, Phone Networks, Smart TVs등 다양한 미디어 채널과 Data Provider를 통해 확인(공급받을)할 수 있다. 이에 따라 데이터 기반의 광고는 “Right Audience, Right Timing, Right message”를 제공한다. 이는 단순히 광고 효율성을 개선하는 것 이상이다. 현대 마케팅팀은 고객 데이터를 사용하여 더욱 활발한 마케팅 활동을 수행하기도 하며, 대표적으로 아래와 같다. 

• 고객의 경험을 개인화하고 
• 합의된 정의에 따라 타겟 고객별 세그먼트를 생성, 축적, 분석하고
• 기존 고객의 충성심을 강화하거나 신규 고객을 확보하며
• 기업 또는 브랜드는 마케팅 전략을 실시간으로 측정하고 개선 

요약하면, 기존 방식(전통적)의 광고가 경험과 직감에 의존하여 간접비용이 커지고 시행착오가 빈번하게 발생 되어 결과적으로 낮은 ROI가 발생하는 반면, 데이터 기반의 광고는 고객의 데이터를 실시간 분석하고 활용 함으로써 장기적으로 광고주(기업)가 더 낮은 비용으로 더 향상된 비즈니스 결과를 창출하는 데 도움이 된다.

가. 데이터 기반 광고의 장점

데이터 기반 광고는 광고 담당자를 위한 환상적인 도구이며 모든 광고 전략에 어느 정도 통합되어야 한다. 그러나 다른 도구나 전략과 마찬가지로 여기에도 장점과 과제가 있다. 

1) 오디언스를 더 효과적으로 타겟팅할 수 있다. 

타겟 고객을 이해함으로써 얻을 수 있는 가장 큰 이점은 그들에게 직접적으로 공감하는 메시지를 만들 수 있다는 것이다. 데이터 기반 광고를 통해 마케터는 타겟 고객을 매우 명확하게 이해할 수 있기 때문이다. 여기에 더해 CRM(customer relationship management)을 통해 기존 고객의 인사이트까지 이해한 마케팅 담당자라면 이들 데이터를 사용하여 고객과의 비즈니스 관계를 개선함으로써 소비자의 행동을 더 잘 이해 할 수 있다. 기존의 (전통적인) 광고에서 마케터는 타겟 고객이 누구인지에 대한 아이디어를 갖고 있었지만, 과거의 추세를 제외하면 이를 뒷받침할 실제 데이터가 없었다고 봐도 무방하다. 

2) 타겟티드된 오디언스를 위한 맞춤 콘텐츠를 만들 수 있다.   

고객 데이터를 통해 마케팅 담당자가 사전에 오디언스를 분석을 통해 세그먼트화 할 수 있으며 이 과정 이후 각 그룹의 다양한 콘텐츠를 제공하는 함으로써 브랜드 참여와 구매, 관심사를 높일 수 있다.

    1. 어떤 스타일의 콘텐츠(배너, 영상, 네이티브, 콘텐츠의 길이 등)가 더 높은 상호작용을 유도하는지

    2. 오디언스의 공감을 불러일으키는 시각적 유형(실제 인물, 그래프, 다이어그램 등)

3) 개인화된 브랜드 경험을 제공하는 데 도움이 된다. 

데이터 기반의 광고는 광고주(기업)가 타겟 대상 고객을 위한 개인화된 메시지와 콘텐츠를 생성하여 고객 로열티를 높이고 고객과의 강력한 관계를 구축하는 데 도움이 될 뿐만 아니라 신규 고객을 유치하는데도 기존 광고 방법보다 효율적이다.

우리의 소비자는 오디언스 구분 없이 일반적인 메시지를 지속해서 보내는 브랜드에 깊은 실망감을 느끼고 있다. 특히 walled-garden의 플랫폼을 활용하여 잠재고객에게 하루에도 몇십 번의 메시지를 전달할 때는 실망감을 넘어 브랜드에 대한 반감까지 들기도 한다. 그러므로 우리는 데이터 기반의 광고를 통해 고객이 브랜드와 상호작용하는 방식/시점, 구매 내역 및 인구 통계를 확인하여 우리의 고객(오디언스)에게 개인화된 메시지와 경험을 전달 할 수 있어야만 한다.

나. 데이터 기반 광고 전략 구현이 어려운 이유

그러나 처음에 언급했듯이 많은 마케팅 담당자는 데이터 기반 접근 방식에 어려움을 겪고 있으며 Campaign Monitor에 따르면 마케팅 담당자의 81%는 데이터 기반 전략 구현이 매우 복잡하다고 생각한다. 데이터 기반의 광고 전략 구현을 어렵게 만드는 이유는 다음과 같다. 

1) 데이터 수집(Gathering Data) 

마케팅 담당자는 고객 정보를 수집한다는 생각에 큰 부담감을 ​​느낀다. 대부분의 마케터들은 데이터를 어디서 찾을 수 있는지 방법을 모르고 있으며 반대로 어떤 마케터들은 자신이 소속된 회사의 이용 가능한 정보(CRM, 웹사이트 분석, 전자상거래 및 광고 도구, 자체 ERP 시스템, 소셜 미디어 유형의 소프트웨어 및 기타 다양한 도구를 통한 고객 상호 작용에 대한 통찰력, 프로필 정보부터 웹사이트 사용, 제품 및 광고와의 상호 작용까지)가 너무 많아서 시작조차 못 하는 것이다. 결과적으로 데이터 기반 캠페인을 고려하고 있으나 이런 이유로 인해 기존 방법대로 광고를 유지하는 경우가 대부분이다. 

2) 데이터 통합& 유지 관리 (Pulling the data together & Managing) 

데이터 기반의 광고 성과를 높이려면 최대한 최신 상태의 데이터를 활용해야 하는 것을 우리는 알 수 있다. 그러기 위해서는 최대 매일 또는 적어도 매주 최신의 데이터로 업데이트가 되어야 할 것이다. 데이터의 종류가 많지 않고 데이터의 양이 적다면 이 작업은 비교적 쉽겠지만 그 반대의 작업이고 예를 들어 이런 데이터를 직접 스프레드시트로 가져오는 경우라면 이는 대단히 힘들고 지루할 뿐만 아니라 비효율적이어서 아무래 데이터 기반의 광고가 효율적이라고 하더라도 담당자로서는 여간 힘든 일이 아닐 수 없다. 

이런 비효율적인 업무를 개선하기 위해 우리는 반드시 고객의 데이터를 안전하게 보호하고 Hash 상태로 다양한 미디어채널과 데이터를 주고받을 수 있으며, 손쉽게 우리의 고객 데이터를 한 곳으로 동기화해서 볼 수 있는 마케팅 대시보드 또는 DMP(Data Management Platform)를 구축할 필요가 있다.

3) 데이터 사일로(Data Silo)를 극복하여 통합 데이터를 분석

데이터 사일로(Data Silo)란 기업 내부에서 발생한 데이터가 각자 분리되어 간극이 생긴 상태를 말한다. 즉 서로 다른 시스템에서 생성, 수집한 데이터가 각 부서나 업무에서만 사용되고, 다른 곳에서는 제대로 활용되지 못하는 상황을 의미하는데 이러다 보니 동일해야 할 지표의 데이터 값이 사내 단위별로 다르게 나타나기도 한다. 데이터 사일로는 데이터를 다루는 기업에 매우 치명적인 문제가 된다. 한 방향성으로 데이터를 활용해 가야 효과적인 결과가 도출되기 마련인데, 데이터가 분리되고 일치하지 않을 경우 기업 운영의 결과에 영향을 미치기 때문이다. 그렇다면 데이터 사일로의 큰 문제점에는 어떤 것들이 있을까? 

• 잘못 도출된 인사이트로 인한 고객 경험 손상
• 중복 비용 발생 및 학습 비용 증가
• 조직 간의 협업 방해

이렇듯 데이터 사일로는 기업의 데이터 활용을 저하할 뿐만 아니라 불필요한 지출을 하게 만든다. 따라서 기업 내의 데이터 사일로 문제가 있다면 그 원인과 현황을 파악하고 적극적으로 해결해야 한다. 기업 운영에 큰 영향을 미칠 수 있는 데이터 사일로는 어떻게 해결해야 할까?

    1. 수집된 데이터 통합 및 공유                 

• 가장 선행되어야 하는 것은 데이터 통합과 데이터 공유이다. 데이터 통합은 여러 부서나 업무에서 발생한 데이터를 통합하여 하나의 데이터베이스나 데이터 웨어하우스에 저장하는 것을 말하며, 데이터 공유는 통합 저장된 데이터를 여러 부서나 업무에서 공유하도록 하는 것을 말한다. 기업은 데이터 통합과 데이터 공유를 위한 2)-나)에서 언급한 통합 대시보드나 DMP(Data Management Platform) 또는 CDP(Customer Data Platform) 구축하고 이를 적극적으로 활용해야 한다. 이렇게 데이터 통합을 이룬 후에는 플랫폼에 저장된 데이터를 여러 부서에서 공유하도록 한다. 

    2. 기업 문화의 변화

• 데이터 사일로 문제를 해결하기 위해서는 기업 문화의 변화도 필요하다. 데이터 공유 및 활용을 위한 새로운 기업 문화를 정착시켜야 한다. 기업 내 데이터 공유를 장려하고, 이를 위한 인프라를 구축하는 등의 노력이 필요하다. 가장 좋은 방법은 데이터 분석팀을 구성하는 것이다. 데이터 분석팀은 기업 내부에서 발생한 다양한 데이터를 종합적으로 분석하여 인사이트를 도출한다. 또 데이터 품질 관리를 도맡는다. 이를 통해 기업은 데이터 사일로 문제의 해결뿐만 아니라, 데이터 기반의 의사결정을 내리는 데 도움을 준다. 따라서 기업은 이들을 적극적으로 교육하고, 데이터 분석에 필요한 기술과 지식을 습득하도록 지원할 필요가 있다. 

    3. 데이터 표준화 및 품질 관리

• 기업 내부에서 발생하는 데이터가 다양한 형태로 존재한다면 데이터 통합 분석이 힘들어진다. 따라서 데이터 공유 시 데이터를 표준화하여 데이터 일관성과 신뢰성을 향상해야 한다. 이를 위해 데이터 스키마 설계 표준을 제공하거나, 데이터 품질 검사 도구 등을 사용할 수 있다. 데이터가 일관성이 없거나 오류가 많으면 데이터 분석 결과의 정확도가 낮아지기 때문이다. 

    4. 데이터 보안 관리 

• 기업에는 민감한 정보를 포함한 데이터가 많이 발생한다. 이러한 데이터를 보호하기 위해 추가로 데이터 마스킹 기술을 활용하기도 한다. 참고로 데이터 마스킹은 민감한 정보를 가리거나 가짜 데이터를 생성하여 실제 데이터를 보호하는 방법의 하나다.

오랫동안 관련 분야에 있지 않거나 처음 이 글을 읽는 상황이라면 데이터 기반의 광고 전략을 구축하는 것이 쉽지 않다는 것을 인정한다. 데이터 기반의 광고 전략을 구축하기 위해서는 광고주가 사용할 수 있는 데이터 유형을 파악하는 과정부터 각 유형에 맞는 데이터를 수집, 축적, 분석 및 세그멘트 하는 과정과 해당 데이터에 대한 이해를 통해 각 세그멘트에 맞는 메시지를 개발하고 적용하는 등 방대한 과정이 필요하기 때문이다. 하지만 우리는 그 과정을 충분히 이해하지 않더라도 그 과정을 엿볼 가치가 있다고 생각한다. 따라서 데이터 기반 광고 전략을 설정하는 방법에 대해 간단히 살펴보겠다.

가. 1단계. 데이터 수집 목표 설정 

데이터를 수집하기 전에 이를 통해 달성할 수 있는 것이 무엇인지 결정해야 한다. 데이터를 수집, 활용하려는 목적은 광고주(기업)마다 다를 수밖에 없으므로 충분히 광고주와 대화를 통해 데이터를 수집하려고 하는 명확한 목표를 식별할 필요가 있다. 이 목표를 통해 어떤 유형의 데이터를 수집해야 하는지, 필요하다면 데이터 공급자를 통해 데이터를 공급받을 수 있는지 판단하여야 하고, 수집된 데이터를 통해 목표에 맞는 인사이트도 발굴하여야 한다.

나. 2단계. 데이터 수집

목표가 설정되면 어떤 정보를 수집할지 식별해야 한다. 목표(브랜드 인지도 향상, 매출 증대, 사이트 유입 증가 등)를 살펴보고 어떤 정보가 전략에 도움이 될지 고려해야 한다. 예를 들어 광고주의 목표가 매출 증대라고 한다면, 데이터 유형 중에 고객의 충성도가 가장 높고 리타게팅 형태의 광고 기법에 바로 적용할 수 있는 1st party data를 수집할 수 있도록 광고주 사이트 픽셀(Pixel : Java script 형태의 Tag)을 설치하거나 CRM을 연동하여 고객의 E-mail 및 ADID 또는 DFA를 연동하여 활용하기도 한다.

다. 3단계. 데이터 수집 및 정리

이 단계에는 두 가지 작업이 포함된다. 첫 번째, 데이터를 정리할 데이터 플랫폼을 결정한다. 다른 하나는 이를 사용하여 데이터 소스를 안전하게 연동하고 수집하고 정리하는 것이다.

라. 4단계. 팀 또는 내부/외부 역량 구축 

목표에 따라 데이터를 분석하고 그에 따른 광고 솔루션을 사용할 수 있는 팀을 구성하거나 외부와 협업을 통해 파트너를 구성해야 한다. 이때 주로 활용하는 플랫폼으로는 대표적으로 DSP(Demand Side Platform)가 있다. 

마. 5단계. 실시간 성과 분석 및 인사이트 도출

캠페인 성과를 실시간으로 모니터링하는 프로세스를 고안해야 한다. 이를 통해 데일리 광고 활동을 더 잘 분석할 수 있을 뿐만 아니라, 사용하고 있는 데이터를 기반으로 한 광고가 비즈니스 성과에 어떠한 영향을 주고 있는지 확인하여 필요하다면 데이터를 수정, 보완 하여야 한다. 마지막으로 고객 데이터와 광고 성과의 데이터를 비교 분석하여 다음 캠페인의 전략 수립(세그멘트 생성, 메시지 개발등)에 반영해야 한다.