마케팅 데이터 측정: 찾아야 할 사항 및 시작 방법

데이터, 데이터, 데이터... 때로는 마케터가 이야기하는 모든 것 같습니다. 그러나 우리가 사용할 수 있는 풍부한 데이터에서 유용한 통찰력을 실제로 어떻게 도출할 수 있으며 처음에는 어떤 종류의 것을 찾아야 할까요?

6월 18일, 우리는 The Nomad에서 뉴욕 어트리뷰션 아침식사를 위해 Fospha의 최고 데이터 과학 책임자인 Sepi Pouryahya와 McKinsey의 디지털 마케팅 수석 전문가인 Adam Broitman을 초대했습니다.

Sepi 는 CDP(고객 데이터 플랫폼)를 강화하기 위해 MMM(혼합 마케팅 모델)을 구축하는 마케팅 귀속 기술 제공업체인 Fospha 를 소개 하면서 시작되었습니다 . Fospha 는 마케팅 귀속 문제를 해결하기 위해 금융 서비스, 전자 상거래, 소매업 등 다양한 업종에 걸쳐 많은 회사와 협력하고 있습니다.

Fospha와 협업하여 제작된 콘텐츠입니다.

모든 마케터는 돈을 절약하고 시간을 절약하며 자신이 하는 일의 효율성을 높이길 원합니다.

실제로 마케팅은 일반적으로 두 가지 주요 질문으로 요약됩니다.

1. CPA를 줄이려면 어떻게 해야 합니까?
2. 디지털 마케팅 예산은 어디에 사용해야 합니까?

이러한 질문에 답하려면 정확한 측정이 필수적입니다. 실제로 작동하는 것이 무엇인지 알아낼 수 없다면 앞으로 무엇을 우선순위로 삼고 무엇을 피해야 할지 모릅니다.

간단하죠? 글쎄, 그렇게 많지 않습니다. 우리 모두는 비즈니스가 사일로에서 운영되는 경향이 있다는 것을 알고 있습니다. 마케팅 팀, CRM 팀, 영업 팀 및 기타 모든 사람들이 하나의 전환에 대한 기여도를 인정하려고 합니다. 실제로 Sepi와 함께 작업한 회사가 하나 있었는데 각 팀이 기여한 모든 "전환"을 계산하면 실제 전환 수의 5배였습니다.

그러나 그것은 그들의 잘못이 아닙니다. 그들은 단순히 그들이 원하는 대로 도구를 사용하고 있으며, 이는 그들에게 터치포인트와 후속 전환을 보여줍니다. 그러나 마케팅 측정은 고객이 전환하기 전에 하나의 단일 터치포인트 를 식별하는 것 이상 입니다. 사람들은 제품을 처음 접했을 때 얼마나 자주 제품을 구매합니까?

그렇다면 실제로 어떻게 마케팅 노력을 측정할 수 있을까요?

최근 BCG(Boston Consulting Group) 보고서는 세 가지 주요 단계를 인용했습니다.

1. 데이터 연결
2. 통합 자동화
3. 실행 가능한 측정이 있습니다.

이 모든 것이 원칙적으로는 쉬워 보이지만 이 세 단계에는 눈에 보이는 것보다 더 많은 것이 있습니다.

Sepi 는 Fospha 가 이에 어떻게 접근 했는지 설명 했습니다.

1. 고객 데이터 연결 및 수집

최근 몇 년 동안, 특히 데이터에 대한 압도적인 집중으로 인해 마케터는 때때로 자신이 실제로 고객과 대화하려고 한다는 사실을 잊어버립니다. 마케팅은 지표를 높이는 것이 아니라 개별적이고 개인적인 수준에서 고객에게 다가가는 것입니다. 이는 Fospha가 고객 우선 접근 방식에서 모든 것에 접근한다는 것을 의미합니다. 즉, 고객이 어떻게 행동하는지, 고객 여정이 어떤지 살펴보고 거기에서 거꾸로 작업합니다.

2. 측정

정확한 측정의 핵심은 모든 마케팅 접점을 연결하는 것입니다. 여러 상호 작용에 100달러 전환을 할당하는 것은 어려울 수 있습니다. 특히 사내에서 이 작업을 수행하는 경우 모든 팀은 분명한 이유로 가능한 한 많은 크레딧을 받기를 원합니다. 따라서 데이터를 독립적으로 결합할 수 있는 사람을 확보하는 것이 마케팅 노력을 측정하는 가장 좋은 방법입니다.

3. 이러한 측정을 실행 가능한 권장 사항으로 전환

앞서 언급했듯이 측정항목은 실제로 무엇을 해야 할지 모르는 경우 거의 중요하지 않습니다. 이것이 Fospha가 고객 데이터, 온라인 데이터 및 오프라인 데이터(모두 중앙 데이터 저장소인 CDP로 가져옴)라는 세 가지 중요한 구성 요소를 기반으로 실행 가능한 권장 사항을 제공하는 데 중점을 두는 이유 입니다. 처리가 완료되면 주요 식별자를 파악하고 이를 기반으로 권장 사항을 제시해야 합니다.

4. 작게 시작하여 성장하라

한 번에 모든 것을 시도하지 마십시오. 대신에 유용하고 가치 있는 것을 찾고 다른 것을 시도하기 전에 이것을 바꾸십시오.

그런 다음 Sepi는 Adam과 함께 Q&A 세션에 참여하여 많은 마케터가 현재 기계 학습 및 데이터 분석을 실제로 유용한 통찰력을 도출하기보다는 단순히 유행어, "파워포인트 슬라이드의 한 줄"로 취급한다는 사실에 대해 설명했습니다. 그러나 흐름이 바뀌고 있으며 최고의 마케터들은 머신 러닝을 사용하여 한 고객에 대한 진정한 360도 관점을 제공하기 시작했습니다.

그리고 이는 고객 데이터에 관한 것만이 아닙니다. 컨텍스트 데이터는 유용한 추세도 나타낼 수 있습니다. 예를 들어, 유가는 반드시 귀사의 제품과 연결되어 있지는 않지만 귀사의 판매에 영향을 미치는 전반적인 경제 및 정치 동향을 나타낼 수 있습니다. 기계 학습 알고리즘은 이전에 고려하지 않았던 둘 사이의 연결을 찾을 수 있습니다!

전반적으로 그것은 멋진 행사였으며 매혹적인 통찰력을 제공한 Sepi와 Adam 모두에게 감사드립니다. 우리는 다음을 기다릴 수 없습니다!