CDP를 사용하여 데이터 활성화 및 개인화 문제를 해결하는 방법

기술은 마침내 마케터가 실시간 데이터를 고객에게 의미 있고 기업에 이익이 되는 방식으로 사용할 수 있는 수준까지 발전했습니다.

우리는 "이것을 샀던 사람들은 저것도 샀다"에서 먼 길을 왔습니다. 우리가 Jane이라고 부를 대표 고객의 경험을 생각해 보십시오. 부유하고 결혼한 어머니이자 집주인인 Jane은 전국 의류 소매점에서 온라인으로, 매장에서, 가끔 앱을 통해 쇼핑합니다. 그녀는 체육관 의류를 검색하기 위해 소매업체의 웹 사이트를 방문할 때 이전 구매, 자신과 같은 프로필을 가진 고객의 구매, 주말에 가장 자주 구매하는 운동복 스타일을 기반으로 선택한 스타일을 찾습니다. 그녀는 쇼핑 카트에 제안된 체육관 상의 중 하나를 추가하고 체크아웃합니다.

후속 이메일을 제외하고 고객과의 대부분의 상호 작용은 거기서 멈춥니다. 그러나 Jane의 데이터를 활성화할 때 이 예는 다음과 같습니다. 온라인 구매 후 3일 후에 소매업체에서 Jane에게 건강 관련 이메일을 보냅니다. 호기심이 생긴 그녀는 링크를 클릭하고 건강한 자녀 양육에 관한 비디오를 봅니다. 일주일 후, 그녀는 상점의 모바일 앱을 사용하여 운동 장비에 대한 15% 할인을 잠금 해제하도록 재촉하는 iPhone 메시지를 받습니다. 그녀는 이 소매점에서 그런 품목을 구매한 적이 없지만 제인은 제안을 이용하고 새 스포츠 가방을 구매합니다. 운동복을 사는 단순한 작업으로 시작한 것이 훨씬 더 매력적인 경험이 되었습니다.

개인의 실시간 니즈, 관심사, 행동을 기반으로 하는 이러한 데이터 기반 마케팅은 새로운 성장의 지평을 여는 중요한 부분입니다. 웹사이트와 모바일 앱에서 멀지 않은 미래에 VR 헤드셋과 커넥티드 카에 이르기까지 마케팅 채널 전반에 걸쳐 마케팅 지출에 대한 ROI를 크게 향상시키면서 총 매출을 15~20%, 디지털 매출을 더욱 높일 수 있습니다.

고객 데이터 플랫폼: 진정한 개인화라는 지속적인 과제 해결

기업은 다양한 고객 경험이 미치는 영향을 테스트하기 위해 정기적으로 실험을 하지만 개별적으로 수행합니다. 규모를 확장하려고 할 때 우선 순위를 정해야 하는 대상을 이해하는 데 어려움을 겪습니다.

이는 CRM(고객 관계 관리), MDM(마스터 데이터 관리) 및 MRM(마케팅 리소스 관리)과 같은 솔루션의 약속에도 불구하고 마케터를 계속 괴롭히는 과제입니다. 이러한 솔루션은 기업이 데이터를 통합 및 간소화하고, 세분화를 관리하고, 작업 흐름을 구성하고, 고객 관계를 개선하는 데 도움이 될 수 있습니다. 그러나 그들은 고객이 제공하는 디지털 신호를 최대한 활용하지 않습니다. 대신 자동화된 의사 결정, 적응형 모델링 및 개인화된 상호 작용을 확장하기 위한 민첩한 데이터 활용이 부족한 구식 "목록 가져오기", 기본 세분화 및 캠페인에 의존합니다.

데이터 검색 및 "의사 결정"(즉, 자동화된 의사 결정) 플랫폼인 고객 데이터 플랫폼(CDP)을 시작하십시오. CDP를 사용하면 마케터가 실시간으로 데이터 기반 고객 상호 작용을 확장할 수 있습니다. 그리고 CDP가 실제로 Gartner Magic Quadrant 또는 Forrester Wave로 분류되지는 않았지만 점차 업계 표준 개념이 되어가고 있으며 곧 카테고리를 형성할 작지만 성장하는 제3자 플랫폼 간부가 등장합니다.

데이터를 효과적으로 활성화하는 4단계

기존 마스터 데이터 관리 또는 고객 관계 관리 시스템에 편승하든 처음부터 시작하든 CDP를 조직에 통합하려면 다음 네 가지 영역에 대한 숙달이 필요합니다.

1. 데이터 기반: 고객에 대한 풍부한 관점 구축

많은 기업이 이미 고객에 대한 비교적 완전한 관점의 요소를 가지고 있습니다. 그러나 그들은 회사 전체의 개별 주머니에 있습니다. 데이터가 연결되어야만 사용할 수 있습니다. CDP는 회사가 이미 보유하고 있는 데이터를 결합하여 의미 있는 고객 프로필을 만들고 조직 전체에서 액세스할 수 있도록 합니다.

CDP "공급"은 가능한 한 많은 데이터를 결합하고 시간이 지남에 따라 구축하는 것으로 시작됩니다. 유사한 방식으로 행동하고 가치를 창출하는 고객 프로필을 클러스터링하는 모델을 생성하려면 데이터를 처리하기 위한 고급 분석과 이를 개선하기 위한 기계 학습이 필요합니다. 시간이 지남에 따라 시스템이 "학습"함에 따라 이 접근 방식은 더욱 세분화된 고객 하위 세그먼트를 생성합니다. 소비자가 남기고 간 신호(예: 사이트 방문, 앱 구매, 소셜 미디어에 대한 관심 표현)는 데이터 세트를 확장하여 회사가 실시간으로 응답하고 다시 참여할 수 있는 새로운 방법을 생각할 수 있도록 합니다. 또한 수집된 통찰력은 특정 캠페인에 대한 고객의 반응을 넘어 더욱 확장됩니다.

2. 결정: 신호에 따라 데이터 마이닝

결정 기능은 마케터가 주어진 시간과 채널에 대해 주어진 고객에게 보낼 최고의 콘텐츠를 결정할 수 있습니다. 고객은 잠재적 가치에 따라 점수가 매겨집니다. 그런 다음 일련의 비즈니스 규칙 및 회귀 모델(기계 학습을 통해 점점 더 많이 수행됨)이 특정 메시지, 제안 및 경험을 해당 고객 점수와 일치시키고 전달되는 항목과 시기에 우선 순위를 지정합니다. 이를 통해 기업은 고객의 행동 신호를 기반으로 단일 채널 내에서 또는 여러 채널에서 보다 관련성 있고 개인화된 참여를 개발하여 고객과의 관계 방식을 크게 개선할 수 있습니다. 이러한 신호는 "장바구니를 포기함" 또는 "검색했지만 구매하지 않음"과 같은 기본적이거나 고객 데이터 마이닝에서 수집한 세그먼트 및 시간별 활동과 같이 미묘한 차이가 있을 수 있습니다. 실제로 이러한 신호는 작업을 호출하는 트리거가 됩니다. 의사 결정 엔진은 회사가 이에 대응하여 취하는 신호 및 조치를 기반으로 일련의 트리거 및 결과를 개발합니다.

보다 정교한 회사는 모든 유통 채널에서 작동하는 의사 결정 모델을 구축합니다. 이를 위해서는 고객이 의사 결정 과정을 진행할 때 한 채널이 다른 채널에 미치는 영향을 식별하기 위한 고급 모델링 및 분석 기술이 필요합니다. 한 여행 회사는 최근에 이 접근 방식을 취했으며 여러 채널에서 메시지를 조정하면 전환율과 고객 평생 가치가 10~20% 증가하는 것을 확인했습니다.

효과적인 의사 결정은 가설과 결과를 검증하고 개선하는 반복적인 테스트를 기반으로 합니다. 시간이 지남에 따라 모델과 알고리즘이 서로를 기반으로 구축됨에 따라 이것들은 점점 더 정교해질 수 있습니다.

3. 디자인: 적절한 제안, 메시지 및 경험을 신속하게 제작

고객을 이해하고 고객을 참여시키는 방법은 고객에게 전달할 콘텐츠 없이는 아무 소용이 없습니다. 그러나 회사 내의 기능과 부서가 소규모 영지처럼 작동하는 경향이 있다는 사실 때문에 훌륭한 제안을 설계하는 데 방해가 됩니다. 각 채널의 소유자는 자체 채널 내에서만 소비자를 테스트하고 참여시킵니다. 실질적인 이점은 기업이 특정 소비자 세그먼트 또는 여정에 중점을 둔 관련 부서(마케팅, 디지털, 법률, 머천다이징 및 IT/DevOps)의 사람들을 한자리에 모아 "전쟁실"로 전환할 때만 발생할 수 있습니다.

이 팀은 소비자 우선 순위에 대한 명확한 소유권과 이를 제공할 책임이 있습니다. 교차 기능 팀은 지속적으로 새로운 아이디어를 개발하고, 고객을 참여시키는 방법에 대한 가설을 설계하고, 실험을 고안하고, 제안 및 자산을 생성합니다. 분석은 기회를 측정하고 영향을 테스트하며 테스트에서 통찰력을 도출하는 데 도움이 됩니다. 그런 다음 해당 콘텐츠에 태그가 지정되어 트리거와 연결되고 필요할 때 사용할 수 있습니다.

4. 배포: 플랫폼 전반에 걸쳐 경험 제공

배포 시스템은 광고나 메시지를 보내는 단순한 "파이프"입니다. 종종 그들은 매우 수동적일 수 있고 약간의 조정으로 광범위한 사람들에게 커뮤니케이션을 폭발시킬 수 있습니다. 그러나 미리 결정된 트리거와 태그가 지정된 콘텐츠가 있는 CDP 엔진을 해당 배포 시스템에 연결하면 이전에 무뚝뚝했던 마케팅 수단이 주소 지정 가능한 모든 채널에서 개별 고객 하위 세그먼트에 특정 메시지를 보내는 훨씬 더 직접적인 수단이 됩니다.

해당 배포 시스템은 종종 클라우드에 있는 플랫폼 자체입니다. 다른 "포인트" 솔루션(특정 작업에 대한 마케팅 기술 솔루션)도 CDP에 연결할 수 있습니다. 최고의 유통 플랫폼은 고객 응답, 참여 및 전환 데이터를 CDP로 다시 보내는 피드백 루프를 만듭니다. 이러한 메커니즘을 통해 CDP는 성장하고 발전하여(예: 변화하는 비즈니스 규칙 또는 고객 성향 점수에 대응하여) 성공적인 결과를 개선하고 실패한 결과를 제거할 수 있습니다. 제인 기억나? 그녀가 일주일 동안 지정된 수 이상의 터치를 받으면 비즈니스 규칙은 브랜드에 대한 그녀의 경험과 감정을 보호하기 위해 추가 메시지를 억제합니다.

데이터 활성화 프레임워크 구현

전체 IT 혁신과 달리 CDP 배포는 현재 고객 데이터 시스템을 대체하는 것이 아니라 기존 시스템에 편승할 수 있는 운영 솔루션입니다. 우리의 경험에 따르면 많은 마케터들은 이미 마케팅-기술 방정식의 상당 부분을 사내에 가지고 있습니다. 그들은 그것을 제대로 사용하지 않을 뿐입니다. 데이터 활성화, 일대일 마케팅의 약속은 가능할 뿐만 아니라 오늘날의 고객들이 점점 더 기대하고 있습니다. 이제 단순한 고객 거래를 지속적인 관계로 바꾸는 것이 핵심입니다.

Kai Vollhardt는 McKinsey's European Marketing & Sales Practice의 파트너이며 규모 작업에서 글로벌 고객 경험과 개인화를 공동으로 이끌고 있습니다. 이 역량에서 그는 주로 유럽과 북미 지역의 고객에게 전략, 상업적 혁신 및 고객 여정 최적화에 대한 서비스를 제공합니다.

*저자는 이 기사에 기여한 McKinsey & Company의 Julien Boudet, Brian Gregg, Jason Heller 및 Caroline Tufft에게 감사드립니다.