[Data Business] 데이터 드리븐 마케팅(data-driven)

2024. 4. 3. 18:36·Data Business

 

흔히들 말하는 마케팅(Marketing)이란 고객들과의 관계를 관리하고 시장을 구축하는 것이다. 이를 커뮤니케이션 활동으로 좁혀서 이야기할 때 마케팅이란 용어의 정의는 '메시지'와 '미디어', 그리고 '크리에이티브'에 대한 결정과 실행을 하는 것이다.

조금 더 쉽게 용어 정리를 한다면 동일한 속성을 가진 타겟 그룹에게 TV, 신문, 잡지, 라디오, 옥외광고 등을 관통하여 전달하고자 하는 메시지를 한 세트의 의미있는(Meaningful) 세트에 담아 고객을 타겟하는 것이다.

그렇다면, 데이터 드리븐 마케팅이란?
데이터 트리븐 마케팅(Data Driven Marketing)은 소비자 데이터와 트렌드를 기반으로 한 마케팅 전력이다.
즉, 타겟 고객이 궁금해하는 질문에 답할 수 있는 메시지를 결정하거나, 타겟 고객에게 효율적으로 도달할 수 있는 미디어를 선택하거나 타겟 고객이 처한 맥락에 맞춰 크리에이티브(Meaningful)를 뽑아내기 위한 의사 결정에 “고객을 인텐트를 이해하기 위한 데이터”를 적극 활용하는 방식을 말한다고 할 수 있다.

 

따라서 데이터 드리븐 마케팅은 마케팅 의사 결정을 위해 정보를 수집하고 문제해결 및 의사결정을 하는 데 중점을 두게 된다.

장점
  • 소비자에 대해 수집된 데이터를 기반으로 마케팅 전략을 수립하여 ROI(Return on Investment)를 제공할 수 있다.
  • 보다 효과적으로 고객에게 도달하며, 효율성 증가 및 성능 향상이 있다.
기존 마케팅과의 차이점
Marketing

· 온라인이 아니다.
- 대표적 사례: 인쇄, 방송, 다이렉트 메일, 전화, 광고판, etc.
· 디자인에 따른 적합한 메시지를 식별하고 데이터가 아닌 직감과 결합한다.
Data Driven Marketing

· 데이터를 바탕으로 사용한다.
- 인구통계 데이터를 사용하여 광고 타겟팅 개선
- 하나의 마케팅 채널을 사용하여 다른 마케팅 채널에 사용
- 고객 데이터를 사용하여 참여 및 수익 증대/창출
· 전통적인 마케팅과 달리 더 높은 수익 마진으로 저렴할 뿐만 아니라 더 넓은 도달 범위를 가지고 있다.
· 다양한 ux 디자인과 실험적인 promotion을 통해 수익성을 크게 개선할 수 있다.

 

6 Steps to creating a data-driven marketing strategy

데이터 드리븐 마케팅이 중요한 이유

 

첫번째로, 고객을 이해하는 주요 이점은 고객이 '직접' 공감하는 메시지를 만들 수 있다는 것이다. 데이터 기반 타겟팅을 통해 마케터는 대상 고객에 대한 날카로운 이해/통찰력을 얻을 수 있으며 CRM(Customer Relationship Management) 인사이트를 통해 고객 이력 데이터를 분석할 수 있다. 이러한 과정을 통해 얻은 데이터를 사용하여 고객과의 비즈니스 관계를 개선함으로써 소비자의 행동 패턴 이해가 가능하다.

 

두번째로, 고객이 관심 많은 콘텐츠를 생산할 수 있다는 것이다. 사용자의 소비 패턴을 분석하여 마케터가 올바른 대상에게 올바른 콘텐츠를 제공하는 데 도움이 된다. 고객이 직면한 문제를 이해하며 그에 대한 해결책을 제시할 수 있다. 더불어, 어떤 스타일의 콘텐츠나 시각적인 자료가 폭발적인 반응을 얻는 지에 대해서도 어렵지 않게 파악이 가능하다.

 

세번째로, 개인화된 브랜드 경험을 제공할 수 있다. 개인화된 메시지 및 콘텐츠를 생성하여 고객 유지율을 높이고 고객과 관계를 구축할 수 있다. 우리의 경험에서도 알 수 있는 것처럼, 소비자는 종종 고객에게 일반적인 메시지를 보내는 브랜드에 불만을 표출하기 마련이다. 이에 따라 개인화된 메시지를 전달하는 것이 필수적이다.

 

마지막으로, 마케팅 채널에 대해 이해할 수 있다. CRM 소프트웨어를 사용하면 데이터 기반 마케터가 초기 접촉부터 최종 판매까지 고객의 여정을 추적할 수 있다. 또한, 웹사이트와 SNS 등을 통해 현재나 잠재적인 고객의 행동을 추적할 수 있다. 이러한 유형의 데이터를 수집함으로써 고객에게 가장 적합한 온라인 혹은 디지털 마케팅 채널 종류 및 전략을 수립할 수 있다.

 

데이터 드리븐 마케팅의 발전
CRM
첫 단계는 2000년 전후의 CRM의 시대라고 할 수 있는 시기로 B2C 기업들이 제품을 구매한 고객 데이터를 바탕으로 브랜드 로얄티를 높히고 장기적인 관계 구축을 목적으로했던 CRM솔루션이나 B2B기업들을 중심으로 사용되어 온 SFA(Sales Force Automation) 솔루션의 도입이 활발했던 시기다.
이들 솔루션은 기업의 마케터들로 하여금 “고객이 누구인가”, “고객 컨텍 정보”, 그리고 “BANT정보-예산/결정권한/니즈/타임라인 정보”를 쉽게 수집하고 관리하여 다이렉트 메일 등의 방식으로 캠페인을 수행할 수 있도록 돕는 역할을 수행한다.

How CRM Works?

 

마케팅 자동화
두번째 단계는 마케팅 오토메이션의 시대로 MA솔루션은 기본적으로 관심대상인 고객 데이터의 측면에서는 CRM 시대와 크게 차이가 없다. 다만 “가망 고객에게 보내야할 메시지를 어느 타이밍에 보내야하나”를 결정하는데 필요한 트리거링 이벤트나 행동패턴을 판별(스코어링)하는데 필요한 데이터가 마케팅 자동화를 전 세대와 구분하는 핵심이 된다.
이들 솔루션은 웹사이트와 이메일 등을 통해 고객 행동 정보를 수집, 평가하여 이를 바탕으로 고객을 세그멘팅하여 특정 시점에 자동적으로 이메일 혹은 기타  1:1 커뮤니케이션 툴을 통해 캠페인을 수행할 수 있도록 돕는 역할을 수행한다.

 

DMP
데이터 관리 플랫폼(Data Management Platform)의 약자로, 다양한 소스에서 수집된 데이터를 관리하고 분석하는 역할을 한다. 추가적으로 DMP는 마케팅 캠페인의 효과를 극대화하기 위해 타겟팅과 세분화를 돕는 중요한 도구로 사용중인데 광고주가 원하는 타겟 그룹을 정확히 파악하고, 보다 성과 효율을 높이기 위해 많이 사용하고 있다.
- 데이터 수집: 다양한 플랫폼과 디바이스에서 데이터 수집
- 데이터 분석: 사용자 행동과 선호도 분석
- 타겟팅 지원: 특정 고객 집단에 대한 정교한 타겟팅 지원

 

DSP
DSP(Demand Side Platform)는 광고주가 디지털 광고 공간을 효과적으로 구매할 수 있게 도와 주는 플랫폼인데, DSP는 실시간으로 광고 공간을 입찰하고 구매하는 프로세스를 자동화한다. 추가적으로 설명을 돕자면 수요 중심의 플랫폼이라도 불리며 정해진 예산 내에서 적절한 시기에 적절한 잠재고객에게 노출시켜주는 형태이다.
- 실시간 입찰: 광고 공간의 실시간 입찰과 구매
- 효율적인 광고 배포: 적절한 광고 공간에 광고 배치
- 예산 관리: 광고 예산을 효과적으로 관리

 

SSP
SSP는 DSP와 반대로, 광고 공간을 판매하는 측의 플랫폼으로, SSP(Supply Side Platform)는 사이트 소유자나 앱 개발자가 광고 공간을 최대한 이윤을 내면서 팔 수 있게 도와준다. DSP와 마찬가지로 추가적인 설명을 돕자면 공급 중심의 플랫폼이라고도 하며, 광고주가 아닌 매체사를 위한 플랫폼으로 볼 수 있으며 매체사가 보유한 인벤토리(공간)을 광고주에게 잘 판매할 수 있는 형태이다.
- 광고 공간 판매: 광고 공간의 최적의 판매
- 재고 관리: 광고 공간의 효과적인 관리
- 수익 최적화: 광고 공간의 이윤 극대화

 

DMP/DSP/SSP 사이의 차이점

 

전체적인 내용을 살펴 봤을 때, DMP는 DSP와 SSP와 협력하여 광고 캠페인의 효율을 높이는 것으로 DMP의 정교한 데이터 분석은 광고의 타겟팅을 더욱 미세하게 할 수 있게 해주며 이는 마케팅 ROI, 즉 투자 수익률의 향상을 유도할 수 있다.

'Data Business' 카테고리의 다른 글

[Data Business] 모델 평가  (4) 2024.04.13
[Data Business] 머신러닝 분석 방법론  (2) 2024.04.03
[Data Business] 통계 기반 & 머신러닝 분석 방법론  (4) 2024.03.27
[Data Business] 데이터 탐색과 시각화  (2) 2024.03.23
'Data Business' 카테고리의 다른 글
  • [Data Business] 모델 평가
  • [Data Business] 머신러닝 분석 방법론
  • [Data Business] 통계 기반 & 머신러닝 분석 방법론
  • [Data Business] 데이터 탐색과 시각화
Minhyuc
Minhyuc
Minhyuc
TechMinds
Minhyuc
전체
오늘
어제
  • 분류 전체보기 (31)
    • Data Engineering (0)
    • Cyber Security (5)
    • GA4 + Power BI + Tableau (5)
    • Linux (12)
    • Natural Language Processing (4)
    • Data Business (5)
    • Data Structures (0)

블로그 메뉴

  • 홈
  • 태그
  • 방명록

링크

공지사항

인기 글

태그

최근 댓글

최근 글

hELLO· Designed By정상우.v4.6.1
Minhyuc
[Data Business] 데이터 드리븐 마케팅(data-driven)
상단으로

티스토리툴바

단축키

내 블로그

내 블로그 - 관리자 홈 전환
Q
Q
새 글 쓰기
W
W

블로그 게시글

글 수정 (권한 있는 경우)
E
E
댓글 영역으로 이동
C
C

모든 영역

이 페이지의 URL 복사
S
S
맨 위로 이동
T
T
티스토리 홈 이동
H
H
단축키 안내
Shift + /
⇧ + /

* 단축키는 한글/영문 대소문자로 이용 가능하며, 티스토리 기본 도메인에서만 동작합니다.