D2C(direct to customer) 쇼핑몰을 구축해 고객과 직접 소통하는 기업이 크게 늘었습니다. 글로벌 전자상거래 플랫폼 카페24에 따르면, 온라인 D2C 쇼핑몰의 거래액이 3조 4,000억 가량 급증했고, 2021년에는 전년도 대비 거래액이 15.6% 증가했습니다. D2C 쇼핑몰은 광고비와 수수료를 줄일 수 있고 고객 데이터를 직접 관리하며 고객 맞춤형 서비스를 제공할 수 있다는 장점이 있습니다.

하지만 여러 이커머스 기업의 관계자를 만나보면 직영몰과 스마트 스토어 등의 운영 비중을 놓고 많은 고민을 하는 것이 현실입니다. 단순히 현재 시점의 매출 비율 만으로 판단하는 것보다, 장기적으로 고객 데이터 접근의 벽을 허물고 고객과 직접 소통할 수 있는 채널 육성에 무게를 실을 것을 권장하는데요. ‘D2C몰인가, 스마트 스토어인가’를 예로 들었지만 이 외에도 마케팅 활동에서는 많은 장애물과 고민을 마주하게 됩니다.

이렇듯 변화하는 비즈니스·시장 환경에도 흔들리지 않을, 뼈대가 되는 마케팅 전략 3가지를 이야기해보고자 합니다.

데이터 통합(출처=pixabay)

첫 번째 전략: 데이터 통합

고객 중심의 접근을 위한 데이터 통합

고객 중심으로 접근하기 위해서는 반드시 고객에 대한 정보·데이터가 있어야 합니다. 고객에 대한 정보는 고객의 성별·연령과 같은 인구통계학적 정보뿐 아니라 ▲Web·App Action ▲검색이력 ▲광고에 대한 반응 등의 포스트 데모그래픽 정보를 모두 포함합니다.

내부에 전문 데이터 조직이 없다면 어떤 데이터를 수집하고 어떻게 보관해 활용할지 막막할 수 있는데요, 전문기업을 통해 데이터 통합부터 시작해 고객 중심의 접근을 기반으로 한 마케팅을 실현할 수 있습니다. 이미 사용 중인 구글애널리틱스(Google Analytics)를 비롯한 분석 툴을 그대로 유지하면서 고객 별 광고에 대한 반응, POS·CRM 데이터를 결합해 마케팅에 활용할 수 있는 시스템을 구축할 수 있습니다.

인프라 구축 없이 빠르게 시작해볼 수 있는 데이터 통합: 광고매체 데이터 통합

당장 고객 중심의 데이터 인프라 구축이 어렵다면, 가볍게 운영 중인 광고 매체 데이터를 통합하는 것부터 시작해 볼 수 있습니다. ▲네이버 ▲카카오 ▲구글 ▲페이스북 ▲모비온 ▲TG(타기팅게이츠) ▲데이블 ▲AND ▲네이버 GFA까지 운영 중인 광고 계정을 연결하고 광고 성과를 통합해 모니터링 할 수 있습니다. 통합한 광고 매체 데이터를 드래그앤드롭으로 원하는 측정 기준과 항목을 조합해 커스텀 리포트를 만들어 활용할 수 있습니다.

고객-광고·캠페인-상품 데이터 통합

기업의 인프라·사업 운영 현황에 따라 맞춤형 솔루션 및 데이터 엔지니어링 서비스를 구축하는 것도 하나의 방법입니다. ▲웹·앱 방문자 ▲POS·CRM 고객 데이터 ▲외부 데이터(광고 매체·Measurement Protocol·API) 통합 등 다양한 종류의 데이터를 고객 기준으로 통합하는 등, 활용 목적에 따라 연계될 데이터 항목의 분석과 설계, 캠페인 시스템에 최적화된 유형으로 데이터를 가공해 마케팅 혁신을 도모할 수 있습니다.

두 번째 전략:상호작용

긍정적인 브랜드 경험을 위한 의미 있는 상호작용

이제는 단순 적립 포인트 이상의 가치를 제공해야 할 때입니다. 차별화된 가치를 제공하기 위해서는 세밀한 분석과 설계가 필요합니다. 고객 중심의 데이터를 확보했다면 데이터를 토대로 아래와 같은 정보를 얻을 수 있습니다. 몇 가지 예를 들면 아래와 같습니다.

고객 별 선호하는 제품의 속성
고객 별 선호하는 정보 취득 경로
고객 별 선호하는 방문 시간대
고객 별 선호하는 구매 시간대
고객 별 선호하는 구매 채널
고객 별 선호하는 결제 방식
고객 별 선호하는 메시지
고객 별 선호하는 캠페인 유형

이제 해당 정보를 토대로 고객들과 소통할 차례입니다. 소통의 방향은 크게 2가지입니다.

싫어하는 것을 경험하게 하지 않기 (불편함의 최소화)
좋아하는 것을 경험하게 하기 (마케팅 오토메이션)

결제는 물론, 아직 제품을 구매하지 않았더라도 정보를 얻는 등의 과정에서 불편함을 최소화하고, 고객 별 선호를 기반으로 개인 별 최적화 메시지를 보낼 수 있습니다. 고객이 수 만 명, 수십 만 명이라도 머신러닝·인공지능을 통해 고객 별 선호 정보를 빠르게 분석해 유사한 고객 군을 묶어 메시징 할 수 있습니다.

이를 테면, 고객마다 알맞은 제품·서비스 등 원하는 정보를 보여주거나, 필요한 정보를 미리 알려주는 방식으로 상호작용하는 것입니다. 이제는 타기팅 메시지의 도달 범위가 아니라 고객과의 관련성을 기준으로 마케팅 활동을 평가할 때입니다.

클라우드 환경을 통해 빅데이터, 머신러닝·인공지능 기술을 이용해 데이터 기반의 온라인 마케팅 캠페인을 수행하는 프레임워크를 활용한다면 고객·광고·상품의 통합 데이터를 기반으로 타깃 세그먼트의 분석과 추출, 광고·마케팅 플랫폼과의 연결 및 관리를 수월하게 할 수 있습니다.

세 번째 전략:고객 양성

가치 있는 고객 양성

데이터를 통해 ▲높은 가치의 고객 ▲중간 가치의 고객 ▲낮은 가치의 고객을 구분할 수 있습니다. 비즈니스와 마케팅 목표를 관통하는 가치 중심으로 고객을 차별화해 마케팅을 수행하면, 마케팅에 불필요한 지출을 최소화하고 효율적으로 캠페인을 설계할 수 있습니다. 가치에 따라 전략을 차별화하는 것입니다.

이를 테면, 높은 가치의 고객은 서비스 유지에 적극 투자하고 낮은 가치의 고객에게는 획득 전략 수정을 하는 것입니다. 또한, 가치 있고 충성도 있는 고객을 구분하여 충성도 높은 고객은 어떤 특성을 갖고 있는지, 그러한 고객의 어떤 경험이 높은 충성도를 갖게 했는지 인사이트를 얻어 활용할 수 있습니다. 물론, 가치 있는 고객을 세분화하기 위해서는 반드시 섬세하고 정교한 분석이 선행되어야 합니다.

이러한 과정이 어렵게 느껴지신다면, ▲타깃 고객 세그먼트 설계 ▲마케팅 오토메이션 플랫폼 운영 ▲캠페인 자동화 시나리오 설계 및 분석·관리와 같은 수행 경험이 많은 기업에게 활용 서비스를 지원 받는 것도 방법입니다. 이를 통해 광고 성과, 고객 행동 분석 등 마케팅 영역의 데이터를 다루고, 이를 활용하여 마케팅 성과 극대화 실현을 경험할 수 있습니다.

자료출처 : 변화하는 비즈니스 시장, 흔들리지 않으려면? - DIGITAL iNSIGHT 디지털 인사이트 (ditoday.com)