오늘날 B2B 마케터들은 광고, 검색엔진, 이메일, 소셜미디어 등 다양한 채널에 걸쳐 마케팅을 하고 있습니다. 그럼에도 불구하고 마케터의 48%가 어떤 채널이 고객 여정에서 가장 큰 가치를 가져다주는지 이해하는데 어려움을 겪고 있습니다. 설사 이해한다고 하더라도 각 채널에 들인 노력을 비교하기란 매우 어려운 일입니다.
이는 우리가 사용하는 플랫폼들에 내재된 한계 때문일 거에요. 대부분의 플랫폼들에 멀티터치 기여 모델이나 어카운트 기반 (Account-based) 기여 모델을 적용하기가 매우 어렵습니다. 이러한 한계 때문에 마케터들은 자신의 마케팅 채널이 파이프라인 및 수익을 창출하고 ROI를 제공하는 데 어떻게 기여하는지에 대한 통찰력을 얻을 수 없습니다.
*파이프라인 (Pipepine): 보통 영업 직원들이 현재 작업 진행중인 판매 계약의 총 수나 금전적 가치 (사전적 정의: 잠재고객이 일련의 단계를 거쳐 구매에 이른다고 가정하는 판매 접근 방식) *어카운트 기반 영업 (Account-based sales): 개별 리드가 아닌 회사(계정이라고도 함)를 대상으로 취급하는 판매 모델
B2B 수익 기여도 툴은 고객 여정의 모든 접점(Touchpoint)을 연결함으로써 인사이트를 제공합니다. 이 아티클에서 우리는 다음과 같은 질문에 대한 답을 해보려고 합니다.
멀티채널 기여도란 무엇인가요?
채널 기여도가 왜 중요한가요?
각 채널이 얼만큼의 수익을 창출했는지 확인하는게 왜 어려울까요?
실제로 멀티채널 기여도란 어떻게 볼 수 있나요?
멀티채널 기여도란? (Multi-channel Attribution)
디지털마케팅에서 '채널'이란 여러분이 목표한 잠재고객에 도달하기 위해 사용하는 플랫폼이나 방법을 뜻합니다. 유료 광고, 이메일, 소셜미디어, 검색엔진 등이 있죠. 채널 기여도 혹은 멀티채널 기여도란 고객의 구매 여정에서 고객과의 접점을 기반으로 채널에 기여도를 부여하는 과정입니다.
채널 기여도가 왜 중요한가요?
CMO Council Report 2021에 따르면 63%의 마케터가 수익 성장을 달성해야한다는 극심한 압박을 받고 있다고 합니다. 이는 경영진들이 여러분이 생성한 MQL 수보다 파이프라인과 수익을 얼마나 만들어냈는지에 더 관심이 많다는 사실을 강조하고 있습니다. 결국, 이 파이프라인과 수익 지표가 각 채널의 ROI와 마케팅 전반의 성과 그리고 예산을 어떻게 배분할지에 대해 더 나은 인사이트를 준다는 것일 겁니다.
*MQL (Marketing Qualified Lead): 아직 영업 팀이 당장 연락할 단계는 아니지만 콘텐츠 다운로드나 상담 요청 등을 통해 관심을 표현했고 페르소나에 일치하는 퀄리티 좋은 리드 *SQL (Marketing Qualified Lead): 영업 팀이 연락을 취한 결과 판매 가능성이 있다고 판단한 리드로 MQL보다 한단계 더 높은 퀄리티 리드
채널의 정확한 수익 성과를 이해함으로써 여러 채널을 동시에 관리하는 우리와 같은 마케터들이 더 빠르고 효율적으로 채널을 최적화하고 성장시킬 수 있습니다. 정리해보면 멀티채널 기여도를 통해 얻을 수 있는 것은 크게 세가지 입니다.
수익 및 파이프라인을 기준으로 채널 성과 분석
(각 채널의 영향을 확인하기 위한) 크로스 채널 기여도 분석
채널 운영에 드는 비용 대 수익(실적) 비교
각 채널이 얼만큼의 수익을 창출했는지 확인하는게 왜 어려울까요?
채널의 수익 기여도가 이렇게 중요한데, 왜 대부분의 마케터가 실천하지 못하는 걸까요? 바로 마케팅에 들인 노력이 수익으로 실제 이어졌는지를 아는 것이 어렵기 때문입니다. 특히나 B2B처럼 고객 여정이 길고 복잡하다면 더더욱 그렇죠.
여는 글에서 잠시 언급했듯이 대부분의 B2B 기업에서는 여러가지 툴을 독립적으로 사용하고 있어서 멀티채널 기여도를 판단하기가 매우 어렵습니다. B2B마케터는 구체적으로 세가지의 문제에 주로 직면합니다.
1자 데이터를 수집하고 다른 데이터와 연결하지 않음
고객 여정을 한 계정(잠재 고객이 근무하는 기업)의 여정으로 바라보지 않음
위 두가지의 문제를 해결해주지 못하는 임시방편의 단일채널 기여도를 사용함
각 항목에 대해 더 자세히 설명해볼게요.
1. 1자 데이터를 수집하고 다른 데이터와 연결
운영중인 채널들이 수익 혹은 파이프라인 생성에 얼마나 기여했는지를 측정하기 위해서는 수익 창출 과정에서 발생하는 전반의 데이터와 채널 데이터를 연결해야합니다. 문제는 이러한 툴들이 독립적으로 사용되고 있어 고객 여정 데이터를 통합적으로 열람할 수 없다는 것입니다. B2B 마케터는 통합된 고객 여정을 이해하고 기여도를 파악하는데 필요한 웹사이트 트래픽 추적, 광고 플랫폼과 CRM 데이터의 통합, 그리고 데이터 처리 (통합, 처리, 저장) 등에 대한 정보가 없는 경우가 많습니다.
2. 고객의 여정을 한 계정(기업)의 여정으로 바라보지 않음
심지어 고객 여정을 꽤나 잘 추적하고 있더라도, 이 툴들이 개별 구매자의 여정에 초점을 맞추고 있는 경우가 많습니다. 일반적인 B2B 구매 시나리오에서 브랜드와 처음 상호작용하는 잠재고객은 일반적으로 실제 거래에서 계약을 체결하는 사람이 아닙니다. 이러한 이유로 잠재고객을 한 회사(계정)의 일부로 인식하여 데이터를 계정 별로 관리하지 않으면 B2B 멀티 채널 기여도의 장점을 온전히 누릴 수 없습니다.
3. 임시방편의 단일채널 기여도를 사용함
"잠깐, 저는 제가 운영하는 채널에서 생성한 리드 정보가 CRM에 잘 연동하고 있는걸요! '소스' 필드에서 어떤 채널로부터 생성된 리드인지 확인할 수 있다구요!'
그런 경우라면 여러 툴에 존재하는 데이터가 서로 연결되어있다는 뜻이긴 하죠. 하지만, CRM의 "소스" 필드는 매우 복잡한 B2B 구매 여정의 극히 일부만을 보여줄 뿐입니다. 단일채널 모델을 사용하면 한 채널의 기여도만을 인정하기 때문에 리드를 생성한 이후에 발생할 수 있는 여러가지 중요한 상호작용들에 대한 정보를 정확히 담아내지 못합니다.
또한 이는 온전하지 못한 데이터로 기여도를 측정한다는 뜻이기도 합니다. 다른 채널들에서 발생한 중요한 상호작용 접점을 놓치는 것 뿐 아니라 한 채널에 실제보다 더 큰 기여도를 부여한다는 것입니다.
특정 채널에의 투자를 확장할 때 특히 문제가 됩니다. 실제로는 리드의 전환에 중요한 역할을 하지 않았을 수도 있는 채널에 막대한 예산을 낭비하게 될 수 있기 때문입니다.
"그럼 구글 애널리틱스의 '멀티채널 퍼널' 보고서는요? 그거 멀티채널 기여도 분석할 수 있는거 맞죠?"
맞습니다. 전환을 멀티채널 관점으로 볼 수는 있지만 다음과 같은 한계가 있습니다.
개별 기기의 데이터를 측정할 뿐, 한 계정(기업)의 데이터 추적 불가
구글 애널리틱스의 전환 확인 기간은 90일까지
구글의 데이터만 정확히 추적 가능
아래는 한 기업 계정을 싱글(왼)과 멀티채널 (오)기여도 모델로 비해본 것입니다. Direct(직접 유입)로 표시되었던 유입 채널이 사실은 소셜, 오가닉 검색 채널 등의 영향을 함께 받은 것을 알 수 있습니다.
멀티채널 기여도가 이런 한계들을 어떻게 해결하나요?
멀티터치 기여도는 모든 채널에 걸쳐 생성된 상호작용 데이터를 하나의 플랫폼에 저장하고 가공/처리하여 통합된 고객 여정을 생성함으로써 이러한 한계를 극복할 수 있습니다.
통합된 고객 여정 (A single, unified customer journey)
멀티터치 기여도의 핵심은 고객 여정 전체에 걸쳐 발생한 상호작용 데이터를 모두 고려하는 것입니다. 이를통해 마케터는 채널에서 일어난 모든 이벤트들이 어떤 영향을 미쳤는지를 알 수 있게 되는 것이죠.
어떻게요?
여러분의 웹사이트에 추적 스크립트를 추가하여, anonymous_id/user_id와 URL을 추적
구글 애즈와 같은 채널 플랫폼에 태깅과 오토태깅이 잘 작동하는지 확인
채널에서 보고서 가져오기 (구글 애즈 API로 클릭 성과 보고서를 가져와서 캠페인/광고그룹/광고의 GCLID와 연결)
통합(Integration)을 통해 여러분이 사용하는 세일즈 시스템 (예) 세일즈포스 CRM에 연결
데이터 웨어하우스에 잠재고객 & 고객 데이터 저장
데이터 병합 및 정리 (중복값, 빈 값 등이 없도록)
멀티터치 기여도 모델링 실행 (파이프라인 단계 및 수익 보고서 생성)
대시보드에 분석 보고서 제공
멀티채널 기여도 모델링
이제 조금 더 상세하게 기여도 모델에 대해 살펴봅시다. 주의사항이 있다면 기여도 모델링은 입력한 데이터의 퀄리티가 좋을 수록 더 정확해집니다. 따라서, 위에 설명한 데이터 수집 프로세스 대로 데이터가 잘 처리되도록 하는 것이 중요합니다!
***시나리오: 고객이 여러분의 검색 광고 중 하나를 클릭하여 웹사이트를 방문합니다. 이 고객이 일주일 후에 소셜 네트워크에서 클릭을 통해 재방문합니다. 같은 날에, 이 고객이 이메일 캠페인을 통해 세 번째로 방문하여 구매를 합니다.
첫 번째 상호작용 (First touch): 여정의 첫 번째 상호작용에 100%의 기여도 부여 --> 검색 광고
마지막 상호작용 (Last touch): 여정의 마지막 상호작용에 100%의 기여도 부여 --> 이메일
선형 (Linear): 모든 채널에서 전환 이전에 발생한 상호작용에 균등하게 기여도 부여 --> 검색 광고, 소셜 네트워크, 이메일 모두
시간 가치 하락 (Time-decay): 시간상으로 판매 또는 전환에 가장 근접한 터치 포인트에 가장 큰 기여도 부여 (이메일 > 소셜 네트워크 > 검색광고)
U모양 (U-shaped): 모든 상호작용을 추적하나, 40%의 기여도를 첫번째 상호작용에, 40%를 마지막 상호작용에 부여하고, 20%를 나머지 접점들에 나누어 분배 (검색광고 40%, 이메일 40%, 소셜 20%)
W모양 (W-shaped): U모양 모델과 비슷하지만, 리드가 생성된 채널에도 기여도를 주는 것입니다. 첫번째, 마지막 그리고 리드 생성 채널에 30%씩 기여도를 주고 10%는 나머지 채널에 나누어 부여합니다. 예를 들어, 검색광고를 통해 유입, 소셜을 통해 재방문, 다시 디스플레이를 통해 재방문하여 리드 생성, 그리고 이메일을 통해 구매로 이어졌다면, 검색광고 30%, 디스플레이 광고 30%, 이메일 30% 그리고 소셜이 10%의 기여도를 가져갑니다.
맞춤 모델 (Custom attribution models): 데이터 사이언티스트가 특정 고객 여정에 가장 알맞은 기여도 모델을 구축
이 중 하나만 사용하는 것보다는 여러가지 모델을 통해 고객 여정의 여러 단계에서의 채널 실적을 비교하는 것이 이상적입니다.
실제 멀티채널 기여도 예시
대체로 멀티채널 기여 분석은 두가지로 이루어집니다.
수익 & 파이프라인 기여도 분석: 수익과 파이프라인 측면에서 채널의 실적을 볼 수 있습니다. 최적화나 확장 등을 위해 캠페인 별 분석도 가능합니다.
기여도 모델 비교 (크로스채널 기여도): 각 채널과 플랫폼이 구매자 여정에 언제 어떻게 기여했는지를 잘 이해할 수 있는 데이터입니다. 유입 경로에 대한 인사이트를 얻을 수 있고, 가장 실적이 좋은 타이밍에 콘텐츠와 광고를 제공하는 등 최적화 아이디어를 얻을 수 있습니다.
이 보고서에서는 발생한 수익과 계약 수를 기준으로 채널 성과를 확인할 수 있습니다. 방문자 수, 리드 수 (파이프라인에 포함된) 그리고 회사 수와 같은 전통적인 지표도 포함되어 있습니다. 이 보고서를 통해 우리는 직접 유입과 유료 광고 (구글)이 트래픽과 계약의 주요 동력이라는 것을 알게되었습니다.
또한 수익 측면에서 각 채널이 얼마나 가치가 있는지를 이해하고 이후 채널 계획과 투자에 반영할 수 있습니다. 예를 들어, 오가닉 트래픽이 1,571명의 방문자를 유입시켰고, 그 중 19명이 계약으로 이어졌습니다. 만약 SEO 캠페인을 통해 오가닉 트래픽을 두배 늘릴 수 있다면 유료 채널보다 훨씬 더 좋은 계약율(트래픽이 계약으로 이어지는 비율)을 볼 수 있을 것입니다.
같은 데이터를 아래와 같이 시간 흐름에 따라 혹은 특정 캠페인에 따라 열람하고 수익 성과를 확인할 수 있는데요. 어떤 채널이 효과가 있었고 어떤 캠페인의 성과가 좋았는지를 이해하는데 큰 도움을 줍니다.
크로스 채널 기여도
그러나 이 보고에서 알 수 없는 것은 이 채널들이 고객의 전환을 유도하는지에 대한 데이터입니다. 이를 위해 우리는 기여 모델을 비교할 필요가 있습니다.
이 데이터를 통해 마지막 상호작용 모델에서 'Direct'가 갑자기 올라가는 것을 볼 수 있는데요. 아마도 영업팀이 고객에게 영업 자료를 보내고 난 후에 이 상호작용이 일어났을 가능성이 큽니다. 이 예시는 이메일 채널이 고객 여정을 시작하고 마무리하는데 큰 기여를 한 것을 보여주기도 하네요!
이처럼 멀치채널 기여도 분석 툴은 모든 채널의 상호작용이 하나의 플랫폼에서 저장 및 처리되어 생성된 통합 고객 여정을 만들고, 기여도 모델링 분석 작업을 통해 B2B마케터들이 직면한 문제를 해결해줍니다.
저자: Jeremy Sacramento at Dreamdata