📊 마케팅 보고서에 스토리가 필요한 이유

📍목차

• 마케터가 기여도 측정을 어려워하는 이유

• '어떻게 알게 되셨나요?가 전부가 아닌 이유

• 기여도 모델 구축을 위한 프레임워크

---

많은 기업들이 마케팅의 기여도를 증명하는데 어려움을 겪고 있습니다. 이럴 땐 보통 두 가지 중 하나로 이어지죠.

- 1번: 다양한 분석 툴과 CRM 툴에서 여러 데이터를 보다가 결국 좌절한다

- 2번: 마케팅 기여도 측정은 어려운 일이라며 포기한다

이 두가지 반응은 우리가 의미있는 마케팅 투자를 할 수 없도록 만들거나, 마케팅 조직이 비즈니스 성장에 전혀 기여를 할 수 없도록 만드는 원인입니다.

기업들이 지나치게 한 두개의 데이터 포인트에 치우치고, 정작 인사이트를 얻기보다 ‘숫자’에만 관심을 가지는 경우를 많이 봐왔습니다. 그 결과 마케팅 기여도 측정에 실패하는 것도요.

이 아티클에서는 여러분의 회사 상황에 맞는 기여도 모델을 구축하는데 도움이되는 프레임워크를 소개해드리려 합니다. 그래서 여러분이 더 자신있게 투자에 관한 결정을 하실 수 있도록 말이죠!

😵‍💫 마케터가 기여도 측정을 어려워하는 이유

제가 요새 업무를 하며 가장 힘든 점이 무엇인지 물어볼 때마다 대부분의 마케터들이 'ROI를 증명하는 것'이라고 대답합니다. 대충 어떻게 잘 되가는지 아닌지는 알겠는데 그걸 증명할 데이터를 못 찾겠다고 말합니다.

여러분이 어떤 분석/보고서 툴을 사용하든 반드시 부딪치게되는 문제가 하나 있는데요. 바로 그 툴은 해당 플랫폼이 전환에 가장 크게 기여한 것처럼 보이도록 편향된 데이터를 보여줄 수 밖에 없다는 것입니다.

많은 사람들이 Google Analytics, Google Data Studio, Hubspot(마케팅 자동화 툴) 또는 Salesforce에 내장된 보고서 도구를 사용하여 캠페인의 성과를 분석하곤 합니다.

예를 들어, Hubspot 보고서는 항상 “콘텐츠” 그리고 “랜딩 페이지”가 마케팅에 미치는 영향에 중점을 둘 가능성이 큽니다. 그래야 사용자가 계속해서 허브스팟 제품을 사용할 테니까요. 마찬가지로 구글 애널리틱스는 구글의 제품 중 하나인 구글 애즈 광고의 기여도가 더 큰 것으로 편향되게 보여줄 수 있습니다.

이처럼 마케팅 제품에서 데이터를 수집할 때, 한 조각의 정보나 데이터가 실제로 얼마나 중요한지에 대해 제대로 파악하기가 매우 어렵습니다.

게다가 많은 이들이 낮은 수준의 데이터 해석/활용 능력을 가지고 있다는 것을 고려하면 이 문제는 더 심각해집니다. ‘얼마나 많은 트래픽을 유입시켰지?’에 대답하는 것과 ‘콘텐츠 A가 세그먼트 B 그룹의 구매 전환에 얼마나 큰 영향을 미쳤지?’란 질문에 대답하는 것은 서로 다른 스킬을 요구합니다. 마케팅 기여도에 대해 단순하게 생각하려고 하는 경향은 어찌보면 자연스러운 일입니다. 왜냐하면 데이터 분석과 모델링을 이해하기 아주 어렵기 때문입니다.

🙅🏻‍♀️ '어떻게 알게 되셨나요?'가 전부가 아닌 이유

회원가입 혹은 문의 양식을 통해 ‘우리 브랜드를 어떻게 알게되셨나요?’를 묻는 것이 마케팅의 투자 결정에 필요한 데이터를 얻는 가장 정확한 방법이라고 많이 알려져 있습니다. 하지만 이 모델 역시 몇가지의 결함이 있는데요.

1. 전환 경로는 그리 간단하지 않다

우선 여러분이 기대하는 것처럼 고객은 우리의 마케팅에 대해 정확히 기억하지 못합니다. 왜냐면 기업은 아주 다양한 채널, 캠페인, 콘텐츠 등을 통해 마케팅을 하니까요. 심지어 비교적 간단한 마케팅 전략이라 해도 잠재고객이 브랜드와 상호작용 하는 방식과 그 타이밍은 매우 다양합니다. 가상의 예시를 한번 들어볼게요. OnePhone은 회원가입 단계에서 ‘우리 브랜드를 어떻게 알게되셨나요?’를 묻지 않습니다. 왜냐하면 훨씬 더 탄탄한 기여도 모델을 구축했으니까요.

1. 친구가 링크드인에 자신이 OpenPhone이란 회사로 이직했다고 포스팅한 것을 발견합니다.

2. 친구의 프로필을 눌러 OpenPhone 웹사이트를 방문합니다. 마침 최근에 하던 고민과 관련된 블로그 ‘문자 메시지로 마케팅 ROI 높이는 법’ 포스팅을 발견하고 읽게됩니다.

3. 한번 무료 트라이얼로 살펴볼까 싶던 찰나에 친구에게 전화가 와서 중간에 그만둡니다.

4. 몇일 후 링크드인을 보다가 OpenPhone의 광고를 우연히 봅니다. 이전에 트라이얼 신청을 하려고 했던게 기억나 다시 방문합니다.

5. 우리 브랜드를 어떻게 알게되셨나요?’ 란에는 ‘친구가 이 회사로 이직해서 알게되었어요.’라고 씁니다.

이 상황에서 마지막 질문에 대한 대답을 참고하여 마케팅 투자 결정을 한다면 어떻게 될까요? 모든 직원에게 링크드인에 포스팅을 올리라고 요구하겠죠. 현실에서의 전환 경로는 이처럼 매우 복잡합니다. 만약 이 마지막 질문에 대한 대답에 의존하여 마케팅 결정을 내렸다면, 콘텐츠를 제작하거나 다른 광고 캠페인을 운영하는 등 다른 활동들은 뒷전으로 밀렸을 것입니다.

2. '최신 편향' 오류를 무시한다

두 번째 문제는 ‘최신 편향(Recency Bias)’과 같은 여러 인지 편향 오류를 무시한다는 것입니다. Monday에서 지금 운영 중인 페이스북 광고를 예로 들어 보겠습니다. 여러분이 페이스북을 사용하는 경우, 이 광고 중 하나를 발견했을 가능성이 큽니다. Monday가 여러분에게 '우리 브랜드를 어떻게 알게되셨나요?'라고 질문하는 순간 여러가지 요인이 작동하게 됩니다. 최근 편향 때문에 여러분은 가장 최근에 봤던 이 광고를 통해 Monday에 대해 알게 되었다고 생각할 수 있습니다. 이미 몇 년 동안 Monday의 콘텐츠를 봐왔는데도 말이죠.

3. 마케팅 믹스를 등한시 한다

마지막으로 오로지 입소문에만 의존한다면 균형잡힌 채널 믹스에 투자하지 못하게 될 위험이 있습니다.

만약 콘텐츠나 SEO를 보고 알게되었다는 잠재고객이 많은 것을 보고 유료 광고에 대한 투자를 줄일 수도 있을 것입니다. 하지만 그렇게 하는 순간 퀄리티 있는 트래픽을 유입하는데 문제가 생기기 시작할 것입니다.

혹은 대부분의 고객이 인스타에서 광고를 보고 알게되었다고 대답한 것을 토대로 SEO 인력을 줄였다고 생각해볼게요. 결과적으로는 전체적인 신규 고객 획득 비용이 크게 증가하게 될 수 있습니다.

보통 고객이 단일 채널에서 유입되는 것이 아니기 때문에 마케팅 믹스는 마케팅의 전체적인 비용을 감소시키는 경향이 있습니다. 따라서 ‘어떻게 알게되셨나요?’ 데이터만을 가지고 의사 결정을 하는 것은 오늘날의 복잡한 구매 여정에 적합하지 않은 방식입니다. 그냥 회원 가입 양식에 질문 하나 추가하면 되기 때문에 실행하기는 쉽겠지만, 마케팅 믹스를 결정하는데 있어 아주 잘못된 방향으로 이어질 수도 있는 위험이 매우 큽니다. 마케팅 분석 툴에서 수집한 데이터도 완전히 믿을 수 없고, 직접 고객에게 묻는 것도 정답이 아니라면... 도대체 어떻게 해야할까요? 정답은 바로 마케팅 기여도 프레임워크를 사용하여 여러 데이터 소스를 종합적으로 평가하는 것입니다.

🪜기여도 모델 구축을 위한 프레임워크

데이터와 지표 그 자체를 정답으로 생각하는 것보다 데이터 스토리를 구성하는 세부 정보로 여기는 것이 좋습니다. 여기에는 명확하거나 불분명한 정보, 그리고 광범위하거나 세부적인 정보들이 모두 포함되어야 합니다. 이런 모든 정보들을 종합적으로 잘 반영하지 않고는 완전한 스토리를 구성할 수 없습니다. 이것이 바로 모든 마케팅 활동의 영향과 기여도를 아래와 같이 두가지 축으로 이해하는 것이 중요한 이유입니다.

• 정성적 (Qualitative; 숫자로 측정 불가) vs 정량적 (Quantitive; 숫자로 측정 가능)

• 낮은 신뢰도 vs 높은 신뢰도

그렇다면 광고 플랫폼, 웹트래픽 분석, 소셜미디어 참여도, 커뮤니티 참여도, CRM 데이터 등의 다양한 소스에서 실제로 어떻게 데이터를 가져와서 적용할 수 있을까요?

이를 위해서는 다음과 같이 데이터를 분류하는 프레임워크가 필요합니다. 여기서 이 사분면의 데이터가 합쳐진다는 것이 가장 중요한 포인트입니다.

• 핵심 스토리(Key Narrative): 정성적 & 신뢰도 높은 데이터 - 예) ‘어떻게 알게되셨나요?’에 대한 답변, 직감, 제출된 양식 데이터 등

• 보조 스토리(Supporitng Points): 정성적 & 신뢰도 낮은 데이터 - 예) 소셜미디어 댓글

• 핵심 보고서(Key Reports): 정량적 & 신뢰도 높은 데이터 - 예) 광고 플랫폼 데이터

• 보조 지표(Supporting Metrics): 정성적 & 신뢰도 낮은 데이터 - 예) 이메일 참여 데이터 (오픈, 클릭 등)

정성적 데이터를 더 신뢰하는 경향이 있는 마케터라면, 핵심 스토리(Key Narrative) 외에도 핵심 보고서(Key Reports)와 보조 지표(Supporting Metrics)를 고려하여 어떤 것이 효과가 있었고 또 효과가 없는지 보다 완전한 스토리를 전달해야 합니다. 반면, 정량적 데이터를 더 중시한다면, 보조 지표(Supporting Metrics)와 보조 스토리(Supporitng Points)를 핵심 보고서(Key Reports)에 추가하면 여러분의 성과 보고의 퀄리티가 훨씬 더 높아질 것입니다. 이러한 방식으로 여러 모델을 결합하면 마케팅의 투자 결정에 대해 더 이상 근시안적인 관점을 취하지 않게 됩니다. 위에서 설명한 각 데이터 소스는 마케팅에 있어 어떤 것이 효과가 있는지 그리고 각 활동들이 얼마나 중요한지에 대한 스토리를 만드는 시발점이 될 것입니다. 간단히 이러한 예를 들어볼 수 있을 것 같습니다.

• 광고가 효과가 없다는 (정성적) 피드백에 대하여 광고 댓글을 직접 언급하여 반론을 제기할 수 있습니다.

• ‘어떻게 우리 브랜드를 알게 되셨나요?’라는 질문에 ‘블로그 콘텐츠’를 선택한 데이터와 함께 이메일 마케팅 데이터를 추가하여, 애초에 리드를 생성하고 또 블로그를 더 많은 고객들에게 전달한 것에 마케팅 자동화의 영향임을 강조할 수 있습니다.

이제 저는 특정 잠재 고객이나 잠재 고객 그룹에 대한 데이터 스토리를 이야기 할 수 있게 된 것이죠.

☑️ 마무리

마케팅 기여도는 딱 하나의 답이 정해져있지 않습니다. 따라서 하나의 데이터을 보는 대신, 위에서 설명한 네가지의 조합을 고려하여 완전하고 통합적인 스토리를 구축해야합니다.

---

출처: Powered by Search

원문: https://www.poweredbysearch.com/blog/self-reported-attribution/