마케팅할 때 평균 데이터를 맹신하면 안되는 이유

우리 고객은 상품을 구매하기 전, 평균적으로 얼마나 많은 상세 페이지를 조회할까요?

이는 많은 마케터가 궁금해하는 데이터입니다. 사용자가 구매를 앞두고 있는 시기를 실시간으로 유추할 수 있고, 적절한 타이밍에 액션을 유도해 구매 전환율을 높일 수 있기 때문입니다. 그런데 ‘평균적으로 조회하는 상품 상세 페이지 수‘에는 함정이 숨어있다는 사실, 알고 계신가요?

과연 어떤 함정인지, 가상의 이커머스 A사의 사례로 알아보겠습니다.

*아래 사례는 빅인의 실제 고객 사례를 가공해 작성됐음을 알려드립니다.

구매를 앞둔 고객이 평균적으로
조회하는 상품 페이지는 몇 회일까?

유명 이커머스 A사 마케터 김대리는 구매 전환율을 높이기 위한 전략으로, 고객이 구매를 앞둔 적절한 타이밍에 웹사이트 내 액션을 유도하는 장치를 설치하기로 했습니다. 김대리는 먼저 고객이 평균적으로 얼마나 많은 상세 페이지를 조회한 뒤 구매하는지, 사용자의 패턴을 확인하기 위해 아래 데이터를 추출했습니다. 

[표 1]에 따르면, A사의 고객은 평균적으로 상품을 4.80회 조회 후 구매한다는 결과에 다다르게 됩니다. 데이터를 확인한 김대리는 구매 액션을 유도하기 위해, 고객이 상품 상세 페이지를 4회 조회했을 때 팝업 메시지를 띄워주어 구매 장벽을 낮추는 전략을 수립했습니다. 하지만 결과는 예상 밖이었습니다. 

웹사이트 팝업 캠페인에 반응하는 고객의 수가 현저히 부족했으며, 심지어 캠페인은 노출조차 제대로 되지 않고 있었습니다. 이탈 수 역시 캠페인 세팅 이전과 큰 차이가 없어 구매하지 않고 이탈하는 고객이 50% 이상이었습니다.

무엇이 문제였을까? 
평균의 함정

캠페인 결과에 이상함을 느낀 김대리는 데이터를 조금 더 뜯어보기로 했습니다. 1차 분석 때에는 데이터 조회 기간 중 발생한 모든 상세 페이지 수를 추출하였다면, 이번에는 사용자가 상품 구매 전 조회하는 상세 페이지를 사용자별로 확인해보기로 했습니다. 즉, ‘상품 구매 전 상품을 n회 조회한 사용자’라는 측정기준을 중심으로 데이터를 추출했습니다. 그 결과는 아래와 같았습니다.

구매한 사용자를 기준으로 데이터를 살펴보니 1차 분석 결과의 문제점이 파악됐습니다. 김대리는 전체 구매 고객 중 50% 이상이 상품 구매까지 상세 페이지를 1~3회 조회했다는 사실을 새롭게 확인했습니다. 데이터 분포를 조금 더 자세히 살펴보기 위해 도식화를 해보면 다음과 같습니다. 

실제 데이터 분석 결과는 1차 분석에서 예상할 수 있었던 그래프와는 사뭇 다른 모습으로 그려지는 것을 확인할 수 있습니다. 2차 추출에서 데이터를 한층 더 깊게 뜯어본 김대리는 기존의 전략을 수정해 상품 구매 전 페이지를 1~3회 조회하는 50%의 고객을 대상으로 구매 액션을 유도하기로 결정했습니다. 

김대리는 고객이 상품을 1회 또는 2회 조회했을 때 혜택을 제공하는 팝업 배너를 띄웠고, 그 결과 구매까지 이어지는 전환율을 상승시킬 수 있었습니다.

‘함정’에 빠지지 않는 
정확한 마케팅을 위해

‘평균’은 전체적인 맥락을 파악하는 데에 도움이 되는 유용한 계산법입니다. 하지만, 평균 데이터를 너무 맹신하거나 추가로 살펴야 할 데이터를 함께 고려하지 않는다면 평균만큼 함정에 빠지기 쉬운 계산법도 없습니다. 

사용자 행동 데이터를 기반으로 마케팅 전략을 세울 때 위와 같은 사항을 미리 고려하고 대안 방법을 마련한다면, 데이터 분석에서 자주 발생할 수 있는 문제를 미리 차단하고 더욱 정확한 마케팅 전략을 수립할 수 있습니다. 평균의 함정에 빠지지 않고 데이터를 자세히 뜯어보려는 노력이 필요한 이유입니다.

정확한 마케팅을 위한 정확한 데이터 분석 방법이 궁금하신가요?

아래 링크를 클릭해 문의를 남겨주시면, 담당자가 빠르게 연락 드리겠습니다.

▶ 빅인에 문의하기

Favorite