Marketing & Brand

이커머스 성공을 좌우할 ‘퍼스트 파티 데이터’

[2021 디지털패션포럼 빅인 천영훈 연구 소장님의 강연 모습]

*본 콘텐츠는 2021 디지털패션포럼(Digital Fashion Forum, DFF) 프로그램 중 빅인 Marketing Lab 천영훈 연구 소장의 발표 내용을 기반으로 제작된 콘텐츠입니다.

이번 강연은 이커머스에서 퍼스트 파티 데이터 활용의 중요성과 활용 방안에 대한 내용이 주로 다뤄졌습니다.  2023년부터 온라인 광고 시장에서 서드 파티 데이터의 활용이 제한됨에 따라 퍼스트 파티 데이터를 활용한 CRM 마케팅의 중요성이 부각되고 있기 때문입니다. 그렇다면 퍼스트 파티 데이터를 활용한 CRM 마케팅은 어떻게 시작해야 할까요? 이번 글에서는 CRM 마케팅의 시작인 고객 분류 방법과 실제 활용 사례를 살펴보겠습니다.

퍼스트 파티 데이터를 활용한 고객 분류 방법

CRM 마케팅을 시작하기에 앞서 선행돼야 하는 일은 고객의 관심사를 파악해 이를 기반으로 고객을 그룹화하는 작업입니다. 관심사에 따라 고객을 분류하면 각 그룹 니즈에 맞는 적절한 마케팅 액션 도출이 용이합니다. 고객의 관심사는 어떻게 파악할 수 있을까요?

잘 수집된 고객 행동 데이터를 조합해보면 고객의 관심사를 유추할 수 있습니다. 바로 이 부분이 퍼스트 파티 데이터가 도움을 줄 수 있는 부분입니다. 고객의 관심사를 파악할 수 있는 행동 데이터의 종류는 무엇이 있으며 각각 고객 분류에 어떻게 활용할 수 있는지 알아보겠습니다.

고객 분류에 활용될 수 있는 퍼스트 파티 데이터의 종류

1. 검색 키워드 기반 관심사

먼저 고객이 웹사이트에 유입한 키워드 데이터를 분석하는 방법입니다. 키워드는 사용자 니즈를 가장 명확하게 파악할 수 있는 중요한 데이터입니다. 구매 의도를 가지고 검색하고, 검색 결과 화면에서 클릭이라는 행동을 통해 유입됐기 때문입니다. 유사한 키워드로 유입된 사용자들을 그룹화해 공통 관심사를 파악하면 고객이 찾는 상품을 먼저 제안할 수 있습니다.

예를 들어, 뷰티 산업군에서 ‘건성 스킨케어’ 또는 ‘건성 기초화장품’이라는 검색어로 웹사이트에 방문한 사용자가 있다고 가정하겠습니다. 이 고객들을 그룹화하고 그들이 웹사이트에 들어왔을 때 다음과 같은 메시지의 팝업을 띄우며 상품을 추천하는 방안으로 활용할 수 있습니다.


건조한 겨울, 촉촉한 스킨 케어 제품을
찾으셨나요?

뷰티 산업군에서의 CRM 마케팅 작동 예시 이미지

2. 카테고리/상품 기반 관심사

고객이 우리 쇼핑몰에서 조회한 카테고리와 상품을 분석한다면 고객이 관심 있게 찾고 있는 상품이 무엇인지 파악할 수 있습니다. 패션 산업군과 뷰티 산업군에서의 예시로 알아볼까요?

먼저 패션 산업군의 경우, 아우터·긴팔·반팔·신발 등 카테고리를 조회한 각 사용자 그룹을 관심사가 같은 고객으로 분류하고 관련 정보를 제공할 수 있습니다. 예를 들어 아우터 카테고리 내에서 상품 상세 페이지를 n번 이상 조회했지만 구매 전환 없이 이탈한 고객이 있다면, 이를 그룹화하고 다음과 같은 메시지를 전달하는 방식입니다.


다가오는 겨울을 위해,
아우터 전 상품 15% 할인

패션 산업군에서의 CRM 마케팅 작동 예시 이미지 1

뷰티 산업군에서 역시 비슷한 로직으로 특정 피부 타입을 위한 상품만 구매한 사용자 또는 특정 제품 라인을 많이 구매한 사용자를 그룹화하고 관심사에 맞는 정보를 전달할 수 있습니다. 예를 들어, 립 카테고리의 상품들을 n번 이상 조회했지만 구매 전환 없이 이탈한 고객 그룹에게 다음과 같은 메시지를 전달하는 방식이 있습니다.


웜톤-쿨톤 다 모여라!
연말 인기 립 상품 기획전

3. 상품 옵션 기반 관심사

특정 사이즈 또는 색상만을 조회하거나 장바구니에 추가하는 사용자를 분류하여 관심 사이즈, 색상에 어울리는 상품을 제안하는 방식입니다.

예를 들어, 패션 산업군에서 L 사이즈의 의류만 구매하는 고객을 그룹화하여 다음과 같은 메시지로 상품을 소개하는 방식이 있습니다.


고객님, 현재 L 사이즈 재고만
남은 인기 상품을 알려 드립니다!
마지막 득템 찬스를 놓치지 마세요

패션 산업군에서의 CRM 마케팅 작동 예시 이미지 2

4. 구매 데이터 기반 관심사

구매 데이터는 구매 상품부터 객단가·구매 주기·구매 수량 등의 데이터를 모두 포함합니다. 이러한 데이터는 고객 분류에 어떻게 활용할 수 있을까요? 이어지는 실제 빅인의 고객 사례로 조금 더 자세히 살펴보겠습니다.

구매 데이터를 고객 그룹에 활용한 실제 CRM 마케팅 사례

이어서 살펴볼 브랜드는 여성 스포츠웨어를 판매하는 C사입니다.

C사의 문제점은 할인 프로모션이 있을 때에만 구매가 증가한다는 점이었습니다.

단기적인 관점에서 할인 프로모션은 구매 전환율을 높일 수 있는 가장 빠른 방법입니다. 하지만 정기적인 관점으로는 마진에 대한 문제는 물론, ‘기다리면 할인을 하는 브랜드’라는 인식을 심어줄 가능성이 높습니다. 때문에 C사는 할인 프로모션의 비중을 줄이면서 구매 전환율을 높이는 것을 CRM 마케팅의 최우선 목표로 설정했습니다.

[C사의 CRM 마케팅 목표]
할인 프로모션의 비중을 줄이면서 구매 전환율을 높여라!

먼저 C사는 브랜드 충성도에 따라 고객이 할인 프로모션에 얼마나 반응하는지를 알아보기 위해 상품 구매 데이터를 기반으로 고객을 분류했습니다. 최근 3개월 동안 구매한 사용자의 구매 빈도·주기·객단가 등 구매 데이터를 분석한 결과, 구매 고객의 비중이 다음과 같음을 알 수 있었습니다.

-일반 등급 고객: 81%
-객단가가 높은 고객: 13%
-충성도가 높은 우수 고객: 6%

[팩트 01]
최근 3개월간 구매 고객 중 약 13%는 객단가가 높은 고객이다.

* C사에서 고객의 브랜드 충성도를 판단하는 기준은 RFM(구매의 최근성·빈도·객단가) 분류법을 기준으로, 쇼핑몰마다 고객을 분류하는 정의와 기준은 상이할 수 있습니다.

이어서 각 고객 그룹별로 어떤 상품이 많이 구매되는지 분석했습니다. 특이점은 객단가가 높은 고객들은 할인 프로모션이 적용된 상품보다 신상품을 가장 많이 구매하는 경향이 있다는 점이었습니다.

[팩트 02]
객단가가 높은 고객은 할인율이 거의 없는 신상품 구매가 많다.

이렇게 분석한 고객 구매 데이터에서 얻을 수 있는 인사이트는 아래와 같았습니다.

[인사이트]
01. 구매 고객 중 가격의 영향을 받지 않는 고객은 전체 고객 중 약 13%다. (객단가가 높은 고객의 비율)
02. 이 그룹의 고객들은 가격보다는 신상품에 반응한다.
03. 신상품 론칭시 기존 상품과 차별점을 소구해 해당 그룹에 가장 빠르게 알려 구매를 유도하면 전환율이 상승할 것이다.

이처럼 고객의 구매 데이터를 분석하고 분류한다면 고객 그룹의 관심사와 성향을 파악할 수 있고, 목표 달성을 위한 마케팅 전략 수립을 수월하게 합니다.

이상으로 CRM 마케팅에 활용될 수 있는 퍼스트 파티 데이터의 종류와 실제 사례까지 알아봤습니다. 앞서 살펴보았듯, 퍼스트 파티 데이터를 활용한 CRM 마케팅은 ‘고객 분류’에서부터 시작됩니다. 고객의 관심사를 정확하게 파악하고 그룹으로 분류하기 위해서는 퍼스트 파티 데이터를 제대로 수집하는 일이 더욱 중요해질 것으로 예상됩니다. 지금이 바로 퍼스트 파티 데이터의 수집 기준을 잘 정립하고 활용해, CRM 마케팅의 고도화를 이루어 나가야 할 시점입니다.

너도 나도 다 하는 CRM 마케팅의 시작이 막막하다면?
▶ 빅인에 상담 신청하고 제대로된 CRM 마케팅 시작하기

Author
빅인

빅인

빅인사이트. CRM 마케팅 솔루션 빅인(bigin)입니다. 이커머스 담당자를 위한 데이터 드리븐/CRM 마케팅과 사용자 행동 분석 인사이트를 공유합니다 support@bigin.io

Comments
  • digitla-insight-202102-offline-ads-etribe
© DIGITAL iNSIGHT 디지털 인사이트. 무단전재 및 재배포 금지

뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.

Related Posts