안녕하세요. 

오늘은 광고 성과 데이터를 기반으로 예산 할당을 어떻게 해야 하는지에 대한 내용으로 작성하였습니다.

다들 아시다시피 고객의 서핑 패턴이 모바일 시대로 접어들면서 굉장히 다양해졌습니다.

이제 고객이 구매 의사결정을 내릴 때 하나의 광고를 보고 전환을 발생시키기 보다

다양한 광고를 접한 후 구매 의사결정을 내리게 됩니다.

그래서 이제는 하나의 광고에 집중하는 것이 아니라 다양한 광고매체를 통해 마케팅을 진행하고 있습니다.

그러나 여기서 문제는 이렇게 다양한 광고매체 중 어디에 예산을 적절하게 할당해야 할지에 대한 고민을 끊이지 않고 있습니다.

 

이번 글에서는 두 가지 사례를 통해 광고 예산을 어떻게 할당해야 하는지 애기해 보도록 하겠습니다.

 

예시 1) 기존 웹 로그 분석 툴을 이용하는 경우

기존 로그 분석 툴을 통해 광고 성과 측정을 진행을 하면 그럼 [표 1]과 같이 데이터를 확인할 수 있습니다.

 

[표 1] 기존 웹 로그 분석 툴 내 광고 성과(주문) 데이터

(표1) 라스트 클릭 데이터

* 본 데이터는 로거 데이터를 기반으로 작성되었습니다.

위의 [표 1] 데이터를 보신 여러분은 어떤 광고에 예산을 더 많이 할당하고 줄일 건가요? 

보통은 “B광고”에 예산을 더 높게 할당하고 “E광고”에 예산을 줄이거나 중단해야겠다는 생각을 하실 겁니다.

 

예시 2) 기여도 분석 툴을 이용하는 경우

최근 화두가 되고 있는 기여도 분석(Attribution Analytics) 툴을 통해 광고 성과 측정을 진행하면 [표 2]와 같이 데이터를 확인할 수 있습니다.

[표 2] 기여도 분석 툴 내 광고 성과(주문) 데이터

(표2) 리네어 데이터

* 본 데이터는 로거 데이터를 기반으로 가공하여 작성하였습니다.

위의 [표 2] 데이터를 보신 여러분은 어떤 광고에 예산을 더 많이 할당하고 줄일 건가요?

먼저 [표 2] 데이터를 해석하면 다음과 같습니다.

 

B광고

Last Touch Point 모델을 통해 수집된 데이터를 보면 가장 성과가 높으나

Linear 모델을 통해 수집된 데이터를 보면 가장 성과가 저조합니다.

B광고는 구매 결정을 함에 있어 간접적으로 기여하지는 않지만 한번 유입된 방문자들은 구매로 이어질 확률이 높은 광고입니다.

하지만 B광고를 통해 구매를 결정한 고객은 B광고를 처음 보고 구매하거나 B광고 이전에 이미 다른 광고를 통해 브랜드를 인지한 고객일 확률이 높습니다.

 

C광고

Last Touch Point 모델을 통해 수집된 데이터와 Linear 모델을 통해 수집된 데이터가 동일합니다.

C광고는 구매 의사결정 여정에서 브랜드 인지 단계부터 구매 결정 단계까지 지속적으로 기여하고 있는 광고입니다.

 

그럼 C광고가 왜 브랜드 인지 단계부터 구매 결정 단계까지 지속적으로 기여하고 있다고 해석했을까요?

Linear 모델 데이터를 계산할 때 구매 의사결정 여정 중 마지막 광고를 제외한 유입된 광고에 1/n하여 성과 값을 할당하였습니다.

만약 방문자들이 아래와 같이 구매 의사결정 여정을 가지고 있다고 가정합니다.

[그림 1] 고객 의사결정 여정 예시

(그림 1) 커스터머져니_1

그럼 A광고에 대한 Linear모델과 Last Touch Point모델의 성과값은 다음과 같습니다.

첫번째 구매 의사결정 여정에서 C광고, 두번재 구매 의사결정 여정에서 A광고, 세번째 구매 의사결정 여정에서 C광고를 제외한 나머지 광고에 각각 50%씩 성과값을 할당합니다.

그리고 제외 되었던 마지막 광고에는 성과값을 100%씩 할당합니다.

위와 같이 계산이 끝나면 다음과 같은 데이터를 확인할 수 있습니다.

[그림 2] 고객 구매 여정 별 기여도 할당

 (그림 2) 커스터머져니_2

그럼 A광고의 Linear모델의 성과값은 “1”이 되며, Last Touch Point모델의 성과값도 “1”이 됩니다.

즉 A광고의 Linear모델의 성과값과 Last Touch Point모델의 성과값을 일치하게 되는 것이며, 위의 여정과 같이 브랜드 인지 단계부터 구매 결정까지 지속적으로 기여하고 있는 것이지요.

 

 

D광고, E광고

Last Touch Point 모델의 성과값는 저조하나 Linear 모델의 성과값을 수집된 5개 광고 중 가장 높습니다.

D광고와 E광고는 구매 의사결정 여정 중 구매 결정에는 크게 기여하지 않지만 간접적으로 구매 결정에 기여하고 있다는 것이죠.

또한 구매 결정에 직접적인 기여를 하고 있는 B광고가 이미 브랜드를 인지한 고객이 B광고를 보고 구매를 할 확률이 높다고 말씀 드렸는데 결국 B광고를 통해 구매를 결정한 고객들은 이미 B광고 이 전 D광고와 E광고를 통해 브랜드를 인지했을 확률이 큽니다.

그래서 구매 결정에 있어 D광고와 E광고는 직접적으로 기여하지는 않지만 지속적으로 구매 결정에 기여하고 있기 때문에 D광고와 E광고는 예산을 줄이는 것이 아닌 더 많은 투자를 하여 구매 의사결정 여정에서 지속적으로 매출에 기여할 수 있도록 해야 합니다.

* 해당 업체의 경우 구매 의사결정 여정 중 동일한 광고매체에서 서로 다른 광고로 유입 많았기 때문에 위의 내용을 추론할 수 있었습니다.

 

위의 내용을 정리해서 광고 예산을 생각해 본다면

B광고는

매출에 직접적으로 기여하고 있는 광고매체이기 때문에 예산을 현 상태로 유지하는 것을 좋습니다.

 

C광고는

매출에 브랜드 인지 단계 ~ 구매 결정에 지속적으로 기여하고 있기 때문에 광고 예산을 추가로 할당하는 것이 좋습니다.

 

D광고 및 E광고는

브랜드 인지 단계부터 지속적인 Retention을 유도하고 있기 때문에 C광고와 같이 광고 예산을 더욱 집중하는 것이 좋습니다.

 

이와 같이 기여도 분석(Attribution Analytics)를 통해 구매 결정에 직접/간접적으로 기여하는 광고를 찾으면 더욱 객관적으로 판단할 수 있고 효율적인 광고 예산을 조절할 수 있습니다. 

Post filed under e-Biz 이야기, e-Biz 칼럼.