이른바 데이터 홍수의 시대라고 한다. 데이터를 수집하는 것만큼이나 그 속에 숨겨진 핵심을 발견하고 사용하는 것이 더 중요한 세상이 온 것이다. 활용하지 않는 데이터는 꼭꼭 숨겨놓은 금두꺼비보다 쓸모가 없다. 꼭꼭 숨겨두었던 데이터를 꺼내어 사용할 수 있는 몇 가지 방법을 고민해보자.  

 

활용과 함께 한 데이터의 진화

1990년대 초, 최초의 상용 웹로그분석이 출시되면서 <디지털 분석의 역사>는 시작된다. 초기에는 단순히 서버로부터 파일이 호출된 횟수를 분석하거나 방문수를 분석하기 위한 분석이었다. 이후 인터넷을 통한 전자상거래가 발전 함에 따라 성과를 파악하고 더 많은 수익을 창출하기 위해 데이터를 사용하고자 하는 의식이 커져갔으며, 이러한 노력들은 수집된 주문자 정보 등 여러 데이터를 바탕으로 특화된 메일, 혹은 간행물을 발송하거나 상품안내에 사용하는 등 e-CRM의 일부분으로서 이익 창출의 수단으로 발전해 왔다. 웹사이트에 한정된 분석만을 제공했던 웹로그분석은 이제 웹사이트뿐만 아니라 스마트폰에 설치된 애플리케이션과 사물인터넷(IOT) 등에서 수집되는 데이터를 아울러 <디지털 분석>이라는 이름으로 불리고 있다.
이제는 이러한 디지털 분석 데이터를 제공하는 업체를 쉽게 찾아 볼 수 있다. 데이터를 수집하는 것보다 사용하는 것이 더 중요한 세상이 온 것이다. 숫자와 그래프로 나열된 리포트를 더 가치 있게 만드는 방법은 무엇이 있을까?

 

1. 전문 인력의 양성

데이터를 활용하는 가장 전통적인 방법은 인력에 의한 것이다. 사실 우리가 ‘분석’이라고 부르는 영역도 단순한 측정을 수행할 뿐, 데이터를 이해하여 분석해 근거자료를 만들고 어떤 분야, 환경에 어떻게 적용할지 제시하여 가치를 부여하는 일은 분석가 고유의 영역이다.
분석의 역사와 함께 발전해온 다양하고 효과적인 기법, 즉 A/B Testing, MVT(Multivariate Testing, 다변량 테스트), SEO(검색엔진 최적화) 등을 구현하기 위한 툴(tool)들은 하루가 다르게 발전하지만 이를 올바르게 다루고 과학적인 방법론에 따라 분석-구현-평가까지 이어지는 허브 역할을 할 수 있는 유일한 방안은 인력이라는 점에서 아직도 가장 매력적인 데이터 활용 방안이라고 볼 수 있다.
다만, 아무리 좋은 데이터라도 분석가의 능력에 따라 극과 극의 결과를 초래할 수 있다. 최악의 경우 데이터가 단순 보고 용이나 비즈니스 결과를 합리화하기 위해 이용되는 경우도 있다는 단점은 항상 경계해야만 한다.
해외의 분석 시장과 비교해 볼 때, 국내의 분석가가 설자리는 좁아 보이는 것이 사실이었다. 하지만 구글 애널리틱스(Google Analytics)가 디지털 분석의 표준으로 자리 잡아감에 따라 다양한 교육과 컨설팅 활동을 쉽게 찾아볼 수 있다. 이에 기업에서도 분석가를 양성할 수 있는 환경이 마련되고 있으며, 빅데이터의 관심과 함께 데이터 접근성이 좋아지는 것도 청신호가 켜진 셈이다. 또한, 이런 시장의 흐름을 기다렸다는 듯이 국내 웹로그분석 서비스 업체들(로거 등)도 분석가와 함께 데이터 컨설팅을 서포트해 주면서, 웹로그분석 서비스 업체가 가지고 있는 시스템적 노하우와 데이터 해석 방안을 분석가와 함께 공유하고 있다.

 

2. 서드파티(Third party) 데이터의 활용

분석 툴이 고도화됨에 따라 간단한 트래픽부터 온라인에서 진행하는 다양한 마케팅과 방문자 행동을 대부분 수집할 수 있게 되었다. 이렇게 수집된 온라인 데이터들은 그 자체로도 충분히 훌륭한 소스가 되었지만 외부에서 제공하는 여러 가지 데이터를 가져오거나, R이나 SAS 등 통계분석 툴과 연계하여 마이닝을 통해 인사이트를 찾으려는 시도가 증가하게 되었다.
예를 들어 날씨는 산업과 업종에 따라 영향을 상당히 많이 받는 변수이다. 작년 12월, 이례적으로 따뜻한 겨울 날씨로 인해 연중 가장 호황인 12월 매출이 작년 대비 5% 이상 감소한 것과 방한용품의 매출은 30% 이상 감소한 바 있다고 하며, 백화점이나 마트 같은 대형 유통업체들은 비가 오면 비의 양과는 관계없이 평균 10% 이상 매출이 감소한다고 하니 날씨에 따라 다양한 방법의 유인 마케팅을 선행할 수 있도록 분석을 한다면, 취약한 날에 미리 대비할 수 있지 않을까?

구글 애널리틱스와 어도비 마케팅 클라우드(Adobe Marketing Cloud) 등의 디지털 분석 툴에서는 수집된 데이터에 프로그램적으로 접속할 수 있도록 API를 제공한다 기업에서는 직접 구글에서 제공하는 Metrics & Dimensions 레퍼런스를 통해 필요한 정보의 API Query를 입력하여 정보를 얻어올 수 있다. 또한 Query뿐만 아니라 Analytics Class에서 제공하는 함수를 통해서도 데이터에 쉽게 접근이 가능하다.
반대로 별도의 CRM, Commerce 데이터인 회원 충성도나 환불 데이터와 같은 데이터를 구글 애널리틱스에서 취합하여 종합적인 분석도 진행할 수 있다. 이처럼 산업과 업종에 따라 직접적으로 영향을 미치는 데이터를 연계하여 분석한다면 재미있는 결과가 나올 것이라 생각한다.

—————————————————————————————————-  
– 구글 애널리틱스 Metrics & Dimensions 레퍼런스 ( http://me2.do/GGJbcghq ) 

– 구글 애널리틱스로 외부 데이터 가져오기 ( http://me2.do/5QqZzT7D )
—————————————————————————————————-
서드파티 도식화

 

3. 시스템에 의한 추천 서비스

분석의 역사와 함께 해온 데이터 활용의 첫 번째가 전문 인력을 통한 활용이었다면, 두 번째는 시스템을 통한 추천 서비스일 것이다.
많은 전자상거래 업체들이 고객의 관심상품을 바탕으로 개인화된 맞춤 콘텐츠를 제공하거나 상품을 지속적으로 제시하여 구매율을 증가시키려는 시도가 증가하였다. 이는 온라인에서는 상대적으로 저렴한 비용과 쉬운 방법으로 방문자에 대한 상세 정보 획득이 가능하고, 타겟팅된 마케팅을 할 수 있다는 점에서 분석 데이터를 활용한 해답처럼 여겨지기도 했다.
하지만 이미 구매해서 더 이상의 관심이 없는 상품이 반복적으로 노출되는 경험을 누구나 한 번쯤 경험해 보았을 것이다. 그 밖에도 인터넷을 통한 개인 정보 유출이 사회적 이슈로 떠오르면서 방문자에게 받을 수 있는 정보의 양과 질이 떨어지고 브라우저 제공사의 쿠키 차단 기능이 활성화 됨에 따라 그 효용성이 의심을 받게 되었다.
유튜브의 컨텐트 담당 임원인 로버트 킨슬(Robert Kyncl)은 “시스템에 의해 자동화된 개인화 추천은 아직은 허상에 불과하다고 생각한다”라고 말했다. 이러한 점을 보완하여 최근에는 박물관이나 미술관에서 개인의 취향을 분석해 적절한 콘텐츠를 추천해주는 서비스인 큐레이터의 이름을 따서 불리는 큐레이션 서비스가 각광을 받고 있다. 방문자 개개인의 활동이나 관심 상품에 따른 유익한 정보 혹은 상품을 선별해서 보여준다는 것으로, 미국의 인터넷 스트리밍 미디어 제공자인 넷플릭스가 개인별 콘텐츠 클릭 이력, 대여 목록, 평가 점수 등 가입자 취향을 면밀히 분석하여 데이터화함으로써 미디어 콘텐츠를 추천할 때 이 데이터를 활용했다는 것은 이미 너무 유명하여 설명이 필요 없을듯하다.
최근 몇 년간 국내에도 이와 같이 전문적인 개인화 서비스를 제공하는 기업이 늘고 있으나, 중소규모의 소비자가 구현하기에는 비용이나 데이터의 질이 많이 부족한 것이 사실이다. 이를 대체하기 위해 분석 제품으로 수집한 원천 데이터를 이용하여 내부 DB 데이터와 연계해 전혀 새로운 방문자 분석 결과를 얻거나, 간단한 추천 알고리즘을 구현하는 것을 검토할 수도 있다. 현재 사용하고 있는 분석 툴이 있다면 원천 데이터의 획득이 가능한지 서비스 업체에 문의해 보는 것도 데이터 활용의 시작이 될 수 있다.

 

4. 마케팅 툴로서의 활용

분석 데이터를 해석하던 중 내부 검색엔진을 3회 이상 사용한 방문자의 주문율이 그렇지 않은 방문자보다 2배 이상 높다는 흥미로운 결과를 발견했다. 이 경우 여러분은 과연 어떤 행동을 취할 수 있을까?
여기 그에 대한 답을 알려주는 흥미로운 서비스들이 있다.
미국의 오토파일럿( https://autopilothq.com )은 자동조종장치라는 의미 그대로 사전에 설정해놓은 행동 패턴에 매칭 된 방문자에게 e-mail, SMS 등의 자동화된 액션을 발동하고 액션 결과에 따른 추가 액션이 가능한 자동화 마케팅 툴이다. 세일즈포스와 연동이 가능하여 웹사이트에서 획득이 어려운 고객 정보로도 정확한 액션이 가능하다는 장점이 있다.
일본의 카르테( https://karte.io )는 실시간 방문자를 시각화, 그룹화하여 실질적인 전환 상승을 유도하기 위한 대응 및 행동을 실행하는 서비스다. 현재 방문자를 대상으로 그룹을 생성하여 쿠폰이나 팝업을 제공하는 것이 마케팅 업무가 아닌 하나의 게임처럼 느껴질 정도로 재미있는 서비스이다.
이러한 마케팅 툴은 분석 데이터를 활용하거나 해석에 도움을 주는 서비스라고 하기엔 조금 거리가 있다고 생각할 수 있다.
하지만 분석을 통해 확인된 개인화 패턴이나 성향에 대해서 즉각적인 마케팅 활동을 할 수 있다는 점과, 데이터를 해석한 후 행동으로 대응하기까지의 지연 없이 실시간으로 대응이 가능한 점에서 분석과 활용에 대한 부담과 리소스 소모를 획기적으로 줄여주기에 관심이 높아져가는 추세이다.

 

마치며..

이번 글에서는 데이터라는 좋은 재료에 네 가지 양념을 가미하여 맛있게 요리할 수 있는 방법을 간단히 살펴보았다. 데이터 분석은 그 자체가 목적이 되어서는 안 된다. 분석의 목적은 문제를 효과적으로 해결하여 더 나은 방향으로 발전할 수 있는 핵심을 파악하는 행위이다. 어떤 도구라도 통용되는 말이겠지만, 사용하고자 하는 목적과 비즈니스에 맞는 데이터 활용법을 찾는 것이 중요하며, 그러기 위해서는 목적과 계획 수립이 반드시 선행되어야 할 것이다.

Post filed under e-Biz 칼럼, 인사이트™ 활용하기.