광고 효율성을 높이기 위해서는 정교한 타겟팅과 디타겟팅이 필수입니다. 하지만 소득이나 신용 정보를 다루는 금융 서비스에서는 구글과 Meta와 같은 광고 플랫폼에서 개인의 민감한 정보에 대한 규제가 존재하여, 효과적인 잠재고객 타겟팅이 어려운 상황입니다. 그렇다면, 어떻게 제한을 극복하여 리타겟팅을 하고 광고비 효율성을 높일 수 있을까요?
이번 글에서는 금융사의 고객 신용 점수 기반의 맞춤형 타겟팅을 통해, 구글과 Meta의 광고 캠페인에서 효율적인 타겟팅을 구현하고, 전환율을 높인 사례에 대해 살펴보겠습니다.
고객 배경
민감 정보에 대한 제약에도 불구하고 세그먼트에 대한 효율적인 광고 집행이 필요했습니다.
대출 서비스에서 중요한 요소 중 하나는 신용 점수입니다. 그러나 구글에서는 개인의 신용 정보를 민감 정보로 취급하여, 이를 기반으로 한 타겟팅에 제약을 둡니다. Meta 역시 리타겟팅 광고를 설정할 때, 특성에 대한 세부적인 타겟팅에 한계가 있습니다. 이러한 상황에서 금융사에서는 정교한 타겟팅을 통해 광고 성과를 높이는 방안을 찾아야했습니다.
Challenge
솔루션
데이터 수집을 위한 추가 태깅 작업과, 정교한 타겟팅을 위한 솔루션을 제공했습니다.
금융 정보를 다루는 광고에서 중요한 것은 고객 정보를 통합하고, 이를 기반으로 정확한 타겟팅을 할 수 있는 기반을 만드는 것입니다. 민감 정보의 제한을 극복하고 이를 위한 솔루션을 제공하여 효과적인 리타겟팅을 진행했습니다.
💡 적용 솔루션
1. 데이터 수집 점검 및 추가 태깅
데이터 수집 현황을 점검하여 현재 어떤 고객 정보가 부족한지 파악합니다. 예를 들어, 신용 점수, 대출 상품 조회 이력 등 추가적으로 태깅/수집이 필요한 특성을 확인합니다. 이러한 특성을 기반으로 고객 데이터를 더욱 세분화하여, 타겟팅을 더욱 정교하게 설정할 수 있습니다. 타겟팅에 필요한 데이터를 효과적으로 수집하기 위해, 고객 데이터의 수집 현황을 점검하고, 부족한 태깅 항목을 보완했습니다. 이때, GA4와 같은 분석 툴의 수집 한계를 넘어서기 위해 GP Tracker와 같은 대체 방법을 활용할 수 있습니다. 솔루션을 통해 타겟팅에 필요한 잠재고객의 정보를 통합하고 적재할 수 있게 되었습니다.
2. 세그먼트 조건 설계 및 시나리오 구성
세그먼트 조건을 포함한 예상 시나리오를 설계하여, 신용 점수 구간별 타겟팅을 구현합니다. 예를 들어, “신용 점수 600~610점대의 고객”을 대상으로 하는 마케팅 메시지를 다른 세그먼트와 다르게 구성하는 시나리오를 설계합니다. 이를 통해 각 고객군에 맞는 맞춤형 광고 캠페인을 진행할 수 있습니다. 고객이 가지는 특성에 따라 어필할 수 있는 서로 다른 포인트를 제시하는 시나리오를 구상했습니다.
3. Google Ads와 Meta 데이터 연동
설계된 세그먼트를 위한 데이터 수집은 마쳤습니다. 데이터를 Google Ads와 Meta에서 활용하기 위해서 각 툴과의 연동이 필요했습니다. 구글의 경우에는 User-id 항목에 cid 값 수집되도록 설정하였고, Meta에서는 Meta Custom Audience 생성을 위한 스크립트를 설치하였습니다. 고객 데이터를 통합하여 적재함으로써 리타겟팅에 필요한 데이터 기반을 갖추었습니다.
4. TAM 활용하여 Meta에서 정교한 리타겟팅
통합된 데이터를 비즈스프링의 오디언스 솔루션인 TAM에서 활용하여, 민감 정보 제약없이 Meta의 리타겟팅을 할 수 있게 되었습니다. 광고 플랫폼에서 제공하는 타겟팅 제약을 최소화하여, 각 고객의 특성을 기반으로 하는 세그먼트 세밀하게 설정할 수 있게 되었습니다. 고객의 신용 점수 구간을 세부적으로 정의하고 이를 Google Ads 및 Meta 광고 플랫폼에 적용합니다. 각 신용 점수 구간에 맞춘 타겟팅 전략을 수립하고, 이를 통해 정교한 타겟팅을 실현합니다. 예를 들어, ‘신용 점수 600~610점 구간의 고객’과 ‘710~720점 구간의 고객’을 세분화하여 각 구간에 맞는 광고 메시지를 제공합니다.
💡TAM(Target Audience Manager) 솔루션 바로가기↗
결과 도출
신용 점수에 따른 정교한 리타겟팅으로 상세 타겟팅과 개인화 마케팅을 진행하였습니다.
솔루션을 통해 고객의 신용 점수에 따른 정교한 타겟팅 및 개인화된 메시지를 담은 캠페인을 진행할 수 있었습니다. 특히 신용점수 600점대~800점대의 집중 타겟이 되는 고객군 점수를 10단위로 세분화하여, 각 구간별로 맞춤형 광고 메시지를 제공하였습니다. 신용 점수가 다른 고객군에게 각각 다른 메시지를 제공하여 개인화된 마케팅을 구현했습니다.
GA4에서는 설정에 한계가 있었지만, Target Audience Manager를 활용하여 세분화된 신용 점수 구간별 잠재고객을 자유롭게 정의하고, 이를 기반으로 타겟팅 모수를 추출할 수 있었습니다. 예를 들어, ‘신용 점수가 600~610점 구간이면서 특정 대출 상품 페이지를 조회한 고객’ , ‘신용 점수가 710~720점 구간이면서 [직장인 전용 신용대출] 검색어로 유입한 잠재 고객’ 등 자유롭게 타겟을 정의하였습니다.
전환 퍼널의 중간 단계에서 이탈할 가능성이 있는 고객을 추출하여 디타겟팅하고, 이탈이 예상되는 고객을 광고 매체/플랫폼에 해당 타겟팅 그룹을 생성할 수 있었습니다. 광고 캠페인을 실행하고, 결과 분석을 통해 타겟 그룹을 반복적으로 최적화하며 효율적인 광고비 운영이 가능해졌습니다.
Performance
대출 서비스와 같은 금융 상품에서 고객 데이터를 기반으로 한 정교한 타겟팅은 매우 중요한 전략입니다. 구글과 Meta의 제약을 극복하고, 세분화된 신용 점수 기반 타겟팅을 통해 광고 효율성을 극대화할 수 있었습니다.
디타겟팅과 자유로운 상세 타겟 설정을 통해 광고비를 효율적으로 운영하고, 전환율을 높이며, ROAS를 개선하는 전략을 실현할 수 있었습니다.
최신 마케팅/고객 데이터 활용 사례를 받아보실 수 있습니다.