기여 가치 활용으로 MTA 기반 상품 전략 인사이트 확장하기
지난 콘텐츠에서 다룬 MTA(Multi-Touch Attribution) 분석은 전환에 기여한 채널을 분석하는 것에서 확장되어, ‘고객 여정에서 접한 상품이 어느 접점에서 기여했는가’를 확인하는 것이었습니다.
이에 대한 사례로 P 금융사의 고객 여정, 즉 뱅킹 등록부터 현재까지 각각의 가입 상품이 가지는 역할을 파악하여 디지털 마케팅 전략에 활용한 사례를 소개해드렸는데요.
💡 지난 콘텐츠 보러가기 : 멀티터치 어트리뷰션으로 보는 상품 전략 설계 (1) : Single/Multi Touch 모델 분석 방법↗
이번 콘텐츠에서는 상품 기여도 분석을 확장하여, 기여도와 상품이 가진 가치를 함께 활용하여 분석할 수 있도록 ‘Bias(편향성)’와 ‘Evenness(균등성)’ 지표를 활용하여 상품 가치가 어디에 집중되어 있고(Bias) 얼마나 고르게 작용하는가(Evenness)를 파악한 심화 분석 사례를 소개해드리겠습니다.
이 두 지표를 통해 상품의 전략적 역할을 더 깊이 해석할 수 있으며, 자사 데이터 기반의 분석이므로 맞춤형 새로운 인사이트를 발견할 수 있습니다.
Bias와 Evenness란 무엇인가?
Bias (편향성)
전환 여정의 특정 전환 단계 (First / Last)에 기여 가치가 집중된 정도를 나타내는 지표입니다. 전환의 ‘진입’을 견인하는 상품(First)인지 전환의 ‘마무리’를 담당하는 상품(Last)인지 명확히 구분할 수 있습니다. 기여 가치가 어느 지점에 더 크게 치우쳐 있는지를 파악하기 위해 Firtst Bias와 Last Bias를 각각 산출함으로써, 상품이 전환 여정 내에서 어떤 지점에 전략적으로 편향되는지 확인할 수 있습니다.
Evenness (균등성)
고객 여정 전체에서 기여 가치가 ‘얼마나 고르게 분포’되어 있는지를 나타내는 지표입니다. 여정 전반에서 지속적인 영향력을 발휘하는 상품, 즉 브랜드 경험을 안정적으로 강화하는 역할의 상품을 식별하는데 유용하게 활용할 수 있습니다.
| 구분 | 의미 | 계산 로직 | 분석 활용 |
|---|---|---|---|
| Bias | 특정 단계에 강한 집중 | First / Last Touch 기여 가치 계산 | 특정 접점에서 가치 집중도 확인 |
| Evenness | 여정 전반 고른 기여 | Raw / Linear 기여 가치 계산 | 모든 접점에서의 가치 균등도 확인 |
Bias & Evenness 계산 방법
1. 기여도 데이터 준비
- MTA 분석 결과로 산출된 상품별 First Touch, Last Touch, Raw, Linear 기반의 상품 가치를 나타내는 기여 가치가 필요합니다. 이번 콘텐츠에서는 기여 가치를 ‘Amount (최근 3개월 예치된 평균 잔액)’로 활용해보겠습니다.
2. Bias (편향성) 계산
- First Bias : 첫 번째 접점에 기여 가치가 얼마나 편향되어 있는지를 나타내는 지표입니다. First Bias 값이 높을수록 해당 상품이 고객 여정 초기 유입 단계에서 더 큰 영향력을 발휘했다는 의미입니다.
First Bias = first 기여 가치 / (first 기여 가치 + last 기여 가치)
- Last Bias : 마지막 접점에 기여 가치가 얼마나 편향되어 있는지를 보여주는 지표입니다. Last Bias 값이 높을수록 해당 상품이 고객 여정의 마지막 단계 즉, 최종 전환 단계에서 더 큰 영향력을 발휘했다는 의미입니다.
*참고) 각 항목의 First Bias와 Last Bias를 더하면 1이 됩니다.
Last Bias = last 기여 가치 / (first 기여 가치 + last 기여 가치) = 1 - First Bias
3. Evenness (균등성) 계산
- 고객 여정의 경로를 고려하여, 각 상품의 기여가 여정 전반에 얼마나 고르게 분포되는지를 평가하는 지표입니다. 기여도를 균등 분할(Linear)했을 때 중복 기여(Raw) 대비 남는 정도를 측정하며, 경로가 길수록 특정 상품에 기여가 편중되지 않고 지속적으로 노출되는지를 판단하는 데 활용됩니다. 즉, Evenness는 상품이 고객 여정 전반에 걸쳐 꾸준히 영향을 미치는지를 파악하는 분석 지표입니다.
Evenness = Linear 기여 가치 / Raw 기여 가치
아래의 구간에 따라서 균등 정도를 구간화 할 수 있습니다.
| Evenness 구간 | 의미 |
| 0.8 이상 | 균등 분포 (여러 접점에서 유사한 수준으로 분포) |
| 0.5 이상 ~ 0.8 미만 | 중간 분포 (일부 접점에 조금 더 치중되지만, 전체적으로는 기여가 고른 상태) |
| 0.5 미만 | 강하게 편중 |
Bias와 Evenness를 활용한 상품 기여도 분석 사례
디지털 뱅킹 플랫폼을 운영하고 있는 P 금융사의 상품 분석 과정에서 Bias와 Evenness를 활용하여 각 상품이 기여한 가치를 측정하였습니다. 지난 콘텐츠에서 Single / Multi Touch로 기여 분석한 것에서 확장하여 이번에는 기여 가치를 함께 확인하여 보다 심화된 상품 전략을 기획하였습니다.
Bias (편향성), Evenness (균등성) 분석 설계 로직
| AMOUNT | PRODUCT | FIRST_*ATT | FIRST_*AMT | RAW_ATT | RAW_AMT | LINEAR_ATT | LINEAR_AMT | LAST_ATT | LAST_AMT |
|---|---|---|---|---|---|---|---|---|---|
| 3,000 | 2030 첫걸음 예금 | 1 | 3,000 | 1 | 3,000 | 1.00 | 3,000 | 1.00 | 3,000 |
| 5,000 | 2030 첫걸음 예금 + 슬기로운 생활 카드 |
3 | 95,000 | 3 | 95,000 | 2.00 | 50,000 | 1.00 | 5,000 |
| 40,000 | Digital 예금 | 0 | 0 | 1 | 40,000 | 0.50 | 20,000 | 1.00 | 40,000 |
| 50,000 | 든든 세이브 적금 | 1 | 60,000 | 1 | 60,000 | 0.33 | 20,000 | 0.00 | 0 |
| 50,000 | 슬기로운 생활 카드 | 0 | 0 | 1 | 60,000 | 0.33 | 20,000 | 0.00 | 0 |
| 60,000 | 시니어 행복 정기 예금 | 0 | 0 | 1 | 60,000 | 0.33 | 20,000 | 1.00 | 60,000 |
*ATT : Attribution 약자
*AMT : Amount 약자
- 고객 여정 정의 : 디지털 뱅킹 등록부터 현재까지
- 분석 대상 상품 (예금, 카드) : (디지털 뱅킹 등록 이후) 가입 상품
- 기여도 : First / Last / Raw / Linear에 따른 기여도 (ATT)
- 기여 가치 : 다음과 같이 상품 가치를 보고, 기여도에 따라 기여 가치 (AMT)를 도출
– 예금 : 최근 3개월 예치된 평균 잔액
– 카드 : 최근 3개월 승인 금액
*가입 상품 분석 시 당일 동시에 가입한 상품은 한 묶음으로 분류
솔루션 및 결과
1. First Bias가 높은 상품 활용
디지털 뱅킹 고객의 최초 상품 가입에 효과적인 상품은 ‘2030 첫걸음 예금’과 ‘든든 세이브 적금’이라는 것을 도출하였습니다. 이 상품들은 고객 여정의 초기 유입을 효과적으로 견인할 수 있는 상품으로 신규 고객 모집 및 첫 거래 활성화 캠페인에 활용할 수 있는 아이템으로 선정하였습니다.
2. Evenness가 높은 상품 활용
Evenness가 높은 즉, 고객 여정 전반에 비교적 가치가 고르게 분포하는 ‘시니어 행복 정기 예금’과 ‘든든 세이브 적금’은 기여 분포가 균등해 여러 접점에서 고루 기여할 수 있는 상품이었습니다. 이 상품들은 고객이 디지털 뱅킹에 등록한 이후에 안정적인 금융 생활이 가능하도록 추가 가입을 유도하는 상품으로 활용할 수 있습니다.
3. 상품 포지셔닝을 활용한 크로스셀링 경로 설계
Bias와 Evenness 분석을 통해 상품 포지셔닝을 재정의하였습니다. 서로 다른 포지셔닝의 상품들을 여정 내 연계하여, 고객 금융 여정을 전략적으로 설계하였습니다. 유입형 상품과 관계 강화형 상품을 조합해 ‘첫 가입 부터 포지셔닝별 추천 상품’ 흐름을 설계하여, 고객 충성도를 높이고, 크로스셀링 효과를 극대화하였습니다.
멀티터치 어트리뷰션을 통한 상품 전략 고도화
Bias와 Evenness 분석은 MTA(Multi-Touch Attribution)를 통해 파악한 상품 간 기여 관계를 전략적으로 해석하는 단계입니다. Bias는 상품이 특정 시점이나 접점에 얼마나 집중적으로 기여했는지 보여주고, Evenness는 기여 가치가 고객 여정 전반에 얼마나 고르게 분포되어 있는지 보여줍니다.
이를 통해 각 상품의 역할을 명확히 구분할 수 있으며, 다음과 같이 활용할 수 있습니다.
- 유입형 상품은 초기 관심을 확보
- 균형형 상품은 고객의 충성도를 강화
- 집중형 상품은 특정 이벤트/프로모션으로 활용하는 등 상품 포트폴리오 전반의 전략적 포지셔닝 설계 가능
결국 Bias와 Evenness 분석은 상품 간 관계를 해석하고 전략적 포지셔닝을 가능하게 함으로써, 단순 기여 모델을 넘어 상품 전략의 핵심 도구로 확장되는 지점이라 할 수 있습니다.
특히, 이러한 분석은 단순히 외부 데이터를 기반으로 한 일반적 전략이 아니라, 자사 고유 데이터를 기반으로 한 맞춤형 인사이트를 제공합니다. 기업 내 보유 데이터에서 숨겨진 기회와 최적화 전략을 도출하여 실제 비즈니스 성과로 연결할 수 있습니다.
최신 마케팅/고객 데이터 활용 사례를 받아보실 수 있습니다.