마케팅 데이터 분석은 현상보다는 맥락을 보아야

온라인 규모가 커지면서 마케팅에서 데이터의 중요성이 점점 커지고 있습니다. 마케팅 조사와 같이 과거에도 마케팅에서 데이터가 중요하지 않았던 것은 아니지만 지금과 같이 데이터 확보의 용이성이 있었던 것은 아니었습니다. 그럼 마케팅 데이터는 어떻게 분석해야 할까요?

 

 

마케팅 데이터의 특수성

 

마케팅 데이터가 자연 데이터나 공학적 데이터와 다른 점은 사람의 인지 시스템을 통해 도출된다는 것입니다. 사람의 눈이나 코, 귀, 손 등 감각기관을 통해 입력된 정보를 뇌라는 처리 기관을 거치는 동안 많은 오류를 발생시키기 됩니다. 마케팅 데이터는 기본적으로 휴먼 오류가 포함되어 있는 것입니다.

 

그러기에 마케팅 데이터는 같은 대상과 현상에 대해 사람마다, 지역마다, 문화마다 다른 결과를 나타낼 수도 있는 것입니다. 이는 데이터의 문제라기보다는 데이터를 발생시키는 사람의 차이에 의한 것입니다. 이 차이가 마케팅 데이터의 독특한 특성이 됩니다.

 

또한 이는 아무리 좋은 마케팅이라도 상황과 시기, 지역에 따라 다른 결과가 나타나는 마케팅 불확실성의 이유가 됩니다. 그래서 마케팅에서 과거의 훌륭한 캠페인이 현재의 훌륭한 캠페인이 되지 못하는 이유이고 기획이 중요해진 이유기도 합니다. 

 

이는 사용자(사람)의 경험을 토대로 하는 서비스에도 똑같이 적용될 수 있습니다. 

 

 

마케팅 빅데이터의 함정

 

빅데이터의 중요성은 아무리 말해도 부족함이 없을 것입니다. 그러나 빅데이터 속에 수많은 오류들이 포함되어 있다면 그 처리에 드는 비용은 급속히 증가하게 됩니다.

 

그러므로 본질적으로 오류를 포함하고 있는 마케팅 데이터는 빅데이터가 되면 커다란 비용 발생하게 됩니다. 이는 빅데이터의 활용 단계에 도달하기 전에 데이터의 오류를 조정하는데 너무 많은 비용을 소비하여 마케팅 프로그램 수행을 어렵게 하는 요인이 되기도 합니다.

 

이 때문에 마케터는 오류를 무시하고 기존 공학적 알고리즘에 기반한 빅데이터 솔루션을 사용하여 결과를 도출하기도 합니다. 이 때문에 수많은 캠페인은 실패하거나 과거 온라인과 데이터 기술이 발전하기 전의 마케팅 방식으로 회귀하기도 합니다.

 

마케팅 빅데이터는 모델이나 제품 같은 마케팅 커뮤니케이션 소스 중 하나로 사용되는 것입니다. 이는 실제 마케팅 빅데이터가 중요한 것이 아닌 마케팅 빅데이터를 사용하는 기업이라는 커뮤니케이션 요소가 필요했던 것입니다.

 

결국 마케팅 빅데이터를 위해 투자한 비용은 마케팅에서 데이터의 효용성을 향상하는 것이 아니고 광고, 홍보 소스로 사용되므로 비용 효율이 떨어지게 됩니다. 

 

이 상태에서는 마케팅 빅데이터 시스템이 비용이 되더라도 그냥 커뮤니케이션 요소로 사용하는 것이 좋습니다. 만약 이 상태에서 마케팅 빅데이터 시스템을 통한 결과를 마케팅 기획과 실행에 사용한다면 더 많은 비용이 발생할 것입니다. 

 

 

마케팅 데이터 분석, 활용

 

마케팅 데이터들이 마케팅적 의미를 가지기 위해서는 어떤 데이터가 확보되었는지가 중요합니다. 단순히 현상 또는 결과 데이터만 많이 모여 있다면 해당 데이터는 처리에 많은 비용이 들어가고 또 많은 가정이 포함되어야 의미를 도출할 수 있습니다. 

 

특히 온라인상에서 직접적이고 바로 확보할 수 있는 수많은 데이터의 가치는 그 데이터가 발생한 구조와 그 데이터를 발생시킨 사람의 특성 정보 확보 여부에 따라 달라지게 됩니다.

 

이는 온라인 서비스 구축의 기본 원리이면서 인터넷이 사용되면서 포털과 서비스, 쇼핑 등 다양한 서비스들이 생겨나고 성장한 원리이기도 합니다. 

 

이렇게 탄생하여 성장한 유튜브, 구글, 네이버, 인스타그램은 영향력 있는 광고 매체나 쿠팡, 지마켓, 아마존 같은 거대 이커머스 쇼핑 플랫폼을 통해 확보된 마케팅 데이터는 이 서비스 이용 기업의 경우 결과 데이터는 확실히 확보할 수 있겠지만 이 결과를 도출한 맥락 데이터는 확보할 수 없습니다. 그래서 많은 기업들이 D2C(직접 판매)를 진행하는 것입니다. 또한 페이스북이나 인스타그램, 유튜브 등의 추천 알고리즘의 문제가 제기되는 이유기도 합니다. 

 

확보된 마케팅 데이터는 자극 상황과 이 자극을 처리하는 시스템(사람)에 대한 데이터가 있을 때 자극에 대한 결과 데이터 해석 확률이 증가하는 것입니다. 이는 확률적 현상의 발생 이유와 같습니다. 그러므로 마케팅 데이터는 마케팅 목표 및 상황에서 확률을 높이는 분석 알고리즘의 설계가 있어야 데이터 분석과 활용의 가치가 높아지게 됩니다.

 

이 마케팅 빅데이터 분석 알고리즘에 대한 것은 마케팅은 무엇인가? 어떻게 하는 것인가? 에 대한 이해와 맥을 같이 합니다. 이는 이 블로그 여러 부분에 나와 있지만 시간 내에 후에 다시 정리해 보도록 하겠습니다.