이제는 ‘광고분석2.0’ 시대

편집자주

이 글은 <하버드비즈니스리뷰(HBR)> 2013년 3월 호에 실린 예측분석 전문업체 마켓셰어 CEO 웨스 니컬스(Wes Nichols)의 글 ‘Advertising Analytics 2.0’을 전문 번역한 것입니다.

필자의 고객인 대형 소비가전 업체 A사는 오래 전부터 광고가 미치는 영향을 측정할 때 한 번에 하나의 미디어를 분석하는 방법을 활용했다. A사는 자사가 진행하는 텔레비전 광고, 지면 광고, 온라인 광고가 각각 독립적으로 판매 증진에 얼마나 도움이 되는지 측정했다. (물론 많은 기업들이 여전히 이런 방법을 활용 중이다.) A사는 광고 간의 상호작용이 증가하고 있다는 사실을 이해하지 못했다. 예컨대, 텔레비전 광고가 구글(Google) 검색을 촉발하고 검색이 디스플레이 광고 클릭으로 이어져 판매로 귀결될 수도 있다. A사는 최근 자사가 진행 중인 광고가 여러 미디어와 판매 경로에서 어떻게 상호작용하는지 파악하기 위해 새롭고 복잡한 데이터 분석 기법을 도입했다. 분석 결과, A사는 전체 광고 예산에서 불과 6%를 차지하는 유튜브(YouTube) 광고가 최종 구매로 이어지는 온라인 검색을 유도하는 데 2배나 효과적임에도 불구하고 신제품 광고 캠페인에서 텔레비전 광고가 전체 예산의 85%를 잡아먹고 있다는 사실을 확인했다. A사가 전체 광고 예산 중 4%를 할당한 검색 광고는 총판매에 25%의 기여를 했다. A사는 이와 같은 연구 결과와 최신 예측 분석 기법을 활용해 광고 예산을 재분배했다. 그 결과 광고 예산을 늘리지 않았음에도 불구하고 판매가 9% 증가했다.

이런 식의 통찰력은 마케팅 부문의 성배(holy grail)와도 같다. 다시 말해서 효과적인 마케팅을 원한다면 광고 캠페인을 구성하는 모든 요소들이 결합돼 어떤 식으로 판매 증진에 기여하고 각 요소들을 조정했을 때 어떤 일이 벌어지는지 정확하게 이해할 필요가 있다. 최근까지만 하더라도 전반적인 상황 자체가 불분명했다. 1980년대 초에 도입된 미디어 믹스(media-mix) 모형은 마케터들이 바코드를 스캔하는 과정에서 수집되는 데이터와 광고를 연결시키고 마케팅 자원을 어떻게 할당할지 결정하는 데 도움이 됐다. 1990년대 말에 디지털 마케팅이 등장하기 전까지 약 20여 년 동안 모든 사람들이 이처럼 쉽고 간단한 목표를 달성하기 위해 노력했다. 사용자들이 마우스를 클릭할 때마다 사용자의 행동을 추적 관찰할 수 있게 되자 광고와 구매 간의 인과관계를 파악하기가 수월해졌다. 마케터들은 소비자가 가장 최근에 온라인에서 보여준 행위(예: 배너 광고 클릭)를 추적하고 구매 행동이 해당 행위의 결과라고 판단하기 시작했다.

시대에 뒤떨어진 각종 방법과 오랜 기간 동안 검증된 몇 가지 측정 기법(소비자 조사, 포커스 그룹, 믹스 미디어 모형, 최종 클릭 속성화)이 더해지자 수많은 마케터들이 현실에 안주하게 됐다. 마케터들은 자신이 선택한 광고가 실제로 행동에 어떤 영향을 미치며 매출에 어떤 도움이 되는지 잘 알고 있다고 착각한다. 하지만 이런 접근방법은 구시대적이다. 이런 접근방법은 광고 접점(매장 내 광고, 온라인 디스플레이 광고, 텔레비전, 라디오, DM 등)을 대할 때 각 접점이 독립적으로 움직이는 것처럼 접근한다. 다양한 팀과 광고기획사, 미디어 구매자들이 개별적으로 활동하면서 동일한 자원을 얻기 위해 경쟁하는 과정에서 각기 다른 측정 방법을 사용하는 관행 또한 문제를 더욱 악화시킨다. 지금도 널리 사용되고 있으며 필자가 수영 레인 측정(swim–lane measurement)이라고 칭하는 방법은 마케터들이 자신이 진행하는 마케팅 활동으로 인해 특정한 결과가 나타났다고 종종 오인하고 재무부서가 마케팅의 가치에 의구심을 갖는 이유가 무엇인지 설명해준다. (‘수영 레인에서 벗어나라’ 참조.) <포천> 선정 200대 기업 중 한곳에서 일하는 CEO는 필자에게 “각 부문의 투자 수익률을 더하면 우리 회사가 실제보다 2배 정도 큰 것처럼 보인다”고 이야기했다.

오늘날의 소비자들은 다양한 미디어 경로와 판매 경로를 통해 무수히 많은 마케팅 접점에 노출된다. 또한 소비자들이 경험하는 마케팅 접점은 분열돼 있을 뿐 아니라 그 숫자도 나날이 늘어나고 있다. 도요타(Toyota) 캠리(Camry)를 홍보하는 텔레비전 광고를 보던 소비자 B가 모바일 기기를 이용해 구글에서 ‘세단’이라는 단어를 검색하는 장면을 생각해 보자. 캠리 자동차에 대한 온갖 사용자 의견과 더불어 캠리 자동차와 관련된 유료 검색 링크가 화면에 등장한다. B는 마우스를 클릭해 자동차 전문잡지 카앤드라이버(Car and Driver) 사이트에 접속한 다음 다른 사람들이 작성한 사용자 의견을 열람한다. 화면에 등장한 수많은 사용자 의견을 정독하던 B는 인근에 위치한 도요타 대리점에서 올려 놓은 디스플레이 광고를 발견한다. 하지만 광고를 클릭하지는 않는다. 캠리를 직접 운전해 본 경험이 있는 사람들이 제작한 유튜브 동영상에 접속할 수 있도록 링크를 걸어둔 웹페이지도 있다. 유튜브를 방문한 B는 8개월 전에 슈퍼볼(Super Bowl)이 열렸을 때 공개된 도요타의 기발한 광고 ‘캠리의 재발견(Camry Reinvented)’을 시청한다. B는 그 주에 회사로 출근하던 중 예전에는 보지 못했던 도요타 옥외 광고판을 발견한다. 그 후 B는 도요타로부터 일정한 기간 동안 특별한 조건으로 캠리를 판매한다는 제안이 담긴 DM도 받는다. B는 카앤드라이버가 홍보하는 웹사이트, DM에 적혀 있는 웹사이트를 비롯해 현지 대리점 웹사이트를 방문한다. B는 여러 웹사이트를 방문한 끝에 직접 대리점을 찾아가 시승한 후 구매한다.

도요타의 CMO는 2개의 질문을 던져야 한다. 첫 번째 질문은 ‘이와 같은 광고 노출 조합이 어떤 식의 상호작용을 통해 소비자 B에게 영향을 미쳤는가’다. 두 번째 질문은 ‘실질적인 구매로 이어지는 고객 구매 결정 과정 내에서 도요타가 적절한 순간에 적절한 수준의 투자를 하고 있는가’다.

폭발적으로 증가하는 데이터

지난 10년 동안 기술은 비약적인 발전을 거듭했고 소비자 행동 또한 크게 달라졌다. 이로 인해 소비자가 온라인에서 취하는 사소한 행위 하나하나까지도 모두 기록되고 있다. 기록된 데이터의 양은 실로 무한하다. 뿐만 아니라 DVR과 디지털 셋톱 박스, 소매매장 계산대, 신용카드 거래, 콜센터 일지, 그 외 무수히 많은 다른 정보원을 통해서도 방대한 양의 데이터가 수집되고 있다. 엄청난 양의 데이터로 인해 마케터들은 소비자들이 보고 행동하는 것과 관련된 정보, 즉 과거에는 상상조차 할 수 없었을 법한 정보에 접근할 수 있게 됐다.

기회가 있는 것만은 틀림없다. 하지만 해결해야 할 도전과제도 있다. 유명한 통계학자이자 작가인 네이트 실버(Nate Silver)의 이야기를 들어보자. “우리는 매일, 1초에 3회씩 미 의회도서관(Library of Congress)에 보관돼 있는 모든 인쇄물에 기록된 데이터와 맞먹을 정도로 많은 양의 데이터를 생성한다. 물론 그중 대부분은 아무런 의미도 없는 노이즈(noise)에 불과하다. 따라서 정보를 걸러내고 처리하는 기술이 없으면 문제에 봉착하게 된다.”

이와 같은 새로운 세상에서 마케터가 전통적인 광고 분석 1.0 측정 접근방법만 고집하면 위험에 처할 수밖에 없다. 판매와 수십 가지 변수 간의 상관관계를 찾기 위해 1년에 몇 차례씩 과거의 자료를 뒤지는 방식은 위험천만하리만큼 구시대적이다. 세계 최대의 규모를 자랑하는 수많은 기업들은 요즘 광고 분석 2.0(엄청난 양의 데이터와 수백 개의 변수를 실시간 분석하는 역량)을 활용 중이다. 광고 분석 2.0은 기업들이 자사의 마케팅 성과를 정확하게 파악하고, 시나리오를 시험하고, 상황을 고려해 광고 전략을 수정하는 데 도움이 된다. 컴퓨터 역량의 기하급수적인 성장, 클라우드를 기반으로 하는 분석 방식, 저렴한 데이터 저장 비용 등을 토대로 하는 예측 도구들은 다양한 미디어와 판매 경로에서 나타나는 광고의 상호작용을 측정한다. 또한 예측 도구들은 전반적인 경제, 경쟁 현황, 날씨 등 외생 변수들이 광고 성과에 정확하게 어떤 영향을 미치는지 파악하는 역할도 한다. 간단하게 말해서 이런 예측 도구를 토대로 분석을 진행하면 진정으로 효과가 있는 광고 방식이 무엇인지 찾아낼 수 있다. 이처럼 데이터 중심의 통찰력을 갖고 있는 기업들은 광고 예산을 늘리지 않고도 마케팅 성과를 10~30%가량 개선시킬 수 있다. (개선폭이 좀 더 큰 경우도 있다.)

마켓셰어는 UCLA 마케팅 교수이자 마켓셰어 공동 설립자인 도미니크 핸슨(Dominique Hanssens)이 개발한 선구적인 수학 모형을 토대로 수많은 대형 글로벌 기업들에 분석 2.0 솔루션을 제공한다. 핸슨이 개발한 수학 모형은 모든 비즈니스 동인이 초래하는 직접적인 영향과 간접적인 영향, 마케팅이 여러 미디어와 경로에 미치는 영향을 수량화한다. 또한 수학 모형의 토대가 되는 소프트웨어에는 클라우드 컴퓨팅과 빅데이터 기술이 반영돼 있다. 본 논문에서 언급하는 사례들은 모두 마켓셰어 고객 기업들과 관련된 것이다. 최근에는 마켓셰어 외에도 비바키(VivaKi), 옴니춰(Omniture), 더블클릭(DoubleClick) 등 수많은 기업들이 나날이 증가하는 고급 분석 수요를 충족하기 위해 노력 중이다.

2.0으로의 이동

빅데이터, 클라우드 컴퓨팅, 새로운 분석 방법을 토대로 하는 분석 2.0은 마케팅이 매출에 미치는 영향에 대한 완전히 새로운 통찰력을 제시한다. 분석 2.0에는 3개의 포괄적인 활동이 포함돼 있다. 첫 번째 활동 속성화는 광고를 구성하는 각 요소의 기여도를 수량화하는 과정을 뜻한다. 두 번째 활동인 최적화는 비즈니스 계획을 위한 시나리오를 시험하기 위해 예측 분석 도구를 활용해 ‘전쟁 게임’을 하는 것을 뜻한다. 세 번째 활동인 할당은 최적화 시나리오에 따라 다양한 마케팅 활동에 자원을 실시간으로 재분배하는 것을 뜻한다. 본 논문에서는 이와 같은 세 부류의 활동이 순차적으로 발생하는 것으로 묘사되고 있긴 하지만 실제로는 이런 활동이 동시다발적으로 발생할 수도 있다. 다시 말해서 한 가지 활동에서 비롯된 결과가 또 다른 활동에 반복적으로 반영돼 분석 역량이 지속적으로 개선되는 것이다.

속성화. 자사에서 진행 중인 여러 광고 활동이 어떤 식으로 상호작용해 판매가 이뤄지는지 궁금하다면 먼저 데이터를 수집해야 한다. 마켓셰어를 찾아오는 다수의 기업들이 처음에는 사내에 필요한 데이터가 충분치 않다고 주장한다. 하지만 대부분의 경우 이런 주장은 옳지 않다. 데이터가 분산돼 있거나 의도치 않게 숨겨져 있는 경우도 많지만 기업들은 사실 방대한 양의 데이터를 갖고 있다. 마케팅 부서가 아니라 판매, 재무, 고객 서비스, 유통 등 기타 부서에 필요한 데이터가 있는 경우가 많다.

이 과정에서 어떤 대상(단순한 노이즈가 아니라 제대로 된 신호)에 집중해야 할지 파악하는 것이 무엇보다 중요하다. 정확하게 비즈니스 모형을 구축하려면 시장 상황, 경쟁 활동, 마케팅 행위, 소비자 반응, 비즈니스 결과 등 5개의 포괄적인 카테고리에서 데이터를 수집해야 한다.

복잡한 고급 분석 기법은 미디어와 위치를 기준으로 제품 판매 지표와 광고 지표를 분석하는 세부적인 데이터를 토대로 한다. 이와 같은 분석 기법을 활용하면 여러 수영 레인에서 발생한 마케팅 활동의 효과를 파악할 수 있다. 예컨대 하나의 미디어(예: 텔레비전)와 또 다른 미디어(예: 소셜미디어) 사이에서 어떤 효과가 발생했는지 찾아낼 수 있다. 필자는 이와 같은 보조적인 효과를 ‘간접효과율(assist rate)’이라고 칭한다. 간접효과율을 파악하려면 광고 투자와 판매 활동에 따라 소비자의 행동이 어떻게 달라지는지 추적할 수 있어야 한다. 아주 간단하게 설명하자면 분석을 통해 새로운 텔레비전 광고가 방송된 직후 소비자가 온라인 배너 광고를 클릭하는 횟수가 급증했으며 구매 패턴의 변화가 이런 효과와 관련 있다는 사실을 발견하게 될 수도 있다. 이런 경우, 분석을 통해 텔레비전 광고가 배너 광고를 얼마나 ‘보조’했는지 파악하고 텔레비전 광고의 투자수익률을 제대로 파악할 수 있다. 좀 더 구체적으로 이야기하면 분석을 통해 소비자가 적극적으로 관심을 보이지 않는 광고의 간접효과를 파악할 수 있다. 예를 들어, 0.1%의 소비자가 클릭하는 배너 광고를 설치한 후 제품 검색 활동이 12% 증가했다는 사실을 발견하게 될 수도 있다.

텔레비전 광고, 소셜미디어, PR, 온라인 디스플레이 광고, 옥외 광고, 모바일 광고, 매장 내 판촉 등 소비자에게 노출되긴 하지만 소비자로부터 특정한 행동을 이끌어내지 못할 가능성이 큰 모든 광고에 이와 같은 통찰력을 직접 적용할 수 있다. 도요타 자동차를 구매한 B가 출근길에 봤던 옥외 광고판의 경우를 생각해 보자. B가 대리점을 찾아가 자동차를 구매하는 데 옥외 광고판 자체가 직접적인 영향을 미치지 않았을 수도 있다. 하지만 대리점을 찾도록 B를 부추기는 결정적인 역할을 한 DM이 도착했을 때 B가 DM에 관심을 보인 것은 이미 옥외 광고판을 봤기 때문일 수도 있다. (이제 이와 같은 일련의 의사결정 여정을 측정할 수 있다.) 개개인의 차원에서 이와 같은 간접효과를 수량화하기 힘들 수도 있다. 혹은 불가능할지도 모른다. 오프라인 광고까지 포함하는 경우라면 특히 그렇다. 따라서 이런 효과를 낱낱이 파헤치는 분석 2.0이 필요한 것이다. 분석 2.0은 서로 연결된 다양한 효과를 재조립해 시장 행동을 정확하게 설명하는 관점을 제시하는 고급 연립방정식 통계 모형을 활용한다.

마켓셰어 고객 기업에서 일하는 마케팅 담당 경영자 C는 지나치게 단순한 수영 레인 측정 방식에 위험 요인이 내재돼 있다는 설명을 듣고서 크게 공감했다. C는 사회 생활 초기에 유명한 전자상거래 업체에서 근무했다. 당시 마케팅팀은 전통적인 분석 방법을 활용해 일부 광고 캠페인에서 비롯된 매출 추정치를 재무팀에 전달했다.

재무 부서가 해당 사업부가 1억6000만 달러보다 5000만 달러 적은 1억1000만 달러의 매출을 올렸을 뿐이라는 사실을 지적하자 순식간에 분위기가 어색해졌다. 제대로 된 데이터를 충분히 확보하지 못한 채 각 수영 레인에서 고군분투하던 리더들이 동일한 매출을 놓고 각각 소유권을 주장했기 때문에 이런 일이 벌어졌다.

C는 뼈아픈 교훈을 가슴에 새기고서 마케팅 업계에 만연해 있는 부적절한 속성화 문제를 해결하기 위해 노력했다. C는 열정적으로 분석 2.0을 포용하는 소비자 기술 업체에 입사했다. 새로운 회사에 들어간 C는 해당 기업의 광고 활동과 영업 활동이 어떻게 상호작용하는지 파악하기 위해 분석 플랫폼을 개발했다.

물론 위 사례들을 설명하는 과정에서 분석 2.0의 복잡성을 배제한 것이 사실이다. 대기업이 실제로 분석을 진행할 경우 지리, 취업률, 가격, 계절, 경쟁 환경과 같은 외생 변수를 비롯해 수백, 혹은 수천 종류의 광고 전술 및 판매 전술 순열을 통계 모형에 대입해야 할 수도 있다. 다양한 변수를 고려해 각 광고 캠페인의 모든 순열을 직접 분석해 본다면 분석 2.0이 얼마나 복잡하며 클라우드 컴퓨팅과 데이터 저장이 얼마나 중요한지 명확하게 이해할 수 있을 것이다. 뿐만 아니라 새로운 텔레비전 광고가 소비자의 온라인 검색 패턴에 어떤 영향을 미치는지 즉각적으로 파악하고 관련 검색어를 사들이기 위한 키워드 검색 입찰 전략을 수정하는 데도 분석 2.0이 효과적이라는 사실을 깨닫게 될 것이다. 페이스북(Facebook)이 단기 매출과 장기적인 브랜드자산(brand equity)에 실제로 어떤 영향을 미치는지 파악하는 데도 도움이 될 것이다.

최적화. 마케터가 마케팅 활동을 구성하는 각 요소의 상대적인 기여도와 중요한 외생 요인의 영향력을 수량화하는 과정을 모두 끝냈다면 전쟁 게임에 돌입해야 한다. 전쟁 게임을 하려면 예측 분석 도구를 활용해 비즈니스 계획 수립을 위한 시나리오를 시험해야 한다. 샌디에이고에서 일부 제품 라인의 옥외 디스플레이 광고 예산을 10% 줄이거나 자사 제품과 관련된 텔레비전 광고 지출 15%를 온라인 검색 광고 및 디스플레이 광고로 이동시키면 매출이 어떻게 변할지 궁금할 수도 있다. 어쩌면 경쟁기업이 도쿄에서 가격을 인하하거나 시드니에서 연료 가격이 치솟으면 자사의 광고가 어떤 영향을 받을지 알아내고 싶을 수도 있다.

속성화 과정을 통해 수집하고 분석한 방대한 양의 데이터를 활용하면 텔레비전 광고에서부터 검색 광고, 연료 가격, 현지 기온에 이르기까지 측정 가능한 모든 비즈니스 동인에 ‘탄력성(elasticity)’을 부여할 수 있다. (탄력성이란 하나의 변수에서 나타난 변화(%)와 또 다른 변수에서 발생한 변화(%)의 비율을 뜻한다.) 비즈니스 동인의 탄력성을 이해하면 자사가 선택한 특정한 변화가 특정한 결과에 어떤 영향을 미칠지 예측하는 데 도움이 된다. 예컨대, 판매 대비 텔레비전 광고의 탄력성이 0.3이라면 다른 변수가 모두 동일하다고 가정했을 때 텔레비전 광고 예산이 2배 증가하면 판매가 3% 증가한다. 간단하게 말해서 분석 2.0 모형은 모든 비즈니스 동인의 탄력성이 어떤 식의 상호작용을 통해 판매에 영향을 미치는지 알려준다. (그림3)

전쟁 게임 기법을 활용하면 자사 비즈니스 동인의 실제 탄력성을 토대로 수분 내에 수백, 혹은 수천 개의 시나리오를 시험해볼 수 있다. 전형적인 전쟁 게임 과정하에서는 팀원들이 마케팅 목표(특정한 매출 목표, 점유율 목표, 마진 목표 등)를 정의한다. 또한 이 과정에서 다양한 제품 및 시장과 관련된 마케팅 목표를 정의하는 경우가 많다. 비즈니스 동인 탄력성 정보가 반영된 방대한 양의 데이터베이스를 신속하게 처리하는 최적화 소프트웨어는 실현 가능성이 가장 높은 시나리오를 만들어내는 동시에 이런 시나리오를 현실로 만들려면 어떤 식으로 마케팅을 해야 할지 조언을 제시한다. 최적화 소프트웨어를 활용해 특수한 가상 시나리오를 시험할 수도 있다. 예컨대 ‘유가가 5% 인상되고 텔레비전 광고와 온라인 광고 캠페인을 통해 구매 시 300달러를 할인해 준다는 사실을 홍보하면 덴버의 중간 크기 픽업 트럭 판매가 어떤 영향을 받게 될까’라는 가상의 시나리오를 검증해볼 수 있다.

포드(Ford)의 마케팅 커뮤니케이션 이사 매튜 반다이크(Matthew VanDyke)는 IT, 재무, 마케팅, 기타 기능 부문 직원들로 구성된 다기능팀을 지휘한다. 이 팀은 10억 달러에 달하는 포드의 광고 지출을 최적화할 방안을 찾는 역할을 맡고 있다. 포드 다기능팀은 다양하고 복잡한 환경하에서 각기 다른 광고 전략이 어떤 영향을 미칠지 파악하기 위해 고급 분석 기법을 활용해 수백 개의 변수가 포함된 수천 개의 시나리오를 점검한다. 속성화 단계에서 얻은 통찰력도 분석에 포함된다. 포드는 이런 방식을 활용해 어느 미디어의 광고 투자 변화가 다른 미디어의 광고 성과에 어떤 영향을 미치고 외생 요인이 결과에 어떤 영향을 미칠지 시나리오별로 예측한다.

예컨대, 포드의 마케팅 과학 관리자 마이크 마크리(Mike Macri)와 마케팅 과학팀은 연비가 높은 자동차에 대한 소비자의 관심이 증가하고 있다는 사실을 깨달았다. 이후 마크리와 마케팅 과학팀은 어떤 시장이 연비에 대한 창의적인 메시지를 적극적으로 수용할지 신속하게 평가하기 위해 전쟁 게임 기법을 활용해 오고 있다. 뿐만 아니라 전쟁 게임 결과를 토대로 대행사 파트너를 통해 광고 자원을 재배치하고 있다. 전쟁 게임은 포드가 다양한 미디어를 통해 여러 광고 캠페인을 진행하는 데 많은 도움이 되고 있다.

예측 분석은 포드가 전국적인 차원과 지역적인 차원에서 미디어 계획 및 구매와 관련된 요소를 수정했을 때 어떤 변화가 나타날지 예측할 수 있도록 도움을 준다. 일례로, 포드는 예측 분석 기법을 활용한 결과 자사가 디지털에 투자하는 전반적인 지출 규모 자체는 적당하지만 디지털 디스플레이를 지나치게 강조하는 반면 검색에는 상대적으로 적은 금액을 지출하고 있다는 사실을 깨달았다. 뿐만 아니라 전쟁 게임 시나리오 계획 방식이 도입되기 전에는 전국 마케팅 예산과 지역 마케팅 예산이 별도의 예산으로 집행됐으며 두 예산 사이에 조정이 이뤄지는 경우가 드물었다. 사실 과거에는 포드가 자동차를 판매하는 딜러들을 위한 매칭 펀드에 얼마를 투입해야 할지, 자사 포트폴리오 내에 있는 다양한 자동차와 지역을 비교했을 때 소비자 인센티브 수준에 차이가 있는지, 소셜미디어 지출을 늘리고 전통 미디어 지출을 삭감하는 방안이 젊은 운전자의 구매에 어떤 영향을 미칠지 판단하기가 쉽지 않았다. 하지만 전쟁 게임을 도입하자 실제로 변화를 감행하기 전에 이런 시나리오가 어떻게 진행될지 예측하는 것이 가능해졌다. 포드는 전쟁 게임 결과를 바탕으로 광고 자금 중 일부를 전국 예산에서 지역 예산으로 이동시켰으며 그 결과 전체 광고 예산 규모를 늘리지 않았음에도 불구하고 수천만 달러의 신규 매출이 발생했다.

또한 마케터들은 신제품 출시 홍보, 데이터가 제한적인 시장 내에서의 광고 구매, 경쟁업체의 예상치 못한 행보가 미칠 영향 등과 관련 있는 가상 시나리오를 시험하기 위해 분석 2.0을 활용한다. 마켓셰어의 고객이자 세계적인 소비가전 업체인 D사는 과거의 판매-마케팅 데이터가 풍부하지 않은 신흥 시장에서 시장의 판도를 뒤엎을 만한 제품을 출시할 준비를 했다. D사는 이 과정에서 경쟁기업의 광고 행동을 검토하고 이후 신제품을 출시할 때 이들이 어떤 식으로 광고 예산을 지출할지 정확하게 예측하기 위해 고급 분석 기법을 활용했다. D사는 이와 같은 예측 방식 및 최적화 시나리오를 활용한 덕에 전략 환경에 대한 한층 명확한 이해를 바탕으로 성공적으로 시장에 진출하고 새로운 경쟁 역학 관계에 대처하기 위해 신속하게 계획을 수정할 수 있었다.

할당. 마케팅 계획을 수립한 후 무조건 계획에 따라 마케팅을 진행하던 시절은 끝났다. 일단 계획을 수립한 후 무작정 시행하는 접근방법은 더 이상 통하지 않는다. 기술, 미디어 기업, 미디어 구매자가 이 과정에서 마찰을 줄이기 위해 지속적인 노력을 기울이고 있는 만큼 광고를 거래하고, 배치하고, 측정하고, 확장하거나 없애기가 한결 쉬워졌다. 이제 마케터는 매달, 혹은 매주, 혹은 매일 각기 다른 시장에서 광고를 손쉽게 수정하거나 할당할 수 있다. 또한 온라인에서는 필요할 때 순식간에 광고를 수정하거나 할당할 수 있다. 속성화의 결과와 전쟁 게임을 위한 노력을 시장에 반영하는 활동, 모형의 타당성을 입증하는 활동(분석 결과를 확인하기 위해 시장 내에서 실험을 진행하는 방법), 궤도를 수정하는 활동 등이 할당에 포함된다.

세계 최대 규모의 소프트웨어 업체 중 하나인 E의 고위급 경영진은 그동안 광고 예산 할당 결정을 내릴 때 과학적인 분석이 토대가 되지 않았다는 사실을 깨달았다. 고위급 경영진은 이 같은 깨달음을 바탕으로 마케팅의 정확도를 높이고 마케팅에 대해 좀 더 커다란 책임 의식을 가질 필요가 있다고 판단했다. E사의 마케팅 부문 경영팀은 어떤 마케팅 활동이 잠재 고객을 자사 웹사이트, 재판매업체, 소매 파트너와 연결시키고 구매를 유도하는 데 도움이 되는지 파악할 필요가 있다고 생각했다. E사는 분석 2.0을 활용해 마케팅을 구성하는 모든 요소들이 어떻게 상호작용하는지 알아보기로 했다.

E사는 수백 개의 변수가 반영된 모형을 활용해 소프트웨어 시험 환경을 가장 효과적으로 시뮬레이션한 정확한 광고 조합, 최대의 이윤을 얻는 데 도움이 되는 재판매업자의 활동, 하나의 제품 카테고리에서 진행되는 광고가 다른 카테고리의 구매에 영향을 미치는 방식 등을 수량화했다. E는 이와 같은 통찰력을 토대로 다양한 B2B 제품 및 B2C 제품에 마케팅 예산을 재할당했다. 브랜드 구축에 투자를 하고 오프라인 광고와 온라인 광고에 지출되는 광고 예산을 조정하자 E의 매출이 점진적으로 수백만 달러나 증가했다.

E의 분석 2.0 시스템은 최고경영팀으로부터 많은 신뢰를 얻고 있다. 또한 E는 분석 2.0 시스템을 세계 시장에서 활용 중이며 분석 2.0 시스템을 활용해 매 순간 광고 예산 할당 결정을 내리고 있다. 이런 노력 덕에 지난 3년 동안 E의 광고 투자수익률이 약 2배가량 증가했다.

실행을 위한 5단계

그동안 백오피스에서 진행돼야 할 연구 기능으로 여겨져 왔던 분석이 점차 일상적인 전략 개발 및 운영 활동과 밀접하게 뒤섞이고 있다. 10년 전에 초창기 디지털 마케팅팀을 개척했던 경영자들이 이제 CMO 집무실로 향하고 있다. 이미 무언가를 측정하는 데 익숙한 이들은 광고 산업 전체의 분석 역량 자체가 미성숙하다는 사실에 놀랄 때가 많다. 이런 부류의 새로운 CMO들은 기술 예산과 관련해 좀 더 커다란 책임을 지고 광고 부문 내에서 구체적인 사실을 기반으로 의사결정을 하는 문화를 만들기 위해 노력 중이다. 기술 전문 컨설팅 업체 가트너(Gartner)는 대다수의 CMO들이 CTO보다 많은 금액의 기술 예산을 할당받기까지 채 5년이 걸리지 않을 것으로 추정한다.

조직을 분석 2.0으로 이동시키려면 기술이 반드시 필요하다. 하지만 기술만으로는 충분하지 않다. 그동안의 경험에 미뤄보면 조직이 분석 2.0으로 옮겨가려면 5개의 단계가 필요하다. 규모가 작은 기업도 얼마든지 다음과 같은 5단계를 실행할 수 있다.

첫째, 분석 2.0이 조직 전체의 노력과 더불어 최고경영진급 후원자의 지지를 필요로 한다는 사실을 받아들여야 한다. 새로운 분석 접근방법에 저항하는 움직임이 포착되는 경우도 많다. 새로운 분석 접근방법이 효과적인 방법과 그렇지 않은 방법에 대한 사람들의 확고한 믿음과 반대되기 때문이다. 초기 단계에 명확한 비전을 제시하고 많은 사람들의 지지를 확보하려면 고위급 경영진의 지원이 반드시 필요하다.

둘째, 분석적인 사고방식을 갖고 있는 이사나 관리자를 분석 2.0 프로젝트의 선두에 배치해야 한다. 뛰어난 분석 능력과 더불어 객관적이라는 평판을 갖고 있는 인물을 선택해야 한다. CMO에게 보고를 하거나 마케팅과 재무팀이 참여하는 다기능팀의 구성원으로 활동할 수 있는 역량을 갖고 있어야 한다. 프로젝트가 확대되면 비즈니스 계획을 수립하고 자원을 할당할 수 있도록 여러 사업부에 도움을 줄 수 있어야 한다.

셋째, 답을 찾고자 하는 질문 중 중요도가 높은 것을 선택해 목록을 작성한 다음 조직 내에 어떤 데이터가 있는지 확인해야 한다. 분석 2.0 프로젝트를 성공적으로 진행하는 데 도움이 되는 정보가 재무 부서에서부터 고객 서비스에 이르기까지 마케팅 부서 외의 여러 부서에 숨겨져 있는 경우도 많다. 곳곳에 흩어져 있는 데이터 세트를 찾아내 통합한 다음 지속적인 데이터 수집을 위한 시스템을 구축해야 한다. 이런 데이터에는 자산 가치가 내포돼 있다. 따라서 데이터를 대할 때 지적 재산을 대하듯 해야 한다.

넷째, 특정한 사업 부문, 지역, 제품 그룹이 포함된 개념 증명에서부터 소규모로 출발해야 한다. 또한 초기에 성공을 거두는 것을 목표로 제한적인 범위의 모형을 구축해야 한다.

다섯째, 공격적으로 시험을 진행하고 시험 결과를 다시 모형에 반영해야 한다. 예컨대 최적화 분석을 통해 광고 지출 중 일부를 텔레비전에서 온라인 디스플레이로 이동시킬 경우 판매가 증가한다는 사실을 파악했다면 일부 지역에서 소규모로 실험을 진행한 후 그 결과를 토대로 추정치를 수정할 수 있다. 시장 내에서 시험을 하는 방법은 이제 구시대적이다. 새로운 방식을 활용할 생각이라면 각 미디어에 얼마만큼의 광고 효과가 있는지 속성화 효과를 정확하게 파악해 실험의 효과를 높여야 한다.

소매, 온라인, 부가가치를 생성하는 재판매업자 등과 같은 다양한 판매 경로를 활용 중이거나 여러 지역에서 다양한 제품을 취급 중인 기업의 경우에는 분석 2.0이 사내 담당팀이 감당할 수 없는 수준으로 복잡해질 수도 있다. 이런 경우에는 특정한 분석 역량과 컴퓨터 활용 역량을 갖춘 전문 판매업체의 도움을 받아야 한다. 하지만 어떤 기업이든 분석 2.0을 향한 여정을 시작하고 분석을 위해 필요한 인프라 중 상당 부분(그리고 적응 마케팅 문화)을 자체적으로 구축할 수 있다. 조직적인 요소도 컴퓨터 활용 역량 못지 않게 문제가 된다. 어느 쪽이건 준비가 필요하다. 마케팅은 이미 빠른 속도로 지식, 통찰력, 정보 2.0을 통해 확보한 비대칭 우위가 뒤섞인 전쟁으로 거듭나고 있다. 차세대 분석 기법을 받아들이지 않는 기업은 그렇지 않은 기업에 잡아먹힐 수밖에 없게 될 것이다.

웨스 니컬스(Wes Nichols)

웨스 니컬스(Wes Nichols)는 로스앤젤레스에 위치한 세계적인 예측분석 전문업체 마켓셰어(MarketShare)의 공동 설립자 겸 CEO다.

번역 김현정 translator.khj@gmail.com