마케팅 측정의 미래: 데이터 세계에서 승리하는 방법
게시 됨: 2021-11-292006년에 리서치 애널리스트로 경력을 시작했을 때 마케팅은 지금보다 훨씬 쉬웠습니다. 업계는 덜 혼잡했습니다. 자연 광고와 유료 광고 모두에서 검색 기회는 엄청났습니다. 직접 반응 광고는 전성기였습니다. 마케터는 거의 모든 것을 추적할 수 있습니다.
아마도 가장 어려운 과제는 분석 및 보고를 위해 격리된 마케팅 데이터를 스프레드시트로 가져오는 것이었습니다. 그리고 그것이 내가 Supermetrics를 처음 만든 이유입니다. 나 같은 마케터가 번거로움 없이 원하는 모든 데이터를 얻을 수 있도록 돕기 위해서입니다.
오늘날에도 마케팅 데이터를 측정하고 통합하는 것은 많은 기업에서 여전히 큰 장애물입니다. 솔직히 말해서, 추적이 더 어려워지면서 동시에 더 많은 데이터를 축적함에 따라 문제는 훨씬 더 복잡해질 것입니다.
이번 포스트에서는 마케팅 측정의 문제점과 이를 극복하는 방법에 대해 자세히 설명하겠습니다.
비디오 형식의 동일한 콘텐츠를 선호하는 경우 Marketing Analytics 쇼의 이 에피소드를 확인하십시오.
마케팅 측정이 직면한 세 가지 주요 과제
1. 추적성 저하
타사 쿠키의 죽음부터 시작하겠습니다.
마케터는 마케팅 활동에서 전환에 이르는 전체 고객 여정을 추적할 수 있었습니다. 그러나 더 이상 그렇지 않습니다. Google 및 Apple과 같은 대기업은 타사 쿠키를 금지하고 있습니다.
결과적으로 마케터가 다른 웹사이트나 앱에서 온라인 행동을 기반으로 올바른 잠재고객을 만들고 도달하기가 어려울 것입니다.
또한 마케팅 성과를 평가하고 모니터링하는 것도 목이 아플 수 있습니다. 클릭에만 크게 의존하는 MTA(멀티 터치 어트리뷰션)와 같은 측정 모델은 신뢰할 수 없고 잠재적으로 쓸모 없게 될 것입니다.
제3자 쿠키 없이 마케팅에 성공하는 방법
타사 쿠키에 작별 인사를 하는 것이 개인화 마케팅에 작별 인사를 하는 것은 아닙니다. 쿠키가 없는 세상에서 뛰어난 고객 경험을 만드는 5단계를 알아보세요.
2. 데이터의 폭증
현재 시장에서 사용할 수 있는 마케팅 플랫폼과 도구를 설명하는 Scott Brinker의 martech 5000 인포그래픽에 익숙할 것입니다. 지금은 아마 10,000에 가깝습니다.
10,000
대부분의 회사는 관리할 수 있는 것보다 더 많은 데이터를 축적합니다. 더 많은 데이터는 또한 기술 스택 전체에 더 많은 격리된 데이터가 있음을 의미합니다. 아이러니하게도 비즈니스가 보유한 데이터의 양이 기하급수적으로 증가하는 동안 추적도 점점 더 어려워지고 있습니다.
이 모든 것을 처리하는 가장 좋은 방법을 찾기 위한 싸움이 계속되고 있습니다.
3. 경쟁의 증가
요즘은 거의 모든 사람들이 온라인 마케팅을 하고 있기 때문에 경쟁이 치열합니다.
2021년에는 평균적인 사람이 매일 6,000~10,000개의 광고를 접합니다. 소비자는 선택, 광고, 메시지의 풀에 빠져들고 있습니다. 마케터는 노이즈를 차단하고 눈에 띄는 방법을 찾아야 합니다.
마지막으로 혼잡한 시장은 유료 광고 비용이 계속 증가한다는 것을 의미합니다. 좋은 투자 수익을 얻기가 더 어려울 것입니다.
이 세 가지 과제는 우리를 백만 달러짜리 질문으로 이끕니다. 회사는 앞으로 다가올 일에 대해 마케팅 측정 전략을 어떻게 준비할 수 있습니까?
측정 문제를 극복하기 위한 3단계
1단계: 자사 데이터 성장
먼저 자사 데이터를 확장하기 시작해야 합니다. 이것이 의미하는 바입니다.
CRM을 양질의 데이터로 채우십시오.
CRM은 비즈니스의 초석입니다. CRM이 없는 회사는 CRM에 투자해야 합니다. 여기서 핵심은 CRM을 깨끗하고 적절하게 유지하는 것입니다.
훌륭한 CRM은 쓰레기가 아닌 고객과 잠재 고객에 대한 양질의 데이터로 가득 차 있습니다.
데이터를 위한 중앙 저장소 생성
CRM을 구축한 후에는 CRM, 웹 분석, 유료 광고, 마테크 도구를 비롯한 다양한 소스의 데이터를 마케팅 활동에 대한 큰 그림을 빠르게 파악할 수 있는 한 지붕 아래로 가져오는 방법을 생각하고 싶을 것입니다.
이제 막 시작하고 아직 데이터가 많지 않은 경우 Google 스프레드시트나 Excel과 같은 스프레드시트를 사용하여 데이터를 저장하고 분석할 수 있습니다.
회사가 성장하면 데이터도 성장합니다. 이 시점에서 스프레드시트에서 Google BigQuery 또는 Snowflake와 같은 데이터 웨어하우스로의 전환에 대해 생각할 수 있습니다.
광고 지출을 재고하십시오
다음 단계는 보고 있는 결과에 따라 광고 예산을 재평가하는 것입니다. 많은 사람들에게 이것이 당연한 것처럼 보일 수 있지만 예산이 많으면 여기저기서 기회를 놓치기 쉽습니다.
2단계: 마케팅 믹스 모델링(MMM)을 위한 마케팅 스택의 미래 대비
자사 데이터가 계속 증가함에 따라 마케팅 믹스 모델링도 살펴보고 싶을 것입니다. 마케팅 믹스 모델링은 과거 마케팅 및 판매 데이터를 사용하여 향후 마케팅 활동이 수익에 미치는 영향을 추정하는 통계적 접근 방식입니다.
멀티터치 어트리뷰션과 같은 약한 고객 행동 체인에 의존하는 대신 마케팅 믹스 모델링은 통계적 방법을 사용하여 마케팅 입력과 결과 간의 관계를 분석합니다.
마케팅 믹스 모델링 vs. 멀티터치 어트리뷰션
어느 것이 귀하의 비즈니스에 적합합니까? 각 접근 방식의 좋은 점과 나쁜 점을 알아보세요.
이러한 방식으로 마케터는 다양한 마케팅 채널과 전술 간에 리소스를 더 잘 할당할 수 있습니다.
마케팅 믹스 모델링은 주로 예산이 충분한 대규모 광고주에게 유효한 기술이지만 이러한 종류의 분석을 위해 마케팅 기술 스택을 준비할 수 있습니다.
우리는 많은 회사들이 마케팅 분석 스택의 3개 계층으로 이동하는 것을 봅니다. 여기서 각 계층은 마케팅 믹스 모델링에 한 걸음 더 다가갑니다.
계층 1: 기본 마케팅 분석 스택
보고를 위해 Google 스프레드시트 및 Excel과 같은 스프레드시트를 사용하는 마케팅 담당자는 결국 제한에 직면하게 됩니다. 데이터가 기하급수적으로 누적되면(새 데이터와 과거 데이터 모두) 스프레드시트 도구의 컴퓨팅 기능이 고갈됩니다.
또한 마케팅 채널 전반에 걸쳐 이 데이터를 혼합하고 스프레드시트의 비마케팅 데이터로 보강합니다.
스프레드시트의 무게를 줄이고 데이터를 최대한 활용하기 위해 스택에 데이터 웨어하우스를 추가할 수 있습니다. 기본 마케팅 분석 스택은 다음과 같습니다.
기본적으로 모든 데이터를 데이터 웨어하우스로 이동하려고 합니다. Supermetrics와 같은 도구를 사용하여 데이터 전송을 자동화할 수 있습니다. Google Sheets 또는 Google Cloud Storage와 같은 임시 데이터 소스도 BigQuery 모델에 대한 입력으로 쉽게 추가할 수 있습니다.
또한 보고용으로 Google Data Studio, Looker 또는 Power BI와 같은 BI 도구를 유지할 수 있습니다.
계층 2: 보고 데이터와 원시 데이터 분리
데이터 여정의 시작 단계에 있는 경우 기본 마케팅 분석 스택을 사용하면 상당한 성과를 거둘 수 있습니다. 그러나 비즈니스가 더 많은 데이터를 축적함에 따라 결국 소스에서 데이터 웨어하우스로 직접 데이터를 공급한 다음 BI 도구로 바로 공급하는 것이 최적의 접근 방식이 아님을 깨닫게 될 것입니다. 원시 데이터 위에 직접 보고서를 작성하는 경우 많은 기회를 놓치게 됩니다.
그리고 바로 Tier 2 스택이 유용합니다.
계층 2에서는 '원시' 데이터를 '보고' 데이터와 분리합니다. 보고 측으로 데이터를 제공하기 전에 정리, 변환을 수행하고 데이터를 보강할 수 있습니다. 일반적으로 cron 작업을 사용하여 원시 테이블의 데이터를 이 스택의 보고 테이블로 처리하려고 합니다.
많은 기업이 계층 2를 사용하여 상당한 성과를 거둘 수 있습니다. 그러나 데이터 파이프라인의 복잡성을 유지하려면 뛰어난 문서 및 인적 자원에 의존해야 하므로 계층 2가 불안정한 상황에 놓이게 됩니다.
Tier 3: Tier 2 마케팅 분석 스택의 미래 대비
가장 성숙한 회사가 Tier 3로 이동하거나 이를 시작하는 것을 봅니다. 기본적으로 Tier 3 스택과 Tier 2 스택 간의 설정에는 많은 차이가 없습니다. 여기에서 주요 차이점은 네 가지 요소에 있습니다.
- 테스팅 : 훌륭한 데이터 인프라를 보유하고 있지만 결과를 신뢰할 수 없다는 것이 무슨 소용입니까? 추측을 없애려면 강력한 테스트 프레임워크를 마련해야 합니다. 예를 들어 dbt 또는 Dataform과 같은 도구를 사용할 수 있습니다.
- 오케스트레이션 : Airflow 또는 Google Cloud Composer와 같은 도구를 사용하여 데이터 웨어하우스의 모든 데이터 처리를 처리하는 것이 좋습니다.
- 버전 제어 : 소프트웨어 개발에서 버전 제어는 프로세스의 중요한 부분입니다. 데이터 인프라 측면에도 동일한 사항을 적용할 수 있습니다. 오류가 있는 경우 버전 제어를 통해 데이터의 원인과 문제를 식별할 수 있습니다. Github 및 Google Cloud Data Catalog와 같은 도구는 훌륭하게 작동합니다.
- 문서화 : 마지막으로 중요한 것은 팀이 진행하면서 전체 프로세스를 문서화하도록 권장합니다. 소스 코드 문서에는 dbt 및 Dataform을, 필드 수준 문서에는 Google Cloud Data Catalog를 사용할 수 있습니다.
마케팅 분석 여정의 어느 단계에 있습니까?
우리는 성장하는 회사의 세 가지 일반적인 데이터 아키텍처를 특징으로 하는 마케팅 분석 로드맵을 작성했습니다.
3단계: 운영 데이터 웨어하우스를 사용하여 상황에 맞는 맞춤형 마케팅 제공
이제 퍼즐의 마지막 조각이 나옵니다. 데이터 인프라를 가동하고 실행한 후에는 고객에게 탁월한 경험을 제공할 때입니다.
한 단계 더 나아가 마케팅 및 광고 데이터를 데이터 웨어하우스로 다시 푸시할 수 있습니다. 그런 다음 SQL을 사용하여 고객 프로필과 모델을 구축할 수 있습니다. 마지막으로 해당 데이터를 사용하여 마케팅 활동을 최적화하고 메시지를 개선할 수 있습니다.
이것은 지금까지 마케터의 상위 1%만이 해낸 일입니다. 들어가야 하는 높은 바가 있습니다. 이를 수행하려면 정교한 데이터 팀이 필요합니다.
그러나 본질적으로 전체 고객 수명 주기를 이해하고 고객을 위한 개인화된 경험을 만드는 데 도움이 됩니다.
네 차례 야
결론적으로, 미래가 어떠하든 견고한 데이터 인프라를 구축하면 앞서 나갈 수 있습니다. 그리고 다음과 같이 시작합니다.
- 자사 데이터 성장.
- 마케팅 믹스 모델링을 위한 마케팅 분석 스택의 미래 대비.
- 운영 분석 데이터 웨어하우스를 사용하여 개인화된 마케팅을 제공합니다.
데이터 웨어하우스로의 데이터 전송을 자동화하려는 경우 14일 무료 Supermetrics 평가판을 확인하십시오.
14일 무료 평가판 시작
마케팅 데이터를 보고 및 분석 플랫폼으로 이동하는 것이 얼마나 쉬운지 확인하십시오.