‘고객 분석’은 마케터라면 누구나 인정하는 중요한 부분이다.
세상의 모든 마케터들은 고객을 ‘속속들이’ 알기 위해 밤낮을 고민한다.
고객들의 특징이 세분화되면서 고객 분석의 방법론도 다양해졌다. 그러나 새로운 방법론들이 매일같이 등장하고 있음에도, 데모그래픽(성별, 연령, 거주지역, 직업 등 개인의 프로파일 속성들) 기반의 고객 분석은 여전히 이커머스(특히 브랜드 자사몰) 기업들이 주로 사용하는 방법론이다. 이들 기업들은 프로파일 기반의 타겟층을 미리 설정해두고 마케팅하는 경우가 많다.
하지만 데모그래픽 분석은 고객의 기본 속성을 알 수 있다는 점에서 중요하지만, 정교한 타게팅은 어렵다는 단점이 있다. 특정 행동을 기준으로 고객을 분류하는 ‘고객 행동 분석’은 데모그래픽 분석을 보완하는 효과적인 분석 방법으로 사이트에서 일어나는 고객의 모든 행동(움직임)들을 고려하기 때문에, 보다 다양한 관점에서 가설을 세울 수 있는 장점이 있다.
고객 행동분석은 이분법적 가설에 따른 데이터 비교만으로도 많은 인사이트를 얻을 수 있다.
다음의 가설들은 고객 행동 기준에 따른 고객 분류 예시이다.
‘구매 여부’나 ‘서비스 충성도’ 같은 분석목표도 중요하다. 필자가 재직하는 회사의 데이터 사이언스팀에서 패션 및 리빙/생활용품 이커머스 사이트에서 ‘보다 많이 구매하는 고객군’을 파악하고자 다음의 가설을 수립했다.
가설수립 단계에서 이미 검색을 하는 고객이 그렇지 않은 고객 보다 구매 의욕이 높을 것으로 예상했지만, 분석 결과를 보니 이들 그룹은 그렇지 않은 그룹 보다 구매율이 평균 7배나 높아 초기 예상을 추월했다. 그에 따라, 검색이 구매에 미치는 영향을 알아보기 위해 다음의 가설도 추가적으로 검증해보았다.
‘구매 여부’나 ‘서비스 충성도’ 같은 분석목표도 중요하다. 필자가 재직하는 회사의 데이터 사이언스팀에서 패션 및 리빙/생활용품 이커머스 사이트에서 ‘보다 많이 구매하는 고객군’을 파악하고자 다음의 가설을 수립했다.
여기서 ‘검색 실패’란 고객이 정확한 상품명을 모르거나, 오탈자 등 여러 이유로 검색 결과를 찾지 못한 경우를 뜻한다. (검색 기능은 상품 구색 및 검색엔진 성능에 따라 영향을 받기도 한다)
분석 결과, 검색을 하는 고객의 경우, 구매 의욕이 높은 만큼 검색에 실패하면 그 즉시 사이트를 이탈한다. 이 비율이 무려 검색 성공 고객보다 20배나 높았다. 당신의 사이트도 동일 상황이 발생할 수 있다. 그때 당신이라면 어떤 대응책을 마련할 것인가.
최근에는 AI(인공지능)를 활용한 고객 분석이 활발하다. AI는 보다 복잡한 고객 분류는 물론, 고객들의 구매확률도 예측하며, 고객의 검색어에 대응하는 상품 추천을 통해 검색 실패를 최대한 방지한다. 다만 AI의 활용에 있어서도 그 필요성을 판단하기 위해서는 이러한 가설 검증의 분석 과정이 필요하다.
지금 이커머스 개인화 준비하고 계신가요?
그루비와 함께 빅데이터 · AI 기반 개인화 마케팅을 시작하세요!
