데이터가 당신을 잘못 조종할 수 있는 3가지 방법과 더 나은 통찰력을 얻는 방법

현대 마케터들은 데이터에 집착하는데 그럴만한 이유가 있습니다. 그것은 우리에게 방향을 제시하고 다른 많은 이점 중에서 우리의 전략을 알려줍니다. 그러나 모든 데이터가 똑같이 유용하거나 도움이 되는 것은 아닙니다. 잘못된 데이터 세트는 없는 것만큼이나 마케팅 프로그램에 피해를 줄 수 있습니다.

올바른 데이터를 식별하는 방법을 아는 것이 중요하므로 통찰력이 의사 결정을 정확하게 안내합니다. 이 기사에서는 데이터 오용이 우리의 마케팅 노력에 해를 끼칠 수 있는 세 가지 방식과 전체론적 테스트 방법론이 더 나은 통찰력을 얻는 데 어떻게 도움이 되는지 다룰 것입니다.

중요한 마케팅 트렌드의 중심에는 데이터가 있습니다.

지난 3년 동안 마케팅 담당자의 관심을 끈 트렌드를 살펴보십시오.

• 2021년: 사용자 활동 데이터를 마스킹하는 Apple의 메일 개인 정보 보호 기능이 부상합니다 . 마케터들은 공개 요율을 잃을 것이라는 생각에 패닉에 빠졌습니다.
• 2022년: 제3자 쿠키 정보의 보류 중인 손실을 상쇄해야 한다는 것을 사람들이 갑자기 깨달았던 제로 파티 및 퍼스트 파티 데이터 .
• 2023년: ChatGPT 및 기타 AI 기반(데이터 기반을 의미) 자연어 처리 모델의 부상 .

데이터에 대한 액세스 권한을 상실하거나, 새로운 데이터 소스를 찾아야 하거나, 우리를 대신해 결정을 내릴 수 있는 권한을 부여하는 것과 관련하여 데이터는 이러한 추세의 핵심입니다.

데이터에는 기술적, 철학적 정의가 있습니다. 그것은 컴퓨터가 처리를 위해 사용할 수 있는 정보일 수도 있고 구글의 정의에 따르면 "추론이나 계산의 기초가 되는 사실로 알려지거나 가정된 것"(강조)입니다.

"또는 가정된" 부분은 우리가 데이터에 대해 잘못될 수 있는 부분입니다. 사람들은 항상 "숫자는 거짓말을 하지 않는다"고 말합니다. 데이터는 거짓말을 하지 않을 수도 있지만, 당신이 생각하는 것과 다를 수도 있습니다.

자세히 알아보기: 데이터 기반 마케팅에 관심을 갖는 이유

데이터의 좋은 점

데이터에 대해 이미 알고 있는 내용을 말씀드릴 수 있지만 제 말을 들어주세요. 우리는 명백한 것과 명백하지 않은 것 모두에서 매일 데이터에 의존합니다(Rohit Bhargava의 용어를 빌리기 위해).

이메일 마케터의 경우 캠페인 생성 및 구조화, 청중 선택, 성공 측정 및 다음 단계를 수행할 때 사용하는 마케팅 데이터가 분명히 포함됩니다. 이것이 이메일 마케팅이 유용한 이유입니다. 전체 마케팅 생태계에 적용할 수 있는 데이터를 생성합니다.

그런 다음 명백하지 않은 가치가 있습니다. 당사의 이메일 데이터는 다른 마케팅 채널에 정보를 제공할 수 있으며 마케팅 팀을 넘어 전사적으로 고객 서비스, 비즈니스 운영 등을 지원할 수 있습니다.

우리의 캠페인은 지속적인 시장 조사 소스와 같습니다. 우리가 이메일을 보내는 사람들은 잠재 고객과 기존 고객이기 때문에 우리는 매일 고객 기반을 활용하고 추적하고 측정합니다.

무엇보다도 오늘날의 마케팅 기술은 데이터 수집을 쉽게 해줍니다. 우리는 ESP, 자동화 플랫폼, CRM, 전자상거래 엔진 등 우리가 찾는 모든 곳에서 데이터를 찾습니다. 숫자가 너무 빨리 우리를 지나쳐서 우리가 그것들을 모두 잡을 수는 없습니다.

하지만 그게 내 요점입니다. 우리는 우리에게 오는 모든 숫자가 필요하지 않습니다. 우리는 올바른 숫자가 무엇이며 그 의미가 무엇인지 알아야 합니다.

자세히 알아보기: 이메일 마케팅에 관심을 갖는 이유: 마케터 가이드

'데이터, 데이터, 데이터'가 아닌 '인사이트, 인사이트, 인사이트'

"Email Marketing Rules"의 저자인 나의 좋은 친구 Chad S. White는 다음과 같이 완벽하게 표현했습니다.

“당신은 '데이터-데이터-데이터'에 대해 이야기합니다. 저는 데이터를 좋아하지 않습니다. 아무도 정말로 데이터를 원하지 않습니다. 그들이 정말로 원하는 것은 인사이트이고 분석은 데이터에 숨겨진 인사이트를 찾는 방법입니다.

데이터는 당신을 많이 잘못 인도할 것입니다. 고객에 대한 지식과 비즈니스에 대한 지식을 가져오고 있는지 확인하고 해당 데이터를 분석하여 모든 쓰레기를 짜내고 금과 같은 물건을 남겨 두어야 합니다.

데이터에 잘못된 방향이 많이 있습니다. 통찰, 통찰, 통찰. 그것이 우리가 원하는 것입니다.”

– 워싱턴 DC에서 열린 ANA-Email Evolution Conference 기조 연설 중 Chad S. White .

당신은 원하는 모든 데이터를 수집할 수 있지만, 그것이 정말로 무엇을 의미하는지 알기 위해서는 필요하지 않은 데이터, 관련 없는 데이터, 관련 없는 데이터, 가짜 데이터 중에서 필요한 데이터를 정렬해야 합니다.

우리는 데이터 사일로, 레이크 및 창고를 채우기 위해 데이터를 수집하는 것이 아니라 고객을 이해하고 마케팅 프로그램이 얼마나 잘 작동하는지 측정하는 데 데이터를 사용합니다. 마케터로서 우리가 하는 모든 일은 이러한 노력에 달려 있습니다.

따라서 잘못된 데이터를 수집하거나 White가 말했듯이 데이터가 우리를 잘못 인도하기 때문에 데이터가 부여할 수 없는 의미를 찾을 때 피해를 줄 수 있습니다. 잘못된 데이터는 데이터가 없는 것만큼이나 나쁩니다. 잘못된 보안 및 성취감을 줄 수 있기 때문에 더 나쁩니다.

이메일 데이터를 사용하여 잠재 고객에 대한 브랜드의 이해를 알리고 마케팅 부서를 넘어 의사 결정을 추진하는 경우 잘못된 분석에 대한 통찰력을 기반으로 한다면 혼란을 상상해 보십시오.

좋은 데이터가 나빠질 때: 주의해야 할 3가지 시나리오

나 자신을 정정하자: 데이터는 나빠지지 않는다. 문제를 일으키는 것은 우리가 그것을 사용하고 해석하는 방법입니다. 데이터를 의도적으로 또는 실수로 오용하면 팀과 회사까지 길고 잘못된 길로 인도할 수 있습니다. 특히 본능에 따라 작동하는 것이 아니라 다양한 부분을 테스트하여 이메일 프로그램을 최적화하려는 경우에 쉽습니다.

고객이 좋은 테스트 의도로 시작하여 테스트가 잘못 설정되었거나 팀이 잘못된 결론에 도달했기 때문에 얼마나 자주 경로를 이탈했는지 셀 수 없습니다. 다음은 데이터가 잘못된 A/B 테스트를 이끌 수 있는 세 가지 시나리오입니다.

1. 잘못된 성공 지표에 대한 최적화

이메일은 측정하기 쉬운 것으로 유명합니다. 너무 자주 우리가 선택하는 지표는 캠페인의 진정한 성공 또는 실패를 포착하지 못합니다. 하지만 이메일에 너무 집착하지 맙시다. 소셜 미디어에서 인플루언서 마케팅에 이르기까지 모든 채널의 마케터는 같은 실수를 합니다.

공개율이 명백한 범인입니다. 이 지표는 디지털 및 기존 마케터 모두를 괴롭히는 한 가지 문제를 해결합니다. 누군가가 실제로 우리 캠페인을 보았는지 아니면 그냥 지나쳤는지, 페이지를 넘겼는지, 카탈로그를 버렸는지 또는 광고 중에 간식을 먹으러 일어났는지 알 수 있습니다. 우리가 성공의 척도로서 상당한 공개 요율을 뛰어넘은 것은 놀라운 일이 아닙니다.

그러나 이러한 높은 오픈율은 종종 캠페인 수익, 주문, 바구니 크기, 재구매 및 기타 캠페인 관련 수치와 같은 중요한 메트릭으로 변환되지 않습니다. 관심을 끄는 제목을 사용하여 더 높은 열람률을 최적화하면 많은 사람들이 호기심에서 해당 이메일을 연 다음 클릭하지 않을 수 있습니다. 따라서 귀하는 놀라운 공개율을 얻었지만 귀하의 캠페인은 실패했습니다.

2021년에 Apple의 MPP 기능이 출시되었을 때 많은 마케터들이 패닉에 빠졌습니다. 왜냐하면 이 기능이 열기, 시간 및 위치와 같은 이메일 활동 데이터를 마스킹했기 때문입니다. 그들은 핵심 성과 지표를 잃을까 봐 걱정했습니다. 공개 비율이 캠페인 목표와 항상 일치하는 것은 아니라는 점을 나머지 사람들에게 시기적절하게 상기시켜 주었습니다.

그러나 클릭률에 초점을 맞추기 위해 많은 사람들이 제안한 MPP 해결 방법은 약간 더 나은 조언일 뿐입니다. 클릭은 열기보다 고객 관심의 가시적인 증거입니다. 그러나 그것들은 또한 게임될 수 있으며 항상 전환과 상관관계가 있는 것은 아닙니다.

2. 일회성 테스트를 통한 방향 전환

이 오류는 잘못된 성공 메트릭에 대한 최적화와 밀접한 관련이 있습니다. 제목, 클릭 유도 문안, 제안, 이미지, 본문 또는 시간과 같은 단일 기능에 대해 단일 A/B 테스트를 실행할 때 발생합니다.

이러한 테스트는 수행하기 쉽습니다. 많은 ESP는 몇 번의 클릭만으로 설정할 수 있습니다. 명확하고 난공불락처럼 보이는 결과를 얻을 수도 있습니다.

“제목 A는 54%의 열람률과 25%의 클릭률을 얻었습니다. 제목 라인 B는 24%의 열람률과 12%의 클릭률을 얻었습니다. 제목 줄 A가 승자입니다! 지금부터 제목 A처럼 모든 제목을 해보자!”

이것은 데이터가 제공하지 않는 두 가지 사실을 가정합니다.

• A는 B보다 더 많은 기회를 얻었고 더 잘 전환되었습니다.
• 청중은 항상 A와 같은 제목에 더 잘 반응할 것입니다.

단일 A/B 테스트는 해당 고객과 함께 해당 캠페인에 대한 결과만 제공합니다. 그러나 청중은 끊임없이 변화하고 있습니다. 이번에 귀하의 소위 우승 버전을 열고 클릭한 사람들은 귀하의 다음 캠페인을 보는 사람이 아닐 수도 있습니다. 또는 그들은 그것을 볼 수 있지만 같은 방식으로 응답하지 않습니다.

단일 테스트를 기반으로 이메일 접근 방식을 변경하면 재앙이 발생할 수 있습니다. 다양한 구성 요소를 계속 테스트하고 테스트하고 성공 메트릭이 캠페인 목표를 반영하는지 확인해야 합니다.

사람들이 귀하의 메시지를 보기를 원하면 공개 또는 클릭률이 작동할 수 있습니다. 그러나 고객이 구매, 등록, 업그레이드, 다운로드, 계정 생성 또는 기타 비즈니스 관련 작업을 수행하도록 하려면 시간이 지남에 따라 무엇이 작동하는지 계속 테스트해야 합니다.

자세히 알아보기: 테스트를 통해 이메일 마케팅에 전환율을 높일 수 있는 방법

3. 과학적 방법 대신 임시 테스트에 의존

"Ad Hoc"은 "추측"에 대한 멋진 용어입니다. 캠페인의 모든 측면을 고려하는 가설 기반의 전체적인 접근 방식을 취하는 대신 단일 구성 요소를 테스트하는 것입니다.

즉석에서 테스트하면 단일 구성 요소를 테스트한 다음 해당 데이터를 기반으로 방향을 변경할 때 사람들이 직면하는 문제에 자신을 열게 됩니다. 다시 말하지만 데이터가 잘못된 것은 아니지만 해당 데이터를 기반으로 도출한 결론은 잘못된 것일 수 있습니다.

가설을 사용하는 과학적 테스트는 실행 가능한 통찰력을 도출하기 위한 프레임워크를 제공하기 때문에 의미 있는 데이터를 제공할 가능성이 더 큽니다. 테스트 기간이 한 예입니다. 너무 자주 A/B 테스트에서 많은 결정이 너무 일찍 내려집니다. 이메일 플랫폼의 A/B 테스트 기능을 사용하여 목록의 10%로 구성된 한 샘플 대상에게 버전 A를 보내고 목록의 다른 10%에 버전 B를 보내고 몇 시간을 기다린 후 우승자를 나머지 대상에게 보낼 수 있다고 가정해 보겠습니다. 80%.

이 방법은 열기 또는 클릭을 테스트하는 경우 유용한 결과를 제공할 수 있습니다. 그러나 전환이 중요한 경우에는 작동하지 않습니다. 50/50 테스트는 전환을 기반으로 성공을 계산하는 데 더 적합합니다. 승자를 선언하고 결론을 알리기 전에 3일에서 1주일을 기다릴 수 있습니다.

전환과 같은 의미 있는 측정항목이 처음 2시간 동안 항상 발생하는 것은 아니며 이러한 빠른 결과를 위해 최적화하는 것은 잘못된 결과를 위해 최적화하는 것을 의미할 수 있습니다. 50/50 테스트는 또한 더 큰 샘플 크기를 제공하므로 테스트를 더욱 견고하게 만듭니다.

과학적 방법과 전체론적 테스트 방법론을 결합하면 청중과 청중에게 동기를 부여하는 요소에 대해 더 폭넓게 이해할 수 있습니다. 이 MarTech 칼럼 "A/B/n 이메일 테스트의 성공을 저해하는 7가지 일반적인 문제"에서 테스트 문제 및 전체론적 테스트 접근 방식에 대해 자세히 읽어보십시오.

데이터가 올바른 이야기를 전달하고 있습니까? 이 리트머스 테스트를 시도하십시오

신규 고객은 그들의 캠페인 실적이나 테스트 데이터가 그들이 도출한 결론을 뒷받침하지 못한다고 내가 지적할 때(물론 외교적으로!) 종종 회의적입니다. 이메일이 열람률이나 클릭률이 높음에도 불구하고 왜 수익이 나지 않습니까?

동일한 내용이 궁금하다면 제 리트머스 테스트를 통해 성공 또는 실패를 선언하기 위해 잘못된 측정 기준을 사용할 때 어떤 일이 발생하는지 알 수 있습니다.

다음 세 가지 목록을 만듭니다.

• 오픈율이 가장 높은 상위 10개 캠페인.
• 클릭률이 가장 높은 상위 10개 캠페인입니다.
• 전환 또는 기타 캠페인 목표가 가장 높은 상위 10개 캠페인입니다.

전환 계산이 오픈율과 연결되어 있지 않고 전달된 이메일을 기반으로 한다고 가정하면 세 가지 캠페인 세트 간에 겹치는 부분이 거의 없어야 합니다. 이제 각 카테고리의 캠페인을 살펴보십시오. 조회수나 클릭수가 가장 많은 캠페인과 비교했을 때 전환율이 가장 높은 캠페인은 어떻습니까?

받은 편지함 분류기 역할을 하는 더 긴 제목 줄을 사용하여 동기가 가장 높은 고객에게 어필했습니까? 메시지 내용이 더 길거나 짧은 카피, 구체적인 또는 일반적인 클릭 유도문안을 사용했습니까? 플래시 세일과 같은 한 종류의 캠페인이 새 컬렉션 캠페인보다 전환율이 더 높았습니까?

수집하기 가장 쉬운 데이터 대신 중요한 결과에 주목하면서 이러한 방식으로 데이터를 연구하면 "데이터를 분석하여 모든 쓰레기를 짜내고 금으로 된 물건.”