CMO가 효과적인 마케팅 분석 시스템을 구축하는 방법

데이터를 수집하고, 분석하고, 해당 데이터를 기반으로 정보에 입각한 결정을 내리는 기업은 그렇지 않은 기업보다 빠르게 성장하고 발전합니다. 이 기사에서는 비즈니스를 위한 분석 시스템을 구축하는 방법과 마테크 도구와 분석가가 필수적인 이유를 설명합니다.

분석이란 무엇입니까? 기업이 이익을 창출하는 것을 평가하는 도구입니다. 그러나 분석 자체가 비즈니스에 직접적인 수입을 가져다주지는 않습니다. 분석을 통해 CMO(최고 마케팅 책임자)는 결론을 내리고 결정을 내리기 위해 다양한 보고서만 얻을 수 있습니다.

OWOX에서의 실습에서 예를 들어 보겠습니다. CMO의 일반적인 업무는 온라인 광고 판매 계획을 실행하는 것입니다. 이 경우 분석이 어떻게 유용할 수 있습니까? 분석가는 Google Analytics 보고서, Google Ads의 광고 비용 데이터만 제공하고 CRM의 데이터와 일치하지 않는 웹사이트의 온라인 거래 데이터를 제공할 수 있습니다. 결과적으로 ROAS를 계산하는 것은 어려울 것입니다.

회사에서 오랫동안 분석을 사용하고 클라우드 스토리지에 데이터를 수집했으며 자동으로 생성되는 보고서를 구성했다고 가정해 보겠습니다. 이것이 회사의 모든 마케팅 문제를 해결합니까? 설마. 결국 마케팅 이사는 데이터뿐만 아니라 다음 달 또는 분기 계획을 실행하기 위해 사용할 수 있는 기회를 이해하는 데 도움이 되는 데이터에도 관심이 있습니다.

계획을 정확하게 수행하고 모든 목표를 달성하기 위해 마케터는 다음을 식별하기 위한 분석이 필요합니다.

• 성장 영역(계획을 초과하는 방법)
• 위험 구역(계획 실행을 방해하는 요소)

"두 개의 영역에 대해 생각하기 전에 해당 시스템을 구축하는 데 도움이 될 적절한 사람을 고용하는 것을 강조하고 싶습니다.

CMO는 시스템을 구축해야 하는 사람이 아닙니다. CMO는 마케팅 방향 등을 선택하고 통제하는 등 전략적 사고를 더 많이 해야 합니다. 아시다시피 "상위 수준의 것"입니다.

분석과 관련하여 CMO에게는 너무 기술적인 부분이 너무 많습니다. 따라서 올바른 직원이 이 공백을 채워야 합니다. CMO는 처리되고 (아마도?) 시각화된 데이터를 소비한 다음 결정을 내려야 합니다."

Analyticsmania.com의 설립자 Julius Fedorovicius.

우리는 자동화된 보고서만으로는 마케팅 문제를 해결하기에 충분하지 않다는 것을 이미 인정했습니다. 답을 얻으려면 데이터를 해석해야 하며 Make Everything OK 버튼은 아직 발명되지 않았습니다. (우리는 작업 중입니다!) 따라서 마케팅 이사는 높은 생산성을 유지하기 위해 다음과 같은 작업을 수행해야 합니다.

1. 위험 및 성장 영역을 보여주는 분석 시스템 설정
2. 데이터를 처리하고 컨텍스트를 추가하며 결론을 제공하는 분석가를 고용하십시오.

CMO가 기술 예산을 늘리고 있다는 사실은 마케팅 분석 서비스가 더 이상 값비싼 장난감이 아님을 시사합니다. 마케팅 부서에서 계획을 실행하고 보너스를 받는 데 도움이 되는 실제 작업 도구입니다.

"소규모 회사의 경우 프로세스를 단순화할 수 있으며 Google의 에코시스템(GA, GTM, GDS, 시트)에 능숙한 사람을 고용하는 것으로 시작하는 것으로 충분할 수 있지만 이상적으로는 팀이 최소 2명 으로 구성되어야 합니다.

1. 데이터 수집에 능숙한 기술인(분석 엔지니어라고 합시다).
2. 그런 다음 데이터를 정리하고, 가지고 놀고, 분석할 수 있는 데이터 분석가

고용한 사람들은 올바른 분석 스택을 선택/구축하는 데 도움을 줄 수 있습니다."

Analyticsmania.com의 설립자 Julius Fedorovicius.

기업은 즉시 사용 가능한 제품이나 자체 솔루션을 성공적으로 사용할 수 있습니다. 불필요한 돈과 시간 낭비를 피하기 위해 기업은 필요한 것이 무엇인지 명확하게 이해해야 합니다.

자체 솔루션을 개발할 때 문서는 물론 개발 및 지원 팀에 주의를 기울여야 합니다.

데이터 수집 스크립트를 작성하고 전체 시스템 구성을 담당하는 전문가가 퇴사하는 경우 이를 교체하는 직원이 프로젝트를 지원할 수 있는지 확인해야 합니다.

기성 솔루션을 구매하려면 먼저 처리해야 할 데이터의 양을 평가하십시오. 온라인 광고로 하루에 10개의 매출이 발생한다면 강력하고 값비싼 서비스에 투자할 필요가 없습니다. 이 양의 작업에는 Google Analytics 또는 Excel을 사용하는 것으로 충분합니다.

매출과 요구 사항이 증가하는 동안 추가 메트릭, 자동화 및 더 높은 데이터 처리 속도에 대한 요구 사항도 증가하고 있습니다. 예를 들어, SaaS 비즈니스(가입비가 있는 IT 솔루션)에서는 연간 매출이 $200,000를 초과하는 경우 자체 데이터 웨어하우스 또는 기계 학습 알고리즘 사용에서 실제 가치를 받기 시작할 수 있습니다.

그러나 데이터를 수집, 처리, 계산, 예측 및 시각화할 수 있는 기성 서비스라도 특정 비즈니스에 맞게 조정해야 합니다. 많은 기업에는 고유한 논리와 주요 계획 매개변수가 있습니다. 따라서 가져온 데이터의 구조와 데이터 시각화가 다릅니다. 또한 우리의 경험에 따르면 고객은 새로운 인터페이스에서 작업하는 방법을 배우는 것을 좋아하지 않지만 일반적인 방식으로 데이터가 표시되기를 원합니다.

요약하자면, 마케팅 분석 시스템을 만들 때 OWOX에서 그리는 레시피는 다음과 같습니다.

• 기업은 데이터에 대한 전체 액세스 권한이 있어야 합니다.
• 데이터는 의사 결정자 에게 친숙한 인터페이스로 전달되어야 합니다.

하나의 틈새 시장 내에서도 비즈니스 간에는 많은 기능과 차이점이 있습니다. 예를 들어, 소매업에서 전자 사업은 의류나 생활용품을 판매하는 사업과 개념적으로 다릅니다. 구매 빈도가 다르고 신규 고객과 기존 고객과의 작업에 대한 강조가 다르다고 가정해 보겠습니다.

또 다른 예로 많은 기업에서 모바일 애플리케이션 및 클라이언트 분석 개발을 강조하고 있습니다. 이러한 회사는 웹 응용 프로그램 기반 회사와 완전히 다른 마케팅 모델, 계획 성과 및 측정 기준을 가지고 있습니다. 그렇기 때문에 데이터를 결합하고 처리하기가 어렵습니다.

따라서 비즈니스가 마케팅 및 제품 데이터에 직접 액세스할 수 있고 특정 서비스 및 해당 시각화 시스템의 기능에 의존하지 않는 것이 중요 합니다.

회사는 현재 회사에서 개발된 요구 사항과 고통에 대한 분석가를 찾고 있습니다. 그리고 많은 고통이 있다면(항상 존재하는) 분석가를 찾는 데 몇 달 또는 몇 년이 걸릴 수 있습니다. 그리고 결국 고용된 전문가가 모든 작업을 처리하지 못할 가능성이 높습니다.

분석가의 책임 영역을 분리하고 체계화하는 것이 중요합니다 . 오늘날 많은 기업들은 메트릭을 설정하고, 데이터를 병합하고, 이 데이터를 기반으로 가설을 세우고, 권장 사항을 제공하고, 전환율이 즉시 증가하도록 하고, 광고 캠페인이 성과를 거두기 시작하도록 할 분석가를 찾고 있습니다. 그들은 분석가입니다. 그들은 그것을 처리할 수 있습니다!

실제 생활에서는 그렇게 작동하지 않습니다 . 분석가는 시간이 충분하지 않거나 기술이 부족합니다. 예를 들어:

• 전문가는 우수한 기술자(데이터 수집 설정, 요청 작성, 분석용 데이터 준비)가 될 수 있지만 획득한 데이터를 의미 있게 평가하는 방법에 대한 지식이 부족합니다.
• 회사가 클 수도 있고 모든 것이 조직되어 단 한 명의 분석가만 데이터를 전달할 수 있습니다. 하루 종일 그 분석가는 본질적으로 데이터에 대한 음성 인터페이스가 될 것입니다.

당신이 해야 할 일은 데이터와 성장 지점을 측정하여 분석의 어떤 영역을 강화할 수 있는지 결정하는 것입니다. 예를 들어, 소매 비즈니스에서 이것은 마케팅, 제품 및 고객 경험입니다.

전문가가 데이터 및 보고서를 준비하는 데 과부하가 걸리는 경우 이 기술 분석 기능을 별도의 부서에 할당하거나 파트너에게 이전하는 것이 좋습니다.

분석이 작업 기능이고 한 전문가의 능력으로 제한되지 않을 때 회사에 더 유리합니다. 그렇지 않으면 회사는 철의 천장에 부딪힐 것입니다.

예를 들어 분석가가 R 언어를 공부하고 관심을 갖게 된 후 갑자기 특정 타사 솔루션을 포기하고 스스로 다시 만들기로 결정했다고 가정해 보겠습니다. 기업이 외부 솔루션에 대한 과도한 비용 지불을 중단할 것이라고 생각합니다. 그러나 실제로 분석가는 직접적인 작업에 참여하는 대신 자신의 관심을 개발하고 있습니다.

그 대가로 회사는 분석가가 그만두면 지원 없이 불안정한 솔루션을 받게 됩니다. 이점이 의심스럽습니다. 모든 비즈니스는 분석가가 할 수 있는 일에 국한되어서는 안 됩니다.

또 다른 것은 회사가 다른 부서의 성장 목표를 지원하는 본격적인 내부 분석 및 데이터 부서를 구성하는 경우입니다. 이 경우 회사는 마케팅, 제품 및 기타 부서의 개발을 평가하는 데이터 품질과 리소스를 확신할 수 있습니다.

CDO(Chief Data Officer) 또는 분석 책임자(Head of Analytics)는 어떤 데이터 기반 솔루션을 먼저 개발하고 지원해야 하는지 결정합니다.

예를 들어 고객의 실제 사례를 살펴보겠습니다. 한 은행이 고객의 관심사와 행동에 대해 수집된 정보를 기반으로 고객 관리자 선택을 자동화했습니다. 또한 은행은 이 관리자를 유사한 고객 프로필과의 거래를 마감하기 위해 전환하는 것을 고려하기 시작했습니다.

회사를 위한 솔루션을 개발할 때 분석가는 다음 질문에 대한 답변을 얻는 것이 중요합니다.

• 분석 고객의 전략적 목표는 무엇입니까?
• 전략적 목표를 달성하기 위해 어떤 결정이 내려지고 어떤 책임이 할당됩니까?
• 고객이 결정을 내리기 위해 어떤 질문에 답해야 합니까?
• 질문에 답하는 데 도움이 될 수 있는 그래프, 보고서 및 권장 사항은 무엇입니까?
• 솔루션에 어떤 메트릭을 사용해야 합니까?

중요한 세부 사항을 놓치지 않고 결과적으로 고객에게 작동하고 유용한 솔루션을 제공하기 위해 분석가의 작업을 해결하는 것이 중요합니다.

요약해보자. 데이터가 비즈니스를 위해 작동하려면 분석가가 다음을 수행해야 합니다.

1. 고객 목표와 솔루션이 실제로 데이터에 의존하는지 파악
2. 이러한 결정이 얼마나 많은 이익에 영향을 미치는지 고려
3. 정기적으로 데이터 품질을 모니터링하고 표준에서 벗어난 경우 즉시 보고합니다.

물론 분석가 팀의 지속적인 지원이 필요하지 않고 스스로 데이터를 사용하는 직원의 비율을 높이는 것이 CDO의 이익입니다.

"마케팅의 분석은 이미 경험이 풍부한/강력한 운동선수를 위한 보완책으로 간주되어야 한다고 생각합니다. 이를 통해 선수를 더 빠르게/강하게 만들 수 있습니다. 이미 꽤 잘 하고 있다면 분석이 이를 개선하는 데 도움이 될 수 있습니다.

좀 더 구체적인 예를 이야기하자면(앞서 언급한 두 영역에 대해) 여기에 몇 가지가 있습니다.

성장 영역:

• 매출의 80%를 가져오는 제품의 20%를 찾습니다. 트래픽 소스, 인구 통계 등을 확인하고 어떤 세그먼트가 다른 세그먼트보다 더 잘 작동하는지 확인하세요. 이렇게 하면 예산을 늘릴 기회를 식별하는 데 도움이 될 수 있습니다(예: 유료 광고 조정).

위험 영역:

• 오류(및 기타 부정적인 작업, 결제 오류, 가입 오류 등) 추적. 이것은 고객/클라이언트의 주요 투쟁입니다. 이를 식별하고 수정하면 마찰을 줄여 전환량을 늘릴 수 있습니다."

Analyticsmania.com의 설립자 Julius Fedorovicius.

유력한 분석가의 공석을 채우는 데 6개월이 걸릴 수 있습니다. 오랜만이다. 파트너는 가치를 얻기 위해 오래 기다리지 않고 바로 시작할 수 있는 훌륭한 솔루션입니다. 파트너와 협력하는 것이 회사에서 분석 개발에 실제로 도움이 되는 두 가지 경우가 있습니다.

1. 파트너는 현재 회사보다 훨씬 더 강력한 전문 지식 을 보유하고 있습니다. 예를 들어, 기업이 이미 데이터 작업을 하거나 최소한 데이터 수집을 시작하고 싶어하는데 회사에 분석가가 없거나 다른 작업에 집중하고 있다고 가정해 보겠습니다. 이 경우 회사는 이미 틈새 시장에서 유사한 사례를 처리한 경험이 있는 파트너를 찾아야 합니다.
2. 파트너의 팀은 특정 기능 을 위해 고용됩니다. 예를 들어 분석 구현, Google 태그 관리자 지원 제공 또는 마케팅 보고가 될 수 있습니다. 이 접근 방식은 기업이 특정 작업을 수행하기 위해 자격을 갖춘 대규모 팀이 필요하고 데이터 분석 및 해석에 집중할 때 사내 직원이 더 가치가 있을 때 작동합니다.

중요한! 어떤 접근 방식이든 투명한 의사 결정을 내리는 파트너와 관계를 구축하는 것은 가치가 있습니다. 즉, 파트너가 사전에 작업하려면 회사의 전략적 목표와 목표, 분석 요구 사항을 이해해야 합니다.

전략적 목표, 시간 프레임 및 예산은 무엇입니까? 예를 들어, 연례 Go Analytics! 컨퍼런스에서 사람들은 수십만 달러 가치의 유료 분석 제품을 사용하는 방법에 대해 정기적으로 이야기합니다. 그러나 한 달에 130달러에 분석을 구축할 수 있다고 말하는 연사도 있습니다. 두 경우 모두 사실이고 실제입니다.

Google Marketing Platform 제품을 적극적으로 사용하고 광고 데이터와 판매 데이터를 결합하는 대기업은 Google 애널리틱스 360을 사용합니다. 다른 회사의 볼륨이 작은 경우 무료 Google 애널리틱스의 기능을 사용하면 충분합니다.

간단히 말해서, 연간 수익이 $200,000에서 $1백만 사이인 경우 데이터베이스에서 데이터를 수집해야 하지만 기계 학습 알고리즘 작업에 노력을 투자하기에는 너무 이릅니다. 아직 고객에 대한 정보가 충분하지 않습니다.

비즈니스를 위한 분석 기능과 수익성에 중점을 둡니다 . 우선, 분석 은 내 위험은 어디에 있습니까? 라는 질문에 답하는 데 도움이 되어야 합니다. 내 성장 영역은 어디에 있습니까? 계획을 실행할 때. 이러한 질문에 답하지 않으면 시간과 예산을 낭비하는 것입니다.

"분석은 과거, 현재, 미래를 연결하는 것입니다. 우리는 과거에 생성되고 수집된 데이터를 분석합니다. 현재에서 우리는 미래에 일어날 일을 예측하려고 합니다. 그리고 마지막으로 우리는 미래에 영향을 주려고 합니다. 우리의 노력을 새로운 방식으로 재할당함으로써."

Mikko Piippo, 디지털 분석 및 최적화 컨설턴트, 공동 창립자이자 Hopkins의 파트너입니다.

• 비즈니스의 개발 수준을 정의하는 것부터 분석 구축을 시작하십시오.
• 6개월 동안 많은 양의 데이터를 기다리거나 슈퍼 분석가를 찾을 필요가 없습니다. 귀하의 지역에서 마케팅 분석 모델을 구축한 경험이 있는 파트너에게 연락하여 시작하십시오.
• 적절한 모델을 선택하십시오: 귀하의 비즈니스에 맞게 수정된 준비된 제품 또는 귀하를 위해 처음부터 개발된 시스템.
• 가장 고급 기술이 없더라도 비즈니스 맥락에 정통한 분석가를 고용하는 것이 좋습니다. 그들은 처음부터 인프라를 파악하고 더 확장하고 개선할 수 있습니다.