Marketing Analytics가 기업이 데이터 기반 의사 결정을 내리고 성장하는 데 도움이 되는 방법

최근에는 모두가 마케팅 분석에 대해 이야기하고 있습니다. 그러나 정확히 무엇이며 왜 그렇게 중요합니까? 이 기사에서는 마케팅 분석에 대해 알아야 할 모든 것을 정리합니다.

Gartner에 따르면 마케팅 분석은 데이터를 수집, 분석, 모델링 및 시각화하여 여러 채널에서 사용자의 행동을 더 잘 이해함으로써 마케팅 캠페인을 최적화하는 프로세스입니다. 마케팅 분석은 마케팅 노력을 측정하고 최적화하는 것이기도 합니다. 마케팅이 비즈니스 전체에 미치는 영향을 평가하는 데 도움이 됩니다.

마케팅 분석 덕분에 추측을 피하고 수익성이 없는 마케팅 캠페인에 특별한 주의를 기울이고, 마케팅 전략에서 패턴과 귀중한 통찰력을 발견하고, 광고 캠페인을 조정하고, 더 많은 수익을 얻을 수 있습니다.

마케팅 분석의 중요성은 Gartner, Adage 및 Trade Desk의 최근 연구에 의해 설명됩니다.

• 마케팅 비용이 감소함에 따라 분석 및 마케팅 기술 비용에서 차지하는 비중이 증가하고 있습니다.
• 성장 계획에 부합하지 않는 회사 임원의 37%는 CMO가 먼저 변경되어야 한다고 생각합니다. 따라서 마케팅 이사는 계획을 실행하고 성장 목표를 달성하는 것이 중요합니다.
• 마케팅 이사의 78%는 마케팅 분석을 사용하여 전략을 수립함으로써 ROMI를 높였습니다.

분석 시스템을 설정하는 방법과 사용할 도구는 회사에 설정한 목표에 따라 다릅니다. 그러나 두 가지 규칙이 모든 사람에게 적용됩니다. 데이터의 품질을 보장하고 이를 단일 시스템에 결합해야 합니다.

마케팅 분석은 모든 데이터 기반 기업, 특히 다음과 같은 경우에 필요합니다.

• 스타트업 및 소규모 온라인 프로젝트
• 중간 규모 온라인 상점
• 옴니채널 소매업체 및 시장

마케팅 분석은 양질의 데이터에서 시작됩니다. 보고서의 KPI와 이를 기반으로 내리는 관리 결정은 수집된 데이터의 완전성과 신뢰성에 따라 달라집니다. 결과적으로 잘못된 데이터 품질은 잘못된 비즈니스 결정의 주요 원인이며 시간과 돈의 손실로 이어질 수 있습니다.

• Google Analytics에서는 전환의 10~20%가 손실되고 API에 의해 데이터가 집계되며 보고서의 데이터가 샘플링됩니다.
• Google 스프레드시트 또는 표준 데이터베이스의 데이터를 결합하면 정기적인 시스템 오류와 미묘한 오류가 발생합니다.
• 광고 서비스의 데이터는 다양한 형식으로 수집되며 소급적으로 변경되어 보고서에 불일치가 발생할 수 있습니다.
• 이러한 문제의 결과로 기업은 시간과 비용을 잃게 됩니다.

따라서 분석을 구축할 때 가장 먼저 해야 할 일은 데이터 수집을 자동화하는 것입니다.

마케팅은 독립적인 비즈니스 기능이 아닙니다. 메트릭은 기본 비즈니스 데이터와 결합될 때만 가치와 의미를 갖습니다. 마케팅 지표가 비즈니스 데이터와 별도로 존재하는 경우(예: Google Analytics) 해당 가치는 낮습니다.

이제 마케팅 분석이 특정 문제에 직면했을 때 기업이 성장하는 데 어떻게 도움이 되는지 살펴보겠습니다.

일반적으로 신생 기업과 소규모 온라인 프로젝트는 수익성 있는 캠페인을 확장하기를 원합니다.

• 분석을 위한 별도의 예산은 없습니다.
• 마케팅 예산은 비즈니스 결과에 따라 지속적으로 변경됩니다.
• 데이터 부족으로 인해 직관적으로 결정이 내려집니다.
• 분석 구현은 "더 나은 시간"으로 연기됩니다.

• 사용할 도구, 계산할 KPI, 먼저 구축할 보고서 등 최고의 시장 사례를 연구하십시오.
• 전환, 트래픽, 유인된 클라이언트당 비용 등 벤치마크를 추적하고 이를 능가하는 데 집중하세요.
• Google 애널리틱스에서 고급 전자상거래 추적을 설정하고 Google 스프레드시트에서 보고서를 자동화합니다.
• 광고 소스에서 Google Analytics로 비용을 자동으로 가져옵니다. 하나의 보고서에서 모든 광고 캠페인의 ROAS를 비교하여 예산을 효율적으로 할당하십시오.
• 측정 프로토콜을 사용하여 CRM에서 Google Analytics로 판매 정보를 전송합니다.

클라이언트를 위한 보고서 준비 프로세스의 속도를 높이기 위해 Webmart Group은 OWOX BI Pipeline의 도움으로 Google 데이터 스튜디오에서 보고를 자동화했습니다. 이 서비스는 다양한 광고 서비스에서 Google Analytics로 비용 데이터를 자동으로 가져온 다음 해당 데이터를 데이터 스튜디오로 전송하고 데이터 전문가의 개입 없이 보고서를 업데이트합니다.

이 데이터 체계와 준비된 보고서는 다음과 같습니다.

이 솔루션은 본격적인 분석 시스템은 아니지만 초기 단계에서는 충분합니다. 광고 캠페인에 대한 정확한 데이터를 얻을 수 있습니다. 그러나 이 데이터는 채널과 비즈니스 유입경로의 상호 영향을 고려하지 않은 평면입니다.

• Google Analytics에서 이벤트와 목표를 추적합니까?
• Google Analytics 측정항목이 비즈니스 측정항목과 어떤 관련이 있는지 알고 있습니까? (물론 CRM에서의 매출과 이익은 온라인 데이터와 다를 것이다.)

중간 규모의 온라인 상점은 매출 성장을 우선시하는 경향이 있습니다.

• 마케팅 보고서는 일주일에 한 번 또는 요청 시 Google 스프레드시트 또는 Excel에서 수동으로 수집됩니다.
• 수익성 임계값이 이미 정의된 경우 지정된 CPA 또는 ROAS 지표에 따라 매출 성장률을 유지해야 합니다.
• 분석을 구현하기 위한 리소스가 충분하지 않습니다. 예를 들어 보고서 작업을 하는 개발자나 전문가는 분석 작업을 수행할 시간이 없습니다.
• 판매를 늘리려면 단순히 더 많은 트래픽을 유치하거나 Google Analytics를 설정하거나 광고 대행사와 협력하는 것으로 충분하다는 일반적인 믿음이 있습니다.

이러한 문제를 해결하려면 더 이상 측정 프로토콜을 통해 CRM에서 Google 애널리틱스로 주문을 전송하는 것만으로는 충분하지 않습니다.

• 온라인 및 오프라인 메트릭을 공식화하고 측정합니다. 이를 통해 마케터는 목표와 광고 예산을 회사 전체의 성장에 집중할 수 있습니다.
• Google BigQuery 클라우드 스토리지에서 원시 데이터를 수집하여 마케팅 및 비즈니스 측정항목을 결합합니다.
• 팀의 모든 구성원이 사용할 수 있는 단일 마케팅 대시보드를 만들어 광고 캠페인의 진행 상황과 판매 계획이 어떻게 구현되고 있는지 언제든지 확인할 수 있습니다.

대시보드가 ​​모든 질문에 답하지 않을 수 있으며, 보다 심층적인 데이터를 기반으로 인사이트를 생성할 수 있습니다. 그러나 최소한 최상위 수준에서는 단일 마케팅 대시보드를 만드는 것이 바람직합니다.

분석가는 이러한 주문(1, 2, 3, 4 및 5+)을 하기 전에 세션 수로 주문을 분류합니다. 긴 상호 작용 체인(5개 이상의 세션)은 짧은 체인과 유사하게 처리됩니다. 처음 두 세션과 마지막 두 세션이 가장 중요합니다.

이러한 첫 번째 및 마지막 세션 동안 사용자는 제품에 대해 알게 되고 구매 결정을 내립니다. 다른 세션의 기여도가 낮으므로 나머지 세션은 하나의 항목으로 간주됩니다. 그 결과 M. 비디오 마케터들은 등록 전에 광고 소스, 지역, 제품 카테고리, 세션 수별로 주문이 분류된 대시보드를 받았습니다.

이 대시보드는 다음 질문에 대한 답변을 제공합니다.

• 유입경로의 시작/중간/끝에서 어떤 채널이 실행될 가능성이 더 높습니까?
• 특정 지역 세그먼트에서 어떤 채널이 트리거될 가능성이 더 높습니까?
• 주문이 가장 많은 지역 세그먼트는 무엇입니까?

• 모든 마케팅 부서 직원은 비즈니스가 효율성을 평가하는 방법과 작업 결과를 볼 수 있는 위치를 알고 있습니까? 광고 캠페인 전문가가 주요 목표가 전환율을 높이는 것이라고 생각하는 동안 회사 경영진은 마케팅 이사에게 신규 고객을 유치하거나 ROAS를 늘리도록 요구해서는 안 됩니다.
• 필요한 데이터가 어디에 저장되고 어떻게 사용하는지 알고 있습니까?

옴니채널 소매업체와 시장은 종종 이러한 문제에 직면합니다.

• 시장 점유율을 높이고 새로운 고객을 유치해야 하는 마케터는 종종 여러 광고 대행사와 협력하며 각 대행사에서 특정 광고 채널을 담당합니다.
• 신규 고객 수는 Google Analytics로 측정하기 어렵습니다. 사용자가 이전에 주문했는지 여부는 표시되지 않습니다. 구글 애널리틱스에서 신규 방문은 이전에 사이트에 나타나지 않은 쿠키일 뿐이므로 신규 고객 주문과 같은 목표를 설정하기 어렵습니다.
• 이는 광고 서비스의 목표와 비즈니스 간의 모순으로 이어집니다. 광고 서비스는 비즈니스에 대한 전반적인 기여도를 분석하고 일반적으로 전환을 측정합니다. 그러나 비즈니스의 경우 신규 고객인지 기존 고객인지 누가 주문했는지 아는 것이 중요합니다. CRM 데이터 없이는 이것을 이해할 수 없습니다.
• 분석은 소급하여 구축됩니다. 즉, 더 이상 영향을 받을 수 없을 때 숫자를 봅니다. 계획은 전문가 의견을 기반으로 하거나 기껏해야 로지스틱 회귀를 사용하여 표로 작성됩니다. 시장 동향은 고려되지 않습니다.
• 브랜드 트래픽에만 초점을 맞추면 비즈니스에 잔혹한 농담이 될 수 있습니다. 예, 더 많은 트래픽을 유도하면 더 많은 전환이 발생하지만 이 전략은 제대로 확장되지 않습니다.
• 광고 캠페인의 효과를 평가할 때 ROPO 판매는 고려되지 않습니다. 이는 비효율적인 솔루션으로 이어질 수 있습니다. 광고 캠페인이 오프라인 구매를 더 잘 자극할수록 온라인에서 더 저평가되어 보입니다. 이에 대한 응답으로 더 낮은 예산이 할당되며 이는 전체 매출을 늘리려는 비즈니스 목표와 상반됩니다.
• 회사가 CRM에서 수집하는 판매 및 고객 정보는 판매를 늘리기에 충분하지 않습니다. 내부 시스템에는 세션, 트래픽 소스 및 지역 분석에 대한 데이터가 부족합니다. 대상 고객을 유치할 수 있는 모든 것입니다.

• 웹사이트, 광고 소스, CRM, 통화 추적 서비스 및 Google BigQuery 이메일에서 원시 데이터를 수집하고 집계하여 마케팅 지표를 비즈니스 목표에 연결합니다.
• 각 온라인 마케팅 영역에 대한 주요 지표를 식별합니다. 예를 들어, 주어진 ROAS 및 RRR로 최대 주문 수를 유치하는 최상위 작업은 유료 검색, 소셜 네트워크 및 이메일과 같은 다양한 채널로 분해될 수 있습니다.
• 비즈니스 모델과 일치하는 퍼널 기반 어트리뷰션을 설정하고 모든 온라인 및 오프라인 사용자 행동과 CRM의 실제 수익을 고려하는 동시에 AIDA 퍼널을 통해 전환 및 사용자 프로모션에 대한 채널의 상호 영향을 보여줍니다.
• OWOX BI의 속성 데이터를 기반으로 하는 보고서를 사용하면 신규 및 재방문 고객 집단에 대한 획득 채널을 별도로 평가하고 타겟 집단에 예산을 효과적으로 할당할 수 있습니다.
• 각 메트릭에 대한 예측을 만들고 계획과의 편차를 추적합니다. 또한 사실과 계획을 비교하지 말고 예측을 계획과 비교해야 합니다. 시장 동향에 따라 예측이 자동으로 업데이트되면 계획이 현실이 되기 전, 즉 너무 많은 시간이 지나 더 이상 영향을 미칠 수 없게 되기 전에 위험과 성장 영역에 대해 알게 될 것입니다.

이 접근 방식은 기업이 과거를 분석하기보다 미래에 영향을 미칠 수 있는 예측 분석 문화를 개발하는 데 도움이 됩니다. 계획이 이행되지 않고 있는 경우 마케팅이 영향을 미칠 수 있는 해당 세그먼트 및 메트릭에 대한 피벗 테이블을 미리 작성할 수 있습니다.

• 디지털 광고가 회사의 전체 매출에 어떤 영향을 미치는지 알고 계십니까?
• 관리자는 마케팅 부서에서 준비한 대시보드를 신뢰합니까?
• 사실이 아닌 예측에 근거하여 얼마나 많은 결정을 내립니까?

이 목표는 모든 데이터 기반 회사와 관련이 있습니다.

분석은 마케팅 담당자에게 다음과 같은 도움을 줍니다.

• 다른 부서 동료들과 빠르게 공통 언어를 찾고, 의견을 주장하고, 공통 목표에 집중하세요.
• 시간을 절약. 이전에는 Excel에서 다른 소스의 데이터로 테이블을 컴파일하는 데 몇 시간을 소비해야 했습니다. 이제 클릭 몇 번으로 Google 스프레드시트, 스마트 데이터 또는 Google 데이터 스튜디오에서 보고서를 받을 수 있습니다.
• 개별 보고서로 팀을 강화하십시오. 각 직원은 효과적인 보고서를 수신하여 노력의 결과를 확인하고 시기적절한 결정을 내리고 광고 캠페인을 조정할 수 있습니다.

마케팅은 당나귀에 꼬리를 박는 것과 같습니다. 분석가는 눈가리개를 제거하고 당신 앞에 무엇이 있는지 보여줍니다. 중요한 것은 보고서의 가용성이 아니라 완전하고 정확한 데이터를 기반으로 하며 과거를 분석할 뿐만 아니라 미래를 예측한다는 사실입니다.