단일 채널 기여 모델이 CMO에게 막다른 골목인 이유

마케터는 방대한 양의 고객 데이터에 액세스하여 현재 상황을 전체적으로 파악할 수 있습니다. 예를 들어, 마케팅 담당자는 고객이 브랜드와 상호 작용하는 방식을 정확히 파악하고, 사용자가 무언가를 구매할 확률(및 시기)을 예측하고, 고객이 가져올 수익을 추정하고, 고객과 상호 작용하는 데 가장 적합한 채널을 결정할 수 있습니다. 그러나 이것은 동전의 한 면일 뿐입니다. 다른 한편으로, 광고는 점점 더 비싸지고 있고, 소비자의 관심을 얻기는 점점 더 어려워지고 있습니다.

기술적으로 가장 앞선 마케터가 이 경쟁에서 승리할 것이며, 기여는 광고 채널의 효과를 평가하는 데 중요한 역할을 합니다. 이 기사에서는 단일 채널 기여 모델이 무궁무진한 길인 이유와 데이터 기반 모델조차 성공적인 마케팅에 충분하지 않은 이유를 설명합니다.

기술의 발전, 점점 더 많은 마케팅 채널(온라인 및 오프라인)의 등장, 대유행으로 인한 비즈니스의 인터넷 전환으로 인해 브랜드는 고객이 어디에서 왔는지, 고객이 언제 어떻게 전환하는지 이해하는 것이 중요합니다. . 여기에서 마케팅 귀속이 작용합니다.

마케팅 분석에서 기여는 광고 채널이 가져오는 가치를 평가하는 것입니다. 이것은 디지털 마케터의 중요한 작업 중 하나입니다. 왜요? Gartner의 2020년 연구에 따르면 마케팅 예산의 80% 이상이 디지털 채널에 할당되어 있습니다. 간단히 말해서 수백만 달러가 광고에 사용되고 기업은 분명히 이 지출이 고객과 수익을 가져오기를 원합니다.

기여의 목표는 전환에 대한 채널의 기여도(고객을 유입경로의 다음 단계로 이동하거나 구매를 유도하는 역할)를 정의하고 각 유입경로 단계에 가치를 할당하는 것입니다.

브랜드는 마케팅 분석을 사용하여 고객이 회사와 상호 작용하는 방법, 장소, 시기를 정의하고 기여도를 사용하여 채널 효율성을 평가합니다. 이 데이터 덕분에 마케터는 광고 캠페인을 변경하고 개선할 수 있습니다.

기여 모델에는 다양한 유형 이 있으며 올바른 단일 모델은 없다는 점에 유의해야 합니다. 일반적으로 기여 모델은 가치를 계산하는 논리에 따라 분류됩니다. 기여 모델의 유형은 다음과 같습니다.

• 위치 기반 기여 모델 — 시간 가치 하락, 위치 기반
• 알고리즘 기여 모델 — 데이터 기반, 마르코프 체인
• 단일 채널 기여 모델 — 마지막 클릭, 첫 번째 클릭
• 다중 채널 기여 모델 - 선형, 시간 가치 하락

대부분의 회사는 단일 채널 기여 모델을 사용합니다. 이러한 모델은 항상 사용되어 왔는데 작동하는 것처럼 보이는 것을 왜 변경합니까? 단일 채널 모델은 단순하고 Google Analytics(Universal)의 표준이며 가치가 어떻게 분배되는지 쉽게 이해할 수 있습니다.

다음은 단일 채널 기여 모델에서 전환 가치가 분산되는 방식의 예입니다.

그러나 이러한 모델은 하나의 채널만 평가할 수 있습니다. 옴니채널 고객의 구매 경로를 지나치게 단순화하여 심각한 오해를 일으키고 실제 상황을 보여주지 않습니다.

예를 들어 웹 사이트 방문자 수가 보통인 다중 채널 소매업체에 대한 경로 보고서를 보면 첫 번째 방문에서 이루어진 주문으로 인해 발생하는 수입 비율을 알 수 있습니다. 여기에서 두 번 이상의 방문이 있는 다중 채널 경로는 수입의 72%를 가져옵니다.

평균적으로 고객이 전환하는 데는 7~9개의 터치포인트가 필요합니다(최고 실적자는 5개로 줄일 수 있음). 분명히 이러한 각 터치포인트(채널)는 전환 가능성에 영향을 미칩니다. 이 경우 구매자에 대한 모든 채널의 영향을 고려해야 한다는 것이 논리적입니다.

그러나 단일 채널 기여 모델을 사용하는 경우 유입경로의 다른 단계는 무시됩니다. 판매 깔때기의 시작, 중간, 끝에서 일어나는 일을 무시하면 부적절한 관리 결정과 금전적 손실로 이어질 수 있습니다.

단일 채널 기여 모델 외에도 데이터 기반 모델이 널리 사용됩니다. 가장 유명한 예로는 Google의 데이터 기반 모델, Facebook의 전환 상승도 모델, Nielsen의 캠페인 상승도가 있습니다.

데이터 기반 모델은 전환 경로에 대한 각 소스의 영향을 보다 정확하게 반영합니다. 브랜드와의 사용자 상호 작용에 대한 모든 데이터를 고려하기 때문에 단일 채널 모델보다 빠르고 적응력이 높으며 객관적입니다. 다채널 환경에서 모든 터치포인트는 고객이 제품을 구매하도록 설득하지만 분명히 그 영향력은 동일하지 않습니다. 따라서 단순하고 전통적인 기여 모델은 데이터를 분석할 때 큰 차이를 남기고 진행 상황에 대한 완전한 그림을 제공하지 못합니다.

데이터 기반 어트리뷰션은 모든 사용자(전환한 사용자와 전환하지 않은 사용자)의 데이터를 사용하여 사용자 경로를 비교합니다. 이 접근 방식을 통해 마케터는 전환 가능성이 더 높은 경우를 평가할 수 있습니다.

결과적으로 모델은 위치에 관계없이 사용자 경로에 있는 각 채널의 전환 가중치를 계산합니다.

데이터 기반 모델의 단점은 알고리즘이 가장 정확한 결과를 표시하기 위해 충분한 데이터를 수신해야 한다는 사실을 포함합니다. 모델이 신뢰할 수 있는 추정치를 제공하려면 많은 과거 및 시장 데이터가 필요합니다. 데이터 기반 기여 모델에서 높은 정확도를 달성하려면 최소 12개의 터치포인트가 필요합니다.

요약하면, 단일 채널 모델은 전체 그림을 고려하지 않기 때문에 잘못된 관리 결정으로 이어지는 경우가 가장 많다고 말할 수 있습니다. 따라서 데이터 기반 모델이 단일 채널 모델보다 좋습니다. 그러나 완벽에는 제한이 없습니다. 고급 옵션은 전환 가능성을 고려하고 기계 학습 기술을 사용하여 시장 데이터에 대해 교육합니다.

데이터 기반 기여 모델의 가장 큰 문제는 분석에 너무 많은 데이터가 필요하다는 것입니다. 클라이언트와의 커뮤니케이션에 참여하는 하나의 채널이 아니라 다양한 변형의 전체 미디어 소스 집합입니다. 예를 들어, ROI 지표를 측정하기 위해 마케터는 이 전체 오케스트라를 어떻게든 관리해야 합니다.

바로 여기에서 머신 러닝(ML) 기여 모델이 하루를 절약할 수 있습니다! 머신 러닝과 시장 데이터를 사용하는 모델은 기여에 대한 접근 방식을 완전히 바꿨습니다. ML 모델은 고객의 구매 경로에 대한 가장 완전하고 사실적인 그림을 얻을 수 있도록 기업에 맞게 조정할 수 있습니다. 2019년에서 2020년 사이에 인터넷 판매가 전년 대비 70% 이상 증가함에 따라 ML 모델은 모든 마케터에게 필수입니다.

매일 그 양이 증가하고 있는 마케팅 분석에 필요한 모든 데이터는 머신 러닝 없이는 처리할 수 없습니다. 이러한 도움으로 마케터는 더 이상 유용한 통찰력을 찾기 위해 수많은 숫자를 헤매지 않아도 됩니다.

결국 기업은 어떤 채널이 작동하지 않는지 이해하는 것뿐만 아니라 어떤 채널이 작동하는지 이해하여 맹목적으로 예산을 할당하지 않도록 하는 것이 중요합니다.

Gartner의 2021년 CMO를 위한 Digital Marketing Insights 연구에 따르면 CMO의 84%가 머신 러닝과 인공 지능을 사용하면 마케팅 기능이 향상된다고 믿습니다. 동시에 전문가의 17%만이 AI/ML 기능을 광범위하게 사용합니다.

OWOX BI 팀은 27,000개 이상의 프로젝트와 함께 작업했으며 각 비즈니스에는 고유한 기여 요구 사항이 있으며 모든 사람에게 명확한 답은 없다는 것을 이해합니다. 한 회사의 경우 단일 채널 모델이 적합합니다. 일부 비즈니스에는 데이터 기반 옵션이 필요합니다. 그리고 나머지는 마케팅 믹스 최적화(MMO)가 필요합니다.

이론은 항상 실천과 함께 합니다. OWOX 모델은 수만 프로젝트의 시장 데이터에 대해 교육을 받았기 때문에 향상된 속도와 우수한 예측 품질이 특징입니다. ML 어트리뷰션과 잠재고객 자동 가져오기를 사용하여 고객 중 한 명이 ROI를 2.2배 높이는 데 도움이 되었습니다.

OWOX는 최근에 어트리뷰션 모델의 업데이트된 버전을 출시했습니다. 이 새로운 모델의 장점은 무엇입니까?

1. 유입경로 단계를 수동으로 선택할 필요가 없습니다. 모델 자체는 전환 가능성에 따라 캠페인의 기여도를 결정합니다.
2. 모든 세션의 가치에 대한 예측을 얻을 수 있습니다. 새 모델 을 사용하면 오늘 이 캠페인을 비활성화하면 미래에 얼마나 많은 전환이 발생할까요? 라는 질문에 답할 수 있습니다. 이 접근 방식을 사용하면 지연된 캠페인 비활성화를 방지하고 비효율적인 캠페인을 더 빨리 끌 수 있습니다.

3. 계산 논리는 절대적으로 투명합니다. 개방형 데이터 변환 코드를 사용하면 모든 회사 특성을 고려할 수 있습니다. OWOX 고객은 서비스가 마케팅 소스(광고 서비스, 통화 서비스, CRM)의 데이터를 업데이트하고 이를 다양한 광고 플랫폼의 비용 데이터와 결합하고 필요한 보고서를 준비하는 동안 코드에 필요한 변경을 할 수 있습니다.

기여 모델을 사용하면 마케팅 채널을 제어할 수 있으므로 보고서가 마케팅 효과를 얼마나 정확하게 보여주고 실제로 중요한 접점에서 마케팅을 최적화할 수 있는지 이해하는 데 도움이 됩니다.

마케터는 각 행동이 고객을 전환에 더 가깝게 밀어붙이도록 해야 합니다. 기여 모델을 사용하여 투자한 금액에 따라 가장 수익성이 높은 마케팅 캠페인을 결정할 수 있습니다.

선택할 모델은 산업, 회사의 목표 및 비즈니스 규모에 따라 다릅니다. 그러나 한 가지 확실한 것은 이러한 모델 중 어느 것도 100% 정확한 결과를 보장할 수는 없다는 것입니다.