디지털 채널 분석 솔루션 비교하기!

쇼핑, 금융, 공공기관 할 것 없이 오프라인보다 비대면 채널의 이용이 더 활발해지고 있습니다. 이러한 환경에서 디지털 채널은 고객이 기업과 가장 자주 만나는 접점이자 기업 및 브랜드 이미지를 결정하는 공간입니다. 고객은 웹사이트나 앱에서 정보를 찾고, 상품/서비스를 비교하고, 구매/신청 등의 결정을 내립니다.

이 과정에서 고객이 어떤 경로로 접속했는지, 어떤 콘텐츠를 확인했는지, 어떤 페이지에서 이탈했는지 등을 정확히 파악해야, 우리가 기대한 대로 고객이 움직였는지 확인하고문제점을 개선할 수 있습니다. 디지털 채널 분석은 고객의 니즈를 파악해서 마케팅 방향을 잡고, 고객경험을 향상시키고, 전환율을 높일 수 있는 출발점입니다.

이번 콘텐츠에서는 넷스루의 디지털 채널 분석 솔루션 DataStory(데이터스토리)와, GA4와 같은 글로벌 SaaS 분석 솔루션을 세 가지 기준으로 비교해보겠습니다.

1. 고객 행동과 속성 데이터의 연결성

데이터스토리는 고객 행동 로그를 고객, 상품, 콘텐츠 등의 속성과 연계하여 분석할 수 있는 구조를 갖추고 있습니다.

웹과 앱에서 발생하는 클릭, 조회, 구매, 페이지 이동과 같은 행동 로그를 고객의 회원 정보, 상품 메타 정보, 콘텐츠 유형 등 다양한 내부 속성과 연결함으로써 보다 입체적인 분석이 가능합니다. 예를 들어, VIP 등급 고객이 주로 어떤 상품에 관심을 보이는지, 특정 광고를 통해 유입된 고객의 서비스 신청률은 어떠한지, 세그먼트별로 가장 많이 조회된 콘텐츠는 무엇인지 등을 파악할 수 있습니다.

반면, GA4와 같은 SaaS 솔루션은 디지털 행동 이벤트 중심의 분석 구조로 설계되어 있어 내부 속성과의 연계 분석에는 제약이 있습니다.

행동 로그 자체는 수집되더라도, 해당 행동을 수행한 사용자의 세부 속성이나 기업 내부 데이터베이스에 있는 정보와 직접 연결하려면 추가적인 작업이 필요합니다. 단순한 행동 데이터만으로는 맥락을 정확히 파악하기 어렵고, 산재된 데이터를 각각 별도의 시스템에서 처리해야 하는 번거로움이 있어 기업 고유의 데이터 자산을 제대로 활용하기 어렵다는 한계가 있습니다.

2. 분석 대상 데이터의 범위와 정밀도

데이터스토리는 전수 데이터를 기반으로 분석을 수행하고, 장기간에 걸친 이용 추이와 변화 흐름 파악에 용이합니다. 데이터스토리를 통해 고객의 웹/앱 이용을 다각도로 분석하면, 디지털 채널의 주요 이탈 및 전환 흐름을 식별하여 개선할 수 있습니다.

특히 리뉴얼 전·후 방문 흐름 비교, 특정 기능 도입 이후 지표 변화 등 시계열 기반 분석에 강점을 가져 UI/UX 개선에 활용하기 좋습니다. 또한, 상세한 세그먼트를 설정해 비정형 고객군을 분석 하기에도 유리합니다.

반면 GA4는 주요보고서에 샘플링이 적용되어 수집된 로그 중 일부를 기반으로 분석결과가 나올 수 있습니다. 특히 보고서에 적용된 조건이 많거나 조회 기간이 길어질수록 샘플링 비율이 높아지고, 이로 인해 데이터의 정밀도에 영향을 줄 수 있습니다.

때문에 장기적인 흐름을 분석하거나, 비정형 고객군의 이탈 원인처럼 소수의 행동을 들여다봐야 하는 경우에는 이러한 구조적 제약이 분석 품질에 영향을 줄 수 있습니다. 전수 데이터를 기반으로 한 세부 분석을 진행하려면 별도의 도구(BigQuery 등)와 추가 설정이 필요해 실무 단계에서 활용이 쉽지 않은 경우도 많습니다.

3. 분석 리포트의 유연성과 확장성

데이터스토리는 자사 디지털 채널의 구조와 운영 목적에 맞춰 맞춤형 분석 리포트를 구성할 수 있습니다. 도메인 내 다양한 메뉴, 화면 유형, 상품 카테고리, 전환 페이지 등 실제 채널 구조를 그대로 반영할 수 있으며, 마케팅 성과 확인 등 분석 목적에 따라 유연하게 로그를 수집하고 분석할 수 있습니다.

예를 들어, 부서별 목표 달성 과정을 세부 단계로 나눠 시나리오 기반으로 분석하거나, 주요 이벤트 페이지를 기준으로 이전/이후의 고객 이동 경로를 분석하고, 상품/콘텐츠 정보와 고객 행동을 연계 분석하는 등 다양한 관점에서 인사이트를 도출할 수 있습니다.

반면 GA4는 Google에서 정의한 표준 지표와 구조에 기반한 리포트를 중심으로 분석 결과를 제공합니다. 리포트를 새로 만들 수는 있지만, 트리 구조나 사용자 정의 지표 등 원하는 형태로 유연하게 구성하기에는 제약이 있습니다.

기본 제공 리포트를 넘어선 분석을 진행하려면 BigQuery 등 외부 도구와의 연동이 필요하며, 이 과정에서 SQL 쿼리 작성이나 개발 리소스가 요구되기도 합니다. 이로 인해 실무에서 즉시 분석 결과를 확인하고 활용하기엔 한계가 있을 수 있습니다.

어떤 기업에 어떤 솔루션이 적합할까요?

데이터스토리는 단순히 방문 수나 클릭률을 보여주는 도구가 아닙니다. 디지털 채널에서 발생하는 고객 행동 데이터를 내부 데이터와 결합하여 전수 분석하고, 60개 이상의 이용 분석 보고서를 매일 자동으로 생성하는 디지털 채널 분석 솔루션입니다. 이를 통해 IT팀의 도움 없이도 실무에 바로 적용 가능한 인사이트를 얻을 수 있고, 데이터 기반의 채널 최적화 환경을 효율적으로 구축할 수 있습니다.

고객 경험 개선이 웹/앱 관리의 가장 중요한 목적으로 떠오르고 있는 지금, 여러분 기업의 디지털 전략에 가장 잘 맞는 분석 솔루션은 무엇일지 고민해보시길 바랍니다.

▶ 넷스루 분석 솔루션 소개 바로가기

고객 행동 데이터 수집 솔루션 비교하기!

고객 행동 분석의 시작은 '데이터 수집'입니다.

많은 기업이 ‘Google Analytics(GA4)’나 ‘Google Tag Manager(GTM)’와 같은 SaaS 기반 분석 도구를 사용하고 있지만, 이 도구들만으로 고객의 복잡한 행동을 모두 수집하기엔 한계가 있습니다. 특히 온/오프라인에서 다양한 채널을 운영하고, 보안에 민감한 기업일수록, 고객 행동 데이터를 보다 정확하고 안전하게 수집 및 관리할 솔루션이 필요합니다.

이러한 관점에서, 넷스루의 구축 솔루션인 ‘와이즈컬렉터(WiseCollector)’와 ‘GA4’로 대표되는 글로벌 SaaS 솔루션을 비교해보겠습니다.

[고객 행동 데이터 수집 솔루션 주요 특징 비교]

1. 고객 행동 수집 범위

와이즈컬렉터는 고객사 서버에 직접 설치되어, PC 웹과 모바일 앱은 물론 콜센터, 오프라인 매장 등 다양한 접점에서 발생하는 고객 행동을 실시간으로 수집할 수 있습니다. 이를 통해 여러 시스템에 분산된 데이터를 통합하고, 전체 고객 여정을 보다 정밀하게 파악할 수 있습니다.

특히 금융권의 입금, 계좌이체, 상품 계약 등이나 유통업의 구매, 반품, 취소 등과 같이 거래 로그를 함께 분석해야 하는 산업과 기업에서는 고객 중심 데이터 플랫폼을 구축하는 데 유리합니다. 또한 고객 행동 데이터를 전수 수집하는 구조이기 때문에, 데이터 손실 없이 보다 정확한 분석이 가능합니다.

반면 GA4와 같은 SaaS 기반 도구는 웹과 앱 중심의 이벤트 수집에 최적화되어 있어, 채널 간 연결 분석에는 제약이 따릅니다. 예를 들어 사용자가 앱에서 특정 행동을 한 후 콜센터를 거쳐 구매로 이어지는 복합 여정은 GA4 단독으로 추적하기 어렵습니다.

또한 수집 이후의 행동 데이터 분석까지 고려할 경우, GA4는 수집된 데이터 일부만을 샘플링 방식으로 처리하기 때문에, 세부 행동을 정밀하게 파악하거나 소규모 행동을 분석하는 데 어려움이 생길 수 있습니다. 다양한 접점을 실시간으로 연결하고, 전체 여정을 분석하려면 보다 유연한 수집 구조가 필요합니다.

2. 수집 데이터의 실시간 가공과 활용성

와이즈컬렉터는 수집된 데이터를 기업이 설정한 조건에 따라 실시간으로 가공하고, 목적에 맞는 시스템으로 바로 전송할 수 있는 구조를 갖추고 있습니다. 데이터는 수집과 동시에 개인화 마케팅, 추천 시스템, 대시보드 등으로 연동되어 즉시 활용 가능하며, 사전에 정의된 조건에 따라 자동 처리되기 때문에 마케터나 기획자가 원하는 방식으로 데이터를 빠르게 활용할 수 있습니다. 특히 실시간 이벤트 기반의 마케팅이나 자동화된 응대 시스템을 운영하는 데 유리하며, 내부 시스템과 유연하게 연동되는 점도 강점입니다.

반면 GA4는 수집된 데이터를 일정 시간 이후에야 확인할 수 있으며, Google 생태계에 최적화된 구조로 설계되어 있어 기업 내부 시스템이나 타 솔루션과 유기적으로 연계하기에는 한계가 있습니다. 특히 고객 행동 데이터를 내부 DB나 식별 정보와 통합하는 데 제약이 따르며, 목적에 맞게 데이터를 가공해 활용하려면 별도의 도구나 개발 리소스가 필요합니다. 이로 인해 데이터 활용의 유연성과 속도 모두에서 실무적인 부담이 발생할 수 있습니다.

3. 개인정보 보호 규제 대응력

개인정보 보호 규제 및 방침은 점점 더 까다로워지고 있습니다. 기업 입장에서는 단순히 데이터를 수집하는 것 뿐 아니라, 각종 법령과 내부 보안 기준에 맞춰 데이터를 다루는 방식까지 세심하게 관리해야 합니다.

특히, 고객의 디지털 행동 데이터는 과거에는 개인정보가 아닌 것으로 여겨졌지만 점차적인 규제 강화로 점점 개인정보로 해석하고자 하는 경향이 강해지고 있어 고객 행동 수집에도 주의가 필요합니다.

와이즈컬렉터는 변화하는 보안 환경과 규제에 유연하게 대응할 수 있도록 설계되었습니다. 기업의 온프레미스(자체 서버)나 프라이빗 클라우드 환경에 설치해 안정적으로 운영할 수 있으며, 개인정보처리방침이 변경되더라도, 행동 데이터 수집에 대한 자체 원천 기술을 기반으로 솔루션 엔진 차원의 대응이 가능합니다. 이러한 구조적 안정성과 유연성을 바탕으로, 보안 요구 수준이 가장 높은 금융 업계에서도 가장 널리 도입되고 있는 수집 솔루션입니다.

반면 GA4와 같은 SaaS 기반 솔루션은 글로벌 벤더가 설정한 일괄적인 정책에 따라 운영되기 때문에, 각 기업이 요구하는 보안 기준이나 국가별 법령, 내부 지침 등을 세부적으로 반영하기에는 한계가 있습니다. 특히 보안 정책이 계속 강화되거나 민감한 데이터를 다루는 산업에서는, 시스템 환경에 맞춘 유연한 적용이 어려워 운영상 부담이 발생할 수 있습니다.

어떤 기업에 어떤 솔루션이 적합할까요?

와이즈컬렉터는 단순한 로그 수집 도구가 아닙니다.

기업 내부의 다양한 시스템과 디지털 채널을 유기적으로 연결해, 고객 행동 데이터를 실시간으로 수집하고 가공·전송할 수 있는 데이터 수집 인프라입니다.

고객 데이터를 처음부터 정교하게 다루고자 하는 기업이라면, 금융·공공·유통 등 다양한 산업군에서 실제 구축 경험을 쌓아온 넷스루의 노하우를 기반으로 시작하는 것이 안정적인 운영에 큰 도움이 될 수 있습니다.

특히 보안이나 내부 시스템 연동 이슈로 SaaS 솔루션 활용에 제약이 있는 기업이라면, 자체 환경에 맞게 유연하게 대응할 수 있는 구축형 수집 솔루션을 고려해볼 만합니다.

▶ 넷스루의 실시간 데이터 수집/처리 솔루션 소개 바로가기

홈페이지 개편 전 꼭 필요한 사이트 분석 방법!

홈페이지 개편을 앞두고 있는 많은 실무자들이 비슷한 고민에 부딪힙니다.

개편의 필요성은 공감하지만, 실제로 고객이 어디에서 불편함을 느끼고, 어떤 행동을 하고 있는지가 명확하게 보이지 않아 어떤 곳을 어떻게 수정해야 할지 망설여집니다.

이럴 때 필요한 건 ‘느낌’이 아니라 고객의 실제 행동 데이터입니다.

넷스루의 데이터스토리(DataStory)는 고객이 머문 위치, 클릭한 요소, 사용한 메뉴, 이탈한 순간 등을 분석해 시각화 함으로써 홈페이지 개편 전 꼭 확인해야 할 핵심 포인트를 짚어줍니다.

홈페이지 개편 전 꼭 분석해야 할 항목 4가지

홈페이지 디자인을 바꾸고 메뉴 구조를 정리하기 전에, 먼저 아래 항목을 점검하면서 개편 목표와 범위를 설정하세요.

디지털 고객 행동 분석 솔루션 데이터스토리를 활용하면 개편 방향이 더 명확해집니다.

1. 자주 사용되는 메뉴, 거의 쓰이지 않는 메뉴

메뉴가 많고 복잡하다는 건 인지하고 있어도, 실제로 어떤 메뉴는 유지하고 어떤 메뉴는 정리해야 할지 판단하기 어려울 때가 많습니다. 이럴 때는 내부 의견보다 고객의 실제 사용 데이터를 확인하는 것이 더 정확한 기준이 됩니다.

데이터스토리를 활용하면 메뉴별 클릭 수와 이용 흐름을 기반으로 고객이 자주 이용하는 메뉴와 그렇지 않은 메뉴를 구분할 수 있습니다. 이를 통해 자주 사용되는 메뉴는 더 눈에 띄는 위치로 조정하고, 활용도가 낮은 메뉴는 통합하거나 제거하는 등 메뉴 구조를 효율적으로 정리해야 합니다. 상단 메뉴가 지나치게 많을 경우, 오히려 고객은 원하는 기능을 찾기 어려워 불편을 느끼거나 이탈할 가능성도 높습니다. 때문에 메뉴 개편은 홈페이지 개편에 꼭 포함되어야 할 사항입니다.

출처: DataStory

데이터스토리에서는 위와 같이 메뉴 이용 현황을 시각적으로 확인할 수 있습니다. 또한 계층형 메뉴 구조를 통해 하위 메뉴의 이용 현황까지 파악할 수 있습니다. 위의 예시에서는 메인 페이지 다음으로 ‘회원’ > ‘도서’ > ‘음반’ 메뉴 순으로 이용이 많으며, ‘도서’ 메뉴 중에서도 ‘시/에세이/기행’ 메뉴가 방문수도 가장 높고 구매수도 많습니다.

2. 클릭이 많은 영역 vs 클릭이 없는 영역

고객은 말보다 행동으로 반응합니다. 화면 내 어떤 요소가 실제로 클릭되었는지를 분석하면, 고객이 주목하는 콘텐츠와 무시되는 영역을 명확히 구분할 수 있습니다. 데이터스토리는 페이지 화면을 기준으로 영역별 클릭량을 시각적으로 분석할 수 있는 기능을 제공합니다.

시각적으로 강조한 배너가 클릭되지 않고, 의도하지 않았던 다른 버튼에 클릭이 몰린다면 시선 흐름이나 정보 배치에 문제가 있을 수 있습니다. 전체적인 고객의 클릭 패턴을 바탕으로, 콘텐츠의 위치나 크기, 색상과 같은 표현 방식을 고민해야 합니다. 고객의 행동 데이터를 바탕으로 화면을 점검하면, UI 구성의 사용성과 효과를 함께 높일 수 있습니다.

출처: DataStory

데이터스토리는 위와 같이 화면의 다양한 항목을 감지하여 분석합니다. 표를 통해 영역별 클릭 수와 비율을 정확히 제공할 뿐 아니라, 이미지를 통해 각 영역의 클릭 순위를 보여주기 때문에, 마케터는 고객의 손끝이 머문 위치를 한눈에 파악할 수 있습니다.

3. 유입은 많지만, 전환은 낮은 페이지

방문수가 많고 체류시간이 길다고 해당 메뉴가 꼭 효과적인 것은 아닙니다. 체류 시간이 길어도 전환율이 낮다면, 고객이 콘텐츠를 충분히 살펴보고도 원하는 정보를 찾지 못했을 가능성이 있습니다. 반대로 한 페이지만 짧게 확인하고 바로 전환된 경우라면, 정보 전달력이 뛰어나고 전환까지의 흐름이 간편한 콘텐츠일 수 있습니다.

때문에 방문수, 머문 시간, 반송률, 전환건수 등을 함께 분석해 고객 행동을 입체적으로 파악해야 합니다. 데이터스토리는 세부 메뉴별 다양한 지표를 제공해 페이지 성과를 객관적으로 평가할 수 있습니다. 유입은 많지만 전환이 낮은 페이지라면, 정보 구성, 메시지 흐름, CTA 문구뿐 아니라 전환까지의 경로를 단순화하는 것도 개선 방향으로 검토할 수 있습니다.

출처: DataStory

위의 예시를 보면, ‘카드소개’ 메뉴는 방문수가 높고 머문 시간이 길며 반송률도 낮지만, 오히려 ‘추천카드’ 메뉴에서 카드 신청 완료 수가 더 높습니다. ‘카드소개’ 에서는 많은 고객이 다양한 카드를 살펴봤지만 실제 신청으로 이어진 비율은 낮고, 반대로 ‘추천카드’ 에서는 추천 카드 몇 개만 살펴본 뒤 신청까지 완료하는 비율이 더 높다는 것을 알 수 있습니다.

이 결과를 통해 단순히 많은 정보를 제공하는 것보다, 고객이 빠르게 핵심 정보를 파악해서 선택할 수 있도록 콘텐츠를 간결하게 정리하고, 추천 포인트를 명확히 전달하는 방향으로 개선해야 한다는 인사이트를 얻을 수 있습니다.

4. 디바이스별 행동 차이

PC에서는 문제 없이 작동하는 페이지가 모바일에서는 높은 이탈률을 보이는 경우도 있습니다. 콘텐츠 양, 버튼 크기, 반응형 설계 등 어떤 요소가 영향을 주는지는 디바이스별 행동 데이터를 통해 확인할 수 있습니다.

데이터스토리는 기기별 고객 행동 흐름을 비교 분석하여, 어떤 페이지가 모바일에서 특히 불편한지, 어떤 디바이스에서 이탈이 발생하는지를 보여줍니다. 이를 기반으로 각 디바이스에 최적화된 UI 구성 방향을 구체화할 수 있습니다.

출처: DataStory

위와 같이 데이터스토리에서는 PC와 모바일 세그먼트를 나누어, 각 디바이스에서 얼마나 접속했는지 확인할 수 있습니다. 또한 브라우저, 운영체제, 모바일 해상도 등 구체적인 접속 환경까지 볼 수 있어, 우리 고객들이 주로 어떤 환경에서 접속하는지 파악 가능합니다.

그리고 디바이스 별로 어떤 메뉴에 자주 접속하고, 어떤 페이지에서 이탈하는지 등 고객의 행동을 파악할 수 있어 디바이스에 최적화된 화면을 구성하는데 도움을 줍니다.

데이터를 보면 개편의 방향이 보입니다

홈페이지 개편은 많은 시간과 비용이 드는 일입니다. 그만큼 ‘느낌’이 아니라, 고객의 실제 ‘행동 데이터’에 기반해 개편 방향을 정하는 것이 중요합니다.

데이터스토리는 페이지 조회수나 클릭 수를 넘어, 고객이 머문 위치, 클릭한 버튼, 이탈한 순간까지 행동 전체를 시각적으로 분석해 보여줍니다.

홈페이지 개편을 준비하고 있다면, 디자인을 논하기 전에 먼저 데이터를 살펴보세요.
답은 고객의 행동 안에 있습니다.

▶ 넷스루 디지털 채널 분석 솔루션 바로가기

마케팅 성과 분석의 핵심, '유입 채널 분석' 제대로 하는 법

🤔 이 광고… 정말 효과가 있는 걸까?

“SNS를 통한 홈페이지 유입이 늘었는데, 상품 가입은 왜 별로 안 늘었지?”

“블로그 콘텐츠를 통한 문의가 늘었다는데, 정확히 어떤 글이 성과를 낸 거지?”

이런 고민에 정답을 찾을 수 없다면, 지금까지의 유입 분석은 잘못되었습니다! ❌

신규 상품/서비스 홍보를 위한 광고를 진행한 후 마케팅 성과를 측정할 때, '어떤 채널에서 고객이 유입되었는지'만 확인해서는 부족합니다. 각 채널에서 유입된 고객이 실제로 어떤 행동을 했는지를 분석해야 의미 있는 인사이트를 얻을 수 있습니다.

이번 글에서는 유입 채널 분석의 목적과 효과적인 분석 방법을 알려드립니다. 유입 채널을 분석하는 것이 왜 중요한지, 어떻게 분석해야 ‘제대로’ 분석했다고 할 수 있을지에 대해 지금부터 소개하겠습니다.

유입 채널 분석의 목적

마케팅 활동을 진행한 후 성과를 분석하는 것은 많은 데이터 분석가들이 이미 하고 있는 일반적인 업무입니다. 하지만 유입 채널을 분석하는 것이 왜 중요한지, 분석 결과를 어떻게 활용할 수 있을지를 정확히 알아야 제대로된 분석을 할 수 있습니다.

✅ 성과가 좋은 채널 파악

다양한 마케팅 채널 중에서 어떤 채널이 전환(예: 상담 신청, 자료 다운로드 등)을 유도했는지 파악할 수 있습니다. 이를 통해 효과적인 채널에 집중하고, 성과가 낮은 채널을 개선할 방향을 찾을 수 있습니다.

✅ 효과적인 콘텐츠 파악

블로그, SNS, 이메일 등 다양한 콘텐츠 중에서 어떤 주제의 콘텐츠가 더 많은 전환을 유도했는지 확인할 수 있습니다. 이를 통해 향후 마케팅 전략 수립 시 어떤 부분에 포인트를 맞춰 홍보해야 할 지 방향성을 찾을 수 있습니다.

✅ 고객 이해를 통한 사용자 경험 향상

유입된 고객이 사이트에서 어떤 행동을 했는지, 얼마나 이탈했는지 등을 분석하여 사이트 구조나 콘텐츠를 개선하면, 사용자 경험을 향상시킬 수 있습니다. 또한 유입 채널별 세그먼트를 통해 해당 고객의 관심사와 행동 패턴을 지속적으로 파악하면, 고객을 더욱 깊이 이해하는 데 도움을 받을 수 있습니다.

유입 채널 분석, 어떻게 하면 좋을까?

Step 1. UTM 파라미터를 활용해 유입 채널 구분하기

유입 채널을 상세하게 파악하기 위해 일반적으로 UTM 파라미터를 가장 많이 사용합니다. UTM 파라미터는 URL에 특정 정보를 추가해 유입 채널을 구분하는 방법입니다.

예를 들어, 블로그 콘텐츠를 통해 ‘ABC 카드’를 홍보한다고 가정합시다. 콘텐츠 내용을 모두 작성하고 하단에 ‘ABC 카드 신청하기’ 라는 배너를 넣었습니다. 이때 배너 URL을 ‘https://abccard.co.kr’로 등록한다면, 홈페이지로는 바로 연결 되지만 해당 블로그를 통한 유입인지는 확인할 수가 없습니다.

하지만 ‘https://abccard.co.kr’ 뒤에 UTM 파라미터로 꼬리표를 붙인다면, 해당 링크가 클릭될 때마다 기록이 남아 Google Analytics 등의 데이터 분석 툴을 이용하여 출처를 파악할 수 있습니다.

UTM 링크는 아래와 같은 구성을 갖고 있습니다. (* 표시는 필수 입력 사항)

• UTM 링크 적용 예시

https://abccard.co.kr/?utm_source=naver&utm_medium=blog&utm_campaign=card_abc_promo_2025&utm_content=apply_card_blue&utm_term=cashback

위의 링크를 해석하자면, 사용자는 ‘네이버 블로그’에서, ‘2025년 abc 카드 프로모션’을 위해 작성된 콘텐츠의 ‘카드 신청 파란색 이미지’를 클릭해서 홈페이지에 유입되었고, 사용자가 네이버에서 검색한 키워드 또는 콘텐츠의 핵심 키워드는 ‘캐시백’ 이었다는 것을 알 수 있습니다.

이와같이 UTM 링크 생성은 구체적인 유입 경로를 확인할 수 있는 첫번째 장치입니다. 화면 하단의 ‘UTM 링크 생성기 다운로드’ 버튼을 클릭하면 UTM 링크를 쉽게 생성할 수 있는 구글 스프레드시트를 무료로 다운 받을 수 있습니다!😉

그럼 이어서, UTM 링크를 바탕으로 고객 행동을 분석하는 방법을 설명하겠습니다.

Step 2. 분석 솔루션을 통해 유입 경로 및 고객 행동 분석하기

UTM 파라미터를 설정한 후에는, 분석 솔루션을 통해 유입 고객의 행동을 분석할 수 있습니다. GA4와 같은 무료 분석 도구에서도 이 데이터를 바탕으로 유입 채널을 확인할 수 있지만 마케터가 원하는 상세한 전환 행동까지는 심층적으로 파악하기 어렵습니다.

따라서 본 포스트에서는 넷스루 디지털 고객 행동 분석 솔루션 데이터스토리를 활용하여 유입 채널을 분석하는 방법에 대해 다루겠습니다.

✅ 유입 채널별 사이트 방문수 시각화

UTM 링크의 ‘utm_source’를 통해 유입 채널별 홈페이지 방문수를 그래프로 확인할 수 있습니다.

이때 전체적인 유입 방문수를 비교할 수도 있고, 세그먼트별로 채널별 사이트 방문을 확인할 수도 있습니다. 위의 예시에서는 ‘PC방문’과 ‘모바일 방문’을 나눠 살펴보았습니다. 그 결과, ‘인블로그’ 매체는 PC 방문이 압도적으로 높으며 모바일에서도 가장 높은 유입을 보이고 있습니다. 반면 ‘이오플래닛’은 PC 방문은 가장 낮지만, 모바일에서는 홈페이지 유입이 많이 발생하는 모바일에 강화된 매체라고 확인할 수 있습니다.

세그먼트는 마케터가 원하는대로 설정할 수 있습니다. 예를 들어 사내에서 테스트용으로 클릭한 경우를 제외하고 싶다면, 사내 IP 제한 세그먼트를 생성하여 해당 세그먼트의 값만 확인해볼 수도 있습니다.

✅ 고객 행동 분석을 통해 상세한 마케팅 성과 파악

데이터스토리를 이용하면 사이트 방문수 뿐 아니라 전환값을 직접 설정할 수 있습니다. 특히 실시간 고객 행동 수집 솔루션 와이즈컬렉터를 함께 사용하면, 홈페이지 유입 후 어떤 고객 행동(클릭, 페이지이동, 항목선택 등)을 했는지 더욱 상세하게 확인할 수 있습니다. 이를 통해 사이트 방문자가 마케터가 의도한대로 행동했는지에 대한 마케팅 성과를 분석할 수 있습니다.

예를 들어, 마케팅팀의 KPI(핵심성과지표)가 홈페이지를 통한 다운로드와 문의인 경우, ‘아이보스’가 방문수와 페이지뷰는 더 높지만 ‘네이버블로그’가 다운로드, 문의 건수가 더 높기 때문에 마케팅 성과가 높은 매체라고 판단할 수 있습니다.

또한 유입 방문수는 높으나 반송률도 높은 매체가 있다면, 콘텐츠와 랜딩페이지간의 연관성이 낮지는 않은지 등을 점검하여 ‘SNS를 통한 홈페이지 유입이 늘었는데 상품 가입이 왜 안늘었는지’에 대한 문제를 파악하고 개선할 수 있습니다.

✅ 채널 뿐 아니라 콘텐츠 내용까지 유입 경로 통합/상세 분석

데이터스토리의 분석 상세표는 트리 구조로 되어있어 유입 경로를 통합 또는 상세 분석하기에 용이합니다. 통합 분석하고 싶은 항목을 제일 앞단에 두고, 세부적인 항목들을 뒷단에 두면, + 버튼을 클릭하여 쉽게 접었다 펼쳤다 하면서 내용을 확인할 수 있습니다.

또한 항목명을 한글화하여 추가할수 있기 때문에 보고서 내용을 한눈에 파악하기 수월합니다. 위의 표에서는 ‘utm_term’을 ‘키워드’, ‘utm_medium’을 ‘매체’, ‘utm_source’를 ‘유입 채널’로 등록하여 UTM 링크를 기반으로 유입 경로를 분석하고 있습니다.

만약, ‘블로그 콘텐츠를 통한 문의가 늘었다는데, 정확히 어떤 글이 성과를 낸 건지’ 궁금하다면, [매체 > 키워드] 순으로 표를 배치하여 블로그 중에서 어떤 내용의 글이 성과를 냈는지 확인할 수 있습니다.

반대로 콘텐츠의 내용에 따라 분석하는 방법도 있는데요. 위의 표가 그런 경우 입니다. ‘사용자 여정분석’ > ‘2025트렌드’ > ‘세그먼트분석 ’ 키워드 순서로 홈페이지 유입이 많았으며, 소개서 다운로드는 ‘사용자 여정분석’ 관련 콘텐츠에서만 발생했습니다. 이로써 사용자들은 ‘사용자 여정분석’ 관련 콘텐츠에 높은 관심을 보였으며 해당 콘텐츠를 통해 홈페이지에 유입된 고객들은 ‘소개서 다운로드’ 까지 이어지는 경우가 많다는 것을 알 수 있습니다. 이를 통해, 블로그와 페이스북 등 채널별 성과만 확인하는 것이 아니라, 어떤 콘텐츠 내용이나 어떤 인플루언서가 쓴 콘텐츠가 더 효과적이었는지 등 다양한 단계에서 상세한 분석을 해서 효과적인 마케팅 전략을 세울 수 있습니다.

유입 채널 분석은 단순히 방문자 수를 확인하는 것에서 그치지 않습니다. 고객이 어떤 채널을 통해 방문했으며, 궁극적으로 전환 행동(예: 상담 신청, 문의 남기기 등)을 했는지까지 분석하는 것이 중요합니다.

UTM 파라미터와 분석 솔루션을 적절히 활용하면 더욱 정교한 유입 채널 및 유입 경로 분석이 가능합니다. 특히, 데이터스토리는 다양한 콘텐츠와 마케팅 채널을 운영하는 팀에게 더 강력한 분석 도구가 될 수 있습니다.

아래 링크를 클릭해 UTM 자동 생성 구글 폼을 다운로드하고, 보다 쉽게 유입 채널 분석을 시작해보세요!

▶ UTM 링크 생성기 다운로드

▶ 넷스루 디지털 고객 행동 분석 솔루션 바로가기

고객 행동 데이터 수집 솔루션 선택 시 주의 사항

디지털 환경에서 고객 행동 데이터를 정확하게 수집하는 것은 마케팅 전략 수립의 핵심 요소입니다. 하지만 솔루션을 도입하는 과정에서 몇 가지 중요한 요소를 간과하면 원하는 결과를 얻기 어려울 수 있습니다.

예를 들어, 데이터 수집 솔루션을 도입했지만 기존 CRM과 연동이 되지 않아 별도의 데이터 처리 과정이 추가된다면 비효율적일 수밖에 없습니다. 또는, 모바일 환경에서 제대로 데이터를 수집하지 못한다면 고객의 실제 이용 패턴을 반영하지 못하는 문제가 발생할 수 있습니다.

이러한 시행착오를 방지하기 위해, 고객 행동 데이터 수집 솔루션을 선택할 때 반드시 고려해야 할 사항들을 정리해보았습니다.

1. 수집 분야의 구축 경험과 노하우가 충분한가?

고객 행동 데이터 수집 솔루션을 도입하기 위해서는 단순한 업력이나 고객사 수보다 실제 수행한 프로젝트의 깊이와 전문성을 확인하는 것이 중요합니다. 많은 고객사를 보유한 회사라고 해도, 실제로 해당 프로젝트에서 어떤 역할을 수행했는지는 별개의 문제이기 때문입니다.

좋은 고객 행동 수집 솔루션을 찾기 위해서는 수집 분야의 구축 경험과 노하우를 우선적으로 검토해야 합니다. 고객 행동 데이터 수집은 단순한 로그 저장이 아니라, 기업의 비즈니스 목표와 분석 방향에 맞게 최적화된 데이터를 확보하는 과정입니다. 구축 경험이 많은 회사일수록 현업이 원하는 데이터를 정확히 파악하고, 효율적인 수집 방식과 최적의 구조를 제안할 수 있는 역량을 갖추고 있습니다.

예를 들어, 데이터 수집 경험이 풍부하다고 하면서 A은행을 고객사로 소개하는 회사가 있다면, 실제로 고객 행동 수집 솔루션을 구축한 것이 맞는지 확인해야 합니다. 혹시 분석 또는 캠페인 솔루션만 납품했음에도 이를 수집 경험으로 내세우는 것은 아닌지 명확하게 파악하는 것이 중요합니다. 행동 데이터 수집은 다른 솔루션과 요구되는 기술이 다르며, 기업마다 수집해야 할 데이터와 연동해야 하는 시스템도 다릅니다. 따라서 수집에 대한 경험과 노하우가 풍부한 기업일수록 데이터 수집의 정밀도를 높이고, 구축 과정에서 발생할 수 있는 문제를 효과적으로 해결할 수 있습니다.

넷스루는 KB국민은행, 우리은행, 하나은행, 수협은행, 케이뱅크, DB손해보험, 한국고용정보원 등 많은 금융권과 공공기관에 실시간 고객 행동 수집 솔루션 와이즈컬렉터(WiseCollector)를 구축하여 프로젝트를 진행한 경험이 있습니다.

✔ 체크 포인트

• 유사한 산업군에서 고객 행동 데이터 수집 경험이 있는가?

• 고객사 프로젝트에서 구체적으로 어떤 역할을 수행했는가?

• 풍부한 수집 솔루션 구축 경험과 문제 해결 사례를 보유하고 있는가?

2. 내/외부 시스템과 실시간 연동이 가능한가?

기업들이 이미 보유하고 있는 CRM(고객관계관리), 마케팅 자동화, 데이터 분석 시스템 등과 원활하게 연동되지 않는다면, 데이터 활용이 제한될 수밖에 없습니다. 고객 행동 수집 솔루션은 수집한 데이터를 내부 및 외부 시스템과 원활하게 연결하고 실시간으로 전달할 수 있어야 합니다.

예를 들어, 고객이 특정 보험 상품을 조회한 후 상담을 신청했다면, 상담사는 고객의 기본 정보뿐만 아니라 어떤 상품을 관심 있게 살펴보았는지까지 실시간으로 확인할 수 있어야 합니다. 만약 CRM과 연동되지 않는다면, 상담사는 데이터를 수동으로 입력해야 하며, 이 과정에서 정보가 누락될 가능성이 높습니다.

데이터 활용 범위를 넓히기 위해서는 원본 로그를 단순 저장하는 것이 아니라, 연계 시스템에서 즉시 활용할 수 있도록 변환하여 DB나 파일 시스템으로 실시간 전송할 수 있어야 합니다. 와이즈컬렉터는 JDBC, AVRO를 이용한 데이터베이스 및 원격 서버 전송, KAFKA 및 REST API를 활용한 실시간 데이터 스트리밍이 가능합니다. 이를 통해 내부 시스템과 원활하게 연동하고, 실시간 분석 및 자동화된 마케팅 운영 등에 효과적으로 활용할 수 있습니다.

✔ 체크 포인트

• CRM, 마케팅 솔루션 등 기존 시스템과 연동할 수 있는가?

• 수집한 데이터를 변환하여 연계 시스템에 실시간 전송할 수 있는가?

• KAFKA, REST API를 활용한 실시간 데이터 스트리밍이 가능한가?

3. 모바일 앱에서 고객 행동 데이터를 효과적으로 수집할 수 있는가?

모바일 환경에서 고객 행동 데이터를 수집할 때는 앱을 재배포하지 않고도 데이터 수집 방식을 유연하게 변경할 수 있는지를 확인하는 것이 중요합니다. 기존 방식에서는 새로운 데이터를 수집하려면 앱을 다시 빌드하고, 앱스토어(iOS, 안드로이드)의 승인 절차를 거쳐야 하므로 적용까지 오랜 시간이 걸릴 수 있습니다. 특히, 운영체제별로 로깅 방식이 다르고, 앱 업데이트 후에도 예상치 못한 오류가 발생할 가능성이 있어 유지보수에 많은 부담이 따릅니다.

예를 들어, 한 e커머스 기업이 특정 기능 개선과 마케팅 최적화를 위해 고객 행동 데이터를 추가로 분석하려 했지만, 데이터 수집을 위해 앱을 재배포하는 것에 대한 부담으로 일정이 미뤄졌습니다. 결국, 다른 기능 업데이트 일정에 맞춰 함께 배포하기로 결정되면서 데이터 분석이 늦어졌고, 이에 따라 UI 개선과 마케팅 전략 수립도 차질을 빚었습니다.

이처럼 데이터 수집을 위해 앱을 재배포해야 하는 환경에서는 빠른 의사결정이 어렵고, 데이터 활용이 제한될 수 있습니다. 따라서, 실시간으로 데이터 수집 방식을 조정할 수 있는 솔루션을 도입하면 운영 속도를 높이고, 필요할 때 즉시 데이터를 확보할 수 있습니다. 와이즈컬렉터는 안드로이드 앱에 컨테이너 기반 태그 관리 기능을 적용하여, 앱을 재배포하지 않고도 원격 스크립트를 통해 앱 로깅 데이터를 수집할 수 있도록 지원합니다. 이를 통해 유지보수 부담을 줄이고, 데이터 수집 방식을 더욱 유연하게 운영할 수 있다는 장점이 있습니다.

✔ 체크 포인트

• 앱(안드로이드 기반)을 재배포하지 않고도 데이터 수집 방식을 변경할 수 있는가?

• 개발자 코드 수정 없이도 실시간으로 데이터 수집 항목을 조정할 수 있는가?

4. 자체 기술을 사용한 안전한 솔루션인가?

고객 행동 수집 솔루션을 선택할 때는 솔루션이 자체 기술로 개발되었는지, 아니면 핵심 기술에 오픈소스를 활용하고 있는지를 확인하는 것이 중요합니다. 특히 금융권이나 공공기관처럼 민감한 데이터를 다루는 경우, 오픈소스 기반 솔루션을 도입할 때 예상치 못한 문제에 직면할 수 있기 때문입니다.

오픈소스는 다양한 IT 환경에서 널리 사용되지만, 데이터 수집 엔진과 같은 핵심 기술에 적용될 경우 보안성과 유지보수 측면에서 각별한 주의가 필요합니다. 오픈소스 커뮤니티에서 보안 패치를 제공하더라도, 솔루션을 개발한 회사에서 이를 신속하게 적용하지 못하면 보안 취약점이 그대로 남아 데이터 보호에 문제가 생길 수 있습니다. 또한, 일부 오픈소스 라이선스는 소스 코드 공개 의무가 있을 수 있어, 기업 환경에 적합한지 사전에 점검해야 합니다.

더불어, 오픈소스 라이선스를 정확히 준수하지 않을 경우 법적 분쟁에 휘말릴 위험도 있습니다. 실제로, 중국의 Jining Luohe Network Technology Co., Ltd.는 GPL-3.0 라이선스를 위반한 기업을 상대로 소송을 제기하여 배상금을 받아낸 사례가 있습니다. 일부 오픈소스 라이선스는 소스 코드 공개 의무가 발생할 수 있으며, 이를 제대로 준수하지 않을 경우 법적 리스크가 생길 수 있습니다.

오픈소스 활용 여부는 솔루션의 보안성과 유지보수 체계, 그리고 법적 안정성에 직접적인 영향을 미칠 수 있음에도 불구하고, 공식적으로 공개되지 않는 경우가 많습니다. 따라서, 솔루션을 도입할 때는 미팅을 통해 오픈소스 활용 여부를 직접 확인하고, 장기적인 유지보수 및 보안 관리 체계가 마련되어 있는지 점검하는 것이 중요합니다.

와이즈컬렉터는 실시간으로 고객 행동을 수집하는 자체 기술로 개발되었기 때문에, 법적 분쟁의 위험에서 자유로울 뿐만 아니라 보안 패치와 기술 지원이 체계적으로 제공되며, 성능 최적화와 확장성을 고려한 안정적인 운영이 가능합니다.

✔ 체크 포인트

• 솔루션의 핵심 기능이 자체적으로 개발한 기술인가?

• 법적 리스크 없이 안전한 운영이 가능한가?

마무리

고객 행동 데이터 수집 솔루션을 선택할 때는 단순히 기능만 비교하기보다는 수집 분야의 구축 경험, 내/외부 시스템과의 연동성, 보안성 등을 종합적으로 고려하는 것이 중요합니다.

특히, 단기적인 니즈에 맞춘 솔루션 도입보다는 장기적으로 데이터를 활용할 수 있는 환경을 구축하는 것이 더욱 중요합니다. 데이터 수집은 단순한 기술 도입이 아니라, 기업의 마케팅 전략, 고객 경험 개선, 비즈니스 확장까지 영향을 미치는 요소이기 때문입니다.

고객 행동 수집 솔루션 도입을 고민하는 기업이라면, 위 내용을 참고해 데이터를 효과적으로 수집하고 활용할 수 있는 방안을 마련해 보시길 바랍니다.

▶ 넷스루 "실시간 고객 행동 수집 솔루션" 바로가기

개인화 추천 시스템의 알고리즘이 궁금하다면?

우리는 일상 생활에서 개인화 추천 시스템을 수없이 접하고 있습니다. 온라인 쇼핑몰에서 취향에 맞는 상품을 추천 받거나, 스트리밍 플랫폼에서 흥미로운 영화나 드라마를 추천 받는 것이 대표적인 예입니다.

그렇다면 이런 추천 시스템은 어떤 원리로 움직이는 걸까요? 이번 글에서는 개인화 추천 시스템의 주요 기법과 알고리즘에 대해 소개하고 그 예시도 함께 살펴보도록 하겠습니다.

1. 통계 기반 추천

첫번째로 소개할 기법은 바로 통계 데이터에 기반한 추천입니다. 개인화된 콘텐츠를 제공하는 기법은 아니지만 추천 시스템의 가장 기초가 되는 방식이므로 간단히 소개하겠습니다. 통계 기반 추천은 많은 사람들이 좋아한(클릭, 찜하기, 구매 등) 상품을 추천하는 방식입니다.

‘넷플릭스’에서는 오늘 많은 사람이 시청한 대한민국 TOP 10 시리즈를, ‘야놀자’에서는 한 달간 많은 사람이 구매한 TOP5 이용권을 사용자에게 추천하고 있다.

이러한 통계 기반 추천 방식은 많은 사람을 대상으로 간단하게 추천할 수 있다는 장점이 있지만, 개별 사용자의 취향을 고려하지 못한다는 단점도 있습니다.

[장점]

• 구현이 간단하고, 대규모 데이터가 있을 때 효과적

• 빠른 연산이 가능하여 실시간 추천에 적합

[한계]

• 데이터가 충분히 쌓이지 않으면 신뢰도가 낮아질 수 있음

• 개별 사용자의 취향보다는 집단적 경향에 집중

2. 협업 필터링 추천

협업 필터링(Collavorative Filtering)은 다른 사용자들의 선호도 데이터를 기반으로 사용자와 아이템 간의 상호작용에 따라 상품을 추천하는 기법입니다. 주로 2가지 방식으로 나뉩니다.

(1) 사용자 기반 (User-Based)

• 나와 유사한 취향을 가진 사용자가 주로 선호하는 상품을 추천

• 예: 고객 A와 B가 애니메이션을 주로 시청(선호)했다면, A가 시청한 애니메이션을 B에게도 추천

(2) 아이템 기반 (Item-Based)

• 내가 선호한 아이템과 함께 주로 선호 되는 상품을 추천

• 예: ‘기저귀’를 구매한 고객이 ‘맥주’를 함께 구매하는 경우가 많았다면, ‘기저귀’를 구매한 고객에게 ‘맥주’를 추천

29CM, 올리브영과 같은 온라인 쇼핑몰 App의 상품 상세설명 하단에서 다른 사용자가 해당 상품과 함께 구매 또는 클릭한 상품을 추천하고 있다.

협업 필터링의 경우 사용자와 아이템의 정보를 복합적으로 활용하기 때문에 데이터가 쌓일수록 정확성이 높아지지만, 데이터가 부족한 서비스 초기 상황에서는 적용하기 어렵다는 한계가 있습니다.

[장점]

• 사용자 선호도 기반으로 상품이 추천되므로, 상품의 세부 정보 데이터가 없어도 됨

• 지속적인 데이터 수집을 통해 추천의 정확도가 점점 향상됨

[한계]

• 콜드스타트(사용자와 아이템에 대한 데이터가 부족한 초기 상황)의 경우 정확도가 낮아질 수 있음

• 상대적으로 수요가 적은 롱테일 상품은 추천 결과로 나오지 않을 가능성이 높음

3. 콘텐츠 기반 추천

콘텐츠 기반(Content-Based) 추천은 협업 필터링(Collavorative Filtering) 추천과 함께 개인화 추천 방식으로 가장 많이 소개되는 알고리즘 입니다.

콘텐츠 기반 추천 알고리즘은 사용자가 선택한 상품과 유사한 특성을 지닌 다른 상품을 추천하는 것입니다. 주로 상품의 카테고리, 설명, 이미지 등 상품의 메타 정보를 활용해서 유사한 콘텐츠를 추천하는데, 상품 정보만을 사용하기 때문에 다른 사용자들의 정보가 필요하지 않다는 것이 협업 필터링과의 가장 큰 차이점 입니다.

29CM에서는 사용자가 선택한 상품과 비슷한 상품(ex. 크림색 니트)을, 넷플릭스에서는 사용자가 보고 있는 콘텐츠와 비슷한 콘텐츠(ex. 예능 프로그램)을 추천한다.

콘텐츠 기반의 추천 방식은 아이템 메타 정보만 있다면 사용자 정보 없이도 추천이 가능하다는 장점이 있지만, 사용자에게 다양한 분야의 콘텐츠를 추천하기 어렵다는 한계도 존재합니다.

[장점]

• 다른 고객들이 어떤 상품을 클릭했는지에 대한 세밀한 정보가 필요 없음

• 신규 아이템이 추가되더라도 속성값(메타 정보)만 있다면 유사한 콘텐츠를 추천할 수 있음

[한계]

• 데이터에 포함된 메타 정보가 충분하지 않으면 제대로 추천이 어려움

• 유사한 특성을 가진 상품만 제공되므로 사용자의 관심사가 좁아질 수 있음(필터 버블 현상)

4. 고객 통합 데이터 기반 추천

마지막으로 소개할 방식은 고객 통합 데이터 기반 추천으로 사용자의 개인 정보(성별, 연령 등), 온라인 행동(검색, 클릭 등), 금융 정보(계좌 잔액, 만기일 등) 등의 데이터를 통합적으로 활용하여 맞춤형 콘텐츠를 추천하는 것입니다.

예를 들어 인구통계학적 정보(ex. 30대, 여성)와, 구체적인 행동 데이터(ex. 최근 일주일 내 키링 카테고리 상품 클릭, 로맨스 드라마 시청)를 함께 반영하면 개인의 취향에 더욱 적합한 추천을 할 수 있습니다.

온라인 쇼핑몰과 OTT서비스에서는 다양한 고객 행동 데이터를 바탕으로, 사용자의 취향에 맞는 상품(콘텐츠)을 추천한다.

또한, 회원 정보나 온라인 행동 데이터를 회사 내부의 DB와 연동하여 고객 통합 데이터를 구축하면 더욱 정밀한 개인화 추천이 가능합니다. 예를 들면 금융사에서 고객의 구체적인 금융 정보(카드 결제일, 자동이체 종료일, 가입 상품 등)와 행동 정보를 결합하여 특정 고객에게만 배너를 띄우거나, 선호할만한 서비스를 추천하는 것입니다.

우리WON뱅킹에서는 고객의 금융 데이터를 활용하여 배너를 노출하고, 고객의 금융 데이터와 행동 데이터를 기반으로 선호할만한 혜택을 추천한다.

이러한 추천 방식은 고객 정보를 세밀하게 수집•분석하고, 어떤 유형의 고객에게 어떤 콘텐츠를 노출할지에 대한 ‘시나리오’를 잘 설정하는 것이 중요합니다. 예를 들어, 특정 상품을 클릭한 사용자를 대상으로 관련 상품을 추천하거나, 만기일이 임박한 사용자에게 맞춤형 상품을 추천하는 방식 등이 그 예입니다. 상황에 맞는 추천이 제공될수록 사용자 만족도와 서비스 효율성이 높아집니다.

[장점]

• 고객의 다양한 데이터를 종합적으로 활용하여 정교한 추천이 가능

• 사용자의 행동과 선호도를 반영한 맞춤형 서비스 제공으로 고객 편의성 증대

[한계]

• PC, 모바일 등 다양한 형식으로 수집되는 고객의 데이터를 통합하기 어려움

• 개인정보 보호 및 데이터 보안 문제가 중요하게 다뤄져야 함

지금까지 개인화 추천의 주요 기법에 대해 살펴보았습니다. 개인화 추천 시스템은 단순한 편의 제공을 넘어, 고객 경험을 향상시키고 기업의 경쟁력을 높이는 중요한 도구가 되었습니다. 사이트 내에서 제공되는 추천 콘텐츠가 ‘광고’가 아닌 ‘혜택’으로 인식되기 위해서는 사용자에 대한 깊은 이해와, 정교한 추천 시나리오가 필수적입니다.

때문에 개인화 추천을 중요시 하는 기업에서는 고객 행동 수집 솔루션과, 개인화 추천 솔루션을 사용하고 있습니다. 데이터 수집 솔루션과 개인화 추천 솔루션을 함께 사용하면 PC/모바일 등으로 나눠진 고객 행동 데이터를 실시간으로 수집하여 통합 분석할 수 있고, 이를 기반으로 정교한 타겟 마케팅을 수행할 수 있습니다. 또한 솔루션에서 데이터의 특성에 따라 추천 알고리즘을 최적화하여 제공해주며, A/B 테스트를 통해 추천 효과를 비교하여 가장 효율적인 추천 시나리오를 만들어 갈 수 있습니다.

이 글을 보신 여러분도, 다양한 추천 시나리오를 활용해 고객들이 가장 선호할 제품을 먼저 제안함으로써 사용자 만족도를 극대화하시길 바랍니다.🧚

▶ 디지털 마케팅 솔루션 '넷스루' 바로가기

데이터 분석가가 꼭 알아야 할, 2025년 소비트렌드 키워드 TOP4

2025년은 어떤 한 해가 될까요?

[트렌드코리아 2025]에서 소개한 “10대 소비트렌드 키워드” 중 온라인 마케터, 데이터 분석가, 페이지 기획자가 꼭 알아야 할 4개 키워드와 활용법을 뽑아봤습니다.

1. 옴니보어

‘옴니보어’는 원래 초식, 육식을 가리지 않는 ‘잡식’의 의미를 갖고 있습니다. 사회학적으로는 사회적 통념이나 관습에 얽매이지 않고 본인의 개성에 따라 다양한 분야에 관심을 갖는 사람을 뜻합니다.

영화관에서 애니메이션을 보고 눈물을 흘렸다는 청년, 좋아하는 가수의 굿즈를 구매하는 중년이 우리 주위에는 이미 많이 있습니다. 뿐만 아니라 필라테스를 배우는 남성, 풋볼을 하는 여성 등 여가 시간을 보내는 방법과 취향에 점점 나이나 성별의 차이가 없어지고 있습니다. 전통적인 마케팅 방법인 인구통계학적 세그먼트가 더이상 통하지 않는 시대가 된 것입니다. 그럼 마케터에게 진짜 필요한 정보는 무엇일까요?

온라인 상에서 고객의 취향을 알기 위해서는 고객의 ‘행동’을 분석해야 합니다. 쇼핑몰이라면 그 사람이 평소 어떤 카테고리의 상품을 자주 검색했는지, 금융사라면 최근에 어떤 금융 서비스(대출, 계좌 개설, 환전 등)를 이용했는지 등 고객의 온라인 행동에 따라 타깃 그룹을 나누고 마케팅 활동을 진행해야 합니다.

2. 페이스테크

기술력이 발전해갈수록 똑똑한 로봇은 수도 없이 등장합니다. 사람들은 이제 정확한 답변을 하는 로봇을 넘어서, 내 마음을 이해하고 상황에 맞는 말을 해주는 친절한 로봇을 기대합니다. 무생물인 기계에 표정을 입히고, 사람의 얼굴 표정을 읽어내는 ‘페이스테크’ 기술이 뜨고 있는 이유입니다.

하지만 사용자의 얼굴이 보이지 않는 상황이라면 어떨까요? 예를 들면 카메라를 활성화 하지 않은 채 챗봇과 같은 로봇과 대화할 때 말입니다.

친구와 메신저를 주고받을 때를 생각해봅시다. 자주 연락하는 친한 사이의 친구라면 “OO아 안녕, 뭐 궁금한거 있어?”와 같은 일반적인 인사가 아닌 “OO아, 너 전에 산다고 했던 그건 샀어?” 와 같이 내가 했던 말을 기억하고 상황을 묻는 질문을 할 것입니다. 마찬가지로 우리도 고객의 행동을 알고 있다면 훨씬 더 친근하게 말을 건넬 수 있습니다. “OO님, 지난번에 구경하셨던 OO 제품을 아직 구매하지 않으셨네요.” 하고 말이죠. 고객의 얼굴 표정을 읽지 못해도 괜찮습니다. 고객이 어떤 행동을 했는지만 알 수 있다면 고객의 고민을 알고 먼저 해결책을 제시해주는 친절한 로봇이 될 수 있으니까요.

3. 무해력

무해하다는 말은 말 그대로 해롭지 않다는 것을 의미합니다. 그렇다면 해롭지 않는 것이 어떻게 힘을 가질 수 있을까요? 아기 판다 푸바오 열풍이나, 대충 그린 듯한 이모티콘의 인기를 떠올리면 이해할 수 있습니다.

팍팍한 삶은 스트레스를 주고 세상은 온통 나에게 해로운 것 뿐이지만, 작고 귀엽고 연약한 것들은 나에게 전혀 해를 입히지 않고 나를 무장해제 시키는 존재이기 때문이죠.

마케터가 보내는 메시지가 고객들에게 스트레스를 주지 않고 ‘무해’하기 위해서는 어떻게 해야 할까요? 첫째, 그들에게 즐거움을 주거나 둘째, 유익함을 주어야 합니다. 하지만 모든 고객에게 즐겁고 유익한 메시지란 있을 수 없습니다. 따라서 고객의 성향이나 취향에 따라 개인화된 메시지를 발송하고, 고객의 반응을 살펴 다음 액션을 선택해야 합니다. 이렇게 고객을 잘 알고 그들에게 재미나 정보를 주는 메시지를 보낼 때 비로소 ‘유해한 광고’가 아닌 ‘소통’으로 받아들여질 것입니다.

4. 물성매력

여러분은 팝업스토어에 방문해본 적이 있으신가요? 온라인 검색과 쇼핑에 익숙한 MZ들이 굳이 오프라인 장소에 가서 물건을 만져보고 체험한 뒤 구매하는 이유는 뭘까요? 온갖 서비스의 디지털화가 진행되고 온라인 세상이 아무리 커졌다 해도 사람들은 여전히 관심 있는 것을 보고, 듣고, 만지고 싶어하는 욕구가 있습니다. 이렇게 직접 체감함으로써 느낄 수 있는 매력을 바로 ‘물성매력’ 이라고 합니다.

보험 상담사에게 상담을 받고 인터넷으로 보험에 가입하는 사람, 오프라인 매장 그리고 PC에서 상품을 보다가 휴대폰 앱으로 결제하는 사람 등 오프라인, PC, 모바일 행동이 연결되어 발생하는 경우가 많아지고 있습니다. 따라서 데이터 분석가는 고객의 모든 온/오프라인 행동을 수집하고 통합해서 분석해야 합니다. 오프라인, PC, 모바일로 접속한 고객이 모두 같은 사람이었다는 사실을 알아챌 수 있을 때 진정한 고객 여정을 관리할 수 있습니다.

[참고] 2025년 10대 소비트렌드 키워드

1. 옴니보어

2. 아보하

3. 토핑경제

4. 페이스테크

5. 무해력

6. 그라데이션K

7. 물성매력

8. 기후감수성

9. 공진화 전략

10. 원포인트업

(원본 출처: 트렌드코리아 2025, 김난도)

이상으로 [트렌드코리아 2025]에서 소개한 ‘2025년 10대 소비트렌드 키워드’ 중 데이터 분석가가 꼭 알아야할 4개의 키워드와 각 키워드를 업무에 어떻게 활용해야 할지 알려드렸습니다.

알려드린 트렌드에 따라 2025년에는 고객에게 조금 더 편안하고 친근하게 다가가 고객과 소통하고, 만족할만한 성과를 거두시기 바라겠습니다! 😊🙏

▶ 디지털 마케팅 솔루션 '넷스루' 바로가기

고객(사용자) 데이터 분석 방법 Part 4 - 사용자 여정 분석

이 포스트에서는 고객/사용자 온라인 데이터 분석의 다양한 방법 중 ‘사용자 여정 분석’에 대해 설명합니다. 다른 분석 방법이 궁금한 분은 아래 링크를 클릭해주세요.

👉 고객 데이터 분석이란?

👉 세그먼트 분석 / 코호트 분석 / 퍼널 분석 

사용자 여정 분석

사용자 여정 분석이란?

사용자 여정 분석이란 웹사이트나 모바일앱에서의 고객 행동 흐름을 분석하는 것입니다. 사용자가 클릭한 영역, 접속한 페이지 등의 이동 경로를 추적하면 고객이 우리 서비스를 어떻게 이용하고 있는지 파악할 수 있습니다.

사용자 여정 분석 유형

사용자 여정 분석은 고객이 특정 목표(예: 구매, 회원 가입)에 도달하기까지의 경로, 특정 페이지 진입 전후의 행동, 사이트 유입 이후의 전반적인 움직임 등을 파악하기 위해 쓰입니다. 기업들에서는 실제로 어떤 분석을 진행 하고 있는지 사용자 여정 분석의 몇 가지 유형을 살펴보겠습니다.

1. 유입 경로 분석

유입 경로 분석은 사이트 유입 채널에 따라 고객이 어떻게 행동하는지 유입 이후의 경로를 분석하는 방법입니다. 유입 채널의 종류에는 직접 유입, 무료 검색엔진 유입, 유료 검색광고 유입, 외부 참조 유입 등이 있습니다. 이 외에도 분석하고 싶은 특정 유입 경로를 등록하여 유입 이후 사용자의 행동을 파악할 수 있습니다.

• 직접 유입: URL 직접 입력이나 북마크(즐겨찾기)를 통한 유입

• 무료 검색엔진 유입: 검색 후 광고가 아닌 일반 검색 결과를 클릭해 유입

• 유료 검색광고 유입: 검색 후 광고로 표시된 결과를 클릭해 유입

• 외부 참조 유입: 이메일, 게시글 등에서 링크를 통해 유입

위의 이미지는 도서를 판매하는 온라인몰에서 이벤트를 통해 사이트에 접속한 사용자들의 행동을 분석한 그래프입니다. 유입 이후 5단계 까지 어떤 행동을 하는지 살펴보았습니다.

상단에 위치한 주요 경로를 보면, ‘10주년 이벤트’로 접속한 고객의 92%는 메인 페이지로 이동하고 그 중 29%는 새로운 책을 검색합니다. 그 후 상품 순위를 확인한 뒤 다시 책을 검색하는 행동을 반복합니다. 빨간 화살표와 수치를 보면, 메인 페이지에서 책 검색 1회 후 상품 순위까지 확인한 고객의 이탈이 가장 많다는 것을 알 수 있습니다.

유입 경로 분석 시, 특정 유입 경로를 다른 유입 경로와 비교하여 살펴보면 해당 고객들만의 특성을 더 잘 발견할 수 있습니다. 또한 필터를 통해 성별, 연령 등에 따라 이벤트 참여 후 고객 행동에 어떤 차이가 있는지 찾아보면 더욱 체계적인 분석이 가능합니다.

2. 목표 경로 분석

유입 경로 분석과 반대로, 특정 목표에 도달하기까지의 이전 경로를 분석하는 방법도 있습니다. ‘구매 완료’를 목표로 잡고 이전 5개 단계를 분석해보면, [책 검색 > 순위 확인] 단계를 2번 이상 거쳐 북카트에 저장한 후 구매를 진행하는 고객이 많습니다. 고객들은 사고 싶은 책을 정한 후 사이트에 접속하여 바로 책을 사기 보다, 구매에 앞서 상품 순위를 확인하는 과정을 주로 거친다는 사실을 알 수 있습니다.

구매 뿐 아니라 회원 가입, 상담 신청 등 KPI(Key Performance Indicator 핵심성과지표)에 따라 다양한 목표를 설정하여 사용자의 이전 행동을 추적할 수 있습니다. 또한 유입 경로 분석과 마찬가지로 필터를 통해 고객 특성 별 차이를 분석해볼 수 있습니다.

3. 기타 경로 분석

주요 경로 분석 그래프를 보면 우리 고객들이 사이트에서 주로 어떤 행동을 하는지 고객 흐름을 전반적으로 확인할 수 있습니다.

전후 경로 분석을 통해서는 특정 페이지 유입 또는 특정 행동 전후로 고객 움직임을 파악할 수 있습니다. 위의 예시는 금융사 앱에서 ‘출석체크’ 라는 행동 전후로 고객이 어떤 행동을 하는지 파악하기 위한 분석 그래프입니다.

사이 경로 분석(AtoB 분석)은 시작 지점과 끝 지점을 선택하고 그 사이의 경로를 분석하는 것 입니다. 이벤트를 진행하는 경우 이벤트 광고 배너의 랜딩 페이지와 목표 페이지를 등록해두고 그 사이에 고객이 어떻게 움직이는지 파악해볼 수도 있습니다.

4. 개인별 이동 경로 분석

고객 여정 분석 솔루션을 사용하면, 방문자 전체 또는 세그먼트별 여정이 아닌 개인별 상세 여정을 분석할 수도 있습니다. 확인하고 싶은 고객을 선택하면 해당 고객이 특정 기간동안 사이트에서 어떤 행동을 했는지 확인할 수 있습니다.

이를 통해 특정 행동을 한 고객의 행동 심리를 파악할 수도 있고, 상담 시 고객의 상황을 더욱 쉽게 이해하여 대처할 수 있습니다.

사용자 여정 분석 활용 전략

사용자 여정을 보면 사용자가 사이트 기획자 또는 마케터의 의도대로 움직이는지, 어느 지점에서 특히 많이 이탈하는지, 또 어떤 기능을 많이 이용하고, 어떤 페이지에 많이 접속하는지 등을 알 수 있습니다. 이러한 분석 결과를 바탕으로 사이트 이용 고객 만족도와 전환을 높이는 전략을 세워야 합니다.

1. 비효율적인 경로를 파악하여 페이지 개선

사용자 여정 분석을 통해 목표 페이지로 가는 동안 비효율적이거나 이탈이 많이 발생하는 페이지를 찾아낼 수 있습니다. 불필요한 이동을 줄일 수 있도록 페이지를 통합하고, 이탈이 발생하는 페이지는 원인을 파악하여 개선함으로써 고객 경험을 향상 시킬 수 있습니다.

2. 고객 특성을 기반으로 경로 최적화

고객의 속성(세그먼트)에 따라 주요 경로를 분석하여, ‘연령/성별/가입여부/구매여부’ 등에 따라 고객이 사이트에서 어떻게 움직이는지, 어떤 페이지에 많이 머무르는지 등을 분석할 수 있습니다. 이렇게 분석한 내용을 토대로 고객 속성에 맞게 마케팅 활동을 진행할 수 있습니다.

또한, 유입 경로 분석을 통해 ‘무료검색/유료검색/특정이벤트’ 등 각각 다른 경로로 유입된 고객들의 이동 경로를 분석할 수도 있습니다. 이를 통해 마케팅 활동을 통해 유입된 고객의 특성을 파악하고 그들을 위한 최적의 이동 경로를 설계할 수 있습니다.

3. 마케팅 의도에 맞게 움직이도록 유도

사이트 내에서 고객의 행동 흐름을 분석하여 고객이 사이트 기획자 또는 마케터의 의도대로 움직이고 있는지 확인할 수 있습니다. 만약 고객이 목표 페이지까지 가는 경로가 예상보다 길거나 유입 후 의도하지 않은 페이지로 이동하여 이탈한다면, 페이지 내 문구를 수정하거나 특정 페이지로 바로 이동할 수 있는 장치를 삽입하여 의도에 맞게 고객들이 이동하도록 유도할 수 있습니다.

사용자 여정 분석은 고객의 행동을 깊이 이해하고 사이트의 성과를 향상시킬 수 있는 분석 방법입니다. 고객의 여정을 파악하여 사이트를 최적화하면 이탈을 줄이고 전환율을 높일 수 있습니다.

사용자 여정 분석을 하기 위해서는 고객 행동 데이터를 수집하는 도구와, 데이터를 분석하여 시각화 하는 도구가 필요합니다. 넷스루에서는 ‘와이즈컬렉터’를 통해 웹사이트와 모바일 앱에 걸쳐 발생하는 방대한 고객 행동을 실시간으로 수집하며, ‘데이터스토리’를 통해 고객 행동을 전반적으로 분석하고, ‘유저플로우’를 통해 실시간 고객 여정을 다각도로 분석한 시각화 자료를 확인할 수 있습니다.

지금까지 4회에 걸쳐 사용자 데이터 분석의 유형을 소개드렸습니다.

👉 세그먼트 분석 / 코호트 분석 / 퍼널 분석 / 사용자 여정 분석

성공적인 사용자 데이터 분석을 위한 넷스루의 도구가 궁금하신 분은 편하게 문의 남겨주시기 바랍니다.

[출처]

고객(사용자) 데이터 분석 방법 Part 3 - 퍼널 분석

이 포스트에서는 고객/사용자 온라인 데이터 분석의 다양한 방법 중 ‘퍼널 분석’에 대해 설명합니다.

다른 분석 방법이 궁금한 분은 아래 링크를 클릭해주세요.

👉 고객 데이터 분석이란?

👉 세그먼트 분석 / 코호트 분석 / 사용자 여정 분석

퍼널 분석

퍼널 분석이란?

‘퍼널(Funnel)’ 은 ‘깔때기’ 라는 뜻으로, 퍼널 분석은 사이트에 유입된 사용자가 목표 행동(구매, 서비스 신청, 상품 가입 등)까지 가는 과정을 단계별로 분석하는 것입니다. 홈페이지에 방문한 고객이 페이지에서 다양한 행동을 하며 점점 이탈하다가 그 중 일부만이 최종 목표 행동에 이르기 때문에 이를 깔때기 모양에 비유해서 퍼널 분석이라고 합니다.

전통적인 퍼널 분석은 ‘AIDA 모델’에 따라 [ Awareness(인지) > Interest(흥미) > Desire(의욕) > Action(행동) ] 단계로 구분되어 있어 브랜드/상품/서비스를 인지하는 단계부터 시작하지만, 여기서는 고객 데이터를 분석하는 방법에 대해 설명하고 있기 때문에 퍼널 분석의 첫 단계를 사이트 유입이라고 설명 했습니다.

🤔 퍼널 분석이 필요한 이유는 뭘까요?

여러분이 한 기업의 마케터라고 가정해봅시다. 팀장으로부터 이번 달 A서비스 신청 인원을 전월 대비 2배로 만들라는 지시를 받았습니다. 광고비를 2배로 높이면 전환도 2배로 늘어날까요? 광고를 집행해본 사람이라면 다들 아실겁니다. 현실은 그렇게 녹록치 않다는 것을요.

가장 효율적으로 성과를 달성하기 위한 방법은 문제의 “핵심”을 찾아내서 집중 “공략” 하는 것입니다. 퍼널 분석은 바로 문제의 핵심을 찾기 위한 분석 방법입니다. 각 단계별로 수치를 확인하여 고객 이탈이 높은 부분을 확인하고 그 부분을 개선하는 것이죠.

따라서 우리는 서비스 신청에 이르기까지의 퍼널을 설계하여 단계별 전환율을 확인한 다음, 이탈이 높은 단계의 전환율을 높일 수 있는 전략을 짜고 A/B 테스트를 반복 진행하여 전체적인 전환율이 얼마나 높아졌나 확인하는 과정을 거쳐야 합니다.

퍼널 분석의 사례

퍼널 분석의 시작은 바로 퍼널을 잘 설계하는 것입니다. 퍼널은 마케팅 목표에 따라 시작과 끝이 다르게 설계되며, 각 단계를 어떻게 설정하는지에 따라 개선 포인트가 달라질 수 있습니다.

각 단계를 얼마나 세세하게 나눌 것인지는 어떤 고객 행동 수집/분석 도구를 사용하는지에 따라 다를 수 있습니다. ‘구글 애널리틱스’와 같은 범용적인 분석 툴을 사용한다면 URL이 바뀌는 시점을 기준으로 단계를 나눌 수 있겠지만, 넷스루의 ‘와이즈컬렉터, 데이터스토리’와 같은 엔터프라이즈 솔루션을 사용하면 URL 변경 없는 버튼 하나하나 까지 모두 단계로 설정할 수 있어 각 기업의 상황에 맞는 맞춤형 시나리오를 만들어 분석할 수 있습니다.

위의 이미지는 A 보험사의 보험 상품 가입 퍼널 분석 보고서입니다. 메인 페이지에서 시작하여 특정 상품을 신청하고 조회하기까지의 과정을 퍼널 단계로 설정했습니다. 중앙에는 각 퍼널 별로 몇 명의 고객이 도달했는지 수치가 표시되어 있고, 좌측에는 전환율, 우측에는 이탈률이 표시되어 있습니다.

이탈률을 보면 ‘상품 신청’에서 ‘상품 신청 완료’ 까지의 단계가 가장 크게 나타납니다. 퍼널 분석을 해보지 않았다면 상세 페이지에서 신청 버튼을 클릭하도록 유도하는 것에만 공을 들였을 수도 있는데, 퍼널 분석을 해보니 가장 큰 페인포인트(Pain Point)는 상품 신청 단계였다는 것을 알았네요. 그렇다면 다음 할 일은 상품 신청 단계(로그인, 배송지 입력, 할인 쿠폰 적용 등)를 세분화한 퍼널 분석 그래프를 만들어서, 어느 단계에서 이탈이 많은지 확인하고 개선하는 것입니다. 전환율을 높이는 방법에 대해서는 하단에서 정리하여 설명하겠습니다.

두번째 사례는 B 쇼핑몰의 회원 가입 퍼널 입니다. 해당 쇼핑몰은 회원 가입 버튼을 누른 사용자 중 실제 가입을 완료한 사용자가 50%가 되지 않아, 어떤 단계를 개선할지 인사이트를 얻기 위해 회원가입 퍼널 보고서를 만들었습니다.

분석 결과 회원 인증 단계에서 35.03%로 가장 많은 사용자가 이탈하는 것을 알 수 있네요. 그렇다면 회원 인증을 좀 더 쉽게 할 수 있도록 수정하거나, 도움말을 추가하여 사용자가 중도 이탈하지 않고 인증을 완료할 수 있도록 해야겠습니다.

퍼널 분석 후 전환율 높이는 법

1. 전환에 이르는 단계 축소

가입 좀 해보려고 하는데 이것 저것 시키는게 너무 많아 포기하고 창을 닫아버린 적 없으신가요? 최종 단계에 이르는 전환율을 증가시키기 위해서는 필요 이상으로 많은 단계를 줄일 필요가 있습니다. 단계를 천천히 살펴보면서 불필요한 것은 빼고, 이전 단계와 통합할 수 있는 것은 최대한 통합해보세요. 가입 과정을 5단계에서 3단계로 줄였을 때, 가입 전환율이 높아지는 것을 확인할 수 있을 겁니다.

2. 남은 단계/시간 안내

어딘가에 처음으로 방문할 때, 찾아가는 길은 멀었는데 돌아오는 길은 더 가깝게 느껴졌던 경험 있으시죠? 남아있는 과정을 알고 있다면 같은 시간도 더 짧게 느껴집니다. 가입 단계가 몇 단계 인지 처음부터 알려주고, ‘1/3 단계’ 와 같이 현재 몇 번째 단계 인지를 각 단계마다 표시해보세요. ‘2 단계만 지나면 가입완료구나’를 알고 있는 고객은 그렇지 않은 고객보다 중도 이탈할 확률이 낮아집니다.

시간도 이와 마찬가지입니다. “설문조사 참여하세요.” 보다 “1분 설문조사 참여해보세요.” 라고 시간을 표시하면 참여율이 높아지는 것 처럼, 회원가입 또는 상품가입 완료까지 시간이 얼마나 걸리는지 미리 알려주면 고객들은 예상 시간 내에서 지치지 않고 목표 행동을 완료하게 될거예요.

3. 콘텐츠 추가/수정

1) 도움말 추가, 빠른 상담 버튼 삽입으로 어려움 해결

가입을 위해서는 여러가지 항목을 입력해야 하는데 항목명이 이해되지 않거나 어떤 선택지를 골라야 할지 애매해서 고민하다 결국 이탈해버리는 고객들, 분명 있을 겁니다.

특정 단계에서 이탈이 빈번하게 발생한다면 해당 단계의 용어들이 읽기 편하고 이해하기 쉽게 작성되었는지 확인해보세요. 어쩔 수 없이 전문 용어를 사용해야 하는 경우라면 도움말 버튼을 통해 사용자가 이해하기 쉽도록 설명을 추가하고, 빠른 상담 버튼을 잘 보이는 곳에 배치하여 어려움을 느낀 사용자들이 즉각 도움을 청할 수 있도록 할 수 있습니다.

2) 설명 문구, 디자인 수정 등으로 사용자 경험 개선

‘UX라이터’라는 직무에 대해 들어보셨나요? UX라이터는 고객이 온라인에서 긍정적인 경험을 하도록 사용자를 위한 글쓰기를 하는 사람입니다. 단어 하나 바꾸고 말투 좀 바꾼다고 이탈하려는 고객을 잡을 수 있을까요? 정답은 Yes 입니다. 플랫폼의 설명 문구에 따라 다음 단계로 이동할지 말지를 결정하는 온라인 고객에게 UX라이팅은 매우 중요한 요소입니다.

따라서 사용자가 불편함을 겪지 않고 여정을 완주할 수 있도록 문구를 수정하면 전환율 향상에 도움이 될 수 있습니다. 이 때 문구는 꼭 쉽고 친근하게 써야만 좋은 것은 아닙니다. 서비스 특성과 사용자 성향을 고려하여 페르소나를 설정하고, 해당 페르소나에 친숙한 용어로 그리고 브랜드 전반적으로 일관된 말투를 유지하도록 문구를 쓰는 것이 좋습니다.

디자인도 마찬가지입니다. 로딩이 길어지면 사용자들의 이탈이 많아지기 마련인데요. 이 때 귀여운 캐릭터가 화면에 등장해서 사용자의 눈길을 사로잡는다면 기다림이 짧게 느껴질 수 있습니다. 그리고 각 항목별로 어울리는 이모지(Emoji)나 간단한 이미지를 삽입해두면, 사용자의 이해도 돕고 상품/서비스 가입까지의 여정에 환기가 되어 사용자에게 좋은 경험을 줄 수 있습니다.

3) 완료 시 받을 수 있는 혜택 제시하기

전환율을 끌어올리는 방법 중 마지막은 바로 ‘혜택 제시’ 입니다. 마케터 분들이라면 고객은 아무런 대가 없이 움직이지 않는다는 것을 다들 알고 계실텐데요. 긴 가입 여정에 지쳐 이탈하려는 고객을 붙잡기 위해서는, 혜택을 상기시키는 것이 중요합니다. 이탈율이 유난히 높은 단계에서 무엇을 수정해야 할지 모르겠다면 여정 완료 시 받을 수 있는 혜택을 노출해보세요. “거의 다왔어요. OO만 마치면 OO원 할인 쿠폰 바로 증정!” 과 같이 남은 단계와 혜택을 함께 알려주는 것도 좋은 방법이겠죠.

지금까지 퍼널 분석의 정의, 필요성, 사례 그리고 퍼널 단계별 전환율 높이는 방법까지 살펴봤습니다.

원하는 마케팅 목표에 따라 퍼널을 설계하여 현 상황을 점검해보고, 가장 문제가 되는 단계를 개선하기 위한 전략을 세워보세요. 한걸음 한걸음씩 나아가다 보면 어느새 전체 전환 효율이 높아져 원하는 성과를 이룰 수 있을 겁니다! 

다음 포스트에서는 드디어, 고객(사용자) 데이터 분석 방법의 마지막 이야기를 들려드리겠습니다.

다음 이야기도 많이 기대해주세요 🤗

[출처]

고객(사용자) 데이터 분석 방법 Part 2 - 코호트 분석

이 포스트는 고객(사용자) 온라인 데이터 분석의 다양한 방법 중 ‘코호트 분석’에 대해 설명합니다.

다른 분석 방법이 궁금한 분은 아래 링크를 클릭해주세요.

👉 세그먼트 분석 / 퍼널 분석 / 사용자 여정 분석

코호트 분석

코호트 분석이란?

‘코호트(cohort)’의 사전적 의미는 ‘(통계적으로 동일한 특색이나 행동 양식을 공유하는) 집단’ 입니다. 우리가 일반적으로 말하는 코호트 분석은 ‘동종 집단이 나타내는 시간적 변모 양태를 분석하여 예측하고자 하는 연구’를 의미합니다. 쉽게 말하면, 특정 기간 동안 동일한 특성을 가진 사람들을 그룹화하여 시간의 흐름에 따른 고객 행동을 분석하는 것입니다.

🤔 세그먼트 분석과 코호트 분석은 어떻게 다를까요?

‘세그먼트 분석’은 ‘공통된 특성을 바탕으로 고객(사용자)을 그룹화’하는 것입니다. 이런 점에서 코호트 분석은 세그먼트 분석과 유사합니다. 하지만 코호트 분석의 차별점은 바로 ‘기간’ 이 포함된다는 것입니다. 즉, 코호트 분석은 세그먼트 분석에 포함되는 개념이라고 볼 수 있습니다.

• 세그먼트 분석 : 공통된 특성을 바탕으로 고객(사용자)을 그룹화 하여 비교 분석

  (예) A이벤트를 통해 회원 가입한 사람, B이벤트를 통해 회원 가입한 사람 비교를 통해 전환율이 높은 이벤트 확인

• 코호트 분석 : 특정 기간 동안 동일한 특성을 가진 사람들을 그룹화하여 시간의 흐름에 따른 고객 행동을 분석

  (예) A이벤트를 통해 지난 한 달 간 회원가입한 사람이 이번달에 얼마나 접속했는지 확인하여 고객유지율(Retention Rate) 파악

코호트 분석은 마케팅을 위해 많이 사용되는 분석 방법으로, 특정 집단의 데이터가 시간이 지날수록 어떻게 변화하는지를 살펴보고 그로부터 인사이트를 찾는 방식입니다. 그럼 예시와 함께 코호트 분석 방법에 대해 더 살펴보겠습니다.

코호트 분석 방법

🪄 통합 분석에서 인사이트가 보이지 않는다면, 고객을 세분화하여 코호트 분석 해보기!

온라인 쇼핑몰의 데이터를 통해 코호트 분석으로 얻을 수 있는 가치를 살펴보겠습니다. 해당 쇼핑몰은 1월 1일부터 운영을 시작하였고, 1월부터 5월까지 전체 고객 수와 고객당 평균 매출액은 아래와 같습니다.

매월 1천명의 고객이 발생하여 5월 기준 전체 고객은 5천명이 되었습니다. 고객당 평균 매출은 감소하다가 5월에는 다시 증가했습니다. 특별한 인사이트는 없고 안정적으로 운영되는 것으로 보이네요.

이렇게 전체 고객 데이터를 통합해서 볼 때 별다른 성과가 보이지 않는다면, 고객을 세분화하여 코호트 분석을 진행해볼 수 있습니다.

위의 표는 온라인 쇼핑몰의 고객들을 가입 시기별로 그룹화하여 시간에 흐름에 따라 매출액 변화를 살펴본 코호트 분석 결과입니다. 이 분석 결과를 어떻게 해석해야 할지 아래에서 설명 하겠습니다.

🪄 코호트 분석, 3가지만 기억하세요! 가로, 세로, 대각선!

코호트 분석을 하기 위해서는 3가지를 기억하면 됩니다. 가로, 세로, 대각선 입니다. 위에서 언급한 쇼핑몰의 예시와 함께 살펴보죠.

• 가로: 기존 사용자 추이

• 세로: 신규 사용자 추이

• 대각선: 동일 기간에 발생한 값

​

가로를 먼저 보면, 1월에 회원 가입한 고객의 평균 매출이 첫 달 5만원에서 5개월차에는 5천원으로 감소했습니다. 하지만 2월, 3월로 갈수록 매출 감소폭이 줄어들고 있습니다. 고객의 리텐션 관리가 점점 되고 있는 것으로 보이며, 과거 가입자들을 대상으로 쿠폰 제공 등을 통해 접속률 및 구매율을 높일 필요가 있습니다.

​

세로를 보면, 신규 가입자의 평균 매출액이 점점 증가하여 1월 가입자 대비 5월 가입자의 매출 평균이 약 2배 가까이 올라갔습니다. 첫구매 고객의 매출이 증가하고 있는 것은 긍정적인 신호이며 어떤 제품들이 많이 판매되었는지 분석하여, 높은 단가의 제품 지속 판매를 통해 전체 매출을 계속 유지하는 것이 좋겠습니다.

​

노란색 대각선을 보면, 5월에 발생한 매출을 확인할 수 있습니다. 신규 가입자로부터는 90,000원, 기존 가입자로부터는 135,000원의 매출이 발생했습니다.

​

이렇듯 코호트 분석을 하면 고객의 생애 주기에 걸쳐 나타나는 패턴을 파악할 수 있습니다. 코호트 분석을 통해 전환율, 리텐션율, 수익률, 매출 등 다양한 데이터를 분석하면 앞으로 어디에 집중해야 할지 제대로 알 수 있습니다.

고객 데이터 분석 도구를 이용한 코호트 분석 사례

사이트 방문 고객의 데이터를 활용한 코호트 분석은 ‘GA4’, ‘DataStory’ 등 고객 행동 분석 솔루션에서 가능합니다. 그럼 실제 코호트 분석 보고서를 살펴보겠습니다. 먼저 코호트 분석 보고서의 항목입니다.

​

• 방문자 집단 : 방문자 집단은 코호트 분석의 세그먼트로, 기간과 함께 분석할 대상을 지정합니다. 간단하게는 ‘전체/회원/비회원’ 등으로 설정할 수 있으며, 기업 특성에 따라 ‘장바구니/구매/상담/다운로드’ 등으로 구분할 수도 있습니다. ‘DataStory’와 같은 구축형 고객 데이터 분석 도구를 이용하는 경우는 이외에도 다양한 고객 행동을 수집하여 항목으로 추가할 수 있습니다.

• 측정값 : 측정하고 싶은 결과를 값 또는 비율로 표시할 수 있습니다. 일반적으로 ‘방문자 수, 방문 수, 페이지뷰, 머문시간, 방문자 비율’ 등을 사용합니다. 이 외에도 ‘회원가입 완료, 예적금가입 완료, 이벤트 참여, 장바구니 담기, 구매금액’ 등 사용자 정의 전환값을 측정값으로 설정할 수도 있습니다.

(1) 일자별 코호트 분석

코호트 분석 보고서는 일반적으로 아래와 같은 형태입니다. 측정 값이 높을수록 짙은 색, 낮을수록 연한 색으로 표시됩니다.

A 은행 사이트(PC웹사이트+모바일사이트+모바일앱)의 방문 비율이 시간이 지날수록 어떻게 달라질지 살펴보기 위해 코호트 분석을 진행했습니다. 방문자 집단은 전체, 기간은 일주일, 측정값은 방문자 비율로 설정했습니다.

1월 1일에 방문한 고객 중 일주일 간 방문을 지속한 고객은 약 20% 였으며, 1월 2일과 3일에 방문한 고객은 1월 1일 방문자 대비 시간이 갈수록 방문 비율이 빠르게 낮아지는 모습을 보입니다.

이번에는 A 은행의 코호트를 1/1~1/8간 앱을 설치한 고객으로 설정하고, 동일한 기간의 방문자 비율을 살펴봤습니다. 앱설치 고객의 ‘방문자수’는 당연히 전체 방문자보다 낮지만, 방문자 비율은 1일 후부터 40% 이상으로 20% 대이던 전체 방문자 대비 훨씬 높습니다. 그리고 7일 후까지 30% 이상이라는 높은 수치를 유지하고 있습니다. 그리고 1월 1일과 2일의 방문자 비율 감소폭에 큰 차이가 없음을 알 수 있습니다.

​

이를 통해 은행 어플을 설치한 고객들의 사이트 재방문율이 그렇지 않은 고객 대비 10% 이상 높다는 것을 확인할 수 있습니다.

(2) 기간 코호트 분석

코호트 분석을 일자별이 아닌 기간 기준으로 진행할 수도 있습니다.

B 쇼핑몰에서 이벤트 기간 동안 사이트에 방문한 모든 회원과, 구매를 발생킨 회원의 방문자 비율 추이를 살펴보았습니다. 이벤트 기간에 방문만 한 고객 중에서는 단 5%가 다음날도 사이트에 방문했지만, 이벤트 기간 동안구매를 진행한 방문자 중에서는 11.6%가 다음날에도 사이트를 방문했습니다. 그리고 공통적으로 방문한지 5일과 6일되는 날에는 방문 비율이 감소했다가 7일째 다시 증가하는 모습을 보였습니다.

​

이렇듯 코호트 분석을 진행해보면, 그룹 간의 비교 뿐 아니라 해당 그룹의 고객이 시간이 지남에 따라 어떻게 변화하는지도 살펴볼 수 있습니다. 이를 통해 언제 고객의 방문이 감소하는지 파악해서 재방문을 유도하는 메시지를 발송할 타이밍을 결정하는 등 마케팅 의사결정의 근거로 활용할 수 있습니다.

코호트 분석을 통해 마케팅 성과를 확인하고, 고객의 움직임을 파악하는 마케터 여러분이 되시길 바라며, 다음 포스트에서는 고객 데이터 분석의 다른 방법을 소개해드리겠습니다 :) 

[출처]

고객(사용자) 데이터 분석 방법 Part 1 - 세그먼트 분석

고객 데이터 분석

고객 데이터 분석은 ‘고객 분석’, ‘사용자 분석’, ‘유저 분석’, ‘사용자 데이터 분석’, ‘유저 데이터 분석’ 등으로 불립니다. 여기서 ‘고객 데이터’에는 인구통계학적 정보(성별, 연령, 지역, 학력), 사용자 행동 정보(페이지뷰, 스크롤, 클릭), 구매 정보(구매 상품/서비스, 구매 금액) 등이 포함될 수 있습니다.

고객 데이터 분석이란 이처럼 다양한 고객 관련 데이터를 수집하고 분석하여 인사이트를 얻는 활동을 말합니다.

고객 데이터 분석을 해야 하는 이유

우리 홈페이지에 방문한 고객 데이터를 잘 분석하면 아래와 같은 이점을 얻을 수 있습니다.

• 마케팅 채널 및 콘텐츠별 성과 분석으로 광고 효율 향상

• 고객 세분화를 바탕으로 개인화 마케팅 수행

• 고객 여정을 파악하여 홈페이지 개선 및 고객 경험 향상

• 고객 니즈를 확인하여 신규 제품/서비스 확장

고객 데이터는 다양한 방식으로 분석할 수 있습니다. 그중 주로 사용되는 4가지 분석 방식의 의미와 활용 방식에 대해 하나씩 차례로 설명하겠습니다.

👉 세그먼트 분석 / 코호트 분석 / 퍼널 분석 / 사용자 여정 분석

세그먼트 분석

세그먼트 분석이란?

세그먼트(Segment)는 나누다, 분할하다, 부분 이라는 뜻입니다. 세그먼트 분석은 사용자들을 공통된 특성을 바탕으로 그룹화해서 분석하는 방식입니다. 전체 사용자와 특정 세그먼트를 비교하거나, 특정 세그먼트 간 비교를 통해 그룹화된 사용자들의 특징을 발견하여 마케팅에 활용할 수 있습니다.

세그먼트를 나누는 기준에는 여러가지가 있습니다. 그중 빠르게 고객을 세분화 할 수 있는 기준 4가지는 아래와 같습니다.

• 인구통계학적 세분화 : 성별, 나이, 직업, 학력 등 공통된 인구통계학적 특성을 바탕으로 고객을 나누는 것. 데이터 수집이 쉽고 측정이 간편하다는 장점이 있으나, 동일 그룹 내에도 다양한 니즈가 있어 분석 결과를 해당 세그먼트에 국한된 특징으로 보기 어려움.

• 위치적 세분화 : 고객이 살고 있는 또는 접속한 국가, 지역과 같은 위치에 따라 고객을 여러 그룹으로 나누는 것. 인구통계학적 세분화와 동일한 장단점을 가짐. 특정 지역을 대상으로 상품/서비스를 판매하는 경우 유용하게 쓰임.

• 심리적 세분화 : 라이프스타일, 관심사, 태도 등에 따라 고객을 그룹화 하는 것. 고객을 이해하고 홍보 마케팅을 구상하는데 도움이 되지만, 데이터 수집을 위해 시장 조사 및 많은 연구가 필요함.

• 고객 행동 세분화 : 회원가입, 특정 버튼 클릭, 구매 등 고객의 디지털 행동을 기준으로 고객을 세분화함. 고객 행동 데이터를 수집하기 위해 별도의 도구가 필요하지만, 데이터를 잘 수집하여 분석하면 사이트 방문 고객의 니즈를 확인하고 서비스를 개선하는데 도움이 됨.

고객 행동 데이터를 활용한 세그먼트 분석

세그먼트 분석을 통해 의미 있는 결과를 얻기 위해서는 분석 도구를 잘 선택하고, 세그먼트를 잘 설정해야 합니다.

분석 도구를 고를 때는,

i) 내가 필요한 고객 행동 데이터를 적시에 수집할 수 있는지

ii) 웹사이트와 모바일앱 데이터를 통합하여 분석할 수 있는지

iii) 수집한 데이터와 회사 내부 데이터를 연계하여 볼 수 있는지 등을 확인해야 합니다.

이 부분은 다른 포스트를 통해 자세히 다룰 예정입니다.

세그먼트를 잘 설정하기 위해서는,

i) 원하는 목표가 무엇인지(광고 성과 확인, 서비스 가입율 증대 등)

ii) 해당 목표를 이루기 위해 어떤 인사이트가 필요한지(광고 채널별 유입 현황, 가입 단계별 이탈율 등)를 먼저 정리해야합니다.

​

혹시 어려우신가요...?

그렇다면, 지금부터 쉽게 참고할 수 있는 5가지 세그먼트 분석 방법을 인사이트와 함께 소개하겠습니다.

(1) 방문 구분 세그먼트 분석

우리 홈페이지의 방문자 수를 ‘신규 방문’과, ‘재방문’ 세그먼트로 나눠 분석해볼 수 있습니다. 재방문자가 높다는 것은 고객 충성도가 높아 고객들이 사이트에 자주 접속한다는 것을 의미하므로 좋은 신호입니다. 하지만 신규 방문자가 너무 낮게 나온다면 광고를 통해 신규 고객을 유입시킬 필요가 있습니다. 반대로, 신규 방문자는 높은데 재방문은 떨어지고 있는 경우라면 구매 고객에게 할인 쿠폰을 발송하는 방법 등으로 재방문율을 높여 매출 향상에 기여하도록 해야합니다.

만약 특정 시기에 신규 방문자가 눈에 띄게 증가했다면 우리 제품이 특히 필요한 시즌인지, 광고가 송출되는 중인지, 유명인이 특정 제품을 언급했는지 등 원인을 찾아볼 수 있습니다. 또한 급격히 감소한 경우에는 전년도 동일 기간과 증감 추이를 비교해본 후 브랜드와 관련하여 부정적인 이슈가 발생하지 않았는지 확인할 필요가 있습니다.

이 외에도 접속 기기에 따라 ‘PC 방문’ / ‘모바일 방문’으로 세그먼트를 나눠 우리 고객들은 어떤 환경에서 주로 접속하는지, 어떤 접속 환경에 있을 때 구매율이 더 높은지 등을 살펴볼 수 있습니다. 또한, 로그인 여부에 따라 ‘회원 방문’ / ‘비회원 방문’을 나누어 살펴보고 비회원 방문 비율이 높은 경우 로그인 비율을 높이기 위해 어떤 점을 개선해야 할지 고민해볼 수 있습니다.

(2) 유입 채널 세그먼트 분석

유입 채널별로 세그먼트를 만들면, 채널별 마케팅 성과를 분석하여 효율이 높은 마케팅 채널에 더욱 투자함으로써 ROAS를 높일 수 있습니다.

‘무료 검색 엔진’(자연검색), ‘유료 검색 광고’(네이버/구글 키워드 광고), ‘콘텐츠 채널’(SNS, 커뮤니티)을 통한 유입으로 세그먼트를 나눠 최근 30일간 넷스루 홈페이지의 메뉴별 방문수를 분석하고 마케팅 인사이트를 찾아보겠습니다.

무료 검색의 경우 메인페이지 방문 비율이 압도적으로 높습니다. 검색 포털에서 ‘넷스루’라는 브랜드명을 검색해서 접속한 경우가 대부분입니다. (분석 솔루션을 통해 메뉴별 유입이 많은 검색 키워드도 확인할 수 있습니다.)

유료 검색의 경우 ‘고객행동수집’ 관련 키워드는 ‘고객행동수집’ 메뉴 페이지, ‘고객행동분석’ 관련 키워드는 ‘고객행동분석’ 메뉴 페이지. 이런 식으로 키워드별로 랜딩페이지가 다르게 설정되어있습니다. 고객행동분석, 고객행동감지와 관련된 키워드가 구글에서 검색량도 많고 노출순위도 높기 때문에 해당 메뉴의 유입이 메인페이지 다음으로 많이 발생하고 있습니다. 반면 고객행동수집 관련 키워드는 무료검색은 잘 되지만 유료검색을 통한 유입이 적기 때문에 광고 집행 중인 키워드를 점검해볼 필요가 있습니다.

콘텐츠 채널은 콘텐츠 내용에 따라 배너/버튼 클릭 시 랜딩페이지를 다양하게 설정해 두어서 메뉴별 방문수 차이가 크지 않습니다. 다만 개인화추천 메뉴로의 방문은 1건도 없기 때문에 해당 주제의 콘텐츠를 추가로 작성해서 해당 페이지의 유입을 늘려야 할 필요가 있어 보입니다.

(3) 회원 세그먼트 분석

인구통계학적 세그멘테이션은 가장 보편적인 세그먼트 분석 기준입니다. 이를 위해서는 회사 내부 고객 정보인 회원 데이터를 분석 도구에 연동할 수 있어야 합니다.

위와 같이 분석 솔루션에 회원 데이터를 연동하면, 성별, 연령대, 회원등급 등의 세그먼트를 만들어 고객을 비교 분석할 수 있습니다. 쇼핑몰과 같이 성별/나이 등에 따라 구매 패턴이 다르게 나타나는 경우 회원 세그먼트 분석이 유용한 인사이트를 줄 수 있습니다.

‘성별’에 대한 회원 속성을 바탕으로 여자/남자 세그먼트를 나누어 A 쇼핑몰 방문 고객의 상품 구매 전환율을 분석해봤습니다. 남성 고객 대비 여성 고객의 상품 구매 전환율이 낮게 나타납니다. 이런 경우에는 상대적으로 구매율이 낮은 세그먼트에만 쿠폰이나 마일리지를 지급하는 방식으로 비용은 줄이면서 전체 구매 전환율을 끌어 올릴 수 있습니다.

(4) 전환 세그먼트 분석

무엇을 전환으로 잡을지는 해당 사이트의 운영 목적에 따라 다릅니다. 쇼핑몰의 경우 회원가입 / 찜하기 / 장바구니 / 구매 등을 각각의 전환으로 잡을 수 있고, 금융권의 경우 회원가입 / 계좌생성 / 카드신청 / 대출신청 / 보험가입 등의 전환이 있을 수 있습니다.

B은행의 경우 ‘회원가입완료’, ‘예적금가입완료’ 등의 사용자 행동을 전환으로 등록하여 수집하고, 해당 전환을 세그먼트로 설정해서 분석했습니다. 이 때 PC 웹사이트와 모바일 사이트, 모바일 앱에서 발생하는 모든 전환을 전반적으로 수집하여 통합 분석을 진행했습니다.

회원가입만 완료한 고객은 외환 메뉴를 가장 많이 이용하는 것으로 나타났습니다. 주거래은행이 아니더라도 환율이 좋거나 혜택이 있는 은행을 찾아 서비스를 이용하는 경우로 볼 수 있겠네요. 외환 업무를 통해 B은행을 이용하는 고객을 대상으로 예적금 상품 가입 이벤트를 진행해도 좋겠습니다. 예적금 상품을 가입 완료한 고객은 조회와 이체 업무를 가장 많이 보는 것을 알 수 있습니다. 예적금 가입 완료 고객을 대상으로 프로모션을 진행한다면 조회/이체 페이지가 적당하겠네요.

(5) 기타 세그먼트 분석

분석 솔루션을 사용하면 다양한 사용자 정의 세그먼트를 직접 생성하여 분석을 진행할 수 있습니다. 고객 행동을 바탕으로 새로운 세그먼트를 만들 수도 있고, 여러 조건을 조합한 형태의 세그먼트를 만들 수도 있습니다.

A 쇼핑몰은 ‘연령+성별’의 형태로 사용자 정의 세그먼트를 만들었습니다. 20~30대 여자 고객은 전체 고객 대비 이벤트를 통한 구매 전환율이 높습니다. 따라서 이벤트 페이지를 만들때는 20~30대 여성이 좋아할 만한 메시지를 담는 것이 좋겠네요.

‘40대 이상 + PC 접속자/모바일 접속자’로 세그먼트를 나누면 각각 어떤 니즈를 갖고 사이트에 접속했는지 고객 여정을 확인해볼 수 있습니다. ‘예적금 신청 + 20대/30대’를 나누어 각 세그먼트가 어떤 페이지에 가장 오래 머무르는지 파악하고 새로운 상품이나 이벤트를 기획할 수도 있겠습니다. 그리고 내부 테스트를 진행하는 경우가 많다면 ‘사내IP / 사외IP’ 세그먼트를 만들어, 사내IP 세그먼트에서는 내부 테스트 결과를 확인하고 사외IP 세그먼트에서 진짜 고객들의 반응을 볼 수도 있습니다.

이처럼 인사이트가 있는 분석을 위해서는, 웹/앱에서 발생하는 고객(사용자) 행동을 정밀하게 수집하고, 수집한 정보를 다양한 세그먼트로 나누어 분석할 수 있어야합니다.

다음 포스트에서는 ‘세그먼트 분석’과 ‘코호트 분석’의 차이에 대해 설명하고, 코호트 분석의 활용 예시를 소개하겠습니다.

[출처]

지금 바로, 온사이트 마케팅을 실행해야 하는 이유!

여기, 광고비가 한 푼도 들지 않는 광고가 있습니다.

바로 내 홈페이지에 들어온 고객들을 대상으로 하는 'On-site 마케팅' 입니다.

​

오늘은 광고비 확장 없이, 구매 건수를 2배로 늘릴 수 있는 온사이트 마케팅에 대해 알려드릴게요!

여러분은 일상생활에서 어떤 광고를 접해보셨나요?

TV/라디오 광고, 옥외광고, 키워드 광고, 배너 광고, SNS 광고 등 많은 광고를 떠올리실 겁니다.

광고 채널이 다양해 질수록, 마케터들도 소비자와의 접점을 찾을 수 있는 다양한 광고를 시도하고 있습니다.

당연히 그에따라 광고비용도 증가하고 있죠.

​

하지만 늘어나는 광고비용에 구매고객이 항상 비례한다고 볼 수 는 없습니다.

비즈니스 성과 향상을 위해 대부분의 기업들이 외부 광고에 집중하고 있지만, 광고를 통해 사이트에 유입된 고객들이 성과로 연결되지 않고 의미 없는 서핑 후 이탈하고 있을지도 모르기 때문이죠.

​

그래서 우리는 생각해볼 필요가 있습니다.

​

• 광고를 통해 유입된 고객들을 대상으로 구매를 늘릴 수 있는 방법은 없을까?

• 동일한 광고 비용을 투자했을 때 매출을 이전보다 더 높이려면 어떻게 해야 할까?

예를 들어 매일 광고비 1천만원을 투자하여 유입되는 방문자가 1만명이라고 가정하면,

한 달 동안 3억원의 투자로 30만명의 방문자가 유입 된다고 볼 수 있습니다.

그리고 이 기간 동안 매일 100명의 금융상품 가입자가 발생한다면, 한 달 동안 3천명의 금융상품 가입자가 발생하게 됩니다.

​

여기서 단순히 광고비를 높인다면 금융상품 가입자를 어느정도 늘릴 수 있겠지만,

동일한 광고비를 사용해서 유입된 고객의 가입(구매)율을 늘릴 수 있다면 개선되는 효과는 훨씬 클 것입니다.

홈페이지에 유입된 고객의 서비스 가입을 유도하는 활동은 바로 온사이트 마케팅으로 가능합니다.

📍 RACE 모델

지금부터 전통적인 마케팅 기법인 RACE 모델을 통해 온사이트 마케팅으로 효율을 높이는 방법을 알아보려고 합니다.

디지털 마케팅 플래닝을 위한 프레임워크인 RACE 모델은, [REACH (도달) - ACT (실행) - CONVERT (전환) - ENGAGE (관계형성)] 단계로 이루어집니다.

앞서 소개한 한 달 광고비용 대비 서비스 가입 고객 수치를 기준으로 각 단계에서 전환율을 높이는 방법을 알려드리겠습니다.

🪄 온사이트 마케팅으로 전환율 높이기 STEP 1

먼저 [REACH(도달) - ACT (실행)] 단계입니다.

이 단계는 광고에 반응하여 홈페이지로 유입된 고객이 흥미를 느끼고 원하는 정보를 찾아가는 단계입니다.

​

외부 광고를 통해 유입(도달)되는 방문자들이 기획자/마케터가 유도한 대로 원활하게 이동하는지,

페이지에 싫증을 느끼거나 오류가 발생하여 중도 이탈하지는 않는지 실시간으로 확인해서 대응​해야 합니다.

넷스루의 유저플로우, 스마트CEP 솔루션을 통해 온사이트 마케팅을 진행할 수 있습니다.

​

• UserFlow (고객 여정 분석 솔루션)

광고를 통해 유입된 후 고객이 이동하는 주요 경로를 확인, 이탈하는 비율 및 ​이탈 페이지 체크

• SmartCEP (실시간 고객 행동 감지 솔루션)

주요 이탈 페이지에 도달한 사용자에게 실시간으로 팝업 메시지를 노출하도록 감지 규칙 설정, 고객에게 이득이 되는 정보를 안내하여 의도된 페이지로 이동하도록 유도

​

🪄 온사이트 마케팅으로 전환율 높이기 STEP 2

다음은 [ACT (실행) - CONVERT (전환)] 단계로

고객이 계좌 개설, 대출상품 가입, 상품 구매 등의 전환을 고민하고 있는 단계입니다.

원하는 상품/서비스를 찜해두거나, 장바구니에 넣어두고 구매(가입)를 고려하고 있는 단계라고 보면 됩니다.

​

이런 단계에서는 고객이 좋아할 만한 상품을 추천하거나, 할인 쿠폰과 같은 혜택을 제공하여 구매를 유도하는 것이 필요합니다.

넷스루의 스마트CEP, 스마트오퍼 솔루션을 이용해서 아래와 같이 구매를 유도해볼 수 있습니다.

​

• SmartCEP (실시간 고객 행동 감지 솔루션)

동일 상품 5회 이상 조회 후 해당 카테고리에 5분 이상 체류 중인 회원을 감지하여, 할인 혜택 또는 쿠폰을 실시간 메시지로 전송

• SmartOffer (개인화 추천 솔루션)

고객 속성에 해당하는 정보를 기반으로 동일 연령대, 동일 고객 등급 고객들의 구매 상품을 추천 상품으로 안내

​

이렇게 솔루션을 통해 각 단계에서 효율을 딱 5%씩만 올렸다고 가정해봅시다.

과연 마케팅 효과는 얼마나 높아졌을까요?

​

✨ 온사이트 마케팅 효과

기존에 3억원의 광고비 투자로 3,000명의 금융상품 가입을 달성했던 수치가, On-Site 마케팅을 통해 단계별로 5%씩 개선했더니 6,750명의 금융상품 가입으로 전환이 2배 이상 증가하는 성과로 돌아왔습니다!

​

물론 단순한 시나리오를 예시로 들었고, 단계별 5% 상승이 쉽지 않은 것으로 보일 수도 있습니다.

하지만 넷스루의 디지털 마케팅 솔루션을 도입한 후, 경험이 많은 넷스루 전문가들과 현업 담당자들이 함께 고민하여 실시간 감지 시나리오를 다양하게 발굴하고, 감지된 고객에게 적시에 마케팅 메시지를 전달 할 수 있다면 목표한 성과를 이룰 수 있을 것입니다.

​

이렇듯 사이트 내실을 개선하면 생각보다 큰 효과를 거둘 수 있습니다.

외부 광고에만 집중하여 밑빠진 독에 물 붓기가 되지 않도록, 사이트 내부로 눈을 돌려 온사이트 마케팅을 실행하여 물 샐 곳 없는 튼튼한 독이 되도록 내실을 다져야 할 때입니다.

통합 디지털 마케팅 솔루션을 통해 고객 여정 단계 주요 지점에서 실시간 감지 및 개인화 추천을 실행하여,온사이트 마케팅을 통해 마케팅 효율을 개선해보시기 바랍니다.

• 출처
  

사이트 위치 별 "온사이트 마케팅 콘텐츠" 뭐 넣어야 할지 딱 알려드림!!

큰 돈 들여 구석구석 광고를 올리고 힘들게 사이트에 유입시킨 잠재 고객들..

혹시 겨우 유입된 고객을 그냥 흘려보내고 있진 않나요?

​

잠재 고객들을 사이트에 유입시키는 마케팅 만큼이나 중요한 것은, 사이트 안에서 일어나는 "온사이트 마케팅" 입니다.

오늘은 효과적인 온사이트 마케팅을 위해, 우리 사이트 어떤 위치에 어떤 콘텐츠를 띄워야 할지 알려드리겠습니다!

온사이트 마케팅(On-Site Marketing)이란 말 그대로 사이트 위에서 일어나는 마케팅 활동입니다.

사용자가 사이트에 접속해 있을 때 개인화된 메시지를 전송하여, 이탈을 방지하고 전환을 유도하는 것이죠.

​

웹사이트나 어플 내에서 개인화된 메시지를 보더라도 서비스의 구성요소 중 하나로 인식되기 때문에, 외부 광고보다 거부감이 적습니다.

또한 개발자가 사이트를 수정해주거나 마케터가 직접 디지털 마케팅 솔루션을 이용하는 경우 추가 비용이 발생하지 않고,

비교적 다양한 형태로 자연스러운 마케팅을 실시할 수 있다는 것이 큰 장점입니다!

사실 이런 온사이트 마케팅은 우리가 흔히 접속하는 금융권 사이트에서도 활발하게 사용되고 있습니다.

위의 마케팅 콘텐츠 전달 방식 예시를 통해 금융권 앱에서는 팝업, 애니메이션 배너, 롤링 배너, 카드 섹션 등의 형태로 온사이트 마케팅을 수행하고 있음을 알 수 있습니다.

그리고 이런 콘텐츠들은 전체 고객을 대상으로 동일하게 보여줄 수도 있지만,

고객의 속성(성별, 나이 등), 행동(특정 영역 클릭, 특정 페이지 진입 등), 거래로그(입금,출금 등)에 따라 맞춤형으로 노출할 수도 있습니다.

그렇다면, 온사이트 마케팅의 위치는 어떻게 결정할 수 있을까요?

페이지별로 특성을 파악하여 고객에게 가장 잘 어필할 수 있는 마케팅 콘텐츠를 보여줘야합니다.

​

APP의 첫페이지, 많이 방문하는 페이지, 오래 머문 페이지 이렇게 3가지로 나눠 각각 어떤 마케팅 콘텐츠가 적합한지 설명드리겠습니다!

먼저, APP의 첫페이지 입니다.

앱이나 웹사이트의 첫 페이지는 대부분의 방문자가 처음으로 확인할 수 있는 페이지 입니다.

APP의 경우 화면이 좁기 때문에 고객이 이탈하지 않고 무언가 '행동' 할 수 있도록 잘 보이는 곳에 CTA 버튼을 넣는 것이 효과적입니다.

​

내용 면에서는 모든 방문자들이 가장 쉽게 볼 수 있는 공간이므로, 전체 고객에게 중요한 '공지'를 올려두거나

고객이 사이트에 유입된 후 바로 긍정적인 경험을 할 수 있도록, 개인화된 '정보/혜택'성 메시지를 띄우는 것이 좋습니다.

두번째로는 고객들이 가장 많이 방문하는 페이지인데요.

디지털 고객 행동 분석 솔루션을 통해 뷰 수가 가장 높은 페이지를 확인할 수 있습니다.

​

이렇게 많은 고객이 방문하는 페이지에는 많은 사람들이 가장 좋아할 만한 콘텐츠를 넣는 것이 좋습니다.

페이지에 유입된 모든 고객을 타깃으로 삼고, 신규 상품이나 Best 상품 등 대다수의 고객들이 관심을 가질 만한 콘텐츠를 보여주는 것이죠.

​

금융권 사이트를 기준으로 고객들이 주로 많이 방문하는 페이지는 '계좌조회', '이체', '거래내역조회' 와 같은 일반 뱅킹서비스 입니다.

이러한 페이지에서는 인기/기획 금융 상품 추천 혹은 서비스에 대한 정보 전달 콘텐츠가 효과적일 수 있습니다.

마지막으로는, 고객들이 가장 오래 머문 페이지입니다.

이것 역시 디지털 고객 행동 분석 솔루션을 통해 어떤 페이지에 고객들이 가장 오래 머무는지 알 수 있습니다.

​

한 페이지에 오래 머물러 있다는 것은 집중도가 높다는 것을 의미합니다.

고객은 아마 페이지 내의 설명들을 꼼꼼히 읽으며 다음 스텝으로 이어지는 행동(신청, 구매 등)을 고려하고 있겠죠.

때문에 이 페이지에서는 메시지 전달 효과가 높고 전환 가능성도 높다고 기대할 수 있습니다.

​

오래 머문 페이지는 모든 고객에게 노출되는 페이지가 아닌데다가 유입된 고객의 특성을 잘 보여주는 페이지이기 때문에,

해당 페이지에 도달한 고객이 이탈하지 않도록 고객의 의도에 맞는 개인화된 콘텐츠 제공이 필요합니다.

​

금융권 사이트로 다시 예를 들면, 고객들이 오래 머물러 있는 페이지는 '해지계좌조회', '세금우대한도조회', '영업점추천상품신규' 등 일반 뱅킹서비스보다는 금융상품몰 쪽입니다.

이런 페이지에서는 오래 머무르면서 전환이 일어나지 않는 고객들을 대상으로 타겟 마케팅을 수행해보는 것이 좋습니다.

특정 페이지에 몇분 이상 머물러 있으면서 다른 페이지로 이동하지 않는 고객을 감지하여, 특정 메시지 팝업을 띄우는 규칙을 설정해서 보여주는 온사이트 마케팅을 추천합니다.

이상으로 여러분께 페이지 별로 효과적인 온사이트 마케팅 위치와 콘텐츠 내용을 소개해드렸는데요.

온사이트 마케팅을 통해 사이트 유입 고객을 놓치지 않는 똑똑한 마케터 여러분이 되시길 바랄게요!

마케터, 기획자가 꼭 알아야하는 2024 소비 트렌트 TOP4

마케팅, 연초에 계획하신대로 잘 수행하고 계신가요?

​

「트렌드 코리아 2024」 에서 선정한 2024년 10대 소비트렌드 키워드 중

CRM 마케터가 꼭 알아야할 4개의 키워드와 이 트렌드에 맞춰 마케터가 해야 할 일을 소개합니다.

​

CRM마케터 뿐 아니라 브랜드마케터, 콘텐츠마케터, 퍼포먼스마케터, 바이럴마케터, 그로서마케터

(그리고 현실에서는 이것저것 다하는... 내가 무슨 마케터인지도 모르겠는... 모든 마케팅 업무 수행자 여러분)

모두 2024 소비트렌드를 통해 내가 하고 있는 마케팅을 점검하고, 새로운 도전을 위한 기회를 엿보시기 바랍니다!

1. 분초사회

• 집에 1분이라도 빨리 가기 위해 지하철 최단거리인 "O - O" 위치에서 탑승한다.

• 우리 회사도 반반차/반반반차가 필요하다고 생각한다.

• 동영상은 1.5배속 / 2배속으로 보거나 스킵해가면서 본다.

• 드라마 전편 시청보다 "몰아보기" 영상을 시청하는게 더 재밌다.

​

위 항목 중 하나라도 해당하는 사람이라면, 현 사회가 1분 1초를 다투며 살고있는 "분초사회"라는 것에 동의할 것입니다.

시간이 무엇보다 중요한 소비자들을 위해 마케터들은 그들이 많은 시간을 들이지 않고 "빠르게 결정"할 수있도록 도와야 합니다.

​

"OOO이 꼭 알아야할 N가지"와 같이 목차만 읽어도 인사이트를 얻을 수 있는 콘텐츠를 제작하고,

앱에서는 사용자가 "가장 많이 이용"하는 기능 리스트를 잘 보이는 곳에 배치하여 사용자가 해당 기능을 찾는데 시간을 쓰지 않도록 하고,

많은 사람들이 구매하는 "Best 상품/서비스" 리스트에서 고객이 빠르게 자신이 원하는 것을 고를 수 있도록 하는 것이죠.

2. 도파밍

"도파밍"은 "도파민"과 "파밍(플레이어가 수확하듯이 게임 아이템을 모으는 행위)"의 합성어로,

자극적인 것들을 보고 느끼면서 도파민을 모으려는 요즘 사람들의 행동을 말합니다.

​

10분만 휴대폰 해야지 하다가 알고리즘에 지배당해 1시간 넘게 쇼츠/숏폼에 빠진 적 있으시죠?

재미 있으면 시간 가는 줄 모르게 하고, 재미 없으면 바로 그만하는 시대.

콘텐츠 광고는 물론이고 웹사이트나 어플에서 팝업이나 배너를 띄울 때도 고객의 시선을 사로잡아야합니다.

​

10대의 도파민과 40대의 도파민은 천지차이인데, 모든 사람에게 똑같은 팝업을 보여줄 수는 없죠.

그럼, 로그인한 고객의 특성에 따라 다양한 팝업을 띄워볼까요?

아뇨. 이름도, 성별도, 나이도, 연락처도 모르는 비식별 고객까지 우리의 타겟입니다.

비식별 고객들에게도 임시식별번호를 부여하고 그들의 행동을 관찰해서, 그들의 도파민을 자극할 만한 광고를 보여줘야합니다.

3. 요즘남편 없던아빠

우리 사이트에 들어온 고객을 더 오래 붙잡아 두고, 상품/서비스를 구매하도록 하려면 어떻게 해야할까요?

여자에게는 화장품, 주방 용품, 남자에게는 게임기, 골프채를 추천하면 될까요?

​

아빠가 집안일과 육아를 도맡아 하는 가정이라면, 아빠에게 주방 용품과 아기 기저귀를 추천해줘야 합니다.

이제 더이상 인구통계학적 특성에만 의존하는 시대는 지난 것이죠.

​

대신 이 사람이 어떤 페이지에 오래 머물렀고, 어떤 카테고리에서 자주 소비를 했는지 등 개인의 온라인 행동을 파악해야 합니다.

지금까지 어디에 시간과 돈을 썼는지 알아야 앞으로 뭘 구매할 것인지 예상할 수 있고,

바로 그걸 찾아서 추천하는 것이 전환율을 높이는 해답이니까요!

4. 디토소비

"ditto"는 "나도 그래" 라는 의미입니다.

뉴진스의 "Oh say it ditto~"는 "나도 그래(나도 널 좋아해)라고 말해줘~" 라는 의미인거죠.

​

이 글을 보는 여러분은 좋아하는 연예인이나 인플루언서의 옷, 화장품을 따라 사거나 그들이 방문했다는 장소에 따라 방문한 적이 있으신가요?

디토소비는 무조건 남을 따라 하는 것이 아니라, 나와 가치관 또는 취향이 같은 특정인들의 소비를 따라 하는 것을 말합니다.

그들의 선택을 신뢰하기 때문에 그들과 같은 것을 소비함으로써, 구매를 결정하기 까지 걸리는 탐색과 고민의 시간을 줄이는 것이죠.

​

이처럼 유명인의 영향력이 커짐에 따라 마케터들은 더욱 다양한 채널에서 상품/서비스를 자연스럽게 광고하는 것이 중요해졌습니다.

유명인 A를 통한 광고, B를 통한 광고 중 어떤 사람의 광고가 더 효과적인지 파악하고,

인스타그램을 통한 광고와 유튜브를 통한 광고 중 어떤 채널의 효율이 더 높은지 분석하는 것도 물론 중요하지만

한가지 더 생각해보면 좋을 것이 있습니다.

​

이렇게 디토소비를 통해 소비자가 된 사람과, 검색을 통해 상품을 찾고 소비를 한 사람 중 어떤 사람이 그 다음 소비로 이어질 가능성이 클까요?

유입 경로에 따라 세그먼트를 나누어 추적해보면, 그들의 소비 패턴이 앞으로 어떻게 변화할지 알 수 있습니다.

이를 통해 일시적인 구매자들을 지속적인 팬으로 묶어두기 위한 인사이트를 찾을 수 있겠죠.

오늘은 이렇게 2024년 10대 소비트렌드 키워드 중 CRM마케터가 꼭 알아야 할 4가지 키워드를 살펴봤는데요,

「트렌드 코리아 2024」 에서 선정한 전체 키워드는 아래와 같습니다.

• 분초사회

• 호모 프롬프트

• 육각형인간

• 버라이어티 가격 전략

• 도파밍

• 요즘남편 없던아빠

• 스핀오프 프로젝트

• 디토소비

• 리퀴드폴리탄

• 돌봄경제

​

오늘 소개드린 내용이 여러분께 조금이나마 도움이 되기를 바라며,

넷스루는 할일이 너무나도 많은 마케터 여러분의 수고를 덜어줄 수 있는 디지털 마케팅 솔루션을 만들기 위해 노력하겠습니다.