마케팅팀 루대리를 위한 글 이제 시작합니다.
오늘의집에서는 전체 조직이 데이터를 기반으로 가설을 세우고 검증하는 과정을 거치며 서비스를 개선하고 있습니다. 마케팅팀에서도 데이터에 기반한 의사결정을 하고 있고, 효과적으로 데이터 기반의 의사 결정을 하기 위해서 여러 데이터를 DB화하고 활용하고 있습니다.
이번 주제에서는 오늘의집 마케팅팀이 어떻게 데이터를 쌓아놓고 활용하고 있는지 전체적으로 설명드리고자 합니다.
간단하게 현재 활용 중인 데이터 구성을 그리면 위 그림과 같습니다. 여러가지 데이터를 가져오고 활용하는데, 각 데이터를 어떻게 활용하고 있는지 알아보도록 하겠습니다.
오늘의집은 모바일App과 Web 서비스가 모두 있으나, 모바일App을 중심으로 마케팅을 진행하고 있기 때문에, 앱의 성과를 측정하는데 핵심적인 역할을 하는 Attribution Tool을 중앙에 놓고 설명드립니다.
1.어트리뷰션 툴 데이터
오늘의집은 Web 서비스도 제공하고 있지만 대부분의 유저는 Mobile App을 이용합니다. 사용성도 App 위주로 개선을 시켜왔으며, 마케팅 중요성 역시 App에서 발생하는 성과에 더 집중하고 있습니다.
앱 마케팅 성과를 어느 채널의 기여로 인정할 것이냐는 매우 중요한 일이고, 어트리뷰션 데이터를 활용하여 데이터 마케팅을 개선시킬 목적으로 DB화를 진행하였습니다.
1)성과 최적화 기준 수립
기본적으로 LTV를 구하고, 이에 따라서 CAC를 산정하여 마케팅 예산을 산정합니다. 여기서 ‘LTV기간을 얼마나 볼 것인가?’ 에 대한 문제가 발생하는데, 각 서비스마다 천차만별이기에 정형화하기 어렵습니다. 이때, 어트리뷰션 데이터를 이용한다면 우리에게 맞는 기준점을 세우고 운영에 기준으로 잡아낼 수 있습니다.
CPI만 보고 캠페인 운영을 할 것이 아니라면, CPA / ROI / ROAS 등 개념을 쓸텐데요. 이때 ‘전환의 기준을 언제로 둘 것이냐?’에 대한 고민이 생깁니다. 여기에 대해, 오늘의집에서는 구매 이벤트를 install_time 기준으로 24시간 이내의 성과만 인정하는 D1Revenue라는 개념을 씁니다. 좀 더 심층적으로 볼 때는 분 단위 / 시간 단위 / 7일 / 28일 등 상황에 따라 좀 더 짧거나 길게 보기도 합니다. 그리고 이 기준을 가지고 24시간 이내 판단하려면 각 채널 별로 어느 정도의 기준점을 잡을 지를 고민하고 운영에 반영합니다.
유입 또한 변수로 작용할 수 있습니다. 유입은 크게 3가지 정도로 나눌 수 있는데, 최초 설치(install), 재실행(re-engagement), 재설치(re-attribution) 입니다. 커머스의 경우 당연히 재실행이 최초 설치에 비해 전환 성과가 좋을 수 밖에 없으므로, 재실행과 최초 설치를 동일한 기준으로 판단하는 것은 옳지 않습니다.
매체에서 어떻게 attribute가 되는지도 변수입니다. 매체의 기여는 클릭(click)과 노출(impression)로 잡히는데, 매체에 따라서 impression 성과가 잡히는 매체도 있고, 그렇지 않은 매체도 있습니다. 또한 click에 대한 기준도 매체 별로 제각각이어서 매체에 대한 이해를 바탕으로 로직을 설계하는 것이 좋습니다. 예를 들어 구글 AC에서 영상 시청만으로도 click으로 attribution을 잡는데, attirbuted_touch_time과 install_time의 시차를 확인해봄으로써 성과 인정 여부를 판단할 수 있습니다.
위에서 활용된 데이터는 어트리뷰션 툴의 로데이터를 통해 모두 받을 수 있고, 이 데이터를 활용하여 로직을 개선시키고, 최적화에 활용해야합니다. 어트리뷰션 최적화에 필요한 주요 컬럼, 변수를 아래 표로 정리해두었습니다. (multi touch attribution은 길이상 제외했습니다)
2)세그먼트별 성과 확인
오늘의집은 이미 1000만 명이 넘는 유저를 보유하고 있습니다. 너무 다양한 유저 특성이 있기 때문에 기존 유저를 대상으로 Re-targeting 광고를 집행하는 경우 ROAS의 절대값이 단순히 높은 것으로는 큰 의미가 없습니다. 이미 서비스를 잘 사용하고 있는 유저와 처음 사용하는 유저의 행동 패턴이 너무 다르기 때문입니다. 결국 그룹을 나눠서 관리해야 하는데, 이는 광고 집행에도 동일하게 적용됩니다.
오늘의집에서는 가입 후 기간, 구매 여부, 최근의 활동성 등 다양한 기준점으로 수많은 세그먼트를 나눠서 집행하고 있으며 이에 따른 세그먼트별로 채널별 성과를 별도로 관리합니다.
결국 위와 같 세그먼트별 성과 지표를 얻기 위해서는 어트리뷰션 툴 데이터를 DB화를 해놓은 뒤, 우리가 원하는 모습으로 지표를 커스터마이징 해야합니다.
3)다른 지표와의 연결성
어트리뷰션 툴에 인앱 이벤트를 설정할 때, key로 쓸 수 있는 데이터를 value로 함께 이벤트를 발생시킵니다. 예를 들어 회원가입이나 로그인 이벤트가 발생할 경우 user_id를 value에 넣어 이벤트를 발생시키고, 구매가 일어났을 때 order_id 같은 값이 될 수 있습니다. 앱스플라이어의 경우 CUID(customer user id)를 활용하면 어떤 유저가 이벤트를 일으켰는지 쉽게 파악이 가능합니다.
활용 예시로는, 각 채널/소재별 유입 유저의 데모 데이터를 확인하여, 어떤 소재를 썼을 때 어떤 성별/연령층에 효과적이었는지 파악할 수 있도록 지표화가 가능합니다. 구매 이벤트의 경우에, 해당 구매가 몇 번째 구매인지 확인이 가능하고, 첫 구매를 목표로 한다면, 별도로 첫 구매를 이벤트로 생성하지 않아도 order_id를 내부 DB의 order_id와 연결시켜 첫 구매를 기준으로 지표 수립이 가능합니다.
저는 마케팅 데이터를 DB화해서 가장 많이 얻어갈 수 있는 포인트가 다른 지표와의 연결성이라고 봅니다. 각 채널마다 유저의 행동 특성이나 LTV 등을 분석하고 나면, 각 캠페인 목표마다 최적화된 CPI나 D1ROAS 목표가 달라질 수 밖에 없고, 캠페인 목적에 맞는 행동을 하기 위해 광고 세팅, 소재, 예산 배분 등 개선해야 할 포인트를 무수히 찾아낼 수 있기 때문입니다.
4)대시보드에서는 보이지 않는 지표들
오늘의집은 앱스플라이어의 Pull API와 Data Locker를 이용하여 데이터를 수집하고 있습니다. 앱스플라이어의 경우 트래킹 링크 클릭, 세션 발생, uninstall 등 데이터가 대시보드 상에는 보이지 않지만, Data Locker를 통해 제공되고 있으며, 오늘의집에서는 이 데이터를 DB화 하고 있습니다. DB에 기록된 세션 데이터를 활용해 유저의 활동성 지표에 쓸 수 있고, ‘Push message가 과도할 경우 유저가 앱을 지운다’는 가설을 가지고, Push 수신 동의율을 개선하는데 uninstall 지표를 활용할 수도 있습니다.
2.매체 데이터
어트리뷰션 툴의 데이터가 DB화 되었더라도, 퍼포먼스 마케터들은 계속해서 매체 대시보드를 확인합니다. 기본적으로 효율을 확인하려면 매체에서 소요된 비용 데이터가 있어야 하고, 매체 성과가 튀었을 경우 무엇인지 원인을 찾기 위해 매체 지표를 확인해야 하기 때문입니다.
하지만, 매체에서는 광고주의 기준에 의해 attribution이 설정된 전환 데이터를 제공하지 않습니다. 그러다보니 퍼포먼스 마케터는 매체의 데이터와 전환 성과가 기록된 데이터를 직접 합쳐서 봐야 하는 번거로움이 생기게 됩니다. 이 문제를 해결하기 위해 매체에서 제공하는 API를 이용해 DB화를 진행하여 일부 업무들을 자동화시킬 수 있었습니다.
- 네이버 : https://saedu.naver.com/help/faq/ncc/view.nhn?faqSeq=151
- 구글 : https://developers.google.com/adwords/api/docs/guides/start
- 페이스북 : https://developers.facebook.com/docs/marketing-apis?locale=ko_KR
- 카카오 : https://developers.kakao.com/docs/latest/ko/kakaomoment/reference
매체 데이터는 가장 대표적으로 impression, click, 비용 등이 있습니다. 매체마다 집계하는 기준이 다를 수 있기 때문에, 매체간의 비교보다는 매체 내의 캠페인/소재 등의 비교가 유의미합니다. 매체마다 광고 성과 변동이 있을 때, 캠페인/그룹/소재 단위로 배분하여 어디에서 문제가 있는지 매체 단위의 문제를 빠르게 파악하기 쉽습니다.
ex) CTR이 낮아졌다 ▶ 소재가 진부화되었구나, CPM이 높아졌다 ▶ 타겟/인벤토리 경쟁, 광고 셋업이 바뀌었을 수 있다
DA의 경우 각 매체사 대시보드에서 쉽게 파악할 수 있으므로 다른 데이터에 비해 내재화 시킬 니즈가 떨어지는 것이 사실입니다. 다만 SA를 고려하면 매체 데이터는 큰 임팩트를 발휘할 수 있습니다. 특히 자동화가 덜 되어있고, 매체력이 큰 네이버 검색 광고(파워링크), 네이버 쇼핑 검색 광고를 개선할 수 있는 포인트를 많이 제공합니다.
네이버 검색 광고에 쓰이는 키워드 수는 수십~수천만 개 정도가 될 정도로 사실상 모두 관리하는 것이 불가능합니다. 그룹화하여 쓸 수 밖에 없으며, 인력으로 업무를 할 경우 시간도 오래 걸리고 놓치는 부분이 발생할 수 밖에 없습니다. 이런 문제로, 각 키워드의 성과를 DB화하고, 기간 별/키워드 별로 성과를 추출하는 운영 업무를 매뉴얼화 할 수 있습니다. 이를 통해 비딩 규칙을 고도화하면서 검색 광고 채널을 키워낼 수 있습니다.
네이버 쇼핑 검색 광고는 등록된 모든 상품 중 광고로 등록할 수 있는 상품 수가 제한적입니다. 그렇다보니 ‘어떤 상품을 광고에 등록할 것인가?’가 중요합니다. 등록이 안되어있는 좋은 상품은 광고 등록을 해야 하고, 등록이 되어있으나 성과가 나오지 않는 상품은 광고에서 제외시켜야 합니다. 좋은 상품에 대한 내부의 기준을 로직화하여 개선시켜 나가야 하며, 광고가 웹 매출 / 앱 매출에 어떤 영향이 있었는지 어트리뷰션을 고려하여 상품 선별 작업이 필요합니다.
오늘의집에서는 ‘어떤 상품을 추가할 것인가?’ ‘광고에 등록된 상품이 충분히 노출되고 있는가?’ ‘충분히 매출을 가져오고 있는가?’ ‘어떤 카테고리가 영향이 큰가?’ 등 다양한 질문들에 대해서 매체에서 가져온 데이터를 가지고 해답을 찾아내고 있습니다.
글의 서두에 말씀드렸던 것처럼 오늘의집은 앱 서비스가 메인인 서비스인데요. 네이버의 경우 App 광고채널이 아니라, Web 채널임에도 중요한 마케팅 채널로 보고 있습니다. 어떻게 이런 의사결정이 나올 수 있었는지 다음 주제를 보시면 이해하실 수 있습니다.
3.웹 트래킹 그리고 로그 데이터
1)Web to App의 의사결정
본격적인 내용으로 들어가기 전, App 광고와 Web 광고를 정의할 필요가 있어서 아래와 같이 정의해보겠습니다.
- App 광고 : 광고 목적이 App설치 또는 App 실행인 경우. 구글로 예시를 들면 ACi, ACe 캠페인
- Web 광고 : 광고 목적이 Web 트래픽을 통한 전환 유도인 경우.(Web 페이지 랜딩) 구글로 예시를 들면 GDN, Google검색 광고, Google 쇼핑 광고 등
오늘의집은 모바일 App이 메인이지만 Web 광고도 중요하게 보고 있습니다. Web to App 트래킹을 통해 Web광고가 전체 광고 실적에 얼마나 영향이 있는지 명확하게 보고 있기 때문입니다.
오늘의집 Web 페이지 곳곳에 App으로 전환할 수 있는 트리거가 녹여져 있으며, 각 트리거마다 트래킹이 가능하도록 설계되어 있습니다. 이것을 기반으로 Web에서 발생한 성과 뿐만 아니라, App에서 발생한 성과까지 합산하여 App / Web간 매체 예산을 최적화 할 수 있습니다.
ex) 구글 검색광고 노출 -> Web 페이지 랜딩 -> App설치 -> App에서 구매전환 : 구글 검색광고로 성과 인정
2)Google Analytics 사용해야 하는가?
오늘의집에서 GA를 성과 판단 기준으로 사용하지 않은지 1년 이상 되었습니다. 기존에 GA를 썼을 때 많은 마케터들이 느끼는 많은 문제들이 있었는데요, 주요 문제들은 아래와 같습니다.
- 데이터 활용 - DB화가 안되어있음
- 데이터를 뽑는 시점에 따라 결과가 다른 문제 (샘플링 등)
- 정합성 문제 (실제 발생한 전환과 차이 발생)
이 문제들을 해결하기 위해 GA360같은 유료 버전을 쓰는 방안, 내부에서 개발하는 방안 등을 고민했습니다. 당시에 서비스 모든 곳에 로깅하는 작업이 진행되고 있었기 웹 로그 데이터를 기반으로 웹 성과 분석용 데이터 마트를 만들고 이를 지표화하였습니다.
기반은 GA와 동일하게 쿠키, 세션, UTM코드, Referrer, 유입URL 등 웹 트래픽 분석을 위해 필요한 데이터는 모두 있었고, 우리가 원하는 로직으로 데이터 마트를 구성하여 사용하고 있습니다.
Web 채널 중 가장 중요한 채널은 쇼핑 검색, 키워드 검색 같은 검색광고(SA) 채널입니다. 반면에 App채널은 FB, Google 같은 노출형 광고(DA) 채널입니다. 두 채널에서 들어오는 유저 특성이 명확하게 다르다 보니 단순하게 App과 Web 채널을 최적화 할 수 없었습니다. 좀 더 장기적인 지표를 가지고 단기에 판단할 수 있는 기준점 수립이 필요했고, 이 과정을 통해 예산을 좀 더 효과적으로 사용할 수 있는 기반을 만들었습니다.
만약에 GA의 틀 안에서만 고민을 지속했다면, Web과 App의 전환 성과를 모두 고려한 기준점을 만들지 못하고, Web 성과 내에서 효과적으로 만드는 고민만 했을 것입니다.
3)로그데이터 + 어트리뷰션 툴 그 이상
오늘의집에서 로그 데이터는 웹 트래킹 뿐만 아니라 여러 분야에서 활용하고 있습니다. 기본적으로 유저를 타겟팅 할 때 어떤 행동을 했는지 보고 있으며, 유저의 특성에 따라 어떤 차이를 보이는지도 로그데이터틀 통해 인사이트를 얻습니다. 그리고 각 특성에 대해 가설을 세우고 실험을 통해 검증하는 과정을 거치면서 개선점을 찾고 적용해 나가고 있습니다.
마케팅 업무는 항상 KPI를 달성하기 위해 분주하게 진행됩니다. 하지만, 어트리뷰션 툴만 고려했을 때 KPI와 명확하게 Align 되지 않는 문제(ex. 광고비를 증액했고 어트리뷰션 툴에서 거래액이 올랐으나, 전체 거래액이 정체된 경우)가 있는데요, 바로 푸시 메세지나 유저가 그냥 앱을 여는 경우 등 Organic한 케이스를 모두 반영하여 성과 측정이 어렵기 때문입니다. 이 문제에 대해서 고민을 가지고 고도화하는 작업을 진행하고 있으며, 이 부분은 이후 아티클에서 심화된 버전을 다뤄볼 예정입니다.
4.각 데이터의 연결
위에서 기본적으로 어느 데이터들을 보고 있는지 살펴보았습니다. 오늘의집은 광고 등 paid매체, 인스타그램/유튜브 등 non-paid 매체, 카카오 알림톡/SMS/E-mail 등 CRM 매체, 공유하기 친구 추천 등 Referral 매체를 비롯하여 수십개의 매체를 사용하고 있습니다. 각 매체는 다시 수백가지의 캠페인으로 나뉘고, 수천가지의 광고 소재로 나뉩니다. 각 캠페인마다 신규 유저를 유치하기 위한 목적이 있고, 특정 액션(이를테면 구매)를 유도하기 위한 캠페인이 있을 것입니다. 이런 조합을 관리하기란 쉽지 않습니다. 또한 위에서 잠시 언급했다시피, 각 유저에게 Segment를 부여하고 광고 캠페인을 집행하기 때문에 Segment별 성과를 확인해야하는 문제가 발생합니다. Web to App 성과 파악 역시 Web과 App이 호환되는 성과 트래킹 기준을 갖고 있어야 가능합니다.
정리하자면 관리/운영의 용이성과 Web/App의 트래킹 호환을 위해록 오늘의집에서는 URL관리 규칙을 작성하고 활용하고 있습니다. 최종적으로 KPI지표가 그려지는 파이프라인은 아래와 같은데, 모두 동일한 규칙으로 호환되게끔 규칙을 정비하는 것이 중요합니다.
URL 규칙에는 필수적으로 들어가야 하는 값들이 있는데, (utm코드를 예로 들자면 utm_source가 해당합니다) 이외에도 내부에서 필수적으로 수집이 되어야 하는 정보를 URL에 넣는 작업이 필요합니다. 직접 써서 넣을 수도 있고, 숫자 등으로 코드화해서 넣을 수도 있는데, 핵심은 URL을 만드는 모두가 이 규칙에 대해서 인지하고 있고, 팀 내에서 규칙대로 작성을 해야 성과 분석에 문제가 없다는 것에 대해서 컨센서스가 필요합니다. 때문에 업무 전부터 팀 리더의 전폭적인 지지를 업고 업무를 진행하는 것이 효과적입니다.
URL 규칙은 인지만으로는 실수가 발생할 수 있기 때문에 잘 사용하도록 포맷을 만들어두는 것이 좋습니다. 이는 웹 페이지까지도 만들 필요 없이 구글 스프레드시트로도 충분히 가능합니다.
여기까지 전체적으로 어떻게 마케팅 데이터를 구성하고 활용하고 있는지 보았습니다. 마케팅 데이터 전체를 거시적으로 보려고 하다 보니 글에서 다소 세밀하게 설명하지 못한 부분이 많습니다. 아직 오늘의집에서 고민하고 개선해나가야 할 점이 많은 만큼, 추후에 기회가 된다면 상세하게 적어보도록 하겠습니다.
다음 주제는 오늘의집 내부에서 실질적으로 마케팅 활동이 KPI에 얼마나 기여하고 있는지 확인하기 위해서 확인하기 위해 내부 데이터와 어트리뷰션 데이터를 합쳐서 새로운 지표를 만들어낸 시도를 설명 드릴 예정입니다. 일반적인 마케팅보다는 심화되고 어렵지만, 실질적인 증분을 평가하고 마케팅 활동에 반영하는 작업으로 의미가 큰 업무이니, 데이터 마케팅을 고민하시는 실무자께서는 재미있게 읽어보실 수 있을 것 같습니다.
