머신러닝 시대, 퍼포먼스 마케팅의 재정의

Minsun Hong 2018년 5월

많은 전문가들은 마케팅이라는 분야가 지난 수십년 동안 4번의 혁신적인 변화를 겪어왔다고 말합니다. 처음에 TV가 마케팅의 기준을 만들었고 이후 1990년대 중반에 인터넷이 대중화 되면서 디지털 마케팅이라는 분야가 생겨났습니다. 2000년대 중반 들어 모바일이라는 새로운 흐름이 디지털 마케팅을 메인 스트림으로 끌어 올렸고 2010년대 중반부터 우리는 머신러닝이라는 그 다음 혁신을 현재 진행형으로 경험하고 있습니다.

모바일과 머신러닝 시대를 거치면서 소비자의 디지털 접점은 양과 질 모두 풍부해지고 있습니다.

최근 몇 년 동안의 소비자 변화를 더 자세하게 살펴 보겠습니다. 모바일 시대가 되면서 소비자들이 디지털을 사용하는 상황과 횟수가 폭발적으로 늘어났습니다.미국에서 조사한 바에 따르면, 소비자가 하루에 핸드폰을 여는 횟수는 평균 150회에 달하고, 이 중 쇼핑과 관련된 사이트를 방문하거나 특정 브랜드나 상품을 검색 하는 등 쇼핑과 관련된 유의미한 디지털 접점이 한 달 동안 약 1,040번 정도 발생합니다.

구매 여정의 터치포인트가 늘어난 것은 2가지 동인에 기인합니다. 첫번째로 소비자가 구매하려는 상품에 대한 구체적인 정보를 찾는 기존의 니즈가 꾸준히 늘고 있습니다. 실제로 미국에서 지난 2년간 ‘브랜드’에 대한 모바일 검색량은 80% 늘었고, ‘탑 브랜드’에 대한 검색량은 거의 2배로 증가했습니다. 그리고 이와 동시에 무엇을 살지 정하기도 전에 구매 여정의 초기 단계에서 아이디어를 찾는 경우 또한 늘어나고 있습니다. 예를 들면 ‘초보 메이크업 쇼핑 리스트’를 검색하거나 ‘여자친구 선물 아이디어’에 대한 영상을 유튜브에서 찾아보는 것입니다. 미국에서 지난 2년간 ‘아이디어’에 대한 모바일 검색양이 55% 증가했고 ‘아이디어’를 제목에 포함하는 유튜브 영상의 시청시간은 135%나 증가했습니다.

그런데 모바일 시대를 지나 머신러닝 시대로 접어들면서 소비자의 디지털 접점은 양적으로 뿐만 아니라 질적으로도 풍부해지고 있습니다. 머신러닝 기술에 힘입어 과거에는 할 수 없었던 종류의 일들을 소비자가 디지털에서 할 수 있게 되었기 때문입니다.

소비자의 변화는 매체와 마케팅 업무 방식에도 변화를 요구 합니다.

소비자가 남기는 데이터가 광범위해지면서 이를 잘 소화하기 위해 디지털 매체도 많은 변화를 해왔고 그 중심에는 역시 머신러닝 기술이 있었습니다. 머신러닝 기술은 방대한 소비자 데이터를 다양하게 분석하고 패턴을 찾아 마케터가 사용하기 쉬운 방식으로 분류하여 제공합니다. 그리고 방대한 시그널을 계산하고 예측하는 등 캠페인 최적화의 복잡성이 사람이 수동으로 할 수 있는 수준을 넘어서자 머신러닝이 광고 시스템의 새로운 엔진이 되었습니다.

이렇게 소비자와 매체가 변하면서 기존 퍼포먼스 마케팅의 업무 방식, 특히 마케터가 소비자에게 도달하기 위해 검색이나 디스플레이와 같은 퍼포먼스 채널을 활용하는 방식도 여러가지 변화를 요구받고 있습니다. 하지만 안타깝게도 아직 소비자나 매체가 변하는 속도와 폭을 따라오지는 못하고 있습니다.

많은 브랜드에서 퍼포먼스 마케팅 업무가 이루어지는 방식을 보면 어느 정도 정형화된 모습을 보입니다. 브랜드 마케팅이 소비자 구매 퍼널의 앞 단계에 보다 집중하는 동안, 퍼포먼스 마케팅은 최종 전환이라는 목표에 집중하는 경우가 대부분입니다. 이를 위해 ‘최종 전환을 얼마나 효율적으로 달성할 수 있는지’를 기준으로 채널과 매체를 판단하고 채널 별로 담당자가 나뉘어 채널의 최적화를 고민하게 됩니다.

img-1

이러한 형태는 소비자가 디지털 매체를 활용하는 방식이 제한적이어서 퍼포먼스 마케팅이 최종 전환만 고민하면 되던 과거에는 효율적인 성과를 내기에 적합했습니다. 하지만 소비자가 구매 퍼널 전반에 걸쳐 디지털 매체를 다양하고 깊이있게 사용하는 지금도 여전히 유효한 방식일까요? 소비자와 매체의 변화에 발맞추어 퍼포먼스 마케팅의 업무 방식도 재정의 되어야 할 것입니다.

3가지 변화를 통해 퍼포먼스 마케팅을 재정의 할 수 있습니다.

새로워진 소비자에게 잘 도달하고 변화하는 매체를 충분히 활용하기 위해 퍼포먼스 마케팅의 업무 방식을 재정의 한다면 어떤 변화가 필요할까요? 3가지 변화를 차례대로 살펴 보겠습니다.

첫째: 최종 전환에만 집중하지 말고 소비자 구매 퍼널 전체를 보자

첫번째로 이제는 퍼포먼스 마케팅이 최종 전환에만 집중하는 것이 아니라 소비자의 구매 퍼널 전체를 볼 수 있어야 합니다. 이는 소비자가 디지털을 사용하는 범위가 넓어지면서 전환 단계 뿐만 아니라 브랜드나 상품에 대한 인지와 인식이 형성되는 단계에서도 퍼포먼스 채널이 소비자에게 충분한 영향을 미치기 때문입니다.

몇 년 전 미국에서 소비자들이 온라인 구매를 하기까지 다양한 퍼포먼스 채널들이 주로 어떤 역할을 하는지 알아보는 리서치를 진행했습니다4. 조사 결과를 보면 디스플레이 채널은 소비자의 인지와 인식이 형성되는 초기 단계에서 주요한 역할을 하고 있습니다. 디스플레이 광고를 통해 새로운 브랜드를 알게되거나 새로운 제품 구매에 대한 호기심을 갖게 되는 경우가 많다는 것입니다. 검색의 경우 소비자가 무엇을 검색하느냐에 따라 그 역할이 달라집니다. 제품 구매가 어느 정도 결정되고 어느 브랜드를 어디서 구매할지 고민할 때, 소비자들은 브랜드 키워드를 검색하여 최종 전환을 일으키게 됩니다. 하지만, 제품에 대한 다양한 리서치가 필요한 퍼널의 앞단계에서는 상품 키워드를 검색하여 여러가지 정보를 습득합니다. 이 외에도 직접 유입, 자연 검색, 이메일, SNS 등 다양한 채널이 많은 접점을 형성하며 소비자의 전환을 유도하게 됩니다.

img-2

앞 단계의 접점들이 직접 최종 전환을 일으키지는 않았지만, 만약 이러한 인터랙션들이 없었다면 동일한 규모의 전환이 발생하기는 어려웠을 것입니다. 따라서 소비자의 인지와 인식을 형성하고 구매 의도를 만드는 목적으로 퍼포먼스 채널을 활용하지 않는다면, 그만큼의 잠재적인 매출 기회를 놓치게 되는 셈입니다.

둘째: 소비자 구매 퍼널의 단계 별로 차별화된 목표를 가지고 채널과 매체를 판단하고 폭넓게 활용하자

퍼포먼스 마케팅의 렌즈가 넓어지면 자연스럽게 채널과 매체를 판단하는 기준이 단순히 최종 전환에 대한 효율이 아니라 각 퍼널 단계 별로 차별화된 목표를 얼마나 효율적으로 달성할 수 있는지로 다양해져야 합니다. 즉, 퍼널의 단계별로 채널과 매체를 판단하는 기준이 달라져야 한다는 것이 퍼포먼스 마케팅에 필요한 두 번째 변화입니다.

퍼널의 단계 별로 목표를 차별화하게 되면 최종 전환을 유도하는 목적 만이 아니라 그 보다 앞서 리드를 생성하거나 그보다 더 전에 신규 유저를 유입시키고 검색 결과의 점유율을 확보하는 목표로도 퍼포먼스 채널을 활용할 수 있게 됩니다. 실제로 퍼포먼스 채널을 구매 퍼널 전반에 걸쳐 어떻게 활용할 수 있는지 구글의 솔루션을 통해 간단하게 알아보겠습니다.

img-3

소비자의 구매 단계: 최종 전환 유도

많은 마케터에게 가장 익숙한 영역은 최종 전환을 유도하는 단계입니다. 이미 많은 브랜드에서 구매를 유도하는 목표를 가지고 브랜드 키워드를 중심으로 구글의 텍스트 검색 광고를 사용하고 있습니다. 구글 검색 광고가 가진 다양한 확장 기능을 적용하면, 브랜드 키워드를 검색하는 유저에게 내 사이트에 다양한 정보를 보기 쉬운 형태로 제공할 수 있습니다. 디스플레이에서는 내 사이트를 방문한 적이 있는 유저에게 다시 한 번 광고를 노출하여 최종 전환을 극대화하는 리마케팅이 많이 활용되고 있습니다.

소비자의 고려/선호 단계: 리드 생성

퍼포먼스 마케팅의 영역을 확장할 때 최종 전환에 가장 근접하고 그래서 마케터들의 관심이 높은 영역은 고려/선호 단계에 있는 유저들에게 구매 의도를 높이고 리드를 생성하는 일입니다. 구글도 미드 퍼널에서 보다 효과적인 캠페인이 가능하도록 새로운 솔루션을 지속적으로 고민하고 있습니다.

현재는 구글에서 상품 키워드를 검색하면 텍스트 중심의 검색 결과가 제공됩니다. 상품에 대한 보다 다양한 리서치가 가능하도록 유저의 경험을 개선하기 위해 이미지 기반의 쇼핑 광고를 런치 준비 중입니다. 구글 쇼핑 광고는 기존의 검색 광고가 확장된 것으로, 상품 키워드를 검색하는 유저에게 이미지에 기반한 실제 상품 구매 정보를 제공합니다. 특히 단순히 가격 순으로 상품을 정렬하는 것이 아니라 머신러닝이 유저의 검색어에 가장 관련이 높은 상품을 선별하고 광고로서의 경쟁력을 고려하여 상품을 정렬합니다. 이렇게 유저에게는 관련이 높은 상품을 보여주어 구매를 돕고 또 브랜드에게는 전환 가능성이 높은 유저에게 도달할 수 있는 기회를 제공하게 됩니다.

리드 생성을 목표로 디스플레이 채널을 활용하고자 하는 마케터들의 니즈도 크지만 난이도가 높은 영역입니다. 어떤 방식이 가장 효과적일지 판단이 쉽지 않고 다양한 솔루션을 테스트 하면서 효율을 관리하기는 더욱 어렵습니다. 이렇게 최적화의 난이도가 증가하자 구글은 머신러닝에게 이 숙제를 맡기기로 했고 이렇게 해서 스마트 디스플레이 캠페인이 탄생했습니다.

스마트 디스플레이 캠페인에서는 마케터가 캠페인이 목표로 하는 지표가 무엇인지, 지표 당 단가와 일 예산 규모가 어느 정도인지를 알려주고, 광고 소재에 들어갈 기본 구성 요소만 제공해주면, 고객을 찾는 방식과 입찰, 광고 생성 모두를 캠페인이 자동으로 최적화합니다. 주어진 목표를 달성하기 위해 모든 최적화 방법을 자동으로 활용하며 이 때 필요한 입찰가를 예측하여 자동 입찰이 이루어집니다. 그리고 광고 이미지, 브랜드 로고, 광고 제목 등을 제공하면 소비자와 지면의 특성에 최적화된 광고를 자동으로 생성하여 노출하게 됩니다. 이러한 자동 캠페인 최적화를 통해 일반 디스플레이 캠페인 보다 효과적으로 캠페인 목표를 달성할 수 있습니다.

실제로 운영된 사례를 보면, 유럽의 여행 사이트인 secret escapes 에서는 데모, 관심사 등 기존의 터갯팅 방식을 적용한 디스플레이 캠페인 대비 목표당 단가가 20% 낮아지는 결과를 얻었습니다. 국내에서는 리드 생성을 주요 목표로 가져가는 금융사들이 스마트 디스플레이 캠페인을 가장 빠르게 적용하고 있는데요. 기존 타겟팅 대비 적게는 10% 많게는 25%까지 목표당 단가가 감소하는 효과가 있었습니다.

소비자의 인지 단계: 신규 유저 유입, 검색 SoV 확보

소비자 구매 퍼널의 좀 더 앞으로 가서, 인지 단계의 목표를 달성하기 위해서도 텍스트 검색 광고를 사용할 수 있습니다. 이 때 구글 검색 광고 캠페인의 목표는 신규 유저를 유입시키거나 검색 광고 결과에서 어느 정도의 브랜드 점유율을 확보하는 것이 됩니다.

디스플레이에서는, 내 사이트에 방문한 유저를 타겟팅에서 역으로 제외하는 역 리마케팅을 적용하여 저렴한 비용으로 규모있는 신규 유입을 만들 수 있습니다. 이 때 구글의 다양한 오디언스 타겟팅을 함께 적용하면, 신규 유저만을 대상으로 보다 정교한 타겟팅을 구현할 수 있습니다.

두 번째 변화에 대한 이야기로 돌아와서, 이렇게 퍼널의 단계별로 목표를 차별화하고 이 목표를 얼마나 효율적으로 달성할 수 있는지를 기준으로 삼아 기존의 퍼포먼스 채널과 매체를 재평가하고 소비자 구매 퍼널 전반에 걸쳐 보다 다양하게 활용할 수 있어야 합니다.

셋째: 채널 중심에서 소비자 중심으로 업무 방식을 전환하자

소비자 구매 퍼널의 단계별로 다양한 목표를 달성하는 것과 검색/ 디스플레이 등 여러 채널을 효율적으로 활용하는 것을 동시에 고민하려다 보니 기존 대비 업무의 복잡성이 증가하게 됩니다. 과거에는 최종 전환이라는 하나의 목표 안에서 검색, 디스플레이 등 채널의 차이가 가장 큰 변수였기 때문에 채널 중심으로 업무가 나뉘고 채널의 최적화가 실무 단계의 가장 큰 고민이었습니다. 하지만, 고민의 종류가 늘어난 새로운 구조에서는, 마케터가 어떤 고민에 더 집중해야 할까요?

소비자는 더 빠르게 변하고 점점 복잡해지고, 반면 매체는 최적화 등 많은 부분이 점차 자동화 되어가는 상황에서, 더 어렵고 더 중요한 고민은 채널의 차이 보다는 퍼널 단계별로 소비자가 어떻게 다른가 입니다. 즉, 이제는 채널 중심의 업무 방식에서 벗어나 소비자 중심으로 업무 방식이 바뀌어야 합니다. 그래서 마케터가 구매 퍼널의 단계 별로 내 브랜드가 달성해야 하는 목표가 무엇인지, 어떤 소비자를 타겟해야 하는지, 어떤 브랜드 메세지를 전달할지를 고민해야 합니다.

img-4

그리고 소비자와 브랜드 메세지를 고민하는데 마케터의 시간과 에너지를 충분히 쓰기 위해서는, 매체의 최적화에 머신러닝을 적극 활용해야 합니다. 머신러닝을 활용한다는 것은, 구글이 머신러닝이라는 기본 엔진을 제공하고 마케터들이 이 엔진의 조종사가 되는 것을 의미합니다. 캠페인의 머신러닝 엔진은 여러분이 마케터가 어떤 인풋을 제공하는가에 따라 더 똑똑해질 수 있습니다. 적정한 캠페인 목표와 광고 소재를 알려 주는 것 외에도, 유저와 전환에 대해 알고 있는 데이터를 많이 제공할수록 머신러닝의 예측 모델이 정교해져서 더 똑똑하게 최적화 업무를 수행할 수 있게 됩니다.

img-5
머신러닝 시대, 퍼포먼스 마케팅의 새로운 성공 법칙

모바일과 머신러닝이라는 변화를 거치면서 소비자와 디지털은 보다 다양하고 깊은 인터랙션을 하고 있습니다. 소비자와 디지털 매체의 변화를 충분히 반영하기 위해서는 퍼포먼스 광고 마케팅의 업무 방식에도 변화가 필요합니다.

먼저, 최종 전환을 효율적으로 달성하는 것에만 집중하지 않고 이제 소비자 퍼널 전체를 목표로 해야 합니다. 이를 위해 최종 전환 효율만으로 채널과 매체를 판단하던 습관을 버리고 퍼널 단계 별로 다른 기준으로 매체를 판단하고 활용할 수 있어야 합니다. 특히, 구매 퍼널의 앞과 중간 단계에서 퍼포먼스 채널이 하는 역할을 간과하지 않는다면, 각 단계별로 필요한 목표를 달성하기 위해 다양하게 활용할 수 있습니다. 마지막으로, 이제까지는 채널 중심으로 업무를 분담하고 고민했지만 앞으로는 소비자 중심으로 업무 방식과 고민의 포커스가 바뀌어야 합니다. 채널과 매체의 최적화에 머신러닝을 활용하면, 마케터들은 소비자와 브랜드 메시지를 고민하는 데 더 집중할 수 있을 것입니다.

머신러닝의 시대에 소비자의 기대는 점차 높아지고 있습니다. 이에 부응하기 위해 퍼포먼스 마케팅에서도 과감한 변화의 시도가 많이 이루어져야 합니다. 기존 업무 방식의 변화를 통해 머신러닝 시대에 맞는 새로운 성공 법칙을 찾고, 더 많은 소비자에게 사랑받는 브랜드가 되기를 바랍니다.