오픈마켓의 캠페인 적용 사례_김태욱 매니저(11번가 마케팅실 마케팅전략그룹 CRM팀)

캠페인(Campaign)이란?

캠페인이란 고객에 대한 다양한 요소를 분석하여 적정한 시나리오를 설계하고, 특정 시나리오에 맞는 고객과 1:1로 커뮤니케이션함으로써 보다 효율적으로 목적한 바를 이룰 수 있는 CRM 마케팅 툴입니다. 따라서 캠페인에서는 ‘누구에게’ ‘무엇을’ ‘어떻게’ 줄 것인가가 중요합니다.

11번가에서 운영되고 있는 고객 마케팅은 ‘매스 마케팅’(이벤트/프로모션/기획전/특가전)과‘CRM’(로열티프로그램/캠페인)으로 구분됩니다. 캠페인은 오픈마켓이 가진 대량의 데이터와 즉각적인 피드백 과정, 상대적으로 높은 데이터 퀄리티를 활용한 마케팅 활동으로 예산의 효율적인 집행과 관리 대상고객을 명확하게 하는 과학적 의사결정에 도움을 주고 있으며, 이를 통해 다양한 고객의 Insigh를 확보하고 있습니다.

11번가 캠페인 운영현황

11번가는 2010년부터 캠페인을 운영해오면서, 지속적으로 캠페인을 확대시켜 나가고 있습니다.
14년 현재 시나리오를 기준으로 월 100여 건 (Daily 자동화 시나리오 포함 매월 400여건)의 시나리오를 운영하고 있습니다.
캠페인은 “시나리오 디자인à타겟팅à오퍼 설계à채널 관리à효과측정”의 프로세스로 진행됩니다. IMC관점에서 SMS, 이메일, 모바일 푸쉬, 사이트 내 배너 등 고객과의 다양한 접점에 노출된 메시지를 통해 어느 채널로 반응하더라도 동일한 메시지를 받을 수 있게 운영됩니다.

효율 측정 방법과 캠페인 개선 과정

캠페인의 효율을 측정하는 가장 중요한 관리지표는 ‘순증효과’입니다. 순증효과란 오퍼를 주는 대상과 아닌 대상(대조군)을 비교하여, 투입된 비용에 대해 어느정도의 효과(ROI)가 있었는지를 측정하는 기법으로, 캠페인의 목적에 따라 다양한 순증효과 측정이 가능합니다.

가령 휴면고객의 구매전환율 향상을 목적으로 캠페인을 전개한다면, 전체 휴면 고객 중 오퍼 지급군과 대조군을 가장 유사하게 분류하여, 오퍼 지급시 캠페인 기간 내 거래실적(구매고객수, 구매율, 객단가, 거래액, 오퍼비용)의 변화를 측정합니다. 이를 통해 순증효과(거래액, 순고객수, ROI)를 산출할 수 있으며, 이 같은 분석을 위해서는 ▶오퍼지급군과 대조군의 유사성 확보 ▶오퍼 발급율 향상을 통한 오퍼지급군 전체 거래의 영향도 확보 ▶발급 대비 사용률에 따른 적정 오퍼 스킴 확인 등의 관리 지표가 중요합니다.

SAS 툴을 활용한 캠페인 고도화

11번가에서 다양한 시나리오를 동시에 운영하면서 나타난 문제점과 고민은 “개별 시나리오를 운영하는 오퍼레이션의 증가, 고객 채널의 효율적인 관리를 위한 통합 프로세스의 필요성”이었습니다. 아울러 세분화된 “캠페인 마트를 활용한 고객 예측의 고도화, 11번가의 외부 데이터 활용”에 대한 Needs가 발생했습니다.

이러한 고민을 해결하기 위해 2012년부터 SAS를 활용한 ▶CMS(Campaign Management System) 구축 및 커스터마이징(Customizing) ▶캠페인 데이터 마트 고도화 ▶SK-planet 통합 데이터 활용 캠페인 개발을 추진하고 있습니다.

CMS는 캠페인을 효율적으로 운영하기 위한 자동화 관리 툴로서 세분화된 타겟팅과 오퍼링(오퍼 유효성 검증, 오류 체크), 채널관리(Preview/Test, 우선순위 적용), 리포팅(Batch, Response, Monitoring) 등이 가능합니다. 11번가의 경우 IBM의 Unica9.0을 CMS 툴로 사용하면서 데이터 타겟팅 등 SAS의 파워풀한 기능을 연동하여 사용하고 있으며, 주요 기능에 대한 구현은 11번가의 상황에 맞추어 커스터마이징하여 개발하였습니다.

한편, SAS의 툴을 이용한 다양한 타깃 마트의 고도화를 진행하고 있습니다. ▶고객 중심의 캠페인 마트 관리 프로세스 ▶로열티 스코어링(Loyalty Scoring) ▶카테고리별 시나리오 우선순위 선정 ▶구매 예측 모델링 ▶계열사 통합 데이터 등을 실현했습니다.

고객 중심의 캠페인 마트 관리_ 기존 데이터 웨어하우스의 경우, 거래실적을 중심으로 상품정보, 채널정보, 할인정보, 회원정보, 행동정보 등이 연동되어 관리됩니다. 즉, 실적 분석을 위한 “거래” 중심 데이터로 구성되어 있던 DW를 캠페인에서 유용하게 활용하려면, “회원” 중심으로 데이터를 재가공/전환해야 합니다. SAS를 통해 기존 데이터를 활용한 별도의 캠페인 마트를 생성할 수 있으며, 이는 고객을 기준으로 한 데이터 관리가 가능하게 됩니다.

로열티 스코어링_ 11번가에서는 고객등급을 다섯 가지(VVIP, VIP, TOP, BEST, NEW)로 운영하고 있습니다. 이는 최근 구매에 대한 구매횟수와 금액으로 구매등급을 산출하고 있지만, 고객의 로열티 정도에 대한 측정에는 한계가 있습니다. SAS를 통해 여러 구매항목을 기준으로 통계적 로열티지수(0~100점)를 적용하여 고객을 세분화하여 관리하고 있습니다.

카테고리별 시나리오 우선순위 선정_ 캠페인을 통한 목적은 구매주기 단축, 반복구매 유도, 교차구매 유도, 휴면 및 이탈 방지, 휴면 및 이탈고객 웨이크업(Wake-up), 경험고객 확보 등 여러 목적을 생각할 수 있습니다. 이때 시나리오를 효율적으로 운영하기 위해서는 카테고리의 특성을 분석한 중요 시나리오를 선정하는 과정이 필요합니다. 예를 들어 반복구매는 높지만 구매고객수는 적은 유아용품의 경우, 고객에 대한 이탈 방지과 구매주기 관리가 가장 중요한 시나리오 입니다. SAS를 활용하여 카테고리의 특성을 세분화하고 우선순위를 부여하여 시나리오의 효율화를 도모하고 있습니다.

구매 예측 모델링_ 고객에 대한 구매가능성의 예측은 실제 비용투입의 대상을 선별하는 가장 중요한 과정입니다. SAS를 활용하여 고객별 거래 및 행동패턴을 토대로 자연 구매가능성에 대해 예측 모델을 적용하고, 현재 고객의 구매 가능성에 따른 타깃팅과 오퍼링을 조정하고 있습니다. SAS의 다변량분석과 로지스틱 회귀분석을 활용하여 고객의 다양한 구매정보에 가중치를 주어 점수로 환산하면, 고객이 구매한 각각의 카테고리에 대한 구매 가능성이 달라집니다. 캠페인의 순증효과가 발생되는 구매 가능성 구간에 대한 확인을 통해 캠페인을 효율화 하고 있습니다. 또한 데이터 마이닝(Associations)을 활용한 카테고리간 연관성 분석을 수행하고 있으며, 이를 통해 여러 가지 카테고리를 구매했을 때 그 고객이 다음 카테고리로 무엇을 구매할 것인지 즉, 카테고리별 첫 구매 가능성을 예측하고 있습니다.

계열사 통합 데이터_ 11번가는 온/오프라인/모바일에서 다양한 사업을 전개하는 SK플래닛의 사업영역입니다. SAS를 통해 여러 사업부분의 데이터를 통합 관리하고 있으며, 이를 기반으로 사업 부문간 연계 캠페인을 수행하고, 고객의 라이프스타일에 기반한 다양한 캠페인으로 확대하여 운영하고 있습니다.

데이터에 기반한 캠페인의 한계

현재 11번가의 캠페인이 고민하고 있는 부분은 실시간 데이터를 활용한 즉각적인 Rule-base 자동화 캠페인의 수행입니다. 아무리 뛰어난 분석과 예측 데이터를 활용하더라도 오늘날의 캠페인은 과거 데이터에 기반한 한계를 가집니다. 즉, 메시지 전달시점의 예측과 현재 고객의 구매의사의 차이가 발생할 수 있습니다. 가령, A상품을 구매하기 위해 사이트에 방문한 고객에게 우리는 과거 데이터를 기준으로 다른 상품에 대한 오퍼를 제시하고 있습니다. 이 경우 고객은 원래대로 목적했던 A상품을 구매하거나, 구매의사가 사라지거나, 경쟁사에서 구매하거나, 혹은 오퍼로 제시된 다른 상품을 구매할 것입니다. 그러나 만일, 고객이 A상품을 구매하기 위해 사이트에 들어왔을 때 고객의 여러 행동을 관찰하고, 그 행동에 따라 상품 오퍼를 제시할 수 있다면 좀 더 효율적인 캠페인 운영이 가능해 질 수 있습니다. 또한 이러한 과정이 여러가지 Rule에 의해 관리된다면, 마케터는 좀 더 거시적인 시각에서 캠페인을 운영할 수 있을 것 입니다. 아울러 오프라인 캠페인의 강점 (Face-to-face/Detailed Message/Non-Database Information)을 어떻게 온라인에 융합할 수 있을지에 대한 고민이 함께 이루어져야 할 시기입니다.