마케팅 분석 (기술 분석, 진단 분석 그리고 예측 분석)

마케팅 분석이 왜 필요할까?

     마케팅 관리자에게 빅데이터에서 가치를 추출하는데 마케팅 분석을 효과적으로 사용하는 것이 중요하다. 마케팅 분석(marketing analytics)에는 다양한 방법들이 있는데 그러한 방법들은 개인 및 시장 수준의 데이터를 활용하며, 마케팅 관련 의사결정을 향상시키기 위해 의미 있는 패턴을 식별하고 전달하는 기술로 촉진될 수 있다. 마케팅 분석은 기술적으로 새로운 개념이 아니지만 마케팅 관리자가 이용할 수 있는 데이터가 폭발적으로 증가하여 조직은 누적된 데이터에서 최대한의 가치를 추출할 수 있는 새로운 방법을 찾는 데 점점 관심을 기울이고 있다. '거대한' 빅데이터가 어떻게 형성되는가에 대해 이해력을 높이려면 구글 및 페이스북과 같은 대규모 데이터 생산자에 관한 사실을 떠올려보라. 구글 사용자는 1분당 400만 건 이상의 검색어를 입력하고 구글은 하루에 2,000만 페타바이트(1페타바이트는 100만 기가바이트에 해당)의 데이터를 처리한다. 페이스북 사용자는 매분 약 250만 개의 콘텐츠를 생성한다. 엄청난 규모의 데이터이다.

  빅데이터의 볼륨, 가용성 및 접근 가능성이 급증하고 있는 점을 고려할 때 마케팅 관리자는 “고객에 대한 통찰력을 얻고 마케팅 계획을 수립하는 데 데이터를 어떻게 활용할 것인가"라는 핵심적인 질문을 던질 수 있다. 마케팅 분석 방법에 대한 지식과 그러한 질문에 대한 답을 제공하고 있으며, 가치 있는 고객 통찰력 획득에 필요한 역량 및 속도가 증가하면서, 마케팅 분석은 모든 분야에 걸쳐 마케팅 관리를 상당히 변화시키고 있다.

1. 기술 분석(descriptive analytics)
 

  기술 분석(descriptive analytics)을 활용하는 방법은 데이터를 활용하여 요약된 통찰을 제공한다. 원시 형태의 데이터는 과거에 대한 통찰을 제공하는 척도로 변환되며, 데이터의 추가적인 탐구를 위한 기초 자료가 될 수 있다.” 온라인 신발 및 의류 매장인 자포스와 같은 기업의 로열티 프로그램 회원인 고객들은 기술 분석에 사용할 수 있는 풍부한 데이터의 원천을 구성하고 있다. 기술 분석을 통해 산출되는 척도는 합계(예 : 온라인 보험 회사가 매월 획득한 신규 고객 총계), 평균(예 : 의류 회사의 로열티 프로그램 회원인 고객들이 구매한 평균 달러 금액) 또는 관심 변수의 변화에 대한 측정(예: 전년도 같은 월과 비교하여 해당 월의 기업 블로그 이메일 가입자 수의 증가 또는 감소) 등이 있다.

  기술 분석을 통해 생성된 정보는 많은 독자의 해석을 돕기 위해 시각적 형식으로 제공되는 경우가 많다. 예를 들어 히스토그램, 분산형 플롯 또는 파이 차트를 사용하면 기술 분석을 통해 생성된 정보에서 패턴을 더 쉽게 볼 수 있다. 기술 분석 활용은 일반적으로 보다 복잡하고 비용이 많이 드는 분석을 사용하기 전에 고려해야 할 첫 번째 단계이다. 분석 결과로 얻는 정보는 마케팅 관리 의사결정에 중요한 의미가 있는 사건이 발생했다는 초기 증거를 제공할 수 있다. 예를 들어, 과거 매출이 낮은 상품이 한 달 동안 매출이 상당히 증가하였다는 것이 기술 분석을 통해 관찰되었고 마케팅 관리자는 원인을 쉽게 알기 어려울 경우 어떤 이유로 매출이 급증하였는가를 이해하기 위해 보다 복잡한 분석을 수행해야 할 수도 있다. 식별된 원인을 조직에서 활용할 수 있는 경우 마케팅 관리자는 향후 이 지식을 기업의 이익을 위해 활용할 수 있다.


  2. 진단 분석(diagnostic analytics)
 

  진단 분석 데이터를 활용하여 직간접적으로 기관의 성과에 영향을 미칠 수 있는 다양한 마케팅 관련 요소 간의 관계를 탐색하는 것이 진단 분석(diagnostic analytics)을 사용하는 방법이다. 마케팅 관리자의 영향력 아래에 있거나 통제할 수 있는 마케팅 관련 요소들(예 : 광고 빈도, 광고 배치 또는 제품 가격 책정)이 매출 또는 고객 만족도 점수와 같은 중요한 기업 결과 변수들에 어떻게 영향을 줄 수 있는지 이해하는 데 중요한 가치가 있다. 진단적 분석은 서로 다른 요소들 간의 관계에 대한 통찰을 제공하여, 요소 간 관계를 이해하는 것이 향후 마케팅 의사결정에 가치를 준다는 점에서 의미가 있다. 그러한 맥락에서 마케팅 결과와 그 결과에 영향을 미치는 것으로 여겨지는 특정 마케팅 관련 요소 사이의 정량적 관계를 제공하는 선형회귀 분석과 같은 통계적 방법은 변수 간 관계가 존재한다는 증거뿐만 아니라 그러한 식별된 관계의 상대적 크기에 대한 증거를 제공할 수 있다. 예를 들어. 온라인 포럼에서의 대화가 새로운 프로그램의 TV 평점에 미치는 영향을 조사하는 데 관심이 있는 텔레비전 네트워크의 마케팅 관리자를 생각해보자. 마케팅 관리자는 여러 온라인 포럼에서 대화의 수와 대화의 범위가 새로운 프로그램의 성공을 결정짓는 중요한 요소라고 믿고 있다. 마케팅 관리자는 온라인 포럼 (TV 시청자의 다양한 커뮤니티를 대표하는) 내에서 대화 수, 대화의 범위, 분석 기간 동안 새로운 쇼의 주간 평점 등에 관한 데이터를 수집한다. 마케팅 관리자는 진단 분석을 사용하여 특정 주의 새로운 프로그램에서 대화 수 및 대화의 범위와 그다음 주 프로그램의  평점과의 관계를 살피고, 대화의 확산 범위가 대화 수보다 쇼의 미래 시청률에 훨씬 더 큰 영향을 미친다는 것을 발견한다. 그러한 발견을 통해 마케팅 관리자는 제한된 수의 온라인 포럼 내에서 대화를 하는 유사한 사람들이 있는 그룹에 관여하여 결과적으로 참여의 확산을 제한하는 것보다, 소규모이지만 보다 다양한 시청자가 온라인 포럼 전체에서 대화의 확산을 위해 온라인 토론에 참여하도록 유도하는 동기를 얻을 수 있다.


3. 예측 분석(predictive analytics)

  예측 분석(predictive analytics)은 미래 마케팅 결과에 대한 예측을 위해 데이터를 활용하는 것이다. 예측 분석은 미래에 외삽될 수 있는 패턴을 결정하기 위해 관심 있는 결과에 대한 역사적인 추정을 사용하는 분석과 여러 요인과 그 요인들이 영향을 줄 것이라 생각하는 결과 간의 관계를 조사하는 것을 기반으로 하여 예측을 하는 분석으로 나눌 수 있다. 후자의 경우, 예측 분석과 진단 분석 간에 밀접한 관계가 있다. 특히. 진단 분석을 통해 식별된 관계는 다양한 마케팅 관련 요소가 시간이 지남에 따라 변할 것으로 예상되므로, 마케팅 결과에 미치는 영향이 시간 경과에 따른 결과의 변화로 이어지는지 예측하는 데 활용될 수 있다. 

  자동차 진단 분석을 통해 딜러가 실행하는 다양한 마케팅 믹스 요소에 고객이 노출되는 것이 실제로 시험 운전을 하기 위해 판매 대리점으로 들어오는 고객의 다양한 확률과 관련되어 있음을 확인한 딜러(우리 대부분은 시험 운전이 실제로 차가 구입될 가능성을 높여주는 것을 안다)를 예로 들어보자. 이 예에서 마케팅 믹스 요소는 광고에 대한 노출(관심 모델에 대한). 판매 업체 웹사이트의 특정 페이지(특히 관심 모델에 대한 제품 페이지) 및 고객 서비스 담당자와의 온라인 채팅 등을 포함한다. 고객이 이러한 각 요소에 노출되면 구매 확률이 점진적으로 증가할 것으로 예상되며, 이는 예측 분석을 통해 파악할 수 있다. 이제 고객이 자동차 판매점으로 들어올 확률에 중요한 영향을 미치는 또 다른 요소는 자동차를 구입하면 무료로 바닥 매트를 제공하는 것이다. 그러나 이 제안은 제안이 제시된 시점에, 고객이 자동차 판매점으로 들어올 확률이 50% 이상일 경우에만 상당한 영향을 줄 것이고, 50% 미만이면 제안은 거의 효과가 없을 것이다. 예측 분석을 사용하여 바닥 매트를 제공해야 하는 시점은 고객의 현재 판매 확률을 계산하고, 50% 임계값을 충족한 후에 결정될 수 있다. 

  마케팅 관련 요소에서 발생할 것으로 예상되는 변화가 마케팅 결과에 미칠 수 있는 영향을 보다 명확하게 보여줄 수 있다는 점에서 예측 분석의 가치가 발생한다.