기여도

A: 간단히 말해, 기여도는 모든 마케팅 접점에 수익 점수 또는 전환 점수를 매기는 작업입니다. 실제로 수익을 창출한 마케팅 결정을 찾기 위한 수단입니다. 기여도를 활용해 효과적인 접점에 예산을 더 많이 분배하는 등 예산을 적절하게 할당할 수 있습니다.

이해를 돕기 위해, 기여도 이론을 축구 경기에 비유해 보겠습니다. 축구공이 골대를 통과해 득점하기까지 공은 여러 선수의 발을 거칩니다. 마지막으로 공을 찬 선수가 득점하지만 그 이전까지 여러 선수가 공을 패스하며 득점에 기여합니다. 마케팅도 마찬가지입니다. 기여도는 전환, 수익 등 비즈니스 목표를 달성한 마케팅 결정 혹은 선수의 ‘패스’를 정확히 찾아냅니다. 그리고 마케터는 기여도 모델을 사용하여 어떤 종류의 패스를 더 많이 할지 결정합니다.

A: 마케팅 기여도 모델은 여러 종류가 있습니다. 그 중 첫 접점 기여도, 마지막 접점 기여도, 선형 기여도가 가장 일반적입니다. 세 모델은 규칙 기반 모델에 속합니다. 각 기업 마케팅 접점의 장점을 고려해 적절한 모델을 선택하면 됩니다.

첫 접점 기여도는 비즈니스 목표 달성이라는 결과에 기여한 첫 번째 마케팅 접점을 파악합니다. 다시 축구에 비유하면 공격 휘슬이 울린 후 첫 번째 패스에 해당합니다. 즉, 첫 번째 마케팅 결정에 가장 높은 점수를 할당합니다. 첫 접점 기여도 모델은 고객 참여를 유도하는 방안을 찾는 데 가장 적합합니다.

마지막 접점 기여도는 비즈니스 목표를 달성하기 직전의 마지막 마케팅 접점을 파악합니다. 비즈니스 거래를 성사시킨 접점에 가장 주목하여 가장 높은 점수를 부여합니다. 마지막 접점 기여도는 전환을 달성하는 방안을 찾는 데 가장 적합합니다.

선형 기여도는 비즈니스 목표 달성에 기여한 모든 마케팅 접점을 파악합니다. 이 모델은 축구공을 패스한 모든 선수, 심지어 마지막 슛을 한 선수에게도 모두 같은 점수를 매깁니다.

사용자가 규칙 기반 기여도 모델을 조정하여 원하는 접점에 점수를 할당할 수도 있습니다. 예를 들어 시간 기반 기여도를 사용하여 가장 최근 접점에 점수를 할당할 수 있습니다.

규칙 기반 기여도 모델 외에 머신 러닝이 점수를 어느 접점에 부여할지 결정하는 알고리즘 기여도 모델도 있습니다. 일명 '최적 모델'로 알려진 이 방식은 마케터의 업무 부담이 적어 일부 사용자가 선호합니다. 그러나 이 경우 다른 모델을 함께 사용해 알고리즘 모델과 비교하는 것이 좋습니다.

A: 분기에 한 번 이상 기여도 모델을 확인하여 적절하게 조정하는 것이 좋습니다. 정기적으로 관리하여 새로운 마케팅 전략이나 기존 전략의 변경 사항을 처리할 수 있습니다.

A:기여도는 가장 일반적으로 많이 사용하는 마케팅 채널인 유료 미디어에 주로 사용합니다. 그러나 유료 미디어에만 집중할 경우 마케팅 퍼널 하부의 접점을 놓치는 단점이 있습니다.

유료 미디어와 같이 광범위한 접점 하나에 점수를 너무 많이 할당하는 방식은 이메일 최적화와 같은 세부적인 활동을 개선하는 데 별로 도움이 되지 않습니다. 따라서 캠페인, 나아가 검색어 등 퍼널 하부의 세부 활동을 위한 기술이 필요합니다.

Adobe는 이러한 기술을 이미 제공하고 있습니다. Adobe Analytics를 사용하면 이메일 캠페인 등 다양한 활동에 최적 알고리즘 모델을 활용할 수 있고, 다른 캠페인 및 채널에 어떤 기여도가 적합한지 파악할 수 있습니다.

A: 일반적으로 기여도 모델은 기여 데이터를 표로 표시합니다. 왼쪽 열에는 사용자가 지정한 채널이, 오른쪽 열에는 수익, 품목 주문 및 기타 전환 지표가 표시됩니다. 사용자가 추가한 각 채널의 성과를 계산하여 수익률, 기여율 및 기타 사용자 추가 지표를 표시합니다. 알고리즘 모델도 마찬가지입니다. Adobe Analytics를 사용하면 데이터를 시각화하여 이해관계자에게 제공할 수 있습니다.

A: 기여도 모델은 마케터 친화적입니다. 데이터에 대한 지식이 있으면 더욱 쉽게 작업할 수 있지만, 기여도 모델은 대체로 마케터의 예산 할당 작업을 돕기 위해 설계되었습니다. 업계는 더욱 사용자 친화적 기여도 모델을 제공하기 위해 있으며, Adobe도 배우기 쉽고 사용하기 쉬운 모델 개발에 큰 진전을 이루었습니다.

A: Adobe는 가능한 한 다양한 종류의 기여도 모델을 제공하는데 역점을 두고 있습니다. 고객이 자사 마케팅 전략에 적합한 모델을 선택할 수 있도록, 한 가지 모델만 고집하지 않습니다. 필요한 정보를 모두 제공하는 기여도 모델은 없습니다. 조직 내 각 사용자의 필요와 각 활용 사례에 따라 적절하게 모델을 선택해야 합니다.

예를 들어, 디지털 분석가와 채널 마케터는 다양한 마케팅 관련 질문에 대한 답을 구해야 하고, 따라서 기여도를 활용해 답을 찾는 데 필요한 데이터를 수집합니다. 운영 담당자는 미디어 지출을 최적화하는 데 기여도를 활용하고, B2B 기업은 판매 주기가 길기 때문에 계정 기반 기여도를 활용합니다.

A: 기여도는 마케팅 접점 이외에도 다양한 곳에 사용할 수 있습니다. 예를 들어 모바일 앱, 웹 사이트 같은 디지털 제품 개발에 사용할 수 있습니다. 기여도를 사용해 제품의 개선 방안을 도출할 수 있습니다.

또한 기여도를 사용해 고객 서비스, 특히 판매 후 상호작용을 개선할 수도 있습니다. 기여도로 효과적인 상호작용과 비효과적인 상호작용을 알아낼 수 있습니다.

기여도를 주로 광고 지출에 사용하지만, 측정 결과를 추적할 수 있는 모든 비즈니스 영역에 적용하여 개선점을 파악할 수 있습니다.

A: 기여도의 가장 큰 문제는 인위적 조정의 용이성입니다. 부서의 예산이 줄어들 것을 우려해 실제보다 더 좋은 결과를 내도록 기여도 모델을 사용자가 조정하는 것이 가능합니다. 이를 방지하려면, 여러 부서가 예산을 두고 서로 다투는 일이 없도록 기여도 모델의 거버넌스를 관리하는 것이 중요합니다. 특정 팀에 거버넌스 관리 권한을 부여하여, 어떠한 유형의 기여도 모델을 사용할지 기업 차원에서 정하는 방법이 있습니다.

A: 지금까지 기여도는 서드파티 쿠키를 통해 잠재고객 또는 기존 고객의 개인 데이터를 수집하는 방식으로 작동했습니다. 그러나 현재 Verizon, Google, Adobe 등 여러 기업이 고객의 개인정보도 보호하면서 다양한 페르소나의 데이터를 수집할 새로운 방법을 모색하고 있습니다.

개인정보보호를 위한 노력 이외에도 업계는 분산된 기여도 측정을 극복하는 데에 심혈을 기울이고 있습니다. 기여도 플랫폼으로 고객 여정의 한 부분만을 측정하기보다, 다양한 기여도 모델을 사용해 고객의 전체 여정을 개선하는 고객 경험을 제공하는 방향으로 나아가고 있습니다. 앞으로 기여도는 광고 지출뿐만 아니라 전체적인 고객 경험에 초점을 맞출 것입니다. 이를 위해 가장 중요한 기술은 AI와 머신 러닝입니다. 미래의 기여도는 크로스 디바이스 ID, 심지어 고객 성향과 같은 고객 여정의 세부 사항에 집중할 것입니다.