용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z

용어

사이코그래픽 세분화

간략한 정의

사이코그래픽 세분화는 주로 인구통계적 정보와 행동 데이터포인트를 토대로 개인의 기호 또는 선호도에 대한 인사이트를 얻고, 이 인사이트를 사용하여 구체적인 잠재고객 세그먼트를 생성하는 마케팅 전략입니다.

주요 내용

 

● 사이코그래픽 데이터는 정량적 데이터가 아니며 면담, 포커스 그룹, 연구 조사단 등의 시장 조사를 통해 수집합니다.

● 사이코그래픽 세분화는 창의적인 브랜드 메시지를 개발할 때 가장 효과적입니다.

● 사이코그래픽 세분화는 경쟁이 치열한 산업에서 경쟁 기업들이 자사 차별화에 활용할 수 있어 전략적 가치가 더욱 높습니다.


Matt Skinner는 현재 Adobe Audience Manager, Adobe 데이터 관리 플랫폼(DMP) 및 Adobe Real-time CDP의 수석 제품 마케팅 관리자입니다. Matt는 거의 5년 동안 Adobe Audience Manager 제품의 제품 개발과 마케팅을 총괄했습니다. Matt는 Adobe에 입사하기 전까지 Levi Strauss에서 수석 마케팅 관리자로 3년 동안 근무했습니다. 마케팅 및 커뮤니케이션 분야에서 15년간 경력을 쌓았습니다.

Q: 사이코그래픽 세분화란 무엇입니까?

A: 사이코그래픽 세분화를 이해하는 가장 좋은 방법은 또 다른 시장 세분화인 인구통계학적 세분화와 행동 세분화를 보는 것입니다.

인구통계학적 세분화는 성별, 연령대, 지역과 같은 고객의 특징으로 분류하는 것입니다.

행동 세분화는 웹 사이트에서 특정 콘텐츠를 보거나 특정 제품을 구매하는 등 고객이 보인 행동으로 분류하는 것입니다.

사이코그래픽 세분화는 주로 인구통계적 정보와 행동 데이터포인트를 바탕으로 개인의 기호 또는 선호도에 대한 인사이트를 얻고, 이 인사이트를 바탕으로 분류하는 것입니다.

예를 들어 스포츠에 관심이 있는 여성이라는 사이코그래픽 세그먼트가 있을 수 있습니다. 이 세그먼트를 만들기 위해서는 개인의 성별(인구통계적 정보)과 스포츠용품 웹 사이트를 방문한 기록(행동 데이터)과 같은 데이터포인트를 취합하여 시장 세그먼트를 만듭니다. 특정 데이터포인트를 얻기 위해 마케터는 설문조사, 포커스 그룹 등 시장조사를 실시하거나 마케터가 보유한 다른 데이터포인트를 토대로 정보를 추론합니다.

Q: 사이코그래픽 데이터를 수집하는 다른 방법이 있습니까?

A: 사이코그래픽 데이터를 수집하는 목적은 고객의 선호도와 타겟 고객의 정서를 파악하는 것입니다. 그래서 수치가 중요하지 않습니다. 사이코그래픽 데이터는 데이터에서 수집하거나 또는 포커스 그룹, 연구 조사단, 면담 등을 통해 수집합니다. 사이코그래픽 데이터를 수집할 때는 정확한 프로파일을 구축하기 위해 정성적 조사를 실시합니다.

Q: 사이코그래픽 데이터는 언제 사용하는 것이 가장 효과적입니까?

A: 사이코그래픽 데이터는 창의적인 브랜드 메시지를 개발할 때 가장 효과적입니다. 예를 들어, 주방 세제 기업에서 자사의 최대 타겟 고객, 즉 바쁜 일정에 쫓기는, 자녀를 둔 부모를 대상으로 광고를 제작한다고 가정해 보겠습니다. 타겟 소비자가 공감하는 광고를 제작하기 위해서 이 기업은 해당 인구 집단에 대해 엄청난 규모의 조사를 실시해야 합니다.

이러한 경우 사이코그래픽 데이터가 유용합니다. 주방 세제 기업의 마케팅 팀이 정성적 조사를 실시한 결과, 시간에 쫓기는 부모들이 짧은 시간 내에 깔끔하게 설거지를 하고 싶어 한다는 점을 알게 됩니다. 그리고 이러한 중요한 인사이트를 바탕으로 타겟 고객에게 어떠한 광고를 내보낼지 결정합니다.

Q: 사이코그래픽 세그먼트는 어떻게 분류합니까?

A: 사이코그래픽 세그먼트를 분류하는 구체적인 방법은 없습니다. 대부분의 사이코그래픽 세그먼트는 선호도와 관심사를 기반으로 합니다. 앞서 언급한, 스포츠에 관심이 있는 여성이라는 사이코그래픽 세그먼트를 생성할 수 있는데, 이는 기호에 기반한 세분화입니다. 여기서 기호는 고급 자동차와 같은 상품에 대한 기호일 수도 있고, 특정 브랜드에 대한 기호일 수도 있습니다. 반대로 싫어하는 것을 기준으로 세분화할 수도 있습니다. 기호를 바탕으로 세그먼트를 만들면 해당 고객을 타겟팅할 때 피해야 할 사항과 언급하지 말아야 할 내용을 알 수 있습니다.

Q: 사이코그래픽 세분화를 다른 용도로 사용할 수 있습니까?

A: 사이코그래픽 데이터는 마케터와 제품 개발자가 특정 세그먼트에 어필하는 방법을 알아낼 수 있어 중요합니다. 예를 들어 한 청바지 회사가 포커스 그룹을 대상으로 조사한 결과, 젊은 고객이 청바지보다 편안한 요가 바지를 선호한다는 인사이트를 얻게 되었다고 가정해 보겠습니다. 청바지 회사는 이러한 행동 데이터를 바탕으로, 젊은 고객에게 어필할 더 편안한 청바지를 만드는 데 주력할 수 있습니다.

Q: 행동 또는 인구통계학적 세분화보다 사이코그래픽 세분화가 적합한 때는 언제입니까?

A: 사이코그래픽 세분화는 경쟁이 치열한 산업에서 전략적 가치가 훨씬 높습니다. 유사한 행동 데이터와 인구통계학적 데이터를 보유한 두 경쟁 기업이 있다고 가정해 보겠습니다. 두 기업은 상대 기업보다 고객을 더 정확히 이해하여 차별화를 꾀할 기회가 있는데, 이 기회는 사이코그래픽 세분화에 투자함으로써 잡을 수 있습니다. 그래서 사이코그래픽 세분화가 전략적으로 중요합니다. 즉, 기업마다 보유한 행동 데이터, 인구통계학적 데이터가 유사한 경우 사이코그래픽 세분화가 승자를 가르는 결정적인 역할을 하게 됩니다.

가장 인기 있는 브랜드가 소비자의 친밀도가 높은 것은 대부분 사이코그래픽 인사이트를 획득할 방안, 브랜드 호감도를 높이는 요소, 모든 사람에게 어필할 수 있는 방법 등을 많은 시간을 들여 고민했기 때문입니다. 이러한 브랜드에는 대체로 사람들이 그 브랜드와 연결 짓는 느낌, 감정이 있으며, 이러한 느낌과 감정은 해당 기업이 사이코그래픽 세분화를 이용하여 만든 것입니다.

Q: 사이코그래픽 세분화를 사용할 때 단점이 있습니까?

A: 사이코그래픽 세분화의 가장 일반적인 단점은 연관성이 있어 보이지만 지나친 추측이어서 유의미하지 않거나 설득력이 부족한 인사이트를 도출하는 것입니다.

예를 들어 B2B 마케팅 에이전시가 웹 개발자를 대상으로 광고 캠페인을 제작한다고 가정해 보겠습니다. 에이전시는 마케팅 조사를 통해 많은 웹 개발자가 게임을 즐긴다는 것을 발견했습니다. 그래서 크리에이티브 팀은 게임을 좋아하는 이들에게 어필하기 위해 비디오 게임 이미지를 사용하여 웹 개발 소프트웨어에 대한 광고 캠페인을 만듭니다. 그러나 이 광고 캠페인은 게임을 즐기는 웹 개발자의 관심은 끌 수 있지만, 게임에 관심이 없는 나머지 사람을 모두 소외시키는 결과를 가져옵니다.

이처럼 사이코그래픽 세분화는 기업이 가지고 있는 데이터에만 기반하여 결론을 도출하기 때문에 위험할 수 있습니다. 위 예시의 마케팅 에이전시는 특정 타겟 고객 중 일부의 관심을 끌어낼 가능성은 높지만, 해당 서비스에 관심을 보일 수도 있었던 더 많은 나머지 고객을 소외시키게 됩니다.

Q: 사이코그래픽 세분화는 앞으로 어떻게 발전할까요?

A: 사이코그래픽 세분화에서 몇 가지 변화가 기대됩니다.

첫째, 소비자가 기업과 어떤 방식으로 교류하기를 원하는지 표현할 기회가 점점 더 많아지고 있습니다. 즉, 소비자가 점점 스마트해지고 있고, 그래서 기업은 한층 더 개인화된 경험을 제공하기 위해 사이코그래픽 데이터를 수집할 새로운 방안을 더 많이 개발하고 있습니다. 이처럼 소비자와 기업이 데이터에 있어서 점점 더 똑똑해지면서 사이코그래픽 세분화의 정확도도 훨씬 올라갈 것으로 예상됩니다.

향후 기대되는 또 다른 변화는 제휴 데이터 공유입니다. 즉, 두 개의 조직이 비즈니스 관계를 맺고 고객의 동의 하에 서로의 고객 데이터를 공유하는 것입니다. 제휴 데이터 공유는 기업에 좋은 사이코그래픽 데이터가 없는 경우, 혹은 기업이 보유한 고객 데이터가 불완전하여 이를 상대 조직이 보유한 데이터로 보완할 수 있는 경우에 유용합니다.

예를 들어, 여러분이 새로운 지역으로 이사했다고 가정해 보겠습니다. 여러분이 이사한 집으로 해당 지역 기업들이 환영 메일과 쿠폰을 보냅니다. 한 가정용품점에서는 20% 할인 쿠폰을 보냈고, 새 집에 필요한 물건을 장만해야 했던 여러분은 할인 행사를 반깁니다. 이 가정용품점은 여러분이 최근 이사온 사실을 어쩌다 저절로 알게 된 것이 아닙니다. 가정용품점과 지역 주민센터가 데이터 공유를 했기 때문에 알게 된 것입니다. 이처럼 프로파일을 구축하는 하나의 좋은 방법입니다. 신생 기술을 사용하면, 이러한 비즈니스 관계를 더욱 최적화하여 고도로 맞춤화된 고객 경험을 제공할 수 있습니다.

Adobe가 도와드리겠습니다

Adobe Experience Cloud를 통해 지식을 행동으로 전환하십시오.