DMS2021 프로그램- CRM 마케팅 강연 내용 정리
이번 글에서는 DMS2021 프로그램에서 가장 인기 있는 세션 중 하나였던 ‘빅인(bigin)‘의 강연 내용을 조금 더 깊게 다루어보고자 합니다.
CRM 마케팅 솔루션 빅인 내 Growth Unit을 리드하고 있는 천영훈 팀장님의 강연은 아래 세 가지의 큰 주제로 진행되었습니다.
1. 디지털 환경에서 방문 고객을 구매 고객으로 전환하고 관계를 유지하는 방법
2. 데이터로 고객을 이해하는 방법
3. 디지털 환경에서 방문 고객을 구매 고객으로 전환하고 관계를 유지한 사례
강연에서 나눈 이야기를 한 주제씩 다루어보겠습니다.
1. 디지털 환경에서 방문 고객을 구매 고객으로 전환하고 관계를 유지하는 방법
디지털 환경에서 고객 여정을 이야기하기에 앞서, 오프라인 가전 매장에서의 고객 여정을 살펴봅시다.
냉장고를 사고자 하는 부부가 있다고 가정해보겠습니다. 이들은 구매할 냉장고를 찾아보기 위해 매장에 방문합니다. 그리고 냉장고 코너에서 상품을 구경하고 있었습니다.
그때, 부부로 보이는 고객들이 냉장고 코너에 머무는 것을 본 세일즈 담당자(직원)가 부부에게 다가가서 묻습니다.
“찾으시는 제품이 있으신가요?”
부부는 “조금 더 둘러볼게요.”라고 대답하며 세일즈 담당자의 안내를 거절합니다.
뒤에서 모든 상황을 지켜보던 세일즈 매니저(팀장)는 세일즈 담당자를 제지하고 계속 부부의 행동을 유심히 살펴봅니다. 그러다가 부부가 어떤 냉장고의 문을 열자, 부부에게 다가가서 자연스럽게 대화를 건넵니다.
“지금 보시는 냉장고는 유명 디자이너와 협업하여 출시된 인기상품입니다.” (상품 소개와 기능 설명)
“혹시 집 평수가 어떻게 되시나요?” (상품 추천을 위한 고객 정보 획득)
세일즈 매니저의 질문에 대답하며 상품의 설명을 듣고 집 평수에 맞는 상품을 추천받은 고객은 세일즈 매니저의 추천 상품을 구매한 뒤 매우 만족해하며 매장을 나섰습니다.
이 사례에서 확인할 수 있는 세일즈 매니저(팀장)와 먼저 부부에게 다가갔던 세일즈 담당자(직원)의 차이점은 무엇일까요?
고객 입장에서 세일즈 담당자는 단지 영업을 하기 위해 접근한 사람이라는 인식을 주었습니다.
반면에, 세일즈 매니저는 우리의 니즈를 해결하는 데에 도움을 주는 사람이라는 인식을 주었죠. 세일즈 매니저는 고객과 지속해서 커뮤니케이션을 하며 고객에게 혜택을 제시하고, 상황에 맞는 상품을 추천해주었기 때문입니다.
디지털 환경에서 고객이 구매하는 프로세스 또한 오프라인과 비슷합니다.
우리 쇼핑몰의 방문 고객을 구매 고객으로 전환하기 위해서는 오프라인 예시에서 고객에게 무작정 다가갔던 세일즈 담당자가 아니라, 고객 특성과 니즈를 먼저 파악하고 그에 맞는 메시지를 전달하는 능숙한 세일즈 매니저가 되어야 합니다.
디지털 환경에서는 앞서 살펴본 오프라인 환경보다 더욱 다양하고 방대한 데이터를 확보할 수 있습니다.
아래 이미지는 디지털 환경에서 고객 여정을 도식화한 이미지입니다.
고객이 우리 브랜드를 인지하는 시점부터 충성고객이 되기까지 일련의 과정에서 고객은 여러 발자취를 남깁니다. 이렇게 고객이 모든 여정 속에서 남기는 여러 발자취를 우리는 ‘고객 행동 데이터‘라고 정의합니다.
확보된 고객 행동 데이터로는 무엇을 할 수 있을까요?
- 데이터를 세분화하고 조합하여 고객 분류하기
- 고객 경험에서 문제가 되는 부분을 파악하고 개선하기
- 지속해서 고객과의 관계를 유지하기
즉, 온라인 환경에서 고객 관계를 유지하는 방법은 오프라인 매장에서의 프로세스와 다름이 없습니다.
특정 상품에 관심을 보이는 고객을 분류하고, 고객 경험에서 문제가 되는 부분을 개선하여 고객과 관계를 유지하는 CRM 마케팅을 해나가는 흐름이지요.
2. 데이터로 고객을 이해하는 방법
앞선 오프라인 매장의 예시에서 세일즈 매니저는 질문을 통해 고객의 니즈를 파악할 수 있었습니다.
그렇다면, 다수의 고객을 한 번에 상대해야 하는 디지털 환경에서는 고객의 니즈를 어떻게 파악하고 고객을 이해할 수 있을까요?
- 가장 먼저 방대한 데이터를 세분화하고 조합하여 고객을 분류해야 합니다.
- 고객을 분류하면 각 고객 그룹의 관심사가 무엇인지 파악할 수 있습니다.
두 단계를 거쳐 고객 그룹별 니즈를 빠르게 파악할 수 있습니다.
예시를 살펴보겠습니다. 웹사이트에 처음 방문한 고객 A씨가 있습니다. A씨가 처음 우리 쇼핑몰에 방문하는 순간에는 이 사람이 누구인지 알 수 없습니다. 아무런 발자취가 없기 때문이죠.
하지만 A씨는 유입 이후에 상품 조회, 이벤트 페이지 조회 등 다양한 행동을 합니다. 이러한 행동 데이터를 모아본다면 고객의 행동이 끝나는 시점에는 A씨가 어떤 사람인지 유추할 수 있습니다.
|
[유입경로] SNS 광고: 바람막이 제품 소개 검색 키워드: OO 바람막이
[행동] 상품 카테고리 조회: OUTER 조회 상품: 바람막이 관련 상품 장바구니 추가: 바람막이 상품 구매: 하지 않음 |
A씨가 남긴 유입 경로와 행동 분석을 통해, A씨는 다음과 같은 사람임을 알 수 있습니다.
|
– 우리 브랜드를 인지한 고객 – 바람막이 구매 가능성이 높은 고객 |
A씨에게는 어떤 메시지를 전달하면 효과적일까요?
이 고객이 관심을 보인 바람막이 상품과 더불어, 추가 상품을 함께 구매한다면 혜택을 제공한다는 내용의 메시지를 전달할 수 있습니다.
|
[바람막이 & 맨투맨 구매 시 10% 추가 할인 혜택을 드려요.] |
위와 같이 개인화된 메시지를 띄운다면 모든 고객을 대상으로 메시지를 전달할 때보다 높은 반응을 끌어낼 수 있겠죠.
게다가 바람막이 상품에 관심을 보인 고객에게 다른 상품까지 동시 구매를 유도하여 객단가를 상승시킬 수 있는 전략입니다.
이처럼 방대한 데이터를 세분화하고 조합한다면 고객의 관심사를 알아낼 수 있고, 고객 니즈에 맞는 메시지를 전달하는 CRM 마케팅을 실행할 수 있습니다.
3. 디지털 환경에서 방문 고객을 구매 고객으로 전환한 사례
빅인의 고객사 중, 빅인으로 확보한 다양한 데이터를 기반으로 고객을 분류하고 여러 실험을 잘하고 있는 브랜드 A사의 사례를 살펴보겠습니다.
A사 마케팅팀은 “주력 상품을 더 판매하자”는 내부 목표가 있었습니다.
목표 달성을 위한 캠페인을 수립하기에 앞서 자사몰 데이터를 분석해본 결과, 주력 상품을 구매하는 사용자의 대부분은 3~5회의 상품 조회 후 구매한다는 사실을 알 수 있었습니다.
이 점에 착안하여 상품 조회를 3~5회 한 사용자는 주력상품에 관심이 높은 사용자라는 가설을 세웠고, 이들에게 시크릿 쿠폰을 제공하면 주력 상품 구매율이 높아질 것으로 예상하였습니다.
가설을 실행하기 위해 다음과 같은 조건으로 빅인 캠페인을 생성하였습니다.
- 타깃: 주력 상품의 관심도가 높은 사용자 (최근 7일 동안 주력 상품을 3~5회 조회 후 구매하지 않은 사용자)
- 트리거: 모든 페이지에서 사용자당 1회 노출
그 결과, 캠페인 진행 이전 대비 주력 상품 구매 수가 134%가 증가하는 효과를 볼 수 있었습니다.
현재 A사에서는 신상품 런칭을 앞두고 있으며, 마찬가지로 고객에게 시크릿 쿠폰을 제공하여 신상품 판매량 증가를 목적으로 한 캠페인을 준비 중입니다.
* 참고: 시크릿 쿠폰 캠페인을 진행할 때 유의할 점은?
심리학적으로 시크릿 쿠폰을 받은 사용자는 특별한 고객이 되었다는 생각에 활성 사용자가 될 확률이 더 높다고 합니다. 하지만 너무 많은 상품이 높은 빈도로 발급된다면 쿠폰의 희소성이 사라지고, 누구나 받을 수 있는 쿠폰이라는 인식이 생기게 됩니다.
따라서, 시크릿 쿠폰은 한 번에 한 상품으로만 진행하는 것을 추천합니다.
이상으로 디지털 환경에서 고객을 유지하는 법과 데이터를 통해 고객을 이해하는 법, 그리고 데이터에 기반한 캠페인 성공 사례까지 살펴보았습니다.
디지털 환경에서는 다양한 데이터를 확보할 수 있습니다.
하지만 기업에서 방대한 데이터를 확보할 수 있는 환경을 구축하는 것도 어려울 뿐더러, 데이터가 있어도 실무에 활용하는 기업은 아주 드문 것이 현실입니다. 구슬도 꿰어야 보배란 말처럼 데이터도 활용하지 못하면 무의미합니다.
어렵게 쌓은 데이터를 잘 활용하기 위한 방법은 고객을 잘 분류하고 분류된 고객의 니즈를 정확하게 파악하는 것입니다.
나아가 ‘단계별 맞춤 메시지 발송‘이라는 액션까지 이어진다면 방문 고객을 구매 고객, 충성 고객으로 전환하며 고객과 관계를 유지할 수 있습니다.
아직 고객 행동 데이터를 수집하지 않는 기업이라면 데이터를 확보하는 단계부터, 데이터는 쌓여있지만 활용하지 않고 있다면 데이터를 세분화하고 조합하는 단계부터 시작해 보시는 건 어떨까요?
