[ 매드타임스 최영호 기자] 콘텐츠 마케팅의 가치를 증명하기 위해서는 측정이 매우 중요하다. "Web Analytics 2.0"과 "Web Analytics: An Hour A Day"이라는 두 권의 베스트셀러를 쓴 아비나쉬 카우식은 CMI의 '커뮤니티에 질문하기' 라이브스트림에 참여하여 오늘날 콘텐츠 마케팅 측정을 개선하기 위해 하지 말아야 할 5가지와 해야 할 5가지에 대해 공유했다. 그는 마케팅 에이전시 Croud의 최고 전략 책임자로서 마케팅 관점과, 구글에서 16년 동안 근무하며 구글 애널리틱스 출시 팀의 일원이었기에 데이터 측면에서 콘텐츠에 대한 이해도가 높다. 다음은 그 내용이다.
1. 부적절한 목표에 대해 콘텐츠 성과를 측정하지 않는다
마케팅은 가치를 창출하는 단기, 중기, 장기적인 작업을 파악할 수 있을 때 그 진가를 발휘한다. 또한 분기별 매출과 수익 목표를 달성할 수 있는 마케팅을 하고 싶을 것이다. 동시에 향후 구매를 고려할 수 있는 소비자 또는 제품 및 서비스를 구매하지 않을 수도 있지만, 훨씬 더 많은 고객 풀에 영향을 미치는 사람들과 폭넓은 관계를 구축하고자 한다.
이런 문제를 틱톡에서 살펴볼 수 있다. "틱톡에서 광고를 많이 집행하는 경우, 이 광고가 지금 수익을 창출하고 있는지 고려해야 할까? 아니면 장기적으로 회사에 가치를 창출할 수 있는 브랜드의 확장으로 간주해야 할까?"와 같은 문제이다.
이에 대해 카우식은 물고기가 나무에 오르는 능력으로 물고기를 판단해서는 안 된다고 답한다. 우리는 흔히 "틱톡이 수익을 창출하지 못하면 형편없어."라고 말하거나 "유료 검색이 수익만 창출할 뿐 신규 고객 수를 늘리지 못한다면, 그것은 안좋아."라고 말할 수 있다. 이 두 가지는 모두 물고기가 나무를 오르는 능력으로 물고기를 판단하는 것과 관련이 있다. 따라서 어떤 종류의 물고기인지, 무엇을 가장 잘하는지 파악하는 데 시간을 할애한 다음 헤엄치는 능력을 판단해야 한다.
2. 너무 많은 KPI를 추적하지 않는다.
데이터를 문제에 대한 해결책으로 생각해서는 안된다. 시중에 나와 있는 대부분의 도구는 많은 양의 데이터를 토해낼 뿐이다.
카우식은 "디지털 마케팅 및 측정 모델"이라고 부르는 접근 방식을 매우 좋아한다. 이 모델은 다음과 같이 질문하는 간단한 프레임워크이다: 지금 하고 있는 마케팅의 목적은 무엇인가? 그런 다음 "이것이 목적이라면 이런 종류의 데이터에 집중해야 한다. 즉, 이러한 KPI를 사용해야 한다."라고 말한다.
그는 소유 마케팅, 수익 마케팅, 유료 마케팅 등 어떤 마케팅을 하든 효율성 KPI와 효과성 KPI 두 가지를 중심으로 통합하는 것이 좋다고 강조한다.
예를 들어, 유료 마케팅을 하는 경우 효과성 KPI는 일반적으로 매출 또는 수익이고 효율성 KPI는 주문당 비용이다. 이 두 가지 KPI 사이에서 주의를 집중할 수 있는 지표를 찾을 수 있다. 그 아래에 다른 지표를 포함할 수 있지만 두 개의 KPI만 포함할 수 있다.
유튜브 콘텐츠의 경우 동영상당 순 신규 구독자 수는 사람들의 관심을 끌 수 있었음을 보여주기 때문에 효과성 KPI이다. 효율성 측면에서는 누군가가 콘텐츠를 다시 공유하면 1단계 네트워크에서 2단계, 3단계 네트워크로 이동하여 잠재고객을 확장할 수 있으므로 재공유를 측정할 수 있다.
3. 쓸모없는 데이터에 시간 낭비하지 않는다.
예전에는 분석에서 데이터가 많을수록 더 똑똑한 사람이었다. 20년 전의 이야기이다. 이제 우리는 많은 데이터를 보유하고 있다. 현명하다는 것은 어떤 데이터를 무시해야 하는지 파악하는 것이다. 따라서 이 데이터는 충분한 가치가 없기 때문에 무시하고, 무시하고, 무시할 것이라고 말할 수 있을 만큼 환경을 이해해야 한다. 이것이 바로 데이터에 대한 접근 방식을 더 스마트하게 만드는 것이다.
4. 의도보다 심리 통계와 인구 통계를 우선시하지 않는다.
오랫동안 마케터들은 충분한 데이터를 확보하지 못했다. 그래서 마케터들은 "좋아, 우리는 이것을 퍼널로 생각하고, 우리의 임무는 사람들을 그 퍼널 아래로 밀어 넣는 것"이라고 했다. 문제는 누구도 전통적인 퍼널을 따르는 방식으로 행동하지 않는다는 것이다.
하지만 동시에 우리에게는 신호가 필요하다. 예를 들어, 과거의 마케터는 아만다를 보고 "아만다는 22살이고, 중서부에 거주하며, 아주 좋은 집을 가지고 있으니 팔아보자"라고 생각할 수 있다.
실제로는 인구 통계와 심리학적 정보를 통해 어떤 생각을 하는지, 어떤 사람인지, 어떤 가치관을 가지고 있는지 등 모든 것을 알 수 있는 것은 거의 없다. 따라서 마케터들이 고객에 대해 알고 있는 정보는 22살이고, 중서부에 거주하며, 아주 좋은 집을 가지고 있다는 것뿐이기 때문에 아만다는 멍청하고 관련 없는 광고를 받게 된다. 이제 마케터가 보낸 백 개의 메시지 중 한 개만 나와 관련이 있을 수 있다.
하지만 마케터는 소비자의 행동을 통해 의도를 파악할 수 있기 때문에 더 이상 그렇게 할 필요가 없다. 가장 간단한 예로 Bing에 새로운 하이브리드 자동차에 대한 검색어를 입력하면, Bing은 이를 바탕으로 사용자에게 적합한 광고를 전달한다. 또는 누군가가 페이스북에서 특정 브랜드를 팔로우하거나 특정 주제에 대해 글을 작성하면 이를 통해 의도를 파악할 수 있다. 이를 통해 유료 광고든 콘텐츠든 사용자에게 광고 또는 마케팅을 전달하는 훨씬 더 나은 방법이 될 수 있다.
5. 분석에서 AI를 두려워하지 않는다.
이제 분석 도구에 내장된 머신러닝 솔루션을 사용하면 무엇을 찾아야 하는지 파악하기 위해 데이터를 뒤지고 쪼아볼 필요가 없다. 주의해야 할 사항을 보여주는 보고서만 받으면 된다.
예를 들어 구글 애널리틱스나 시중에 나와 있는 다른 많은 분석 도구에 로그인하면 일반적으로 '인텔리전스'라는 보고서가 제공되어 이러한 인사이트를 더 빠르게 얻을 수 있다. 무엇이 중요한지 파악하기 위해 데이터를 샅샅이 뒤질 필요가 없다. 인텔리전스는 데이터 내부에 숨겨진 것을 찾아내어 표면으로 드러내 준다.
또 다른 예는 의도이다. 데이터의 홍수 속에서 누군가의 의도를 유추하는 방법을 알아내는 것은 어렵다. 알고리즘은 대규모 데이터를 자동으로 분석하여 알려진 미지수와 알려지지 않은 미지수를 찾아내는 데 매우 효과적이다. 따라서 누군가가 보는 모든 유료 광고나 콘텐츠가 자신과 관련이 있을 수 있다. 이제 AI 솔루션은 몇 년 전에는 상상할 수 없었던 방식으로 일대일 마케팅을 수행하는 방법을 알아내는 데 도움을 준다.
그러나 현재로서는 장기적으로 콘텐츠 마케팅을 정당화하기 어렵다. 하지만 머신러닝을 활용하면 가능하다. 머신러닝은 우리가 활성화할 수 있는 데이터와 인사이트를 더 스마트하게 찾아내고, 과거에는 불가능했던 놀라운 상상력의 마케팅을 수행할 수 있게 됐다.
