때로는 특정 오디언스에게 도달하기 위한 노력에 투자하는 것이 큰 도박처럼 보일 수 있으며, 그 확률은 매우 높습니다.
흥미로운 미디어 구매를 담당하고 있는 여러분은 말 그대로 수천 개의 데이터 제공업체가 자신의 인사이트를 활용하면 완벽한 오디언스를 찾을 수 있다고 말하는 것을 알게 됩니다. 하지만 어떤 선택을 해야 승자가 될 수 있을까요?
모든 제품을 사용해 볼 시간이나 돈이 충분하지 않다고 가정하고, 데이터를 구매하기 전에 물어봐야 할 10가지 질문이 있습니다.
1. 데이터가 실제 구매자를 반영하나요, 아니면 단순히 닮은꼴일 뿐인가요?
10년마다 미국 인구조사에서 어떤 사람이 어떻게 소통하는지는 그 사람이 얼마나 충성도가 높은 소비자인지에 대한 완전한 그림을 제공하는 것과는 거리가 멉니다.
데이터는 광고 제품/서비스를 구매했거나 구매를 유도하는 행동을 취한 소비자를 반영해야 하며, 단순히 연령, 성별 또는 소득에 따라 광고에 반응할 '가능성이 높은' 사람들의 고정관념을 반영해서는 안 됩니다.
"18세에서 54세 여성"과 같은 기존 인구통계학적 세그먼트 이상의 데이터 세트에 도전하세요. 해당 데이터 세트가 실제로 과거의 소비자 행동을 측정하는지 알아보세요.
제품이나 서비스의 실제 소비자에게 다가가고 싶다면, 겉모습만 소비자로 보이는 사람이 아니라 실제 소비자에게 다가가야 합니다.
2. 데이터의 출처(그리고 언제부터)는 어디인가요?
마케터들이 사용하는 데이터 세트의 출처를 모르는 경우가 너무 많습니다. 데이터의 출처를 알아야 하는 이유는 무수히 많지만, 그중에서도 데이터를 구매하는 사람에게 영향을 미칠 수 있는 개인정보 보호 또는 책임 문제도 빼놓을 수 없습니다.
그러나 데이터의 출처를 이해하는 것도 일관성을 위해 중요합니다. 지난 1년 동안 동일한 소스를 사용했나요? 그렇지 않다면 연도별로 다른 결과를 얻을 위험이 있으며, 무엇이 효과가 있었는지 없었는지 제대로 파악할 방법이 없습니다.
판매자가 데이터의 출처를 공개하지 않는다면 이유가 있을 수 있으며, 이는 회원님에게 이익이 되지 않을 수 있습니다.
3. 데이터가 단순히 큰 데이터가 아니라 대표성 있는(스마트한) 데이터인지 어떻게 알 수 있나요?
도달하고자 하는 소비자를 진정으로 대표할 수 있는 데이터를 확보하는 것이 중요합니다.
현재 디지털 마케터들이 사용할 수 있는 업계 데이터 세트의 한 예로 소비재(CPG) 판매 데이터를 생각해 보세요. 소매 판매 데이터를 사용하여 광고를 게재할 가구의 우선순위를 정하는 경우, 사용 중인 데이터 세트가 식료품점, 대형마트 또는 편의점뿐만 아니라 모든 매장에서 이루어진 구매를 설명하는지 완전히 확인해야 합니다.
CPG의 예를 더 자세히 살펴봅시다: 여러분이 화장지 마케터라고 가정해 보겠습니다. 오프라인 판매 데이터를 사용하여 디지털 캠페인을 볼 수 있는 정밀한 마케팅 오디언스를 생성하는 것은 당연해 보일 수 있습니다. 하지만 그 데이터가 오프라인 식료품 판매 데이터 세트에서만 도출된다면 어떨까요? 대형마트나 편의점에서 화장지를 구매하는 모든 잠재 소비자를 놓치게 될 것입니다. 데이터가 화장지를 구매하는 모든 매장을 대표하지 않는다면, 세분화 전략은 특정 고객을 놓치고 해당 위치에서 발생한 총 판매 증가율을 과소평가하게 됩니다.
마지막으로, 모든 데이터 세트가 연결되어 있는지(미디어를 제공하는 가구 또는 사람에 대해) 확인하는 것이 좋습니다. 데이터 세트가 서로를 '볼' 수 없다면 데이터 세트가 하나만 있는 것과 마찬가지입니다. 데이터 세트의 결합은 "빅" 데이터와 "스마트" 데이터의 주요 차이점 중 하나입니다.
4. 소스는 얼마나 자주 업데이트되나요?
일부 데이터는 빠르게 노후화됩니다: 시장은 변동성이 크고 소비자 태도는 빠르게 변할 수 있습니다. 계절적 변동이 심하거나, 리콜이 잦거나, 지역에 따라 추세가 다르거나, 가용성 문제가 있는 카테고리의 경우 데이터 소스의 업데이트 주기를 고려하는 것이 특히 중요합니다.
5. 소스에 대해 어떤 통제권을 가지고 있나요?
왔다가 사라지는 데이터 세트에 주의하세요. 새로운 데이터가 생성되고 오래된 데이터는 버려야 할 가치가 있는 경우가 드물지 않지만, 이에 대한 선택권이 있는 것은 분명 드문 일입니다. 출처를 찾아서 동의 없이 데이터가 증발하지 않도록 하세요.
6. 데이터가 개인을 대상으로 하나요, 아니면 가구 전체를 대상으로 하나요?
마케터마다 목표가 다릅니다. 통신 광고주는 개인의 프로필에 더 관심을 가질 가능성이 높지만, CPG 마케터는 가구 단위의 구매 행동을 고려할 수 있습니다. 어느 쪽이든, 데이터를 통해 누가 제품을 구매할 가능성이 있는지, 그리고 이미 구매했는지에 대한 완전한 그림을 확보하고 싶을 것입니다.
7. 어느 수준까지 세분화할 수 있나요?
구매 데이터 세트의 세분성을 이해하는 것은 데이터 세트의 유용성을 이해하는 데 매우 중요합니다.
SKU와 UPC 수준의 데이터를 예로 들어 보겠습니다. SKU('재고 관리 단위'의 줄임말) 데이터는 브랜드와 하위 브랜드를 구분하지 않습니다. UPC 수준 데이터는 관련 제품 간의 주요 구분을 만듭니다.
8. 데이터에 대한 기록(가구 또는 개인)은 얼마나 많이 보유하고 있나요?
계절적 요인으로 인한 어려움을 극복하거나 시간이 지남에 따라 서서히 변화하는 시장의 거시적 트렌드를 이해하고자 하는 마케터에게는 강력한 과거 데이터가 필요합니다. 새로운 직업, 자녀, 결혼 등 무궁무진한 가능성도 소비자의 제품 구매 방식과 구매 여부에 영향을 미칩니다.
또한 시간이 지남에 따라 데이터를 모니터링하여 어떤 행동이 정말 새로운 것인지 아니면 일시적으로 나타나는 것인지를 파악하는 것도 중요합니다.
9. 데이터는 어디에서 어떻게 활성화할 수 있나요?
특정 데이터 집합을 활성화할 때 어떤 제한이 있는지 미리 파악하세요. 데이터가 적용될 수 있거나 적용되지 않을 수 있는 구체적인 장소와 사용 사례를 알고 있어야 합니다.
10. 데이터에 대한 일반적인 반응이나 반응은 무엇인가요?
규범과 벤치마크는 매우 중요합니다. 모든 데이터 세트에 대해 이를 요구하는 것은 공평하지 않을 수 있지만, 어떤 결과를 얻을 수 있는지 물어볼 필요가 있습니다. 자동차를 타는 사람이 자신이 처음이 아니라는 것을 증명할 수 있는 모든 종류의 사례 연구와 증거가 있어야 합니다.
주요 내용은 다음과 같습니다:
- 모든 데이터 집합이 똑같이 만들어지는 것은 아닙니다. 엔터프라이즈급 데이터 원본에 투자하기 전에 어떤 질문을 해야 하는지 파악하세요.
- 출처나 수집 방법을 공유하지 않는 회사의 데이터 세트는 사용하지 마세요.
- 빅 데이터는 스마트 데이터(더 작고 균형 잡힌 데이터 집합으로 조정된 데이터)가 아니라면 오해의 소지가 있을 수 있습니다.
- 과거 수집 기록, 데이터의 세분성, 데이터 세트의 대표성은 비용뿐 아니라 효과와 비용 모두에 영향을 미칩니다.
이 문서는 원래 www.marketingprofs.com 에 게시되었습니다.
