디지털시대, 패션기업 CRM

2021-10-01 김해근 브래키츠 대표 hg.kim@brackets.solutions


<김해근의 패션기업 디지털 성장 전략 8>
추적 기술을 활용해 진성 고객 데이터 확보


ⓒbraze, 대표적인 마케팅 자동화 솔루션 중 하나인 braze의 사례


데이터 정말 제대로 보시나요?
먼저 [그래프1]의 개념도를 보자. 왼쪽은 과거의 캠페인 예시 중 하나다. 고객 등급만을 타겟팅 변수로 사용하는 것을 예로 들고 있다. 이런 바보짓을 반복하는 CRM 담당자는 없겠지. 그렇다고 캠페인별 목적에 따른 맞춤형 타겟팅을 하고 있을까? 오른쪽 그림에서 지향하는 바와 같이 다양하고 충분히 타겟팅된 캠페인을 진행하고 있을까?

필자가 최근 만나본 C-Level 중에 데이터 중요성에 대해 부정하는 사람은 없었다.

그리고 우리는 할만큼 하고 있다고 자신감을 피력하는 사람이 대부분이다. 우리도 데이터를 충분히 활용하고 있다는 거다. 과연 그럴까? 위 사례의 왼쪽도 데이터는 활용한다고 할 수 있다. 문제는 데이터 활용의 수준과 깊이다.

패션 회사의 CRM
패션 회사에서 효과적인 타게팅은 어떻게 가능할까? 과거의 CRM에서 활용할 수 있는 데이터는 고객 속성(나이, 성별 등)과 구매 이력에 한정될 수밖에 없다. 그렇기 때문에 고객 속성과 구매 이력에서 쓰레기 데이터를 줄이는 게 최우선이다. 정확하지 않은 고객 속성 정보나 유령 고객의 구매 이력 같은 게 없어야 한다는 것인데 이는 일전에 다룬 바 있으니 넘어가자.

패션이 다른 리테일 산업과 다른 특성 중 하나는 동일 제품 재구매는 거의 일어나지 않는다는 것이다. 화장품 산업은 패션과 유사성이 높지만 이 부분에서는 극명히 대비된다. ‘다름’을 추구하는 것이 패션의 속성 아닌가. CRM의 목적이 재구매, 나아가 반복구매를 유도하는 것인데 그만큼 패션의 CRM 마케팅은 까다로울 수밖에 없다. 이를 타개하려면 크로스셀링(Cross Selling,교차 구매 유도), 업셀링(Upselling, 상위 버전 구매 유도)이 필요한데 이를 효과적으로 수행하기 위해서는 고객 선호에 맞는 제품 추천이 핵심이다. 즉 카테고리 또는 아이템을 넘나드는 제품 추천이 필요한데 그만큼 고객들의 구매 패턴에 대한 깊은 이해가 필수다.

고객에 대한 이해와 통찰 얻기
멤버십 제도를 갖춘 브랜드라면 고객 속성과 구매 이력 데이터는 이미 보유하고 있을 것이다. 이를 통해 교차 구매하는 고객들의 패턴을 분석해 내고 이 결과를 아직교차 구매를 하지 않은 고객을 대상으로 하는 마케팅에 활용해 볼 수 있을 것이다. 하지만 이 정도로는 효과를 장담할 수 없다. 연령과 성별이라는 고객 속성만으로는 타겟팅 정확도를 높이는데 한계가 있기 때문이다.

고객에 대한 깊은 이해를 위해서는 데이터가 더 필요하다. 연령과 성별 외의 인구통계학적 속성이나 소득 수준 같은 개인 정보를 얻으면 좋겠지만 불가능하다. 나아가 인구통계학적 접근은 개별 고객의 다양성이 점점 커지면서 그 정확도가 낮아질 위험이 있다. 과거 CRM이 인구통계학적 속성에 기댄 이유는 성별이 같고 연령대가 비슷하면 취향이 비슷할 것이라는 가설 때문이다. 즉 고객의 선호를 유추하기 위한 방법론이었다.

그러나 최근 흐름은 개인 정보 보호 규제가 강화되고 있는 반면 고객 행동에 대한 추적(Tracking) 기술은 날로 발전하고 있다. 이 추적 기술을 활용하면 고객 선호를 보다 직접적으로 파악할 수도 있고 최소한 고객 선호를 유추할 수 있는 데이터를 확보할 수도 있다.(물론 이 과정에서 고객 개인 정보와 고객 행동 정보 사이의 연관성을 제거해서 개인 정보 보호 규제를 따라야 한다) 인구통계학적 정보가 데이터의 크기가 작아 다루기가 훨씬 쉬운 반면 추적 기술로 수집한 데이터는 훨씬 방대하고 빅데이터 기술을 활용해야 한다.

그렇다면 어떤 데이터를 수집하고 분석해야 할까? 온라인에서는 검색, 위시리스트, 장바구니, 상품 상세 페이지 방문 이력등 많은 데이터를 수집할 수 있다. 쿠키 정보를 활용하면 회원 가입 이전의 행동패턴도 회원 가입 후에 회원 정보와 연계시키기도 한다. 온라인 쇼핑몰에서 뿐만 아니라 캠페인에 대한 고객 반응 추적도 반드시 필요하다. 캠페인에 대한 반응 추적은 빅데이터 수준은 아니고 오프라인 고객을 대상으로도 가능한 데이터 수집이므로 가장 먼저 시작해야 할 영역이기도 하다.


[그래프1] ⓒDeloitte, 빅데이터 기반의 캠페인 고도화 개념도


영리하게 캠페인 운영하기
충분한 데이터가 쌓였고 쌓인 데이터가 유효하다면 캠페인 운영은 한결 쉬워진다. 투자 여력이 있다면 마케팅 자동화 솔루션 (실시간 마케팅) 적용을 추천한다. 이를 도입한다면 CRM 시스템 수준으로는 한국의 패션기업 중 최고 수준에 속한다고 볼 수 있다. 특히 온라인몰의 고객 행동 패턴에 그치지 않고 멤버십 데이터와 캠페인 데이터까지 통합해서 개인화한 실시간 마케팅을 구현한다면 매출 증가는 보장된 것이나 다름없다. 기술적인 면에서 보더라도 이런 솔루션들은 대개 AI 기술을 내장하고 있다. AI를 직접 개발할 수 없으면 이렇게 사서 쓰는 것이 합리적인 AI 활용법이다.

온라인이 아니라 오프라인 캠페인 운영은 어떻게 해야 할까? 최근 경향은 문자보다는 카카오톡 활용 쪽인 듯하다. 카카오싱크를 활용해 고객 데이터 정확도도 높이고 마케팅 채널도 카카오톡을 활용하는 식이다.

또 하나 사소한 팁. 쿠폰을 발행할 때 구체적인 상품 추천을 함께 해 보라는 것이다. 고객 그룹을 나누어 다른 카테고리의 상품을 추천해 보는 것도 좋겠다. 물론 고객 그룹을 나누고 각 그룹별로 상품을 연계 시킬 수 있는 분석 기반이 충분할 때 가능한 일이기는 하다. 이 방식이 의미 있는 것은 구매까지 이어지지 않더라도 고객이 관심을 보이는지 여부에 대한 고객 행동데이터를 획득할 수 있다는 것이다. 이런 데이터가 차곡차곡 쌓인다면 캠페인은 점점 더 영리해질 것이다.


커버
검색
닫기
닫기