마케팅 믹스 모델링 준비: 알아야 할 사항

UTM 태그 지정에 주의를 기울였음에도 불구하고 Google Analytics 계정에 '할당되지 않은' 트래픽과 '직접' 트래픽이 더 많이 표시됩니까? 이는 데이터 개인정보 보호 규정이 귀하의 웹사이트를 방문하는 사용자를 보호하기 때문입니다.

데이터 개인 정보 보호 규정이 증가함에 따라 기여 모델의 정확성과 가치를 유지하는 데 어려움을 겪을 수 있습니다. 많은 사람들이 기여 모델링을 위해 Google Analytics 4를 사용하지만 GDPR을 준수하지 않습니다. 이로 인해 Google Analytics와 같은 기여 모델은 덜 효과적입니다. 어떤 채널이 작동하는지 정확하게 표시하지 않습니다. 이것이 마케팅 믹스 모델링이 들어오는 곳입니다.

이 기사에서는 오늘날 점점 더 관련성이 높아지고 있는 마케팅 믹스 모델링, 기여 모델링과의 차이점, 전략적 프레임워크 내에서 이를 효과적으로 활용하는 방법을 살펴봅니다.

기여 모델과 마케팅 믹스 모델링 비교

속성 모델링과 마케팅 믹스 모델링은 다양한 마케팅 활동이 비즈니스 결과에 미치는 영향을 이해하기 위해 마케팅 분석에 사용되는 두 가지 서로 다른 접근 방식입니다. 둘 다 마케팅 노력의 효과에 대한 통찰력을 제공하는 것을 목표로 하지만 방법론, 범위 및 적용이 다릅니다.

기여 모델링. 전환 기여도를 할당하는 방법을 결정하는 일련의 규칙입니다. 이 모델은 전환 경로에서 디지털 터치포인트를 사용합니다. 예를 들어 마지막 터치 모델은 전환 직전의 최종 터치포인트에 100% 기여도를 할당합니다. 몇 가지 예를 들면, 첫 번째 터치, 시간 가치 하락, 선형 및 데이터 기반 모델도 있습니다.

마케팅 믹스 모델링. 마케팅 담당자가 마케팅 및 광고 캠페인의 영향을 측정하는 데 도움이 되는 분석 기술입니다. 다양한 변수가 목표에 어떻게 기여하는지 확인할 수 있습니다. 목표는 수익, 전환, 양식 작성 또는 구독인 경우가 많습니다.

간단히 말해서:

• 기여 모델은 사용자가 특정 행동을 취하면 어떤 판매 또는 마케팅 활동이 크레딧을 받는지 알려줍니다. 마케팅에서는 어떤 작업이 특정 전환을 유발했는지 확인하기 위해 종종 기여 보고를 사용합니다. 예를 들어, 이메일을 열어 양식을 작성하게 되었는지 알아볼 수 있습니다.
• 마케팅 믹스 모델은 대규모 회귀 모델입니다. 회귀 모델은 변수 간의 관계를 이해하려고 합니다. 이에 대한 예로는 날씨 패턴과 수익이 있을 수 있습니다. 어떤 행동이 전환으로 이어지는지 이해하려고 노력할 수는 있지만 마케팅 믹스 모델을 사용하면 더 많은 데이터를 도입할 수 있습니다. 그러면 분석을 통해 변수 간의 관계를 알 수 있습니다. 날씨가 화창하면 실제 매장을 찾는 사람이 많아지고, 이는 매출 증가로 이어진다.

두 가지 모두 마케팅을 이해하는 데 중요합니다. 머신러닝과 코딩을 사용해 실행할 수도 있습니다.

오늘날 마케팅 믹스 모델링에 접근하는 방법

오류를 방지하려면 이러한 복잡한 모델을 사용하기 전에 분석을 구성하십시오. 예를 들어, 나는 최근 월간 보고서를 검토하고 있었습니다. 우리는 우리 자신과 고객을 위해 기여 보고를 실행합니다. 나는 우리 데이터를 너무 잘 알고 있기 때문에 부정확해 보이는 부분을 표시했습니다.

우리는 2시간 동안 조사한 결과 웹사이트 데이터와 Google Analytics 사이의 큰 차이점을 발견했습니다. 보다 구체적으로 말하면 데이터 API와 Google Analytics 인터페이스 간에 불일치가 있었습니다.

우리는 측정항목이 무엇인지 알고 있지만 일치하는 데이터 소스가 없습니다. 문제는 기여 모델에 대해 하나의 데이터 세트로 제한된다는 것입니다. 대신 마케팅 믹스 모델을 사용하면 문제가 있는 데이터를 무시할 수 있습니다. 왜냐하면 다른 시스템에서 데이터를 수집하여 무엇이 효과가 있는지 알려줄 수 있기 때문입니다.

분석에 들어가기 전에 목록을 작성해야 합니다. 이 예에서는 마케팅 믹스 모델을 사용하기 전에 요구 사항을 수집하고 우수한 데이터 거버넌스를 갖춰야 하는 이유를 보여줍니다. 데이터가 무엇을 말해야 하는지 잘 이해하지 못한다면 복잡한 분석은 도움이 되지 않습니다.

우리가 작업 중인 내용을 이해하기 위해 "5P" 프레임워크를 사용하여 다음을 결정할 수 있습니다.

• 목적.
• 사람들.
• 프로세스.
• 플랫폼.
• 성능.

목적

여기에서 마케팅 믹스 모델을 실행하려는 이유를 설명합니다. 생각을 정리하는 가장 좋은 방법은 사용자 스토리를 활용하는 것입니다.

“[페르소나]로서 나는 [하고 싶고] 그러니까 [그것].”

사용자 스토리는 다른 P가 무엇인지 알려줍니다.

• [페르소나]가 사람들에게 말해줍니다.
• [하고 싶다]는 프로세스와 플랫폼을 알려드립니다.
• [그것] 이 성과를 말해줍니다.

내 모습은 다음과 같습니다.

• CEO로서 나는 예산과 자원의 우선순위를 정할 수 있도록 디지털 마케팅 노력 중 어떤 것이 매출로 이어지는지 이해하고 싶습니다.

이 성명서에는 많은 정보가 있습니다. 계속해서 분석해 보겠습니다.

사람들

나는 데이터를 이해하고 싶다고 말했기 때문에 내가 첫 번째로 참여한 사람입니다. 데이터 수집 및 분석에 대한 책임은 나에게만 있는 것이 아니므로 분석가의 참여가 필요하다고 생각할 수 있습니다. 또한 판매 데이터를 가져오려면 비즈니스 개발 리소스가 필요합니다.

프로세스

나는 나의 목적이 나의 디지털 마케팅 노력과 판매를 이해하는 것이라고 말했습니다. 프로세스 측면에서 이 명령문은 내가 몇 가지 작업을 수행해야 함을 알려줍니다. 해당 데이터가 어떻게 수집되는지, 빈도와 형식을 알아야 합니다. 데이터 수집 프로세스가 마케팅 믹스 모델 실행을 방해하지 않도록 데이터 거버넌스를 마련해야 하는 곳입니다.

다음 단계에서 데이터를 추출해야 하는 시스템을 식별한 후에는 프로세스를 백업하여 필요한 데이터를 내보낼 수 있습니다. 그렇게 할 수 없다면 전체 계획에 새로운 프로세스를 개발하고 적용해야 합니다. 또한 다양한 소스의 데이터를 분석하기 위해 추출된 데이터를 정리하고 정규화하는 프로세스도 만들어야 합니다.

이해관계자로부터 사용자 스토리를 듣는다면 아마도 뒤로 물러서서 좀 더 구체적인 기간을 물어볼 것입니다. 프로세스와 플랫폼 사이에서 대부분의 시간을 보낼 곳은 바로 여기입니다.

마케팅 믹스 모델을 사용하여 다양한 소스의 데이터를 분석할 수 있습니다. 이러한 소스는 형식이 동일하지 않을 수 있으므로 분석을 위해 소스를 결합하는 프로세스를 만들어야 합니다. 다양한 플랫폼에서 사용하려는 데이터가 많을수록 개발해야 할 프로세스도 많아집니다. 특히 마케팅 믹스 모델을 반복적으로 다시 실행하려는 경우 더욱 그렇습니다.

플랫폼

진술 중간 부분을 다시 사용하여 내 목적은 내 디지털 마케팅 노력과 판매를 이해하는 것이라고 밝혔습니다. 이는 CRM 또는 회계 소프트웨어가 될 판매 데이터를 이해하고 싶기 때문에 어떤 플랫폼에서 데이터를 추출해야 하는지 알려줍니다.

또한 나의 디지털 마케팅 노력을 이해하고 싶습니다. 즉, 먼저 모든 디지털 마케팅 전략을 알아야 하고 그런 다음 어떤 플랫폼에서 추출할 수 있는 데이터가 있는지 파악해야 합니다. 예를 들어 LinkedIn은 데이터 추출에 인색하기 때문에 내가 관심 있는 채널이라면 문제가 될 수 있습니다. 여섯 개의 플랫폼에서 얻은 데이터를 쉽게 얻을 수 있었습니다. 반면에 기여 분석 모델의 경우 일반적으로 하나 또는 두 개의 소스에서 가져온 데이터만 있습니다.

잘 고려된 사용자 스토리가 있으면 모든 시스템에서 데이터를 수집하려고 노력하는 데 어려움을 겪지 않을 것입니다. 내 사용자 스토리에는 "디지털 마케팅 노력"이 나와 있습니다. 캠페인과 전술이 많을 때는 더 쉽게 처리할 수 있도록 몇 가지 채널이나 더 짧은 기간에 집중할 수 있습니다.

성능

이것이 사용자 스토리의 마지막 부분입니다. 측정 가능한 결과가 나오는 사용자 스토리를 만들고 있지 않다면 다시 시도하세요. 내 사용자 스토리에서 리소스와 예산의 우선순위를 정할 수 있기를 원한다고 밝혔습니다. 글쎄요, 좋은 결과는 아닙니다. 사실일 수도 있지만 측정이 불가능합니다. 내가 그 일을 우선순위로 했는지 어떻게 알 수 있나요?

사용자 스토리로 돌아가서 더 정확하게 다시 작성하는 것이 좋습니다. 다른 버전에서는 "비효율적인 채널에 대한 지출을 줄이고 성공적인 전술에 대한 지출을 늘리는 것"이라고 말할 수 있습니다.

사람, 프로세스, 플랫폼을 특정한 순서로 수행할 필요는 없습니다. 프로세스와 사람들에게 정보를 제공하는 플랫폼을 알고 있을 수도 있습니다. 그러나 이 P를 건너뛰지 마십시오. 요구 사항 수집과 데이터 관리를 생략하면 비용이 많이 드는 실수와 리소스 낭비가 발생할 수 있습니다.

초기 감사를 되돌아보면 마케팅 믹스 모델 실행을 고려하기 전에 해야 할 일이 많다는 것을 알게 되었습니다. 많은 팀이 코드와 기계 학습을 사용하여 마케팅 믹스 모델을 실행합니다. 코드를 시작하기 전에 계획을 세우면 실행이 더욱 효율적이 됩니다. 데이터의 문제를 수정하는 대신 미세 조정하고 실행 계획을 세우는 데 시간을 보낼 수 있습니다.

좋은 소식은 그것을 더 작고 제어하기 쉬운 조각으로 나눌 수 있다는 것입니다. 데이터를 추출하고 마케팅 믹스 모델을 다시 실행하기 위해 반복 가능한 프로세스를 만들 수 있습니다. 이 경로를 선택하면 초기 개발 시간이 더 오래 걸립니다. 그러나 분석을 다시 실행해야 할 경우 프로세스가 훨씬 더 효율적이 됩니다.

포괄적인 통찰력을 위한 마케팅 믹스 모델링 수용

마케팅 믹스 모델은 분석 포트폴리오의 매우 강력한 부분이 될 수 있습니다. 데이터 프로젝트를 진행할 때 성공을 위한 준비를 갖추는 것이 중요합니다. 요구 사항 수집 및 거버넌스는 우리 모두가 빠르게 진행하고 싶은 부분이지만 여기서 지름길을 택하는 것은 가치가 없습니다. 사전에 시간을 들여 계획을 세우십시오. 귀하의 분석은 훨씬 더 가치 있고 실행 가능해질 것입니다.

더 자세히 알아보기: 마케팅 기여 및 성과 관리 플랫폼이란 무엇입니까?