세그멘테이션의 중요성

제가 이상적으로 생각하는, 닮고 싶은 분석 컨설팅 회사의 롤 모델이 하나 있습니다.

Semphonic 이라는 곳으로, Google Analytics, Adobe Omniture 등 어떤 툴도 자유 자재로 다루고, 웹 데이터 뿐만 아니라, 소셜 데이터, 기업 내부 기간 계 데이터를 연동 분석하여 그 기업에 특화된 통합 대쉬 보드를 만들어 주고, 분석 컨설팅을 해 주는 곳입니다.

그 어떤 툴과 데이터에 대한 의존 없이, 기업 본연의 비즈니스 목적에 맞추어 KPI 를 수립하고, 제대로 의사 결정하도록 도와주는 리포팅 체계를 만들어 주는 일…
너무 멋지지 않은가 생각합니다.

오늘 다루고자 하는 주제는 고객 세그멘테이션 분석입니다. Semphonic 에서 최근 발표한 백서인 “Everything You Know About Digital Measurement is Wrong…and What to Do About It” 이라는 자료에서 그 중요성을 새삼 강조하는 글을 읽다 보니, 제 블로그에서도 한번쯤 심도 깊게 다루어야 겠다는 생각이 들더군요

우선, 분석에서 고객을 나누어 보는 일이 왜 중요한지, A 헤어샵과 B헤어샵의 예를 들어 설명하겠습니다. 물론, 실제 헤어 샵의 상황은 보다 복잡하겠지만, 단순화 시켜 보겠습니다.

A헤어샵과 B헤어샵은 고만고만한 규모에 고만고만한 인테리어에 고만고만한 헤어 기술을 가지고 있는 큰 차이가 없는 곳입니다.
다만, 두 헤어샵의 고객 관리 체계가 약간 다르다고나 할까요?

hair-salons

우선, A 헤어샵의 고객 관리를 살펴 보겠습니다.
A 헤어샵은 수기로 고객 약속 대장을 통해 고객 관리를 하고 있습니다. 오늘도 A 헤어샵을 운영하고 있는 “갑순이” 헤어디자이너는 고객 대장을 보다 보니, 근처에 사는 미순씨가 올 때가 된 것 같은데, 안 온지 한참 됐다는 생각을 하고, 전화를 해야 겠다고 생각합니다. 그 순간 가게 문이 열리며, 한꺼번에 2명의 고객이 들이닥치자, 일 마치고 해야 겠다고 생각하고 일어나 바로 일을 합니다.
그리고, 미순씨에게 전화할 생각은 기억 너머로 사라지고, 뭔가 찜찜하지만 그게 뭔지는 모른 채 하루를 마감하지요

B헤어샵도 별반 다르지 않습니다. 다만, B헤어샵은 고객 약속 관리 대장이 엑셀로 만들어져 있지요. 엑셀로 만들어져 있다고 해서 크게 복잡하게 돼 있지는 않습니다. 고객 명, 예약일, 방문일, 시술 내용 정도가 기록돼 있을 뿐입니다. B헤어샵 주인인 “금자”씨도 하루를 마감하고 가만히 않아 엑셀 쉬트를 보며, 비슷한 고민을 합니다. 한번 오면 두피 관리에 마사지에 파마에 여러가지 헤어 용품구매까지 하는 수익률이 꽤 짭짤한 “선영”씨가 올 때가 된 것 같은데 안 온지 한참 되었다는 생각을 합니다. 그런데, 여기서 금자 씨는 갑자기 의문을 품습니다. 안 온 지 꽤 됐다고 하는데, 그 꽤 라는 기간은 도대체 얼마나 시간이 흘러야 하는 건가 하는 점입니다. 한 달일까요? 두 달일까요? 세 달일까요? 해서 금자씨는 선영씨 처럼 씀씀이가 큰 고객들을 엑셀에 표시하고 고객들의 방문 주기 평균을 계산해 평균 방문 주기가 지났는데도 아직 방문을 하지 않은 사람들을 별도로 추출해서, 쿠폰 문자를 날립니다.

쿠폰 문자를 날린 후 꽤 많은 고객들이 가게를 방문하는데, 어떤 고객이 이런 말을 합니다. “어머나~~ 난 어차피 이번 주에는 올 생각이었는데 쿠폰을 보내 줘서 너무 좋았어요!!”
금자씨는 “제가 촉이 좋아요” 라면서 농으로 받아치지만, 속으로 생각합니다. 어차피 올 사람이었는데, 쿠폰 발급을 했다는 건 그만큼 손해잖아… 아 배아퍼.. 이러고 말이죠…

그래서, 엑셀을 열어 놓고 다시 살펴 봅니다. 어차피 올 사람이었다고 말하는 사람들의 방문 주기, 시술 내역을 다시 찬찬히 들여다 보지요. “아하.. 이럴 수가…”
방문 주기와 머리 길이 간에 상관 관계가 있네요… 어차피 올 예정이었다고 말한 고객은 머리가 길어, 평균 방문 주기 보다 방문 주기가 더 길었던 것입니다. 머리 길이와 방문 주기 간의 상관 관계를 생각하던 금자씨는 그 순간 컷트 및 단발 머리 고객은 벌써 왔어야 했는데, 안 왔다는 의미이고 즉, 놓친 고객인데 이 사람한테 쿠폰을 보내는 것 역시 효과가 없을 수 밖에 없다는 데까지 생각이 미칩니다.

이래 저래 아까운 상황이지만, 금자씨는 고객들을 머리 길이에 따라 3가지 분류로 나누고, 각 분류 별 평균 방문 주기를 계산해, 평균 방문 주기를 넘어선 고객에게는 쿠폰을 발급하도록 고객 관리 대장을 수정합니다.

이와 비슷한 사례는 CRM 교과서를 통해 다양하게 접할 수 있습니다.
CRM 의 철학 자체가 모든 고객이 똑같지 않다를 깔고 돈되는 고객에게 더 많은 자원을 투자하자이기 때문이지요.
물론, 저는 CRM 철학을 확실히 믿고, 오늘 날 기술의 발전으로 인해 CRM 은 더욱 꽃을 피울 것이라는 것을 확신하지만, 오늘은 CRM 자체에 대한 이야기를 하고자 하는 것은 아닙니다.

고객 세분화의 중요성이 오늘의 주제이지요.
앞서 헤어샵 사례에서 살펴보았듯이, 평균 방문 주기 같은 지표를 고객 전체 데이터를 기준으로 통으로 계산해 버리면 우리가 얻을 수 있는 인사이트는 별로 없다는 점입니다.
고객의 수익률, 고객의 머리 길이, 시술 형태 등으로 고객을 나누어 각 고객 세그먼트 별 평균 방문 주기 데이터를 보았을 때 고객에 대한 제대로 된 인사이트를 얻을 수 있습니다.

한 가지 더 예로 웹 사이트 전환율, 검색 유입률 같은 지표를 들어 보겠습니다.
만일, 운영하고 있는 사이트의 전환율이 5% 증가했다고 치면 우리는 기뻐할 것입니다. 반면, 사이트 검색 유입 율이 20% 하락했다고 할 경우 희소식은 아닙니다. 그런데 두 가지 지표를 가만히 들여다 보면 서로 연관 돼 있지요. 검색 엔진을 통한 유입이 줄어 들면 전환율은 일반적으로 늘게 마련입니다.
매출을 예를 들어 볼까요? 일반적으로 매출 증가는 좋은 소식입니다.
쇼핑몰의 경우 장바구니를 중도 포기한 사람들에게 10% 할인 쿠폰을 발급하는 리마케팅 프로그램을 종종 실행합니다. 그런데, 일부 영약한 고객들은 이 메카니즘을 알아채서 일부러 중도 포기를 해서 쿠폰을 받지요.
이 경우 총 매출은 증가하지만, 마진은 오히려 감소합니다.

이와 같이 전체를 조망하는 통찰력 없이 특정 지표에만 매몰될 경우 우리는 데이터에 의해서 호도 되고 잘못된 의사 결정을 하게 됩니다.

실례로 한 때의 인터넷 강자, AOL 의 경우 순 매출이라는 지표만 집중 관리함으로써, 고객의 회원 탈퇴 절차를 순매출 지표 증대를 위해 일부러 복잡하게 만들어 버려 브랜드 이미지와 고객 만족은 오히려 저해하는 사태를 초래했었습니다.

고객 세분화 분석을 통해 특정 상황에 대한 보다 심도 깊은 통찰을 얻는 사례는 하버드비즈니스리뷰 같은 저명한 경영학 잡지에서 특히 자주 볼 수 있습니다.
아래는 불황기 마케팅 전략 수립을 위해 하버드비즈니스 리뷰에서 제시한 고객 세분화 기준입니다. (Click To Enlarge)

불황기 마케팅 전략 수립을 위한 고객 세분화 사례

분석을 잘하고 싶으신가요? 고객에 대한 통찰력을 가지고 싶으신가요? 그러면 고객을 퉁으로 보지 말고 나누어서 보시기 바랍니다.
기준은 우리에게 가장 의미가 있는 고객은 누구인가? 그 고객은 우리에게 무엇을 원하는가?와 같은 Who 와 What 이라는 질문에서 먼저 출발해 보는 겁니다.

다시 Semphonic 의 백서 이야기로 돌아가서, Semphonic 에서는 웹사이트 방문 고객을 Who 와 What 이라는 기준으로 나누어 보고, 지표도 이를 기준으로 나누어 보라고 추천하고 있습니다.
예를 들어 아래와 같이요. (금융 사이트의 방문자는 누가 어떤 목적으로 라는 기준으로 나누어 각 Segment 별 중요 지표를 나열했습니다. Click To Enlarge)