구글 이미지이런 상상을 한 번 해보자. 당신이 살고 있는 주변에 직접 카페를 곧 오픈하게 된다. 설레는 순간 일 것이다. 몇날 며칠을 꼬박 밤새어 고객의 동선을 탐색하고 가구를 배치하고 직원들에게 다양한 시나리오로 연습을 했다. 그리고 드디어 매장이 오픈 하는 날. 물밀듯이 고객이 들어오지만 생각했던 것과는 다르게 고객의 동선이 꼬이고 직원들은 버벅인다. 더욱이 힘들게 나른 가구들이 고객의 경험에 오히려 부정적인 영향만을 주고 있다.
자, 이런 끔찍한 상황에서 당신은 어떻게 할 것인가. 당장 카페를 닫아 버릴 것인가. 그렇지 않을 것이다. 다시 밤을 꼬박 새서라도 알맞은 개선사항을 도출하여, 내일 다시 고객을 맞이 할 것이다. 단, 이 모든 과정에서 당신이 치러야 할 비용은 생각보다 만만치 않을 것이다. 즉, 오프라인에서의 ‘최적화’과정은 쉽지도, 저렴하지도 않다.
이번에는 온라인 쇼핑몰을 생각해보자. 당신은 매출 증대라는 미션을 안고 쇼핑몰 사이트를 운영하는 책임자다. 그런데, 아무리 생각해도 매출을 올릴 수 있는 뾰족한 수가 생각나지 않는다. 이렇게 생각해보자. 고객이 매출에 기여했다는 확실한 쇼핑몰에서의 행동이 무엇인가. 바로, 구매 후 보게되는 구매완료페이지에 도착하는 것일 것이다. 그럼, 그 전에 고객은 어디에서 어떤 경험을 하고 있을까? 아마도 결제 페이지에서 결제에 필요한 정보를 입력하고 있을 것이다.
여기서 두 가지 방법으로 접근해 볼 수 있다. 첫째, 결제페이지에서 구매완료페이지로 더 많은 사람들이 넘어오게 할 수 있을까? 즉, 10명에서 단 1명만 구매완료페이지로 전환 되는 것이 아니라 2명이나 3명이 전환될 수 있게 말이다. 두 번째, 결제페이지에 더 많은 사람들이 들어오게 하는 것이다. 아마도 제품 상세 페이지에서 바로구매 버튼을 더 쉽게 클릭할 수 있도록 버튼의 색깔을 바꾸거나 문구를 바꿀 수 도 있을 것이다. 위의 두 가지 방법은 혁신적인 아이디어가 아니다. 아주 쉽게 생각해볼 수 있는 것들이다. 두 가지의 공통점은 그 어떤 광고나 마케팅 비용을 늘려 매출을 올리는 것이 아니라는 것이다. 여기에는 우리가 집중해야 할, ‘최적화’ 사고가 숨어 있다.
결국, 오프라인이나 온라인 환경에서 개선활동을 진행 하기 위해서는 고객의 행동을 지켜 볼수 있어야 한다. 그리고 이 과정에서 오프라인의 개선활동보다 온라인에서의 개선활동이 비교도 안 될 정도로 저렴하다. 극단적으로 비용은 제로가 될 수 있다.
그렇다면, 우리는 온라인으로 이동하는 고객의 행동 관찰이 필요하다. 보이지도 않는 환경에서 그들의 움직임을 어떻게 확인할 수 있을까?
로그분석이다. 이미 옛날 이야기다. 다양한 로그분석 툴이 있고, 개발자와 통계 분석가들에게는 쉬울 수 있다. 다만, 급변하는 마케팅 환경에서 마케팅 실무자가 즉시 고객 행동에 대한 데이터 확인이 필요하고 그 결과 값을 전략에 반영할 수 있어야 한다. 즉, 데이터 개더링을 돕는 개발자나, 로우 데이터를 분석하고 인사이트를 추출하는 통계 전문가의 도움 없이도 마케터 혹은 기획자, 사업자가 직접, 이런 고객의 행동 데이터를 확인 할 수 있어야 하는 것이다.
조금 이 시대를 빠르고 적극적으로 살고 있다면, 아마도 들어보거나 실제로 사용하고 있는 툴일 수 있다.
구글 애널리틱스
페이스북 애널리틱스
네이버 애너리틱스
핫자
여러가지 자동화 툴
이런 도구들을 활용해 데이터 기반의 의사결정이 가능해지는 것이다.
가입하기
