광고·마케팅 기업 퍼포먼스바이TBWA는 디지털 광고가 범람하는 상황에서 유의미한 성과를 거두기 위해선 데이터 기반의 전략를 수립해야 한다고 27일 강조했다.

퍼포먼스바이TBWA는 이를 위해 고객사 중 한 곳인 인공지능(AI) 스마트러닝 교육 브랜드사 A사를 사례로 들어 설명했다. 회사는 "A사는 경쟁사가 이미 다수 포진한 시장환경과 장기간 운영되는 캠페인으로 인해 데이터베이스(DB) 확보에 한계를 느끼고 있었다"며 "이에 다양한 솔루션을 활용해 수립한 전략을 단계적으로 수행했다"고 밝혔다.

퍼포먼스바이TBWA는 우선 고객행동분석 결과를 반영한 신규 솔루션을 도입했다고 소개했다. 기존엔 고객 신청을 받으려면 '광고 플랫폼→웹사이트→신청정보 입력'과 같은 과정을 거쳐야 했다. 이렇다 보니 웹사이트 전환시 다수의 이탈자가 발생했다. 

이에 퍼포먼스바이TBWA는 기존 방식에서 벗어나 매체 플랫폼에서 직접 신청정보를 입력하는 솔루션을 활용했다. 전환 단계를 줄임으로써 고객 이탈을 최소화하겠다는 것이다. 그 결과 전환 고객이 23% 증가했고, 서비스 신청 정보는 31% 더 확보할 수 있었다.

서비스에 관심이 생겨 구매 의사를 보인 고객이 늘어났지만 고객층을 다양화하는 것도 필요했다. 퍼포먼스바이TBWA는 머신러닝을 통해 서비스에 신청할 가능성이 높은 고객 대상을 파악하고 동시에 서비스를 더욱 노출시킬 수 있는 솔루션을 도입했다. 이를 통해 기존 대비 도달률 57%, 클릭수 35%를 늘릴 수 있었다.

이후 캠페인 전반의 효율을 높이고자 했다. 자사 웹사이트에 들어온 고객 유형을 머신러닝으로 학습해 고객층을 정확하게 겨냥하기 위해서다. 그러나 쿠키 수집 이슈로 수집할 수 있는 데이터가 제한되는 문제를 봉착했다. 인터넷 사용자 흔적인 쿠키를 추적해 데이터를 수집하는 것이 사생활 침해로 간주됐기 때문이다.

퍼포먼스바이TBWA는 고객의 자사 웹사이트 유입을 늘림으로써 쿠키 수집 문제에 부딪히지 않고 웹사이트에 유입된 고객 데이터를 분석할 수 있는 독립적 메커니즘을 도입했다. 그 결과 전환단가(광고비/전환수)를 약 52% 개선했다.

퍼포먼스바이TBWA는 마지막 단계로 마케팅별 최적의 예산을 배분하는 미디어믹스모델링(MMM)을 활용해야 한다고 제시했다. MMM은 캠페인별 실데이터를 기반한 마케팅믹스 모델링이다. 캠페인 특성에 맞게 모델링돼 퍼포먼스 정확도를 높이는 데 기여한다. A사의 MMM 정확도는 96%로 나타났으며, 비교 대상 기간 대비 전환단가는 31% 개선됐다.

퍼포먼스바이TBWA 관계자는 "디지털마케팅은 성과 데이터 분석도 중요하지만 측정 데이터를 기반으로 한 솔루션을 적재적소에 활용하는 역량이 필요하다"며 "퍼포먼스바이TBWA는 전 직원을 대상으로 AI·애드테크 등 관련 교육을 학기 단위로 체계적으로 진행하고 있다"고 언급했다. 이어 "앞으로도 데이터 기반의 마케팅을 지향점으로 삼아 고객사의 매출을 견인하는 데 이바지하겠다"고 밝혔다.