마케팅, 좋은 데이터로 분석하고 있나요?
대부분의 마케터는 엑셀에 매일 데이터를 저장합니다. 여러 채널의 광고 데이터를 하나로 모으고, 트래커가 제공하는 전환 데이터도 확인해야 합니다. 다양한 성과 지표가 광고 소재 단위로 모이고, 캠페인 운영 기간이 길어질수록 상당한 양의 캠페인 운영 데이터가 쌓이게 됩니다.
일반적으로 데이터의 양이 많을수록 가치가 높아집니다. 하지만, 데이터를 처음부터 잘못 쌓고 있었다면 어떨까요? 데이터의 가치는 커녕, 드라이브에 용량만 차지하는 애물단지가 되어버립니다. 열심히 쌓았지만 활용하기 어려운 ‘나쁜 데이터’가 되어버리는 것이죠.
혹시 여러분의 캠페인에도 나쁜 데이터가 쌓이고 있지는 않나요? 반대로, 좋은 데이터를 쌓으려면 어떻게 해야 할까요?
엑셀이 나쁜 데이터를 만드는 이유
약간의 과장을 보태면, 마케터가 나쁜 데이터를 만드는 것은 모두 엑셀 탓입니다. 정확히는 엑셀이 ‘데이터 관리 도구’가 아니기 때문에 데이터의 품질을 제대로 관리하지 못하는 것이죠. 엑셀은 마케터를 돕는 훌륭한 분석 도구이지만, 다음과 같은 단점들로으로 인해 데이터를 저장하기 위해 엑셀을 사용하는 것은 좋은 방법이 아닙니다.
- 임의로 수정 가능한 데이터
엑셀은 데이터를 언제든지 수정할 수 있습니다. 따라서 데이터가 정해진 규칙 없이 임의로 변경될 우려가 있습니다. 데이터를 입력을 모두 수동으로 진행하기 때문에 오타나 데이터 중복과 같은 오류가 발생할 여지도 있습니다. - 비효율적으로 처리되는 데이터
엑셀 함수는 직관적이지만 효율적이지 않습니다. 마케터들은 서로 다른 채널의 데이터를 통합하기 위해 IF문을 비롯해 많은 함수를 중첩하여 사용하는데, 데이터의 양이 늘어날수록 계산에 소요되는 시간이 급격하게 증가합니다. - 통일되지 않은 데이터
엑셀을 데이터를 파일 형태로 저장합니다. 파일을 공유하는 구성원이 많아질 수록 동일한 파일을 서로 다른 방식으로 수정할 가능성도 함께 높아집니다. 즉, 파일의 버전 관리가 제대로 되지 않는 것이죠. 클라우드를 활용하는 등 각각의 파일을 아무리 잘 관리한다고 해도, 이는 결국 원치 않는 데이터 사일로(Data Silo)를 발생시키는 원인이 됩니다.
엑셀을 잘못 사용하여 데이터의 품질을 지키지 못할 경우, 아무리 많은 데이터를 모아도 제대로 활용할 수 없습니다. 나쁜 데이터로 왜곡된 인사이트를 얻어 낸다면 잘못된 의사결정으로 이어질 수 있습니다.
데이터의 무결성 지키기
나쁜 데이터가 잘못된 데이터의 품질 관리의 결과라면, 반대로 데이터를 잘 처리한 결과가 바로 ‘좋은 데이터’입니다. 그리고 좋은 데이터를 만드는 것은 마케터가 아닌 (데이터) 엔지니어의 영역입니다. 도메인 지식을 바탕으로 데이터를 잘 활용하는 것이 아니라 원칙에 따라 잘 처리(관리)하느냐가 관건이기 때문이죠.
엔지니어는 좋은 데이터를 만들기 위한 나름의 기준을 가지고 있습니다. 엔지니어가 데이터를 검증하는 아래 세가지 성질을 묶어 ‘데이터 무결성(Data Integrity)’이라고 하는데요. 데이터베이스(DB)의 데이터를 다루는 엔지니어라면 누구나 알고 있는 개념입니다.
- 정확성 : 데이터의 중복이나 누락이 발생하지 않음
- 일관성 : 항상 동일한 절차로 데이터를 처리함
- 유효성 : 정해진 형식(Data Type)의 데이터만 입력되어야 함
‘무결한 데이터’를 위해 엔지니어는 데이터 처리 절차를 수집(Extract), 변환(Transform) 그리고 적재(Load)라는 단계로 구분하고, 단계별로 적절한 처리 방식을 고민합니다. 그리고는 동일한 데이터를 원활하게 처리할 수 있는 데이터 파이프라인(Data Pipeline)이라는 것을 구축합니다.
데이터 파이프라인을 구축하게 되면 데이터의 사용자 입장에서는 필요한 데이터를 빠르게 공급받을 수 있습니다. 별도로 데이터를 수집하고, 또 처리하는 과정이 사라지는 것이죠. 제공되는 데이터의 품질도 보증할 수 있기 때문에 마케터와 같은 실무자는 그저 데이터를 ‘꺼내어 쓰기만’ 하면 됩니다.
그동안은 엑셀이 마케팅 분야의 데이터 파이프라인과 같은 역할을 해왔습니다. 그러나 이제는 더 이상 엑셀로 데이터를 처리하지 않아야 합니다. 데이터 분석 업무는 기존처럼 엑셀을 활용할지라도, 마케팅 데이터의 처리 과정만큼은 새로운 시스템을 구축하여 마케터의 올바른 의사결정을 지원해야 합니다.
데이터 파이프라인, 직접 개발할 수 있을까?
마케팅 데이터의 파이프라인을 가장 효과적으로 구축하는 방법은 (당연하게도) 직접 시스템을 개발하는 것입니다. 부서 내/외부의 다른 개발 조직과 협업하여 캠페인의 데이터 구조를 정의하고 그것을 온전히 시스템으로 구현할 수 있기만 한다면 가장 이상적입니다. 실제로 대규모의 마케팅 캠페인을 집행하는 기업들이 이미 자사의 마케팅 데이터 시스템 구축을 시도하고 있습니다.
하지만, 우리 캠페인에 꼭 맞는 시스템을 개발하는 것이 쉬운 일은 아닙니다. 대부분의 마케터가 시스템(개발)에 대한 이해가 부족하고, 반대로 엔지니어는 마케팅에 대한 지식이 없는 상태로 첫 만남을 가지기 때문이죠. 이렇게 시작된 개발 프로젝트는 마케터의 니즈와 엔지니어의 전문성을 모두 살리지 못하고, 마케터가 다시 엑셀로 회귀하는 결말을 맞이하게 될 지도 모릅니다.
여러 이유로 파이프라인을 직접 개발하는 것이 여의치 않다면, Tableau Prep(이하 프렙)과 같은 도구를 먼저 사용해보는 것도 좋습니다. 프렙은 데이터 시각화로 유명한 태블로에서 출시한 데이터 처리 도구인데요. 피벗, 조인 등 다양한 기법을 사용하여 ‘데이터 흐름’이라고 부르는 나만의 데이터 파이프라인을 개발 없이 빠르게 구축할 수 있는 장점이 있습니다.
다만, 프렙은 데이터의 변환 과정에 초점을 맞춘 서비스이다보니 수집과 저장 과정을 별도로 관리하는 번거로움이 있습니다. 마케터에게는 매체 대시보드에서 데이터를 모두 내려받아 이를 프렙에 집어 넣고, 완성된 결과를 다시 다운로드 받아 구글 드라이브 등에 날짜별로 다시 저장해야 한다는 이야기이죠. 이외에도 데이터가 늘어날수록 처리 성능이 급격히 떨어지는 문제가 있어, 캠페인을 장기간 운영하는 경우에는 적절한 선택지가 아닙니다.
우리 캠페인에 Fit한 데이터는 ReFit에게
마케팅 데이터 파이프라인 구축 자체에 어려움을 겪고 계시거나, 기존의 시스템에 아쉬움을 느끼고 있다면 저희 팀민트의 마케팅 데이터 통합 서비스인 리핏(ReFit)이 좋은 대안이 될 수 있습니다.
리핏은 마케팅 활동에서 발생하는 모든 데이터를 자동으로 처리하고, 이를 통합하여 캠페인에 꼭 맞는 형태로 제공하는 SaaS 솔루션입니다. 리핏이 데이터를 알아서 수집/변환한 다음 최적의 형태로 클라우드 서버에 저장하기 때문에, 마케터의 입장에서는 불필요한 데이터 처리 과정 없이 필요한 데이터만 빠르게 확인할 수 있습니다. 리핏에서 TRD(통합 데이터)를 직접 내려받아 데일리 리포트를 작성하거나, 서비스 내에서 대시보드(차트) 및 보고서(피벗 분석) 기능을 활용하여 캠페인 데이터를 분석하는 것도 가능합니다.
리핏은 바쁜 마케터들이 데이터를 다루는 문제로 불필요한 리소스를 쓰지 않도록 지금 이 순간에도 열심히 서비스를 개발하고 있습니다. 기회가 된다면, 마케팅 데이터의 활용에 대한 리핏의 고민과 해결 방식에 대해서도 블로그를 통해 자세히 들려드리도록 하겠습니다.
데이터 전문가들 사이에는 ‘나쁜 데이터를 넣으면 나쁜 결과가 나온다’는 의미의 Garbage In, Garbage Out이라는 격언이 널리 퍼져 있습니다. 품질(정확도, 신뢰도)이 낮은 데이터를 사용한다면 절대로 좋은 분석 결과를 얻을 수 없다는 것은 너무나 당연한 이야기입니다.
반대로 좋은 데이터를 가지고 있기만 하더라도 데이터 분석에서 절반의 성공을 거두었다고 할 수 있습니다. 인공지능을 개발하는 기술이 고도로 발달하면서, 이제는 모델의 성능을 온전히 데이터의 품질이 결정한다고 이야기하곤 하는데요. 점점 더 똑똑해지는 마케터들을 보면, 곧 마케팅 시장도 좋은 데이터가 모든 성과를 결정하게 될 지도 모릅니다.
