고객 행동 모델 생성을 시작하는 5단계(그리고 왜 필요한지)

게시 됨: 2020-06-02
고객 행동 모델 생성을 시작하는 5단계(그리고 왜 필요한지)

지난 몇 년 동안 마케터는 그 어느 때보다 훨씬 더 많은 데이터 기반 도구와 방법론을 채택하기 시작했습니다. 고객(및 잠재 고객)에 대해 사용할 수 있는 데이터의 양은 이제 어떤 유형의 디지털 마케팅 노력이 가장 효과적인지 결론을 내리기에 충분하기 때문에 그렇게 했습니다. 이 데이터를 사용하여 예측 분석 운영을 촉진하는 것은 이제 디지털 마케팅 세계에서 표준 운영 절차로 간주됩니다.

오늘날 이 분야의 최첨단 접근 방식 중 하나는 고객 행동을 예측하는 모델 구축을 수반합니다. 그렇게 함으로써 미래를 내다보고 시작하기도 전에 고객 여정의 다양한 단계에 맞는 마케팅 계획을 세울 수 있습니다.

유용하고 정확한 고객 행동 모델을 생성하려면 많은 계획이 필요합니다. 또한 신중한 실행과 상당한 양의 실험이 필요합니다.

다음은 관심 있는 기업이 해당 프로세스를 시작하는 데 도움이 되는 단계별 가이드입니다.

숨다
  • 카탈로그 사용 가능한 데이터 소스
  • 회귀 분석 시작
  • 고객 세그먼트 생성
  • 각 부문의 트렌드를 찾아라
  • 테스트, 수정, 반복
  • 모델을 작동시키기

카탈로그 사용 가능한 데이터 소스

고객 행동 모델 구축을 시작하기 전에 비즈니스가 이미 액세스할 수 있는 고객 데이터를 처리해야 합니다. 이는 새로운 모델링 이니셔티브를 지원하기 위해 어떤 데이터 수집이 변경되어야 하는지에 대한 로드맵 역할을 합니다. 대부분의 비즈니스에는 다음과 같은 소스에서 사용할 수 있는 방대한 미개척 데이터 풀이 이미 있어야 합니다.

  • 판매 내역
  • 웹사이트 분석 데이터
  • 고객 설문 데이터
  • 고객 서비스 기록
  • 이전 마케팅 캠페인 결과

… 다른 사람.

최상의 상황에서 이 데이터의 대부분은 기존 CRM 시스템에 포함되어 분석 작업에 쉽게 사용할 수 있습니다. 그렇지 않은 경우 데이터를 중앙 집중화하여 분석을 위해 적절하게 정리하고 표준화할 수 있도록 조치를 취해야 합니다.

회귀 분석 시작

사용 가능한 모든 고객 데이터를 사용할 준비가 되면 이를 사용하여 몇 가지 기본적인 회귀 분석 연구를 수행하는 것이 좋습니다. 이는 구매 내역, 마케팅 응답 통계 및 명백한 상관 관계가 있는 기타 데이터 요소와 같이 쉽게 사용할 수 있는 데이터를 사용하여 가장 잘 작동합니다.

이러한 종류의 분석을 통해 마케팅 지출과 판매량 간의 관계와 같은 기본적인 결론을 내릴 수 있습니다. 또한 특정 고객 행동을 바람직한 결과와 연결하는 데 도움이 될 수 있습니다. 예를 들어 회귀 분석을 사용하여 모든 고객이 전환 과정에서 도달하는 고객 여정의 공통 지점을 식별할 수 있습니다.

이러한 종류의 통찰력을 통해 마케팅 담당자는 판매 퍼널의 초기 단계에서 더 많은 수의 리드를 확보하여 판매 확률을 통계적으로 높이는 프로세스의 특정 지점에 도달하도록 캠페인을 조정할 수 있습니다. 디지털 마케터가 꿈만 꾸던 정확한 타겟팅이 이제 올바른 데이터 분석을 통해 가능해졌습니다.

고객 세그먼트 생성

위의 기술을 사용하여 기업은 데이터를 사용하여 고객에 대한 일부 일반화된 최상위 결론을 도출할 수 있습니다.

데이터에서 더 많은 것을 얻고 실제 고객 행동 모델을 만드는 데 더 가까이 다가가려면 고객 데이터를 더 작고 세분화된 그룹으로 나눌 필요가 있습니다.

마케터에게 희소식은 온라인 고객 개인화에 대한 초기 노력의 일환으로 이 작업의 대부분이 이미 완료되었을 수 있다는 것입니다. 그렇다면 이러한 목적으로 생성된 세분화된 그룹은 추가 고객 행동 모델링을 위한 좋은 출발점입니다. 그렇지 않은 경우 일반화된 세분화 범주로 시작하는 것이 가장 좋습니다. 그런 다음 데이터에 포함된 고객에 대한 특정 속성을 기반으로 더 작은 그룹으로 세분화할 수 있습니다.

각 부문의 트렌드를 찾아라

데이터가 준비되고 고객이 적절하게 분류되면 다음 단계는 데이터(세그먼트별로 분류)를 조사하여 몇 가지 추세를 찾는 것입니다. 전환에 대한 일반적인 걸림돌, 즉 고객이 구매할 가능성이 있는 시기를 알려주는 표시(기본적으로 모든 세그먼트 구성원이 공유하는 모든 활동)를 찾으십시오.

좋은 소식은 오늘날 최고의 마케팅 자동화 플랫폼(고객 행동 모델을 작동시키는 데 사용)에는 이미 웹사이트, CRM 소프트웨어 및 독립 실행형 데이터베이스에서 고객을 찾을 수 있는 분석 도구가 포함되어 있다는 것입니다. 트렌드.

예를 들어 일반적으로 사용되는 HubSpot Marketing Hub 내에서 고객 세그먼트를 설정하고 세그먼트 구성원에 대한 모든 데이터를 함께 연결할 수 있습니다. 예를 들어, 특정 작업의 완료를 추적하고 아래 그림과 같이 시각화를 해석하기 쉽게 세그먼트별로 활동을 표시하는 자동화된 보고서를 생성할 수 있습니다.

Hubspot Marketing Hub의 고객 행동 세그먼트
HubSpot.net을 통한 이미지

거기에서 데이터를 모니터링하여 나타나는 행동 패턴을 찾기 만 하면 됩니다. 또한 동일한 종류의 시각화를 만들어 전환 활동과 함께 이메일 열기율 및 고객 서비스 상호 작용 데이터 추적과 같은 인과 관계를 연관시켜 마케팅 및 지원 작업이 판매에 미치는 영향을 확인할 수 있습니다.

아직 마케팅 자동화 플랫폼을 채택하지 않은 기업의 경우에도 데이터를 샅샅이 뒤져 트렌드를 찾는 것은 가능합니다. Google Analytics(또는 기타 웹 분석 도구)는 시각화를 통해 간단하고 심층적인 데이터 비교를 수행하여 모든 비즈니스를 시작하기에 좋은 트렌드를 찾을 수 있습니다. 설정이 간단하고 사용이 쉬우며 비즈니스의 마케팅 및 광고 노력이 온라인의 특정 활동으로 어떻게 변환되는지 알 수 있습니다.

간단한 비교는 다음과 같습니다.

Google 애널리틱스의 고객 행동 세그먼트
Optimizesmart.com을 통한 이미지

Google Analytics가 즉시 액세스할 수 있는 데이터에는 몇 가지 제한이 있지만 플랫폼은 또한 다양한 CRM 소프트웨어 및 외부 데이터 소스와 통합할 수 있습니다. 즉, 기존 소프트웨어를 버리고 처음부터 시작하지 않고도 고객 세그먼트 분석을 지원하는 데 필요한 인프라를 구축할 수 있습니다.

이 단계에서 도출된 인사이트는 고객 페르소나 개발의 기초가 되고, 이는 각 고객 그룹의 행동 모델로 이어집니다. 목표는 전환 프로세스를 통한 고객 여정의 각 유형을 설명할 수 있는 지도를 만드는 것 입니다. 그런 다음 이러한 지도는 전환 경로를 유지하는 데 필요한 마케팅에 대한 모든 정보를 제공할 수 있습니다.

테스트, 수정, 반복

이제 트렌드 분석을 통해 도출된 결론을 마케팅 캠페인에 적용하는 일만 남았습니다. 식별된 추세가 실제로 통계적으로 건전하다면 이를 지침으로 사용한 마케팅 캠페인은 훌륭하게 성공할 것입니다. 그렇지 않은 경우 데이터를 다시 방문하여 팬아웃되지 않은 요소를 제거해야 합니다.

이 과정을 몇 번 반복하면 결과를 이끌어내지 못한 결론을 걸러내고 실제로 효과가 있는 결론만 남길 수 있어야 합니다. 프로세스가 생성하도록 설계된 고객 행동 모델이 되는 것은 각 고객 세그먼트에 대한 결론입니다. 실제 캠페인 테스트를 통해 철저하게 검증되면 그 가치와 유용성에 거의 제한이 없습니다.

모델을 작동시키기

위의 프로세스가 건전한 결과를 가져온다면 새로운 고객 행동 모델을 회사의 디지털 마케팅 노력의 거의 모든 측면에 적용할 수 있습니다.

기존 데이터 기반 UX 디자인 노력을 보강할 수 있습니다.

또한 웹사이트, 광고 및 이메일 마케팅 캠페인과 같은 모든 마케팅 활동에서 개인화 를 추진할 수 있습니다.

이것이 바로 유럽 최대 항공사 승객 보호 회사 중 하나가 신규 및 재방문 고객을 위한 동적 방문 페이지를 만드는 데 사용한 전술입니다.

고객 행동 모델 사례 연구 기반 개인화
DynamicYield.com을 통한 이미지

이들의 경우 사이트 방문자는 비즈니스와의 이전 상호작용, 특히 관련 검색 기록, 시간 및 지리적 위치 데이터를 기반으로 하는 방문 페이지의 다양한 변형을 보게 됩니다.

이는 동적 계정 기반 마케팅 개인화의 최신 소비자 지향 버전과 같이 생각할 수 있는 모든 잠재고객에 맞게 동적 방문 페이지를 디자인할 수 있는 가능성을 만듭니다.

고객 행동 모델은 비즈니스가 소셜 미디어 마케팅의 진화하는 얼굴보다 한 발 앞서 나가는 데 도움이 될 수도 있습니다.

이러한 정확한 유형의 고객 행동 모델을 사용하여 패션 소매업체인 Closet London은 여정의 각 부분에서 예상되는 행동을 기반으로 신규 및 기존 고객을 대상으로 하는 지속적으로 자동화된 개인화된 이메일 캠페인을 만들 수 있었습니다. 캠페인에는 이탈의 "위험에 처한" 고객에게 할인의 형태로 표적화된 유인책을 제공하고 과거 구매 데이터를 사용하여 선별된 이메일 제안을 보내는 것이 포함되었습니다. 처음 고객은 재구매를 장려하기 위해 더 적은 할인도 받았습니다.

고객 행동 모델 사례 연구에 기반한 세분화
Max Kissick-Jones 사례 연구를 통한 이미지

결과? 대폭 개선된 전환율 및 2900%의 수익 증대. 그리고 이 모든 것이 고객 행동 모델링 덕분에 가능했습니다.

그러나 그것들이 사용되기는 하지만 다른 모든 마케팅 도구와 마찬가지로 고객 행동 모델이 고정되어 있지 않다는 것을 인식하는 것이 중요합니다.

그들이 대표하는 고객과 마찬가지로 정확하고 관련성을 유지하려면 세심한 주의와 관심이 필요합니다. 고객 행동의 많은 측면이 시간이 지남에 따라 변하기 때문 입니다. 이러한 변경 사항을 유지하려면 여기에 제시된 프로세스를 계속해서 다시 방문해야 합니다. 또한 데이터 입력 변경에 직면하여 프로세스를 수정해야 합니다. 그렇게 하기로 약속하는 한 고객 행동 모델은 계속 제공하는 마케팅 선물이 될 수 있습니다. 잘 사용하세요!

데보라 오말리 웨비나
데보라 오말리 웨비나