제목이 참으로 당위적입니다… 그런데 저는 진짜 그렇게 믿고 있습니다…..

소셜 대화 데이터가 됐건, 웹 로그 데이터가 됐건, 매장의 POS 데이터가 됐건, 고객이 흘리고 다니는
모든 데이터는 하나의 융광로에서 다시 쪼개지고 합쳐지고 연결돼면서 고객이 알려주지 않는 많은 정보를 알게 해 줄 것입니다…

오늘 재미있는 기사를 봤습니다

IBM 사에서 2010 년 9월 인수한 Netezza 라는 분석 솔루션이 몇 초 만에 페라바이트 (도대체 얼마나 아마어마한 양의 빅데이터인지도 모를 정도로 저한테는 생소한 단위네요) 규모의 데이터를 분석하여 멀티 채널을 가진 판매 업자들이 고객의 관심 변화에 발빠르게 대처할 수 있게 해 준다네요

point-of-sale data, online data, social media data, 기존 고객 데이터를 한데 통합하여 수초 내 분석하여 바로 바로 마케팅 캠페인을 달리 전개할 수 있다면 그 가치는 어마 어마 할 것입니다

특정 고객 군의 제품에 대한 선호도를 분석해 맞춤형 프로모션이 가능하고 실제 매장에서의 상품 배열도 보다 효과적으로 할 수 있기 때문이지요

IBM 측에서는 목화 원가가 가격 상승함에 따라 저렴한 청바지 제품이 단순한 bargain hunter 들만 유인하는지 아니면 가치있는 고객 유입에도 도움이 되는지 알기 위해 특정 고객 군이 어떤 Jean 제품을 사고 그 외에 타 제품은 어떤 걸 구매하는 지, 그 고객 군이 타겟고객군인지 아닌지 분석을 한 모 청바지 브랜드의 실례를 들어 설명합니다.

살제로 Forrester Research 사의 Epsilon 이라는 유통 회사 분석 결과에 의하면 222% 의 ROI 가 기대된다고 하네요

이 빅데이터 분석 시장을 향한 업체 간 경쟁도 점차 가열될 듯 합니다. IBM 외에 Oracle, Microsoft and Teradata 도 관련 서비스를 내놓고 발빠른 움직임을 보이고 있다고 하네요

McKinsey Global Institute 의 2011년 보고서에 의하면 유통업체들이 이 빅 데이터를 잘 활용할 경우
마진 규모를 60% 가량 높일 수 있다고 하고, IBM 사는 $20 billion 규모의 시장 기회가 열릴 것으로 보고 있다고 합니다

국내에도 빅데이터 관련 기술을 가진 기업들이 꽤 되는 걸로 알고 있는데 이 기업들도 서두르셔야 겠네요

상세한 내용은 http://www.clickz.com/clickz/news/2142414/netezza-aims-help-retailers-crunch 에서 확인할 수 있습니다

이 글은 The PR 매거진 12월 호에 기고한 글입니다.
——————————————————————
소셜미디어 커뮤니케이션을 넘어 소셜 CRM 구현하기

소셜 공간에는 닭이 먼저냐, 달걀이 먼저냐와 같은 알쏭달쏭 퀴즈가 또 하나 있습니다.

“고객이 소셜 공간에서 팔로잉하기 때문에 기업에 대한 브랜드 옹호 심리가 높아지는가? 아니면 고객이 브랜드에 대한 옹호 심리가 높기 때문에 기업과 소셜 공간에서 소통하는가?” 하는 이슈입니다.

2010년 IBM 사의 조사 결과에 의하면, 70%에 육박하는 기업 담당자들은 소셜미디어를 통해 고객과의 접점을 갖는 것이 옹호 고객 증가에 기여할 것이라 응답했지만, 안타깝게도 실상 대다수(64%)의 고객들은 브랜드에 대한 애착 심리가 소셜 공간에서 기업을 팔로잉하기 위한 전제 조건이라고 밝혔다고 합니다. (참고 : http://t.co/JvsJW8JK )

또한, 조사 결과에 의하면 안타깝게도 기업들은 고객이 소셜 공간에서 기업들과 상호 작용하는 이유에 대해서도 명확히 인식하지 못하고 있습니다. (아래 이미지 참고)

Perception Gap between businesses and customers

이 조사 결과가 사실이라면, 기업들은 이미 자사 브랜드에 충분히 옹호적인 고객들에게 브랜드 인지도와 애착감을 높이기 위해 쓸데없이 많은 투자를 소셜 커뮤니케이션에 집중하고 있고, 이러한 커뮤니케이션 역시 고객의 기대를 충족시키는 것과는 거리가 멀게 이루어져 실효성 있는 투자도 이루어지지 못하고 있다는 것을 의미합니다.

이제 기업들은 단순히 계정을 만들고 소셜 공간에 존재하는 것만으로는 부족합니다. 고객이 소셜 공간에서 굳이 기업 계정과 상호 작용해야 할만한 특별한 이유를 주기 위해 끊임 없이 고객이 무엇을 가치 있게 여기는지 연구해서 고객이 반응할 만한 혜택을 제공해야 합니다. 여기에서 희망적인 소식은 소비자 중 45%는 구매 전에 소셜 공간에서 친구의 조언을 구하고 셋 중 한 명 이상이 제품 정보를 얻기 위해 다른 소비자 또는 독립 전문가와 같은 외부 소스에 의존한다는 점입니다.

기업이 만약 고객이 스스로 자신의 경험을 다른 이들과 나눌 수 있도록 감성적으로 고객들을 터치할 수 있는 소셜미디어 프로그램을 기획한다면 그 때 그들은 소셜 커뮤니티의 이러한 영향력을 충분히 살려내는 창의적인 소셜미디어 전략을 가지게 된다고 볼 수 있을 것입니다.

그리고, 바로 이것이 소셜 CRM 전략입니다.

기업이 소셜 공간에서 입소문 효과를 충분히 누리려면 반드시 소셜 공간에서 입소문을 통해 지대한 영향력을 끼치는 옹호 고객을 찾아 이들을 제대로 리워드해 줘야 하기 때문이며, 여기에 소셜 CRM 이 필요한 이유가 있습니다.

그러나, 옹호 고객을 찾아 그들이 제대로 입소문 효과를 일으킬 수 있도록 리워드 해 주는 것은 소셜 CRM 을 통해 기업이 누릴 수 있는 여러 가지 이점 중에 하나에 불과합니다.

소셜 CRM은 온라인에 공유되는 고객들의 다양한 라이프스타일 데이터들을 기존 고객 데이터와 연동 분석하여 고객 니즈와 행동에 대한 인사이트를 추출하는 시스템과 기술을 필요로 하는 또 하나의 비즈니스 기능입니다.

즉, 과거 CRM 에서는 온전하게 파악하기 힘들었던 고객 행동과 니즈에 대한 많은 것들을 소셜 CRM 을 통해 알 수 있게 되었음을 의미합니다.

아래는 전통 CRM 개념과 소셜 CRM 개념을 비교한 그림입니다.

Traditional CRM VS Social CRM

Traditional CRM VS Social CRM

기업들은 마침내 고객 행동의 근저 원인 분석이 가능해 지고, 마침내는 고객 행동의 변화에 영향을 미칠 수 있는 마케팅 프로그램 기획이 가능해 졌다는 것입니다.


과거 CRM 에서는 고객의 인구통계학적 데이터와 거래 데이터, 기타 확보 가능한 수준의 아주 단편적인 심리 특성적 데이터들만을 통해 고객의 재구매율과 구매 금액에 영향을 주는 “로열티 프로그램”을 주로 가동했었습니다.

그러나, 이제 소셜 CRM 을 통해서는 고객의 재구매율, 구매 금액 뿐만 아니라 고객의 우리 브랜드에 대한 태도와 입장까지 영향을 미칠 수 있는 “옹호 활동에 대한 리워딩 프로그램”을 가동할 수 있게 된 것입니다.

또한, 소셜 CRM 이 구현된다면 자연스럽게 소셜미디어 ROI 에 대한 의구심도 불식될 수 있습니다.

소셜 CRM 을 통한 소셜미디어 ROI 입증의 가능성은 아래의 여성 의류 브랜드 Chico 사의 CRM Director Barb Buettin 씨의 인터뷰 내용에서도 타진해 볼 수 있습니다.

“소셜미디어 ROI 는 마케터들이 자신들의 고객 프로필을 자신의 페이스북 URL과 매치시킬 수 있을 때 실현될 것이다. 지금 현재로서는 블로그 포스팅을 해 주는 고객이 우리의 고객인지, 아니면 그냥 블로그 짓을 하는 것 뿐인지 알 수 없다.그러나, 미래에는 고객이 오프라인 매장을 방문하면 그 고객이 쓴 온라인 댓글이 떠올라, 고객이 무엇을 주로 원하는 고객인지 알려줄 것이다. 그런 미래는 멀지 않았다. 우리가 온라인과 오프라인 매장이라 불리는 채널들은 그 전 어떤 때 보다도 조화를 이루는 시대가 올 것이다. ”

이 즈음 되면, 단순 소셜미디어 커뮤니케이션을 넘어 소셜미디어를 비지니스에 제대로 접목해보고자 하는 열망을 가지고 있는 기업들은 묻습니다.

소셜 CRM..


그거 어떻게 하면 되나요? 시스템 구축비만 엄청나게 들이고 실효성은 없는 또 하나의 빛 좋은 개살구 아닌가요?

소셜CRM 을 제대로 구현하려면 아래와 같이 당연히 소셜 데이터를 수집하고 분석하는 기능도 갖추어야 하고, 소셜 데이터와 기업 내부 데이터를 연동 분석 할 수 있도록 통합 DB도 구축해야 하고, 다양한 소셜미디어 채널 속에서의 이용자 아이디와 고객 아이디를 연동 분석 할 수도 있어야 합니다.

Social CRM What to do

그러나, 운영이나 내부 프로세스에 대한 충분한 진단과 검토 없이 무분별하게 도입돼 예산만 축내고 무용지물이 된 과거 외산 CRM 솔루션의 예를 타산 지석 삼아야 합니다.

기업 내부 자원과 문화에 특화 된 소셜 채널 운용 프로세스를 먼저 제대로 갖추고, 소셜 공간의 데이터 중 어떤 데이터가 유의미할 것인지 수동으로 데이터 수집 및 분석도 해 보고, 노가다가 동반되더라도 여러 채널에 걸쳐 있는 한 명의 고객 활동도 집중적으로 추적 및 분석을해 보아야 합니다.

이렇게 운영 및 분석에 대한 프로토타입을 설계한 다음에야 시스템 구축 또는 솔루션 도입을 고려해야 합니다.

솔루션 도입 시에는 무거운 레디메이드 솔루션을 도입하기 보다는 필요로 하는 기능을 하나 또는 두 개를 충족하는 솔루션을 여러 개 벤치마킹 테스트 하여 자사에 특화된 솔루션 조합을 찾아 내거나 아예 새로 필요한 기능한 구축해야 합니다.

현재 시장에는 오라클, IBM 과 같은 대형 벤더로부터 중소 CRM 벤더, 중소 소셜 분석 벤더 들이 Social CRM 시장을 준비하고 있지만, 현재 시장에는 One Size fit All 솔루션은 아직 없기 때문입니다.

다시 한번 강조하지만, 어떤 벤더 사를 선택하느냐 보다는 수동 운영 및 분석을 통해 우리 회사에 맞는 원형을 만들어 놓는 것이 소셜 CRM 구현에 있어 더욱 중요한 과제입니다.

아침 출근 길에 맞딱뜨린 문구가 계속 맴맴 돌아 오랜만에 블로그에 글 올립니다.

“소셜미디어 ROI 는 마케터들이 자신들의 고객 프로필을 자신의 페이스북 URL과 매치시킬 수 있을 때 실현될 것이다.

지금현재로서는 블로그 포스팅을 해 주는 고객이 우리의 고객인지, 아니면 그냥 블로그 짓을 하는 것 뿐인지 알 수 없다.

그러나, 미래에는 고객이 오프라인 매장을 방문하면 그 고객이 쓴 온라인 댓글이 떠올라, 고객이 무엇을 주로 원하는 고객인지 알려줄 것이다.

그런 미래는 멀지 않았다. 우리가 온라인과 오프라인 매장이라 불리는 채널들은 그 전 어떤 때보다도 조화를 이루는 시대가 올 것이다. ”

The ROI will come when marketers are able to tie their customers’ profiles to their Facebook URLs,” she says. “As of right now, we don’t know if [someone who posts] is a customer. She may just be someone who is blogging.” Buettin sees a future in which a customer’s online comments can be brought into play when that customer visits a store. “We are a specialty retailer,” Buettin says. “We need sales associates to understand what the customer wants, so [the associate] can speak to her as a girlfriend.” That future isn’t so far off. “The channels, in terms of online and in the stores, are much more in concert than they have been before,” Buettin says.

최근 저는 오프라인 BTL 행사장에서 QR 코드를 통해 온라인 이벤트 페이지 참여를 독려하는 IMC 캠페인을 수행하면서, “와우 이들의 페북 아이디랑 이메일 주소랑 한 DB에 모으는 이벤트가 가능하겠구나 그렇게 모인 DB가 소셜 분석 기능과 결합되면 진정한 의미의 Seamless 온오프 통합 고객 경험을 창출할 수 있겠구나 하는 생각을 했드랬습니다. ”

한편, 온라인 상에서도 한 소셜미디어 채널에서의 아이디와 다른 소셜미디어 채널에서의 아이디 정보를 연결시킬 수 있다면 보다 풍부한 고객 경험을 선사할 수 있을 것입니다.

저는 최근 디지털마케팅 대행사에서 주부를 상대로 하는 소비재 기업의 트위터 및 블로그를 운영하면서 트위터에서 우리 브랜드를 RT/멘션하는 수를 기준으로 상위 50위까지의 트위터 팔로워 리스트를 추출하여 우리 타겟 고객과의 합치성 여부, 블로그 내 활동성을 확인을 해 보면서, 이 역시 트위터의 ROI 를 측정하는 지표가 될 수 있겠구나 하는 생각이 들었습니다.

숫자 놀음에 불과한 팔로워 수 보다는 브랜드 충성도 제고 라는 목적에 보다 부합하는 지표가 아닐까요?

이러한 데이터를 지속적으로 갱신하고 관리해 나간다면, 단골 트위터 고객과 단골 블로그 고객에 대해 보다 친밀하게 다가가 보다 특별하게 대우하는 소위 말하는 소셜 CRM 이 가능해 질 것입니다.

더 나아가 소셜미디어 상의 고객 활동 데이터, 웹 로그 데이터, 오프 매장 방문 데이터, 온오프 통합 고객 거래 데이터 등을 결합한 Virtual Customer Segmentation 을 구현한다면, 말도 많고 탈도 많은 소셜 미디어 ROI 에 대한 여러가지 의문은 저절로 불식될 것입니다.

저는 이에 대해 모 기업 제안서에서 아래와 같은 도식으로 설명해 보기도 했습니다. 과연 아주 먼 소설 속의 이야기일까요? 아래 그림은 제가 작년에 그린 그림이긴 하지만, 조금씩 그 시간은 다가오고 있는듯 합니다. 왜냐구요? 저에게 이런 이슈로 먼저 말 거는 온라인 친구 분들이 생기고 있거든요..

아래는 Gmail 계정을 기준으로 트위터, 페이스북, 링크드인 아이덴터티를 찾아 보여주는 Gmail 플러그인 화면입니다. 개발자 분들… 이런 기능을 만들어 주시면 우리 서비스들은 훨씬 업그레이드 될 수 있답니다~~
참고로 이 서비스는 Rapportive 라는 서비스입니다.

책쓰려고 작성해 놓았던 원고를 결국은 더피알에 보냈습니다. 어떻게 각색 돼 게재될 지 모르겠지만, 일단 원문은 보존해야 겠기에, 제 블로그에 공개합니다.

소셜 분석(Social Analytics)의 유용성

소셜미디어는 홍보 마케팅의 수단으로서 뿐만 아니라 고객 인사이트로서의 원천으로서도 큰 가치를 지닌다. 소셜 분석이 실질적으로 기업과 기관에게 어떤 가치를 지니는 지 그 구체적 사례를 살펴봄으로써, 소셜 분석 도입을 고민하는 기업 및 정부, 기관 등의 담당자들에게 그 유용성에 대한 실질적인 증거를 제시해 보고자 한다.

1) 리트머스로서의 소셜 분석

2009년 11월 28일 국내 이동통신 역사에서 큰 획을 긋는 사건이라고도 볼 수 있는 아이폰의 예약 제품 발송 및 개통 행사가 열렸다. 아이폰 출시에 대한 시장의 반응은 초미의 관심사였는데, 당시 리서치 회사에 근무하고 있던 필자는 출시 당일부터 3일 간의 트위터, 블로그 공간의 글들을 “아이폰” 이라는 키워드로 수집하여, 네티즌들이 아이폰 출시에 대해 어떻게 반응을 보이는 지 퀵 분석을 실시했다. 분석 결과 아이폰 출시를 열렬히 기다려왔던 네티즌들의 빠른 사용 후기와 함께 출시 행사의 열기 등을 전하는 긍정적인 시장 반응이 있는 반면, 느린 배송에 대해서는 불만이 높아 지고 있음을 발견, 조사 결과를 발표하여, 다양한 언론 매체에 싣렸다

[그림 1 – 제품 출시 직후 고객 반응 조사 사례] (2009년 12월 3일 시티신문 10면)

이와 같이 소셜 분석은 제품의 출시 직후 시장의 반응을 가늠하는데 탁월한 기능을 발휘한다. 만일, 디자인에 승부를 건 휴대폰을 출시하여 초기 마케팅을 전개하고 있는데 소셜 웹 공간에서는 디자인보다는 해당 제품의 버그나 다른 성능에 대한 글의 비중이 더 높다면, 기업은 이에 대해 발빠른 대응을 해야 한다. 예를 들어, 제품의 버그 이슈로 인해 우월한 디자인이 전혀 부각되지 않을 경우에는 재빨리 버그를 해결하여 펌웨어 업데이트와 같은 서비스를 통해 버그 이슈의 확대를 막아야 하고, 디자인 보다는 타 성능이 시장 내에서 더 인구에 회자되고 있다면 자사의 마케팅 커뮤니케이션 전략의 초점이 잘 못돼 있는 것은 아닌지 되돌아 보아야 할 것이다.

정부 역시 새로운 정책을 실시하기 전 또는 실시 직후에 소셜 웹 공간을 수집하여 분석함으로써, 그 정책이 국민들에게 어떻게 받아들여지고 있는지, 정책의 일부 시책 중 개선해야 될 부분은 없는지 확인하여 정책의 전개 방향을 조정해 나갈 수 있다.

소셜 분석에서 앞선 경험을 가진 기업들은 시장의 초기 반응을 알려주는 소셜 분석의 리트머스 역할에 초점을 맞추어, 제품 출시 초기의 소셜 데이터의 량이라든지, 글의 속성이라든지와 같은 축적된 소셜 데이터 특성과 제품의 여러가지 속성을 결합해 향후 매출을 예측하는 분석 모델이 개발 가능할 것으로 판단, 관련 연구를 지속적으로 전개하고 있으며, 구글과 IBM 은 실제로 소셜 글의 양이 매출 데이터의 선행 지수로 작동하고 있음을 발견한 연구 결과를 발표하기도 했다.

[그림 2 – 구글과 IBM 의 온라인 대화를 통한 예측 분석 모델링 연구 사례]

The predictive power of online chatter

2) 위기 구원투수로서의 소셜 분석

단 한 명의 블로거 글로 인해 델의 기업 명성 및 주가까지 하락한 사례에서부터 고객의 제품 A/S 요구를 묵살했다가 불매 운동으로 까지 확산된 도시바의 사례에 이르기까지 우리는 소셜 웹 공간에서 화난 고객의 게시글이 순식간에 전파되고, 큰 파장을 일으켜 흡사 바이러스나 전염병과 같이 번지는 경우를 매일같이 목도하고 있다.

소셜 웹 공간에서는 단 한 줄의 고객 불만 글이라도 그 글을 쓴 이가 누구이며, 그 내용이 얼마나 호소력이 있고, 얼마나 많은 이들이 오고가는 길목에 노출되었는가에 따라 그 영향력이 일파만파 확대될 수 있다. 이러한 소셜미디어의 특성으로 인해 소셜 분석은 특정 기업 또는 기관에 위기 상황이 발생했을 때 잠재적 위기 요소가 되는 게시글은 무엇인지, 위험이 소강 상태로 접어들었는지, 지속적으로 확대 발전하는 상태인지 등을 진단하는 데도 유용한 역할을 한다.

위기 상황은 보통 기업 또는 기관이 적절하게 대처 할 경우 이슈발생 –> 확산, 전개 –> 소강, 잔존의 3단계를 거치며 진화되지만, 회피, 침묵과 같은 부적절한 대응은 이슈의 소강은 커녕, 이슈의 재점화로 연결 돼 더 큰 화를 불러일으키게 된다.

아래는 실제 위기 상황이 발생해 매일 2~3시간 단위로 소셜 웹 공간을 모니터링했을 당시 위기 상황의 전개 양상을 나타낸 그래프로, 소강, 잔존에서 재점화로 이어지는 기미를 포착하여 보고함으로써 기업에서 적절하게 대응함으로써 이슈의 확대를 효과적으로 막을 수 있었던 사례이다. (참고로, 아래는 실제 프로젝트 당시와 모양만 비슷하게 보이도록 가상의 값들을 입력하여 만든 그래프임)

[그림 3 – 위기 이슈 발생 시 이슈 전개 양상 분석 사례]

이러한 위기 상황에서 기업들이 소셜 웹 공간을 열심히 모니터링하고 분석해야 하는 이유는 위기를 회피하기 위해서가 아니라 올바른 커뮤니케이션을 하기 위해서이다. 고객이 오해하고 있는 부분은 없는지, 허위 사실이 유포되고 있는 것은 없는지, 고객이 이 사태에 대해 기업이 어떻게 대처해 주기를 바라는 지 살펴보고 신중하고 적절하게 조치해야 한다.

사실 최상의 위기 관리는 예방인데 소셜 모니터링 및 분석을 주기적으로 실행할 경우 미리 큰화가 될만한 이슈를 조기에 찾아내 미리 대처함으로써 피해를 최소화할 수 있다.

3) 찾아가는 고객 서비스 툴로서의 소셜 분석

소셜미디어 시대를 맞아 고객은 기업들이 원하든 원치 않든 끊임없이 기업과 제품, 브랜드, 사회적 이슈에 대해 이야기 한다. 이렇게 게릴라처럼 사방 팔방에서 기업에 대해 이야기를 쏟아 내는 고객들에게 기업들은 어떻게 대응해야 할까?

이에 대해 Empowered 라는 도서에서는 기업 내 임직원들 개개인 역시 스스로의 판단으로 개별 고객에게 즉시 응대할 수 있도록 권한을 부여받아야 한다고 주장하고 있다. 즉, 실시간 커뮤니케이션 공간인 소셜 웹 공간에서 기존의 상명 하달 식 조직 체계는 적합하지 않으며 권한 이양 받은(Empowered) 임직원만이 힘을 갖춘(Empowered) 고객들을 적절히 대응할 수 있다는 것이다.

[그림 4 – Empowered Employee 도식화]

특히, 권한 이양 받은 임직원이 불만을 털어 놓은 고객의 글을 발견하자 마자 즉시 응대할 경우 불만 고객이 오히려 브랜드 옹호자가 될 수도 있다.

미국의 대형 유통 업체인 베스트바이의 경우 Best Buy’s Twitter Help Force 라는 완벽하게 권한 이양을 받은 트위터 고객 서비스 전담 팀을 운영하면서 트위터 내에서 고객 불만 글을 발견하면 즉시 #twelpforce 라는 해쉬태그로 해당 글을 공유하여 신속하게 응대하여 고객 만족도와 충성도를 높이고 있다.

기업들은 소셜 게시글 모니터링 및 분석을 통해 불만 고객을 발견하여, 찾아가는 고객 서비스를 제공하고 이를 통해 형성된 긍정적인 고객 경험이긍정적인 입소문으로 이어지는 선순환 구조를 만들 수 있는 것이다.

4) 고객 인사이트 보고로서의 소셜 분석

소셜 분석의 또 하나의 가치 중 하나는, 고객의 적나라한 목소리를 통해 고객 행동 넘어의 “동기”, 즉, Why 를 알게 해 준다는 점이다. 소셜 분석의 이러한 가치를 일찌감치 알아본 해외 및 국내 리서치 업체들은 유관 상품을 개발하여 서비스를 해오고 있는데, 사실, 소셜 분석은 전통 리서치를 일부분 대체할 수 있을 뿐만 아니라 어떤 측면에서는 더 나은 결과를 가져오기도 한다. 이런 면에서 혹자는 ‘Listening is the new asking’ 이라고 비유하기도 한다.

우선, 소셜 분석은 고객이 질문에 답을 하는 방식이 아니라, 자발적으로 소셜 웹 공간에 올려 놓은 글을 분석하기 때문에 질문하는 방식과 환경에 따라 영향을 받는 리서치와는 달리 전혀 편향돼지 않은(unbiased) 결과를 얻을 수 있다.

또한, 소셜 분석은 공간적 한계를 뛰어넘는다. 인터넷 공간에는 국경이 없기 때문에 제품 출시 후 한 자리에 앉아서 북미 지역의 반응과 유럽 지역의 반응을 비교적 빠른 시일 내에 확인할 수 있다. 필자가 몸 담았던 X 리서치 회사의 경우 영어, 불어, 스페인어 뿐만 아니라 중국어, 아랍어로까지 리서치 프로젝트를 해외 출장 한 번 없이 국내에서 바로 수행한 적이 있다. 해외 리서치 프로젝트를 수행할 때 소요되는 비용보다 훨씬 적은 비용으로 보다 많은 샘플들과 국가를 커버할 수 있어 이러한 리서치 방식이 점차 각광을 받을 것으로 기대된다.

소셜 분석의 또 다른 장점은 신속하게 결과를 얻을 수 있다는 점이다. 일반적인 리서치의 경우 조사 설계, 조사 대상자 선정 및 컨택, 조사 수행에 이르기까지 최소한으로 잡아도 1~2주는 기본으로 소요된다. 반면, 소셜 분석은 수집 및 분석과 관련하여 자동화 시스템 또는 프로세스가 존재할 경우 단 하루만에도 조사 결과를 손에 받아볼 수 있다.

한편, 고객 인사이트 발굴에 탁월한 소셜 분석의 잇점을 최대로 활용하기 위해 자사의 R&D 및 상품 기획 프로세스 자체에 소셜 분석 과정을 포함하는 기업도 늘어 실제로 A전자 B사업부는 신규 모델에 대한 소셜 분석을 NPD(신제품개발) Process에 편입시켜 신제품 버그에 대한 초기 대응에 활용하고 있다.

소셜 분석을 통해 제품 혁신 아이디어를 얻는 경우도 종종 있는데, Dell 사의 경우 ‘아이디어스톰’이라는 고객의 집단 지성을 활용하는 아이디어 발굴 커뮤니티를 아예 자체적으로 운영하고 있다.

5) 커뮤니케이션 나침반으로서의 소셜 분석

누구에게 어떤 메시지를 어떤 방식으로 전달할 것인가를 항상 고민하는 커뮤니케이션 전략 부서에게 있어 소셜 분석 결과는 명확한나침반 역할을 한다. 소셜 분석 결과를 매체 별로 들여다 보면 똑같은 회사의 제품에 대해서도 평가 글들이 조금씩 다른데, 이는 구성원이 다르고 매체의 목적 자체가 다르기 때문이다. 아주 쉬운 예로 다음 아고라 게시판과 조선일보 게시판의 글 내용과 논조는 같은 이슈에 대해서도 아주 상반된 경우가 많다.

그러므로, 기업은 보다 효과적인 커뮤니케이션을 전개하기 위해 타겟 고객이 주로 어디에 포진돼 있는지, 경쟁사와 비교했을 때 특히 취약한 매체는 없는지, 자사에 특히 부정적이거나, 우호적인 여론을 주도하는 빅마우스 고객은 없는지 등을 파악해야 한다. 즉, 타겟 고객의 주 이용 사이트 분석 및 각 사이트 별 메시지 분석을 통해 매체 전략 수립에 활용하는 것이다.

소셜 데이터 분석 기법 중 사회 연결망 분석할 경우 소셜 웹 공간에서 특정 주제 별로 대화의 허브 역할을 하는 사람과 대화 주제를 한 집간에서 다른 집간으로 전파하는 사람이 누구인지 파악할 수 있고, 심층 분석을 통해 각 대화 참여자의 영향력을 분석하고, 주제에 대해 우호적인지, 비판적인지와 같은 성향 분석도 가능하기 때문에 소셜 대화 참여자들에 대한 분석이 특히 주목을 받고 있는데, 한가지 유의할 점은 이러한 대화 참여자들 간의 역학 관계를 이용하여 대화를 조정하고, 통제하려 할 경우엔 역효과가 일어나고 그 반향은 무서울 정도라는 점이다. 이러한 분석 결과는 조정하고, 통제하는 쪽 보다는 제대로 이해하고 다가가고자 하는 쪽에 유의미하게 활용될 수 있을 것이다.

소셜 분석은 광고 전략 수립의 백데이터로서도 탁월한 기능을 발휘한다. 자사 및 경쟁사 브랜드에 대해 고객이 자주 쓰는 단어가 무엇인지 키워드분석을 진행할 경우 고객에게 쉽게 다가가고 받아들여질 만한 컨셉 및 메시지 개발에 활용할 수 있고 광고 모델에 대한 평판 분석을 통해 광고 모델 선정에도 활용할 수 있다. 실제로 G 광고대행사의 경우 20-30대 타깃인 화장품의 광고모델에 대한 네티즌들의 광고 평가 게시글을 수집하여 광고 전략수립 및 광고주 설득용 자료로 활용하고 있다.

또한, 정부 및 공공 기관의 경우 정책과 관련하여 논란이 심한 이슈가 있을 경우 소셜 모니터링 분석을 통해 오해가 있거나, 허위 사실이 있는 이슈에 대해서는 해명을, 설명이 부족한 부분에 대해서는 충분한 정보를 릴리스하는 등의 커뮤니케이션을 전개할 수 있고, 국민의 여론을 정책 방향 결정에 반영할 수 있다.

6) 성과 측정 도구로서의 소셜 분석

소셜 분석은 수행을 위한 방향성 수립 뿐만 아니라, 수행에 대한 성과를 측정하는 데도 유의미한 도구이다. 소셜미디어를 이용한 마케팅 활동이 주목을 받으면서 소셜미디어 마케팅의 ROI 에 대한 논란도 뜨거워 지고 있는데, 소셜 분석은 소셜 마케팅 활동 뿐만 아니라 오프라인 PR 활동에 대한 성과 측정에도 활용 될 수 있다.

예를 들어, 새로운 휴대폰 모델 출시 후 디자인의 강점을 부각하는 오프라인 PR활동이 전개되는 와중에 소셜 웹공간에서는 해당 제품의 디자인보다는 다른 특성이 인구에 회자되고 있다면, 해당 PR활동이 성공적으로수행되고 있다고 판단하기는 어려울 것이다. 이럴 경우 PR활동의 방향을 디자인에서 소셜 웹 공간에서 긍정적 반응을 얻고 있는 다른 특성을 강조하는 쪽으로 틀거나, 디자인에 대한 PR활동을 더욱 강화해야 할 것이다. 또한, 제품 관련 기사의 양과 소셜 웹 공간의 글의 양을 트렌드 그래프로 비교해 보면 아래의 그림처럼 기사가 집중되는 시기에 소셜 웹 공간에서의 대화도 집중되는 경향이 일반적인데, 기사가 집중되는 것에 비해 소셜 웹 공간에서의 대화가 활발하지 않을 경우 원인을 파악하여 개선하기 위한 노력을 기울여야 할 것이다.

[그림 5 - PR효과 측정]

성과 측정을 위해 소셜 분석을 할 경우에는 성공 여부를 판가름할 수 있는 지표(Key Performance Indicator) 수립이 가장 중요한데, 이 KPI 는 소셜 마케팅 활동의 목적을 무엇으로 정하느냐에 따라 달라진다. 만일, 자사 관련 소식들을 주기적으로 공유함으로써 소셜 웹 공간에서 자사에 대한 인지도(Brand Awareness)와 고객의 관여도(Brand Engagement) 및 입소문(Word of Mouth)을 활성화하기 위한 목적으로 소셜 마케팅 활동을 전개한다면 소셜 웹 공간 속의 자사에 대한 글의 량, 소셜 웹 공간에 공유된 링크를 통한 자사 사이트로의 방문 유입 수, 소셜 웹 공간에 공유한 글의 조회수, 댓글 수 등 이 중요한 지표가 될 수 있을 것이다. 목적 별 지표는 소셜 마케팅 활동을 전개하는 매체가 블로그냐, 트위터냐, 페이스북이냐에 따라 다시 상세하게 정의될 수 있다. 아래는 블로그 운영 시의 목적 별 KPI 의 예시로, 기업들은 자사의 소셜 마케팅 활동의 목적을 구체화하여 매체 별로 고객에게 바라는 행동을 기술하고 이를 어떻게 측정할 것인가를 정의함으로써 자사만의 소셜 마케팅 활동 성과 측정 매트릭스를 만들 수 있다.

[그림 6 - 블로그 KPI 예시]

의사 결정 플랫폼으로서의 소셜 분석

지금까지 열거한 소셜 분석의 유용성은 궁극적으로 바이럴 전략, 광고 메시지 전략과 같은 기능 차원의 전략에서부터 경쟁사 대비 차별화 전략, 시장 환경 분석에 의한 신제품 출시 전략과 같은 장기적 기업의 생존 전략에 이르기까지 의사 결정 지원 플랫폼으로서의 역할을 하게 될 것이다.

즉, 소셜 웹 공간의 다양한 데이터가 기업의 다양한 비지니스 기능으로 통합 돼 적절한 의사 결정으로 귀결되는 프로세스가 일상화 될 것이다. 소셜 웹은 검색을 통해 상시적 접근이 가능한 공간이기 때문에 그 분석 기능의 성능 차이는 있늘 지언정 대기업이 됐든 중소기업이 됐든 의사 결정의 근거로 소셜 데이터를 중요하게 받아들일 것은 자명하다.

떠오르는 새로운 미디어와 관련하여 통찰력 높은 책과 기사를 쓰고 있는 Brian Solis 의 경우 “The future of business is social” 이라는 기사에서 아래의 두 가지 도식화 이미지를 통해 이러한 관점을 잘 표현하고 있다.

[그림 7 - The future of business is social]

[그림 8 – Conversation Funnel]

지난 4월 28일에는 소셜미디어 경영전략과 성공모델 세미나에서 “Social Analytics 를 통한 Business Intelligence” 라는 거창한 제목으로 세미나 발표를 했었습니다. 소셜미디어가 홍보, 마케팅 관점에서뿐만 아니라 데이터 자체의 가치로 주목을 받을 시점이 곧 올 것이라는 이야기는 꼭 한번쯤은 다루고 싶었던 주제였기에 기쁜 마음으로 준비했었습니다.

상세 내용 참고 –> http://goldenplanet.co.kr/gpware/seminar/user_form.aspx

경영컨설턴트와 CRM 데이터 분석 전문 기업이 바라보는 소셜네트워크 세상의 가치는 그 차고 넘치는 데이터 속에 있기 때문에, 정통 경영 분석 기법과 CRM 분석 방법론을 소셜데이터에 적용했을 때 어떤 인사이트를 얻을 수 있는지를 주로 이야기했던 자리였구요. 흥행 성적은 so so 였지만, 오셨던 분들은 꽤 많이 공감하고 가셨던 자리인듯 합니다.

아래에 당일 발표했던 자료 공유드립니다. (IE에서는 제대로 안 보이네요. 구글 크롬이나 다른 브라우저로 봐 주세요~~ IE doesn’t support this scribd presentation, please choose other browser)

Social Analytics and Business Intelligence

당일 세미나 개최 주최인 ASNG (Advanced Social Network Group) 는 소셜 분석과 그로부터 얻을 수 있는 인사이트에 관심있는 이들이 토론하고 연구하는 모임으로 자리매김하기 위해 결성이 되고, 그 첫 출발을 알리기 위해 세미나를 진행했었습니다. 혹시 관심이 있는 분들은 Twitter – @ottugui 로 dm 주시면 다음 연구 모임부터 초대해 드리도록 하겠습니다.

작년 세미나 이후 오랜만에 소셜미디어 ROI 에 대해 강의를 했습니다. 약 1년의 시간 동안 그래두 나름 저만의 방법론을 만들 수 있었는데 이를 공유할 수 있는 기회를 얻어 너무 좋았습니다.

여러 가지 이론들과 사례를 보며, 제가 생각한 방법론은 아래와 같은데요. 하단에 첨부한 강의 내용 중 p34 가 제 아이디어의 정수를 담은 페이지인데 좀 허술하네요. 조만간 별도 포스팅으로 보완하겠습니다.

[1단계] 비재무적 성과 측정

소셜미디어 자체의 기능과 특성을 제대로 반영하는
- 브랜드 인지도 관련 KPI
- 브랜드 Engagement 관련 KPI
- Word of Mouth 관련 KPI

를 운영하는 각 매체 별로 Top Tier, Second Tier, Third Tier 의 계층 구조로 마련한다.

[2단계] 재무적 성과로 전환

이들 비재무적 KPI 를 재무적 KPI 인 빈도(Frequency), Reach (도달율), Yield (매출액), Conversion(전환율) 개념의 KPI 와 상관 분석을 통해 그 실질적인 금전적 가치를 증명한다.

[3단계] 측정 툴 선택

이렇게 KPI 를 설계한 다음 자사의 니즈와 예산에 맞는 측정 툴을 한 개가 아니라 여러 개 mix 하여 활용한다.

[4단계] 업그레이드
이러한 분석 방법론을 지속적으로 튜닝해 나간다.

제가 생각한 소셜미디어 ROI 측정 방법론 어떠신가요?? 여러분들의 많은 커멘트, 피드백 부탁드립니다. (트위터 토론도 언제나 환영입니다. Twitter – @ottugui)

아래 프레젠테이션이 익스플로러에서는 한글이 깨져 보이네요. 한글이 깨져 보이는 분은 아래 링크를 클릭하시거나, 구글 크롬과 같은 다른 브라우저를 통해 보시면 됩니다.

최근 “도아 (@doax) 님의 “트위터 영향력은 무엇으로 판단할까?” 라는 기사를 읽고 첨언을 해야겠다고 마음 먹고 있다가 이제서야 시간을 내서 글을 씁니다.

작년 트위터 바닥에서 “팔로워 수” 를 늘려 주고 돈을 받는다는 알바와 대행사가 등장하면서 팔로워 수가 과연 기업이나 개인 계정의 성과를 측정하는데 적당한 지표인가에 대한 문제 제기는 꾸준히 있어 왔고, 다행히도 이제는 팔로워 수 외에 다른 지표도 비중있게 보는 경우가 늘어나고 있는 듯 합니다.

저같은 경우 주변에서 자문을 구하면, 글 자체에 대한 평가를 할 때는 글이 받은 RT, 멘션 횟수, Favorited 된 횟수, 링크를 포함했을 경우 링크 클릭율이 중요하고, 계정에 대한 평가를 할때는 RT, 멘션 받은 수, Favorited된 횟수, 리스트된 수, Klout Score 등을 팔로워 수와 함께 보시기를 추천하되, 팔로워 수는 반드시 팔로잉과 함께 비교해 보시도록 조언합니다.

그러면서, 이런 데이터들을 확인할 수 있는 다양한 트위터 분석 서비스들을 함께 소개하지요.

그러면서 제가 빠지지 않고 트래킹하기를 강조하는 것은 바로 구글 애널리틱스(Google Analytics) 와 같은 로그 분석툴을 활용한 트위터 레퍼러 분석인데요, 마침 이러한 제 주장을 잘 백업하는 사례 연구를 두 가지 소개해 드리고자 합니다.

1) 첫번째 사례

아시다시피, 레이디가가는 2010년 6월 시점에 이미 6백5십만 가량의 트위터 팔로워를, 브리트니 스피어스의 경우 6백만, 애쉬튼 커쳐의 경우 5백80만의 트위터 팔로워수를 자랑하고 있었죠. 그런데, 매셔블에서는 이러한 엄청난 수의 팔로워수를 자랑하는 유명인들의 경우 트위터에서 인기가 있는 것은 사실이지만, Kim Kardashian 이라는 조금은 덜 유명한 셀레브러티의 경우 인기에 영향력까지 제대로 갖추고 있다고 진단을 했습니다. (http://mashable.com/2010/10/01/twitter-kim-kardashian/ 기사 참고)

그 이유는 바로 아래 그래프 때문인데요..

Kim Kardashian의 경우 트위터를 통해 자신의 공식 웹사이트로 유입되는 트래픽면에서는 여타 유명인들의 추종을 불허한다고 하네요. 그녀는 팬들에게 자신의 유러피안 풍 옷을 입은 사진을 보여주거나, 자신의 생일 파티에 초대하는 콘테스트를 열거나, 유방암 캠페인에 초대하거나와 같이 끊임없이 자신의 웹사이트의 컨텐츠를 보고, 참여하도록 유도하는 글들을 트위터 공간에 지속적으로 내보내고 있습니다.

그 결과 아래의 그래프처럼 트위터를 통한 자신의 공식 웹사이트로의 유입률이 거의 구글을 따라 잡게 된 것이지요

그런 측면에서 봤을 때 트위터에서 팔로워 수가 많아 인기가 많다는 것과 트위터를 통해 자신의 웹사이트로의 유입을 확대하는 것과 같이 영향력을 행사하는 것은 별개의 문제라고 볼 수 있을 듯 합니다.

2) 두번째 사례
최근에 http://econsultancy.com 이라는 B2B 컨설팅 서비스를 제공하면서 양질의 블로그 콘텐츠 서비스를 하고 있는 곳에서 자신들의 구글애널리틱스(Google Analytics) 분석 결과를 블로그 포스팅을 통해 공유했는데요..(http://econsultancy.com/us/blog/7217-how-econsultancy-measures-twitter-via-google-analytics 글 참고)

그들은 트위터에 블로그 글을 공유하기 위해 bit.ly 나 goo.gl 과 같은 주소 축약 서비스를 쓰기 전에 항상 아래와 같이 구글애널리틱스를 위한 트래킹 코드를 url 에 추가해 줍니다.

http://econsultancy.com/uk/blog/7212-google-s-farmer-update-who-was-hurt-the-most?utm_source=twitterfeed&utm_medium=twitter

그렇게 사전작업을 해 줬기 때문에 아래 이미지와 같이 트위터에 공유한 링크를 통해 들어온 방문 수 데이터가 첫번째 줄 Twitterfeed 항목으로 보여지게 되는 것입니다.

그들은 위와 같은 로그 분석 데이터를 통해 트위터 닷컴의 검색 등을 통해 자연스럽게 유입되는 비율보다 자신들이 의도적으로 트위터에 내보내는 글들이 더 많은 트래픽을 가져올 뿐만 아니라, 훨씬 더 많은 페이지를 훨씬 더 오랫동안 보도록 하는 효과가 있다는 걸 확인할 수 있었습니다.

와… 이 친구들 정말 멋집니다. 데이터는 Drill Down, 깊이 파면 팔수록 인사이트를 얻을 수 있지요.
그들은 더 나아가 구글애널리틱스의 고객 세분화 분석 기능과 전자 상거래 트래킹 기능을 활용해 아래와 같은 그래프를 확인합니다.

위 그래프가 의미하는 바는 바로 트위터를 통해 유입되는 방문자들 중 58.81%, 거의 60%가 재방문 고객이라는 점입니다. 트위터를 통해 이들 사이트를 방문하는 고객들의 경우 이미 econsultancy.com에서 양질의 콘텐츠를 내보낸다는 걸 인지하고 재방문하는 경우가 그냥 링크 제목에 끌려 클릭해서 들어오는 신규 방문자들인 경우보다 더 많다는 걸 의미하네요. 트위터가 신규 고객 유입에는 덜 효과적이다라고 해석할 수도 있겠지만, 트위터가 고객의 재방문을 유도하기에 적합한 매체라는 반증일 수도 있겠습니다.

한편, 위 그래프는 CRM 의 일반적인 법칙인 되돌아오는 고객이 더 많은 수익을 창출한다는 걸 증명해 줍니다. 사이트 내에서 이루어지는 전자 상거래 수익의 90%가 재방문 고객을 통해 창출된다는 그래프인데요. 물론, 구글애널리틱스에서 문의 창을 통해 인보이스를 거쳐 들어오는 주문은 트래킹 못하기 때문에 그 수치가 100% 맞지는 않지만, 재방문 고객이 수익의 대부분을 차지한다는 것은 분명해 보입니다.

[결론]
소셜미디어를 통해 다양한 PR, 마케팅 활동을 하면서 기본적으로 트위터에 공유하는 링크의 클릭율을 체크하고, 링크를 통해 들어온 고객들의 행동패턴이 다른 경로를 통해 들어온 고객들와 어떻게 다른지 분석하지 않는다면 그냥 do 만 할 뿐, 전략과 개선은 없습니다. 굳이 구글애널리틱스일 필요는 없습니다. 공짜 툴이기에 도입이 용이할 뿐이지, 국내에서 사용되는 다양한 툴들이 위에서 언급한 레퍼러 분석 기능을 제공하고, 심지어 네이버의 경우에도 유입 경로 데이터는 제공합니다. 자신이 하고 싶은 말을 트위터 공간에 마냥 쏟아내지 말고 고객의 반응을 함께 보면서 스마트하게 운영하는 우리가 되었으면 합니다.

html 소스 째로 다운 받으면 개별 사이트 링크들을 다 확인 가능합니다… Download the .html code right now

지난 주말에는 Hash Tag 분석에 대한 참으로 흥미로운 책 한 권을 우연히 읽게 되었습니다. 저자인 Kevin Hillstrom 역시 저처럼 데이터베이스 마케팅, CRM 분석 쪽에서 경력을 쌓다 소셜 데이터의 흥미로움에 끌려 소셜 분석 쪽에 발을 담궜더군요.

특히, CRM 의 다양한 분석 기법을 소셜데이터에 적용하는 실험을 하고 실제로 의미있는 인사이트를 얻고 있었습니다.

저자는 소셜미디어 내의 특정 커뮤니티 내에서 한 명의 영향력 자를 마케터가 파악하게 되면 그 영향력자를 통해 커뮤니티의 방향성을 어느 정도 조작 가능하다는 접근에 대해 의문을 품게 되었습니다. 즉, 한 명의 영향력자의 힘에 대해 지나치게 강조하고 있다는 것이지요.

하여 저자는 Mack Collier 라는 영향력자가 주최하는 #blogchat 이라는 소셜미디어 커뮤니티를 실험 대상으로 삼아 #blogchat 과 관련된 대화 데이터를 4개월 간 수집합니다.

해쉬 태그 분석 로 데이터

분석에 사용된 데이터를 살펴보면 아래와 같습니다.

1) FROM_USER : 트위터 유저 아이디
2) week : 4개월 중 몇 번째 주의 데이터인지(즉, 개별 아이디의 데이터들을 주단위로 말면서 몇 주째 데이터인지 표기를 함)
3) rt : 그 주에 다른 사람으로 부터 RT 받은 건 수
4) answ : 다른 사람으로부터 멘션을 받은 건 수
5) tweets : 트윗 수
6) statement : 트윗 글 하나
7) retweet : 다른 사람에게 RT 를 보낸 건 수
amplify : Quoted RT 라고 불리는 거죠.. 다른 사람에게 코멘트를 달아 RT 를 보낸 경우입니다.
9) converse : 다른 사람에게 멘션을 보내 대화를 한 경우
10) link : 트윗을 보낼 때 link 를 포함한 경우

이 Raw Data 를 기반으로 매 4주마다 데이터를 점검해서, 데이터마트를 구축합니다.
매 5주 차에 생성되는 이 데이터 마트에는 3개의 새로운 변수가 추가됩니다.

첫번째 새로운 변수는 Engage 라는 변수로, 5주째에 최소 1개 이상의 트윗을 #blogchat 으로 보냈을 때는 1, 아닐 경우는 0 으로 코딩을 해 줍니다.

다음으로 두번째 새로운 변수인 Recency 값을 기록해 줍니다. Recency (최신성)는 “weeks since last participation”으로 정의되는데, 마지막으로 활동에 참여한 것이 몇 주 전인지 기록합니다. 예를들어, 트위터 유저가 1주일 전에 마지막으로 #blogchat 에 참여했을 경우에는 1, #blogchat 에 마지막으로 참여한 게 4주 전일 경우 4를 기록합니다. 즉, 가장 최근까지 활동했을 경우 값이 1되고, 최근 활동이 미흡할 경우 값이 4가 됩니다. 값은 4주간의 기록이므로 1,2,3,4 중 한 개의 값을 가집니다.

세번째 새로운 변수는 Weeks 입니다. Weeks 에는 지난 4주 동안의 참여한 주의 개수를 기록합니다. Recency 와 마찬가지로 1, 2, 3, 4의 값을 가지며, 4주에 걸쳐 매주 활동에 참여했을 경우 4, 4주 중 한 주에만 활동에 참여했을 경우 1을 기록합니다.

나머지 변수들 중 Tweets, Statements, Re-Tweets, Amplify, Converse, Links 에는 지난 4주 동안의 활동 값의 평균값을 기록하고 RT, ANSW 변수에는 지난 4주동안 한 번이라도 RT(Mention)을 받았을 때는 1, 0 값을 기록합니다.

즉, 4주가 지나고 매 5주차마다 아래와 같이 데이터 마트를 생성하는 것입니다.

해쉬 태그 분석 변수, 데이터마트 구축

위와 같은 방식으로 데이터 마트를 구성하고 나면, 데이터를 또 다방면으로 들여다 볼 수 있게 됩니다.

예를 들어 데이터들을 recency 기준으로 다시 들여다 보면 아래와 같은 데이터 셋을 얻을 수 있고, 또 재미있는 발견을 할 수 있습니다.

drill-down-data

유저가 마지막으로 활동에 참여한 주가 1주 전인 경우와 4주 전인 경우를 대비했을 때 마지막 활동 참여 주가 가장 최근인 1주일 경우에는 Engage 율(#blogchat 해쉬 태그로 적어도 1회 아싱 트윗을 날린 비율)이 높은 반면 4주로 갈 수록 Engage 율이 낮아지는 거죠… 어찌생각하면 가장 최근까지 활동한 사람일 수록 활동도 왕성하다는 건 당연하지만, 이렇게 데이터로 확실하게 검증을 한다는 게 의미가 있을 듯 합니다.

또한, 유저의 활동이 뜸해지지 않도록 관리를 해 줘야 할 필요성도 이 데이터를 통해 확인할 수 있습니다. 1주, 2주, 활동이 뜸해 질 수록 미래 engage 율도 떨어지니까요..

이렇게 데이터를 drill down 하면 할 수록 흥미진진한 발견을 많이 할 수 있습니다.

Recency 변수와 Weeks 변수를 연동 분석하면, 최신성이 높고(1에 가까울수록), 활동주수가 많을 수록(4에 가까울수록) 이용자들의 engagement rate 가 높아진다는 것을, 커뮤니티 뉴 멤버들의 트윗수와 Engagement rate 데이터를 들여다 보면, 트윗을 한 건 날린 유저들보다 2번 이상 날린 유저들의 engagement rate 가 훨씬 높다는 것을 알 수 있습니다. (Rule of Two가 여기도 적용되네요.. 첫 구매 구객을 어떻게든 재구매하게 만들라.. 두번째 구매부터는 재구매율이 더 높아지리라.. 라는 규칙..)

음.. 이야기가 너무 깊이 들어가고, 어려워 지는 느낌이 없지 않아 있지만, 아래 분석 내용 역시 공유를 안할 수 없을 듯 합니다.

retweet-answered

위 그래프가 의미하는 바는 너무도 명확한 듯 합니다. 4주동안 다른 사람 글을 RT를 해 줬는데, 자기는 아무런 mention 도 받지 않은 사람이 그 다음 5주 째에 글 한 줄이라도 올릴 확률은 6%인데, 다른 사람 글을 RT 를 해 줬는데 반응이 왔을 경우 그 다음 주 커뮤니티에 또 참여할 확률은 61.9%라는 것이지요…

아.. 트위터 공간에서 RT와 Mention 으로 다른 사람에게 화답하는 것이 얼마나 중요한지 다시 한번 느끼게 되는 순간입니다.

저자는 또한, 이렇게 구축된 데이터마트로 고객 Segmentation 기법을 설명하고, 개별 Seg 별 Engagement rate 도 살펴 보고 있습니다.

Digital Profiles

이렇게 고객 Segment 를 나눠 개별 Seg 특성을 기술하고, 시간의 변화에 따라 한 명의 개인이 어떤 Seg 에서 어떤 Seg 로 움직여 가는지, 시간의 흐름에 따라 Seg 비중이 바뀜에 따라 커뮤니티의 흥망성쇄가 어떻게 변화되는지 살펴봄으로써, 커뮤니티가 더 성장할 것인지 쇠퇴할 것인지까지 예측이 가능하지요.

자사에 옹호적인 고객 층을 키워나가는 마케팅 전략 수립을 위해 고객 프로필 분석을 주기적으로 하는 것 역시 소셜 데이터 분석의 중요한 흐름 중 하나가 될 것으로 생각했었는데, 마침 좋은 예시가 될 수 있을 듯 해 공유드립니다.

아.. 저도 이런 데이터 분석하고 싶은데.. 돈 벌기 용 플젝때문에 바쁘다는 핑계를 대고 R&D를 소홀히 하고 있네요..쩝..

혹시 자사 브랜드로 온라인 고객 Engagement Rate 분석해서, 이 Engagement Rate 랑 자사 매출 데이터랑 상관분석해 보실 기업없으신가요? 혹시 의향이 있으시면 (Twitter-@ottugui)에게로 언제든 연락주세용~~

소셜데이터 수집부터 데이터 마이닝까지 든든하게 지원해줄 개발사와 함께 제안들어갑니다.. 고고씽~~

오랜만에 두번째 강좌 업데이트 합니다. ^^;;

첫번째 강좌 [구글 애널리틱스 강좌 1] 구글 Analytics 계정 생성 및 트래킹 코드 삽입 에서는 구글 애널리틱스 이용을 위한 준비 단계를 주로 설명했습니다.
계정을 어떻게 만들고, 구글 애널리틱스가 자신이 운영하는 웹사이트를 분석할 수 있도록 트래킹 코드는 어떻게 얻어서, 사이트에 삽입하는지 등등이요…

오늘은 구글 애널리틱스 분석을 위한 준비가 완료됐다고 가정을 하고 실제 리포팅 페이지 보기의 기초인 대쉬보드 및 그래프 기능을 설명할 예정입니다.

앗참, 그 전에 구글 애털리틱스 프로필에 대한 개념을 짚고 넘어가겠습니다. 리포팅은 프로필 별로 확인할 수 있기 때문입니다.
분석해야 될 웹사이트에 대해 분석과 관련된 설정 값을 저장한 한 세트를 보통 프로필이라고 하는데요, 구글 애널리틱스 이용자들은 하나의 계정으로 여러개의 프로필을 생성할 수 있습니다.
즉, 구글 계정 이용자들은 여러개의 구글 애널리틱스 계정을 가질 수 있고, 개별 구글 애널리틱스 계정에 여러 웹사이트에 대한 분석 설정 (프로필)을 생성할 수 있습니다.
이러한 계층 구조를 이해하기 쉽게 도식화 하면 아래와 같습니다.

Google Analytics Heirarchial Structure

하여, 저도 제 개인블로그에 대해 여러 개의 프로필을 생성했습니다. 구글 애널리틱스는 프로필에 설정된 분석 세팅을 적용하여 데이터 처리를 하기 때문에 프로필 별로 설정이 다르면 데이터도 다르게 쌓입니다.
그래서, 하나의 사이트에 대해서도 아주 기본적인 설정만 한 Raw Data 수준의 프로필, 일반적인 리포팅을 위한 프로필, 고급 설정 및 고급 분석을 테스트해 보기 위한 프로필 이 세가지는 가지는 가지고 있는 것이 바람직합니다.
그래야, 잘못된 설정으로 테스트 프로필, 리포팅 프로필 데이터가 꼬이더라도 Raw Data 프로필을 통해 기본 데이터들은 보존할 수 있습니다.

Google Analytics Profile Management

보통, 개별 웹사이트 프로필을 생성하고, 트래킹 코드를 사이트 모든 페이지의 태그 앞에 삽입하고 나서 생성된 프로필을 확인해 보면 아래와 같이 느낌표로 표시됩니다.

트래킹 코드가 제대로 작동 돼 구글 분석 서버가 데이터 수집 및 분석을 제대로 처리해야지만, 리포팅이 가능하기 때문이며, 3~4시간 정도 기다리면 느낌표가 없어지며, 그 때부터 분석 결과 리포팅을 확인할 수 있습니다.

리포트를 보려면, 생성된 프로필 옆에 View Report 를 클릭합니다.

아래 화면은 구글 애널리틱스 리포트 보기 첫 화면, 대쉬보드입니다. 대쉬보드는 말 그대로 계기판인데요, 운영하고 있는 사이트의 퍼포먼스를 한 눈에 볼 수 있도록 몇 가지 중요한 지표를 한 페이지에 요약해 보여주고 있습니다.

Goggle Analytics Dashboard

구글에서는 사이트 별로 중요한 KPI 가 다르기 때문에 아래와 같이 개별 리포트 페이지 별로 대쉬보드에 추가하기 기능을 제공하고 있습니다.

Add to Dashboard

또한, 대쉬보드에 너무 많은 항목이 있을 경우 필요없는 항목은 바로 그 자리에서 삭제할 수 있고, 서로 위치 변경도 할 수 있습니다.

구글 애널리틱스의 또 하나의 강점은 정말 파워풀한 트렌드 그래프 기능입니다. 리포트 페이지 상단에는 설정 된 기간 내의 방문자 수 추이 그래프가 기본으로 보이는 데요, 그래프 상단의 탭을 클릭하면, 두 개의 지표 그래프를 비교한다든지, 사이트 전체 데이터와 비교하는 설정을 제공합니다.

Google Analytics Trend Graph

아래는 그래프 내 두 개 지표를 비교하기 기능을 사용했을 때의 예입니다. bounce rate (달랑 하나의 페이지 또는 포스트를 보고 떠난 사람의 비율)과 매출을 비교해 보았는데요, bounce rate 와 매출이 서로 반대로 움직이는 게 그래프를 통해 바로 확인할 수 있습니다. 사이트에 여러 페이지를 둘러보지 않고 바로 떠나는 사람이 많을 수록 매출이 떨어진다는 것을 바로 알 수 있는 것이지요.

compare two metrics

Compare To Site 기능의 경우 방문 유입 경로 간에 비교를 할 때 적절하게 쓰일 수 있는 기능입니다.
예를 들어, blogger.com 사이트로부터의 유입 된 방문자 비율이 전체 방문 되는 지 보려고 할 경우, 우선, Traffic Source 페이지에서 blogger.com 사이트를 선택 –> 그래프 상단 탭에서 Compare To site 를 선택

traffice-source

Compare To Site

예전에 로그 분석 툴 성능이 그다지 훌륭하지 않던 시절에는, Raw Data 를 다운 받아 엑셀에 가져와 직접 그래프를 이것 저것 그려가며, 지표 간에 비교하고, 전체 데이터랑 부분 데이터를 비교 했었는데, 이제는 그래프 설정 값만 바꿔 가며, 바로 바로 궁금증을 확인할 수 있게 된 것입니다.

시간을 가지고, 그래프 설정만 다양하게 바꿔가며 데이터 확인을 해 봐도 사실 많은 인사이트를 얻을 수 있기 때문에 그래프 다루기는 반드시 직접 해 보시기를 추천드립니다.

—————————————————————————————————
[구글 애널리틱스 강좌 리스트]

[구글 애널리틱스 강좌 1] 구글 Analytics 계정 생성 및 트래킹 코드 삽입
[구글 애널리틱스 강좌 2]대쉬 보드 및 그래프 보기