이전 콘텐츠에서 많은 비즈니스에서 평균 CLV는 객단가 X 평균 총마진 X 구매 빈도 X 평균 고객 수명이라는 공식을 통해서 구하고 있다고 말씀드렸는데요. 이러한 CLV를 과거의 구매 데이터를 통한 고객생애가치라고 해서 외국에서는 Historical CLV라고 말합니다. 통상적으로 이렇게 구한 Historical CLV와 고객획득비용(CAC)을 비교하면서 마케팅 비용을 얼마나 쓰는 게 좋을지에 대해 고민하는 것으로 CLV를 활용했습니다. 하지만 이커머스 현장에서는 이제 CLV를 통해 직접 개인별 맞춤 타게팅, 나아가 비즈니스 혁신을 하는 것 까지를 고려하는 방향으로 나가고 있습니다. 이럴 때는 Historical CLV가 아닌 Predictive CLV가 주로 사용되는데요.
오늘은 최근 마케팅 기술로 많이 활용되는 Predictive CLV(예측 CLV)에 대한 설명과 CLV 활용 마케팅을 손쉽게할 수 있는 다이티의 솔루션 소개를 해드릴까 합니다.
🔍 Predictive CLV란 무엇이고 왜 중요한 건가요?
우리가 타겟팅을 해야 하는 세그먼트는 단순히 과거에 돈을 많이 쓴 고객은 아닙니다. 타겟팅의 대상으로 적합한 대상은 다가 올 미래에 내 서비스/제품 구매를 활발하게 할 고객일텐데요. 이 경우 고객 세그먼트 별로 Predictive CLV를 잘 파악하는 것이 중요합니다. Predictive CLV는 고객이 여태까지의총매출에 더해 앞으로 고객이 일으킬 총 예측 구매액을 포함한 고객생애가치입니다. 그래서 Predictive CLV는 예측을 얼마나 잘하느냐가 정말 중요하고, 'Predictive CLV'를 어떻게 구하느냐'에 따라 데이터 드리븐을 잘하고 못하는지를 판단할 수 있을 것 같은데요.
사실 많은 마케팅 솔루션은 미래예측과 같은 알고리즘 기술은 복잡하니까 과거부터 지금까지 총 매출을 통해 ‘미래에도 구매는 과거와 비슷할 것이다’라고 가정하여 CLV를 구하거나, 혹은 이보다 조금 발전한 수준으로 ‘작년 연평균 구매 금액’과 ‘평균 고객수명에서 고객 활동기간을 뺀 값’을 곱해 CLV를 단순 계산하는 방법을 활용하기도 합니다. 하지만 이런 방식은 오래 전 매출을 일으킨 고객과 최근 매출을 일으킨 고객의 CLV 차이, 한 번 구매할 때 큰 매출을 일으킨 고객과 작지만 자주 매출을 일으키는 고객의 차이, 그리고 개별 고객마다 다른 고객 수명을 갖고 있다는 점 등을 무시하고 예측한 값이기에 사실 정확하지 않고, 위험한 접근이라고 볼 수 있죠.
그러기에 예측도 높은 Predictive CLV를 만들어 내기 위해서는 여러 지표를 고려한 알고리즘을 활용해야 하는데요. 구매를 일으킨 시점이 얼마나 현재와 가까운지(최근 구매시점), 그리고 얼마나 빈번하게 구매(구매빈도)를 했는지, 1회 구매시 평균 구매금액(AOV) 등 다양한 요소에 가중을 달리 두고, 반영한다면 ‘향후 한 달 동안 A고객군은 AOV가 15만원일 것이다.’, ‘B고객군은 따로 액션이 없다면 1주 내 이탈할 확률이 매우 높다’ 등과 같이 좀 더 미래를 구체적이고 액션이 명확하게 나오게끔 예측할 수 있습니다.
실제로 위의 그래프는 다이티의 AI 기술을 통해 10개 그룹의 6개월 간 고객 매출액의 예측값과, 실제 매출액을 비교한 그래프인데요. 위 두개의 막대 그래프가 거의 동일하게 나온 것을 보면 알 수 있듯이 AI가 굉장히 정확한 예측확률을 갖는 것을 알 수 있습니다. 만약, 이렇게 정확한 고객 예측 데이터를 통해 타겟 마케팅을 진행한다면 보다 효율적인 마케팅을 할 수 있는 기회가 되겠죠.
또 반대로 다이티 AI를 통해 생존 확률의 예측값에 따라 10개의 그룹을 나눠서 6개월 뒤에 한 번 이상 구매를 했는지 정도를 그룹별로 확인을 해보았는데요. 생존 확률이 10% 미만으로 예측했던 고객은 실제로 구매를 거의 하지 않은 것으로 나타났죠. 그리고 그래프를 보면 생존확률과 실제 구매 정도가 비례하는 것을 보여줍니다. 즉, 이러한 AI 기술이 있다면 AI가 예측한 이탈 확률을 기반으로 이탈 가능성이 높은 사람을 타겟팅한 광고를 개별적으로 내보낼 수 있겠죠.
⚖️ Predictive CLV & Historical CLV
여기서 한 가지, 마케터가 빠져서는 안되는 함정이 있는데요. Predictive CLV가 Historical CLV보다 더 발전적인 형태의 CLV라고 생각해서는 안됩니다. 실제 마케팅 현장에서는 두 개의 개념 모두를 잘 파악하고, 잘 활용하는 마케터가 실제 효과가 높은 마케팅을 진행할 수 있기 때문이죠.
예를 들어볼 게요. 만약, 우리 쇼핑몰이 “이탈이 예상되는 VIP 고객을 잡기 위한 타겟 캠페인”을 진행하려 합니다. 이 때 Historical CLV만을 활용하는 마케터나 마케팅 솔루션은 ‘VIP 고객’은 추출할 수 있지만 ‘이탈이 예상되는 VIP 고객’은 추출하기 어렵죠. 반면에, Predictive CLV가 트렌디한 기술이라 생각해서 Historical CLV를 무시한다면 '이탈이 예상되는 고객'은 추출할 수 있으나, 이 고객이 '이탈이 예상되는 VIP 고객'인지는 파악할 수 없죠.
데이터를 활용한 마케팅을 잘하기 위해서는 내가 알고 있는 개념이나, 방법만을 고집하는 것이 아닌 본인의 문제 해결을 위해 필요한 데이터 활용 기술을 적재적소에 활용할 수 있어야 하는데요. 위와 같은 사례 외에도 마케터는 CLV를 통해 VIP로 발전이 예상되는 고객 객단가 향상 캠페인, 재구매 주기가 도래한 이탈 예상 고객 이탈 방지 캠페인 등을 진행할 수 있죠. 이렇게 CLV 마케팅은 기존과 같이 이커머스를 운영했을 때 예측되는 결과를 넘어 더 크게 비즈니스를 성장시키는 데 목적이 있다고 볼 수 있습니다.
데이터를 잘 활용하는 마케터는 한정적인 리소스로 원하는 목표에 있어 최대한의 효과를 달성할 수 있는 마케터일텐데요. Predictive CLV와 Historical CLV를 잘 활용한다면 어떠한 캠페인을 진행했을 때 얻을 수 있는 편익을 미리 알고 효율적인 마케팅을 할 수 있다는 것을 진행할 수 있겠죠.
🔍 LTV에 대한 더 자세한 설명, 동영상으로 확인해보고 싶다면?
🐾 Dighty AI로 CLV 활용 마케팅이 더 쉬워집니다 :) !
한국의 대표 데이터 기업 다이티도 AI를 활용하여 CLV가 높아질 가능성이 큰 고객을 유치, 또 CLV 향상을 위한 서비스를 제공 중에 있는데요. 간단히 여러분께 다이티가 CLV와 관련된 최신 AI 활용 마케팅 기술 서비스를 소개해드립니다 !
다이티 AI Delivery, 가장 쉬운 AI 기반 마케팅을 가능케하다
기업이 데이터를 잘 갖추고 있다고 하더라도 고객의 단순한 개별적 데이터를 직접 분류하고 현재 구매 가능성이 큰 고객, 이탈 가능성이 큰 고객 등을 분류하고 뽑아내어 개별적 마케팅을 진행하기는 쉽지 않습니다. 즉 데이터를 활용해 적절한 시점에 인사이트로 만들어내어 액션까지 가는 것을 기업이 자체적으로 진행하기에는 리소스가 크게 드는 것도 사실이죠.
그러기에 다이티는 CLV를 활용해 마케팅을 가장 쉽게할 수 있는 지름길인 AI 솔루션을 출시했는데요. 바로, Dighty AI Delivery가 대표적인 서비스인데요. 고객사의 고객 및 제품 데이터를 다이티의 AI 기술을 통해 분석하여 주마다 고객사에게 실제로 액션이 가능한 인사이트를 제공하고 있습니다.
이는 전자상거래에서 특히 유용한 서비스인데요. 다이티 AI는 CLV 분석에 따른 고객 세그먼트 생성 뿐만 아니라, 자주 방문하는 사용자 및 구매자의 행태를 분석하고 이에 근거한 최선의 상품 추천을 제안할 수 있습니다. 또한 사용이 크게 줄어든 유저를 찾아 마케터에게 이탈 가능성이 높은 고객을 알려주는 등 실제로 필요한 마케팅을 제시하기도 하고요. 이러한 AI Delivery를 활용하여 개인맞춤형 메시지를 보내면 유저의 이탈을 막고 그로 인한 손실도 줄일 수 있습니다.
복잡한 온라인 마케팅 세계에서 마케터는 유효 고객의 눈길을 사로잡기 위해 끊임없이 노력해야 하는데요. 남들보다 한발 앞서 AI를 활용하여 고객 생애 전 단계에 걸친 개인맞춤형 마케팅을 제공하고 이를 통해 고객생애가치(CLV)를 향상시킴으로써 데이터를 통해 진짜 효과를 만드는 마케터가 되길 다이티가 옆에서 함께할게요! 다이티의 AI 기반 마케팅 서비스에도 많은 관심을 부탁드려요 😊
이전 콘텐츠에서 많은 비즈니스에서 평균 CLV는 객단가 X 평균 총마진 X 구매 빈도 X 평균 고객 수명이라는 공식을 통해서 구하고 있다고 말씀드렸는데요. 이러한 CLV를 과거의 구매 데이터를 통한 고객생애가치라고 해서 외국에서는 Historical CLV라고 말합니다. 통상적으로 이렇게 구한 Historical CLV와 고객획득비용(CAC)을 비교하면서 마케팅 비용을 얼마나 쓰는 게 좋을지에 대해 고민하는 것으로 CLV를 활용했습니다. 하지만 이커머스 현장에서는 이제 CLV를 통해 직접 개인별 맞춤 타게팅, 나아가 비즈니스 혁신을 하는 것 까지를 고려하는 방향으로 나가고 있습니다. 이럴 때는 Historical CLV가 아닌 Predictive CLV가 주로 사용되는데요.
오늘은 최근 마케팅 기술로 많이 활용되는 Predictive CLV(예측 CLV)에 대한 설명과 CLV 활용 마케팅을 손쉽게할 수 있는 다이티의 솔루션 소개를 해드릴까 합니다.
🔍 Predictive CLV란 무엇이고 왜 중요한 건가요?
우리가 타겟팅을 해야 하는 세그먼트는 단순히 과거에 돈을 많이 쓴 고객은 아닙니다. 타겟팅의 대상으로 적합한 대상은 다가 올 미래에 내 서비스/제품 구매를 활발하게 할 고객일텐데요. 이 경우 고객 세그먼트 별로 Predictive CLV를 잘 파악하는 것이 중요합니다. Predictive CLV는 고객이 여태까지의총매출에 더해 앞으로 고객이 일으킬 총 예측 구매액을 포함한 고객생애가치입니다. 그래서 Predictive CLV는 예측을 얼마나 잘하느냐가 정말 중요하고, 'Predictive CLV'를 어떻게 구하느냐'에 따라 데이터 드리븐을 잘하고 못하는지를 판단할 수 있을 것 같은데요.
사실 많은 마케팅 솔루션은 미래예측과 같은 알고리즘 기술은 복잡하니까 과거부터 지금까지 총 매출을 통해 ‘미래에도 구매는 과거와 비슷할 것이다’라고 가정하여 CLV를 구하거나, 혹은 이보다 조금 발전한 수준으로 ‘작년 연평균 구매 금액’과 ‘평균 고객수명에서 고객 활동기간을 뺀 값’을 곱해 CLV를 단순 계산하는 방법을 활용하기도 합니다. 하지만 이런 방식은 오래 전 매출을 일으킨 고객과 최근 매출을 일으킨 고객의 CLV 차이, 한 번 구매할 때 큰 매출을 일으킨 고객과 작지만 자주 매출을 일으키는 고객의 차이, 그리고 개별 고객마다 다른 고객 수명을 갖고 있다는 점 등을 무시하고 예측한 값이기에 사실 정확하지 않고, 위험한 접근이라고 볼 수 있죠.
그러기에 예측도 높은 Predictive CLV를 만들어 내기 위해서는 여러 지표를 고려한 알고리즘을 활용해야 하는데요. 구매를 일으킨 시점이 얼마나 현재와 가까운지(최근 구매시점), 그리고 얼마나 빈번하게 구매(구매빈도)를 했는지, 1회 구매시 평균 구매금액(AOV) 등 다양한 요소에 가중을 달리 두고, 반영한다면 ‘향후 한 달 동안 A고객군은 AOV가 15만원일 것이다.’, ‘B고객군은 따로 액션이 없다면 1주 내 이탈할 확률이 매우 높다’ 등과 같이 좀 더 미래를 구체적이고 액션이 명확하게 나오게끔 예측할 수 있습니다.
실제로 위의 그래프는 다이티의 AI 기술을 통해 10개 그룹의 6개월 간 고객 매출액의 예측값과, 실제 매출액을 비교한 그래프인데요. 위 두개의 막대 그래프가 거의 동일하게 나온 것을 보면 알 수 있듯이 AI가 굉장히 정확한 예측확률을 갖는 것을 알 수 있습니다. 만약, 이렇게 정확한 고객 예측 데이터를 통해 타겟 마케팅을 진행한다면 보다 효율적인 마케팅을 할 수 있는 기회가 되겠죠.
또 반대로 다이티 AI를 통해 생존 확률의 예측값에 따라 10개의 그룹을 나눠서 6개월 뒤에 한 번 이상 구매를 했는지 정도를 그룹별로 확인을 해보았는데요. 생존 확률이 10% 미만으로 예측했던 고객은 실제로 구매를 거의 하지 않은 것으로 나타났죠. 그리고 그래프를 보면 생존확률과 실제 구매 정도가 비례하는 것을 보여줍니다. 즉, 이러한 AI 기술이 있다면 AI가 예측한 이탈 확률을 기반으로 이탈 가능성이 높은 사람을 타겟팅한 광고를 개별적으로 내보낼 수 있겠죠.
⚖️ Predictive CLV & Historical CLV
여기서 한 가지, 마케터가 빠져서는 안되는 함정이 있는데요. Predictive CLV가 Historical CLV보다 더 발전적인 형태의 CLV라고 생각해서는 안됩니다. 실제 마케팅 현장에서는 두 개의 개념 모두를 잘 파악하고, 잘 활용하는 마케터가 실제 효과가 높은 마케팅을 진행할 수 있기 때문이죠.
예를 들어볼 게요. 만약, 우리 쇼핑몰이 “이탈이 예상되는 VIP 고객을 잡기 위한 타겟 캠페인”을 진행하려 합니다. 이 때 Historical CLV만을 활용하는 마케터나 마케팅 솔루션은 ‘VIP 고객’은 추출할 수 있지만 ‘이탈이 예상되는 VIP 고객’은 추출하기 어렵죠. 반면에, Predictive CLV가 트렌디한 기술이라 생각해서 Historical CLV를 무시한다면 '이탈이 예상되는 고객'은 추출할 수 있으나, 이 고객이 '이탈이 예상되는 VIP 고객'인지는 파악할 수 없죠.
데이터를 활용한 마케팅을 잘하기 위해서는 내가 알고 있는 개념이나, 방법만을 고집하는 것이 아닌 본인의 문제 해결을 위해 필요한 데이터 활용 기술을 적재적소에 활용할 수 있어야 하는데요. 위와 같은 사례 외에도 마케터는 CLV를 통해 VIP로 발전이 예상되는 고객 객단가 향상 캠페인, 재구매 주기가 도래한 이탈 예상 고객 이탈 방지 캠페인 등을 진행할 수 있죠. 이렇게 CLV 마케팅은 기존과 같이 이커머스를 운영했을 때 예측되는 결과를 넘어 더 크게 비즈니스를 성장시키는 데 목적이 있다고 볼 수 있습니다.
데이터를 잘 활용하는 마케터는 한정적인 리소스로 원하는 목표에 있어 최대한의 효과를 달성할 수 있는 마케터일텐데요. Predictive CLV와 Historical CLV를 잘 활용한다면 어떠한 캠페인을 진행했을 때 얻을 수 있는 편익을 미리 알고 효율적인 마케팅을 할 수 있다는 것을 진행할 수 있겠죠.
🔍 LTV에 대한 더 자세한 설명, 동영상으로 확인해보고 싶다면?
🐾 Dighty AI로 CLV 활용 마케팅이 더 쉬워집니다 :) !
한국의 대표 데이터 기업 다이티도 AI를 활용하여 CLV가 높아질 가능성이 큰 고객을 유치, 또 CLV 향상을 위한 서비스를 제공 중에 있는데요.
간단히 여러분께 다이티가 CLV와 관련된 최신 AI 활용 마케팅 기술 서비스를 소개해드립니다 !
다이티 AI Delivery, 가장 쉬운 AI 기반 마케팅을 가능케하다
기업이 데이터를 잘 갖추고 있다고 하더라도 고객의 단순한 개별적 데이터를 직접 분류하고 현재 구매 가능성이 큰 고객, 이탈 가능성이 큰 고객 등을 분류하고 뽑아내어 개별적 마케팅을 진행하기는 쉽지 않습니다. 즉 데이터를 활용해 적절한 시점에 인사이트로 만들어내어 액션까지 가는 것을 기업이 자체적으로 진행하기에는 리소스가 크게 드는 것도 사실이죠.
그러기에 다이티는 CLV를 활용해 마케팅을 가장 쉽게할 수 있는 지름길인 AI 솔루션을 출시했는데요. 바로, Dighty AI Delivery가 대표적인 서비스인데요. 고객사의 고객 및 제품 데이터를 다이티의 AI 기술을 통해 분석하여 주마다 고객사에게 실제로 액션이 가능한 인사이트를 제공하고 있습니다.
이는 전자상거래에서 특히 유용한 서비스인데요. 다이티 AI는 CLV 분석에 따른 고객 세그먼트 생성 뿐만 아니라, 자주 방문하는 사용자 및 구매자의 행태를 분석하고 이에 근거한 최선의 상품 추천을 제안할 수 있습니다. 또한 사용이 크게 줄어든 유저를 찾아 마케터에게 이탈 가능성이 높은 고객을 알려주는 등 실제로 필요한 마케팅을 제시하기도 하고요. 이러한 AI Delivery를 활용하여 개인맞춤형 메시지를 보내면 유저의 이탈을 막고 그로 인한 손실도 줄일 수 있습니다.
복잡한 온라인 마케팅 세계에서 마케터는 유효 고객의 눈길을 사로잡기 위해 끊임없이 노력해야 하는데요. 남들보다 한발 앞서 AI를 활용하여 고객 생애 전 단계에 걸친 개인맞춤형 마케팅을 제공하고 이를 통해 고객생애가치(CLV)를 향상시킴으로써 데이터를 통해 진짜 효과를 만드는 마케터가 되길 다이티가 옆에서 함께할게요! 다이티의 AI 기반 마케팅 서비스에도 많은 관심을 부탁드려요 😊