• 아이지에이웍스

[INSIGHT] 데이터 사일로의 4가지 문제점, CDP로 해결하기




SaaS형 CDP 디파이너리(DFINERY)




“여러분의 회사는 몇 개의 마케팅 플랫폼을 사용하고 있나요?”


어트리뷰션, 앱/웹 애널리틱스, 마케팅 자동화, 고객 인게이지먼트, A/B 테스팅, 데이터 웨어하우스, 데이터 시각화 등… 기업의 성패가 데이터 활용 역량에 따라 좌우되다 보니, 다양한 목적에 따라 마케팅 플랫폼을 활용하는 기업들이 늘어나고 있습니다.


MarTech Industry Council의 글로벌 연구 결과에 따르면 기업당 평균 16개의 마케팅 플랫폼을 구매해서 사용하고 있고, 엔터프라이즈(Enterprise) 레벨에서는 무려 120개의 마케팅-테크 플랫폼이 도입되어 활용된다고 합니다. 마테크(Mar-Tech) 솔루션을 제공하는 업체도 8천 개로 늘어났다고 하니 어느 정도 이해가 가는 부분입니다.



(출처 = Marketing Technology Landscape 2020, chiefmartec)




이러한 트렌드는 마케터 채용 시장에도 반영되고 있습니다. 마케터가 마테크 툴을 몇 개나 다룰 수 있는지는 중요한 지원 자격이 되었고, 역량을 평가하는 기준으로도 활용되고 있습니다.

다양한 마테크 툴을 조합해서 활용하는 것은 Tech-savvy하고 멋져 보입니다! 동시에, 마케팅 목적에 따라 각각의 솔루션을 활용하는 것이 세분화된 마케팅 KPI를 달성할 수 있는 유일한 방법이라고 믿어왔습니다.


하지만 이러한 믿음은 기업 내부에 ‘데이터 사일로(Data Silo)’라고 하는 거대한 암덩어리를 키우는 환경이 되었습니다.





*Data Silo란? 각각의 조직단위 또는 목적별로 IT 인프라를 도입/구축해서 사용함으로써, 부서/사업/솔루션 별로 데이터가 고립되어 전사관점의 의사결정을 방해하고, 비효율성이 증가되는 현상




보이지 않는 거대한 암, 데이터 사일로

디지털 이니셔티브 핵심인 ‘데이터’가 21세기 원유로 급부상하고, 디지털 트랜스포메이션의 웨이브가 거세질수록 데이터 사일로 현상은 데이터 드리븐 시대를 영위하는 기업들이 겪는 가장 큰 문제 중 하나가 되었습니다.


다양한 글로벌 마테크 솔루션이 도입되고 있지만, 사용 목적에 따라 데이터가 수집, 관리, 통제되다 보니 각 솔루션별로 데이터가 고립되는 데이터 사일로 현상이 발생하는 것입니다.



데이터 사일로의 문제를 보다 자세하게 들여다보기 전에 현업의 마케터들이 데이터를 활용하고 있는 방법을 떠올려 볼까요?


마케터들은 구글, 페이스북 등 디지털 매체에 광고를 집행 후 어트리뷰션(attribution) 툴에 로그인하여 유저 레벨로 측정된 광고 성과 리포트를 확인합니다. 이후, 측정된 광고 성과 데이터를 직접 추출하거나 포스트백(post-back)을 통해 다시 고객 분석 솔루션인 애널리틱스(analytics) 툴로 보냅니다.


애널리틱스 툴의 새로운 UI 환경에서 마케터는 앞서 어트리뷰션 툴에서 가져온 데이터를 병합(merge)하고 분석 리포트를 생성합니다. 이후, 분석된 결과를 바탕으로 다양한 고객 세그먼트(segment)를 만들어 냅니다. 이 과정에서 가설과 마케팅 시나리오에 따라 다양한 조건의 수많은 세그먼트들이 생길 수도 있습니다.


데이터 프로세싱 환경에 따라 세그먼트는 수분 만에 생성될 수도 있지만, 몇 시간 이상 걸리기도 합니다. 긴 시간을 기다려 세그먼트 생성에 성공하면 다행이지만, 때로는 생성 실패가 발생하기도 합니다. 그러면 마케터는 처음으로 돌아가 다시 작업을 시작합니다.


우여곡절 끝에 세그먼트가 완성되면 이들을 대상으로 앱 푸쉬나 이메일 등 마케팅 메세지를 보내기 위해 데이터를 다운로드받고, 고객 인게이지먼트 솔루션이나 마케팅 액션 툴에 접속해 다시 데이터를 업로드합니다.



이 과정은 마치 실무자를 뺑뺑이 돌리는 것처럼 느껴진다 (출처=유튜브 71151601)



위 과정에서 발생하는 거대한 비효율성은 마케터의 귀중한 시간을 낭비하게 만들 뿐 아니라, 심지어 부정확하기까지 합니다. 테크 집약적으로 보이던 데이터 드리븐의 허상이 드러나는 순간입니다.


이러한 노동 집약적인 문제가 발생할 수밖에 없는 근본적인 이유는 해당 솔루션들이 어트리뷰션, 애널리틱스, 액션 등 각각의 목적을 달성하는데 필요한 데이터를 중심으로 설계되었기 때문입니다.



여기서 드러나는 데이터 사일로를 도식화해보면 아래와 같습니다.



마케터들이 ‘사람의 힘’으로 아래의 활용 영역을 엮고 있다.



각 솔루션이 가지고 있는 데이터 저장소는 분절된 채, 하단의 데이터 활용 영역을 사람의 힘으로 연결해서 사용하려고 하니 현업 마케터들의 고생이 이만저만이 아닙니다.





데이터 사일로로 인한 기업관점의 피해

데이터 사일로는 마케터를 고생시키는 것에 그치지 않고, 기업 관점의 더 큰 피해를 일으킵니다.



1. 중첩 비용 문제


어트리뷰션, 애널리틱스, 액션 등 각 솔루션들은 각자의 목적을 이루기 위해 데이터를 수집합니다. 이 과정에서 같은 데이터들이 불필요하게 반복되어 수집됩니다. 예를 들어, 재방문 유저의 Log in 데이터라는 동일 데이터를 툴에 따라 광고 성과 추적용/고객 분석용/타겟팅 세그먼트용 등으로 여러번 수집하게 되는 것입니다. 기업은 같은 데이터를 반복적으로 수집하고, 모든 솔루션에 각각 비용을 지불하게 됩니다. 이를 통해 통합된 데이터 환경을 보유한 것보다 평균 40% 정도 더 많은 지출이 발생합니다.



2. 다중 실패 지점 발생 문제


데이터를 여러 곳에서 수집해 옮기며 사용하다 보면 ‘데이터 불일치(Data Discrepancy)’가 필연적으로 발생하게 됩니다. 우리가 엑셀 시트에 함수를 적용하다 보면 가끔 수식이 오류 나는 것과 비슷하다고 볼 수 있습니다. 이때, Raw Data의 위치를 정확하게 알고 있다면 수정이 쉬운 반면, 데이터 실패 지점을 모르면 실패 원인을 밝히는데 상당한 시간과 비용을 쓸 수밖에 없습니다. 기업 내 데이터 엔지니어와 같은 전문가가 있더라도 말이죠.



3. 왜곡된 인사이트로 인한 문제


‘Event Data’란 고객이 서비스 안에서 발생시키는 다양한 데이터를 의미합니다. 모바일 앱 실행, 로그인, 상품조회, 장바구니, 결제 등 다양한 고객의 행동들을 하나의 이벤트로 보고 데이터를 수집합니다. 이때, 같은 이벤트 네임일지라도, 이벤트가 뜻하는 내용이 연동 과정에 따라 솔루션별로 다를 수 있습니다. 예를 들어, add-to-cart라는 이벤트가 장바구니 보기 메뉴의 진입을 말하는지, 개별 상품 담기의 완료를 의미하는지 등 이벤트 분류 체계(Event Taxonomy)를 꼼꼼히 관리하지 않으면, 이벤트 네임을 기준으로 데이터를 통합해 인사이트를 얻으려고 할 때 분석 의도 와는 완전히 다른 엉뚱한 결론이 날 수도 있습니다.



4. 내재화 비용 증가 문제


앞서 각 솔루션 별로 리포트를 옮겨 다니는 마케터의 모습에 대해 이야기했었는데요. 겉으로 드러나는 솔루션 사용 비용만 많아지는 것이 아닙니다. 사용자가 데이터에 접근하고, 데이터를 확인하는 모든 행위는 GUI (Graphical User Interface) 환경에서 이루어지는데, 여러 개의 마케팅 툴을 사용할수록 담당자가 학습해야 하는 GUI가 늘어나게 됩니다. 새로운 조직원이 충원되거나 담당자가 바뀔 때마다 학습 비용이 추가되고, 기업 입장에서는 내재화 비용이 증가하게 됩니다.




이러한 데이터 사일로 현상은 기업 입장에서 당장 해결해야 할 암덩어리 입니다. 그러나 파편화된 데이터 만큼이나 분절되어 있는 부서간의 이해관계 등 외적인 요소로 방치되고 있는 경우가 많습니다.

(혹시 우리 회사는...?)




데이터 사일로는 기업의 DX 시도를 무참히 죽일지도 모른다. (출처 = 오징어게임)




그렇다면 기업들이 데이터 사일로로 인해 겪는 피해는 어떻게 방지하고, 해결할 수 있을까요?




데이터 사일로 해결사, 디파이너리 CDP

요즘 업계에는 DX, 메타버스 만큼이나 핫한 용어가 있습니다. 바로 CDP(Customer Data Platform, 고객 데이터 플랫폼)입니다. 국내 CDP 시장을 선도하고 있는 디파이너리 CDP는 앞서 언급한 내용들을 정확히 반대의 개념으로 접근하고 있습니다. 이를 도식화 해보면 다음과 같습니다.


데이터가 통합되었으니, 원하는 기능을 쉽게 활용할 수 있다!




디파이너리와 같은 CDP의 활용은 통합된 Data Lake를 통해 데이터 사일로에서 발생하는 문제들을 해결합니다. 또한, 각각의 기능에 따라 원하는 모듈을 스위치 켜듯 활성화해 사용할 수 있습니다. 이를 통해 같은 데이터를 여러번 수집하며 낭비하던 솔루션 비용은 절감하고, 사용자 역시 단일화된 GUI를 사용하며 빠르게 숙련도가 향상 됩니다.


디파이너리 CDP는 SDK나 API를 통해 디지털, 오프라인 등 고객 접점에서 발생하는 데이터를 수집해 클라우드 Data Lake 안에 정보를 저장하고 정제 합니다. 이때, 1st party data만을 가지고 고객을 형상화할 수도 있지만, 디파이너리의 경우 3,500만 명의 오디언스 데이터를 제공하는 모바일인덱스 DMP까지 활용합니다.


이를 통해 고객별 경쟁 서비스 이용 현황, 관심사, 페르소나, 지역 등 DMP에서 제공하는 외부 데이터를 결합하여 더욱 입체적으로 고객을 형상화할 수 있습니다. 이렇게 풍부해진 데이터는 고객을 이해하고자 하는 마케터의 숙제를 해결하는데 직접적인 정보가 됩니다.


이제 통합된 데이터 환경을 보유하게된 마케터는 드래그앤드롭 기능을 통해 별도의 복잡한 수식 없이 고객 세그멘테이션을 클릭만으로 즉각 생성할 수 있으며, 생성된 세그멘테이션은 고객 행동 변화에 맞춰 끊임없이 자동 갱신됩니다.


타겟 고객에게 상황별 최적화된 메세지를 자동으로 전달하는 ‘그로스 액션’ 기능을 활성 시키기만 하면 앱푸시, 팝업, 이메일, 문자, 카카오톡 등 다양한 채널을 통해 프로모션 내용을 전달하거나 콜센터 시스템과 연결해 판매 촉진콜을 진행할 수 있습니다. 이 모든 과정에서 데이터를 옮겨야 하거나, 데이터가 유실되는 등의 문제가 발생해 마케팅 활동이 지연될 가능성은 없기 때문에, 마케터는 적극적으로 데이터를 활용할 수 있습니다.



디파이너리 플랫폼 아키텍쳐




분석할 데이터가 너무 많다면, 인공지능의 힘을 활용하자

우리가 분석해야하는 데이터의 양은 날이 갈수록 늘어나고 있고, 그 데이터들은 파편화되어 있습니다. 그러다보니 마케터들은 언제나 바쁠 수 밖에 없습니다. 그러나 CDP가 등장하면서 고객 행동 데이터가 통합되기 시작했고, 기계학습과 인공지능 모델링을 통해 고객 경험을 개선시켜주는 A.I 모듈들을 활용할 수 있게 되었습니다.


대표적인 사례로, 디파이너리 CDP의 ‘A.I Studio 이탈률 예측’ 기능이 있습니다. 디파이너리 이탈률 예측 기능은 접속, 구매이력, 실행한 이벤트, 접속시기 등을 주요 변인으로 사용하여 고객의 미래 이탈을 사전에 식별하는 기능으로 정확도 95% 이상을 보여주고 있습니다.




기존에는 많은 비용과 리소스를 투자해 힘들게 모객한 유저의 이탈을 방어하기 위해 리텐션 마케팅과 퍼널분석을 많이 활용했지만 이는 모두 사후 대책에 불과했습니다. 반면, CDP를 활용하는 마케터는 인공지능의 힘을 빌려 마케팅 골든 타임을 확보할 수 있게 되었습니다.



한달 후 이 고객이 다시 방문할 가능성은 2%입니다. 뭐라도 하십시오 휴먼.




이러한 A.I 모듈은 CDP 내에서 제공하는 액션 모듈 등 세부 서비스들과 연동되어, 이탈률 50% 이상의 고객을 별도 추출하거나 이탈률이 높은 고객군에 프로모션을 전개하는 등 선제적인 마케팅 액션을 가능케 합니다. CDP 덕분에 데이터 사일로가 사라진 통합된 데이터 환경은 새로운 인사이트에 기반한 마케팅 전략을 수행할 수 있게 지원합니다.




빅데이터 전략 선택, Best-in-Breed VS Best-in-Suite

지금까지 기업들이 겪고 있는 데이터 사일로 현상으로 인한 문제와 CDP를 통한 해결 사례에 대해 살펴보았습니다.


기업이 데이터 드리븐 전략을 수행하기 위해 택할 수 있는 방식은 크게 ‘Best-in-Breed’와 ‘Best-in-Suite’로 나눌 수 있습니다. Best-in-Breed는 목적에 따라 해당 영역의 솔루션을 개별 구매해 활용하는 것이며, Best-in-Suite는 이미 통합되어 있는 올인원 솔루션을 구매하는 전략입니다.


Breed 방식은 목적별로 최적화된 솔루션을 활용할 수 있는 장점이 있지만, 심각한 데이터 사일로 문제가 발생하며 이를 해결하기 위해 데이터와 시스템을 연결하는데 추가적인 리소스의 투입이 불가피합니다.


반면, Suite 방식은 데이터 사일로 문제를 해결하고 전체적인 비용을 절감시키는 효과가 있으나, 각각의 목적에 최적화된 기능을 제공하지 않을 수도 있습니다. 따라서 Suite 방식을 고려할 때는 기능별 완성도와 마테크 스택상의 커버리지를 살펴보는 것이 필요합니다.






모든 CDP가 디파이너리와 같이 풀스택의 모듈을 제공하지는 않습니다. 글로벌 CDP일지라도 데이터 저장소의 역할만 담당하거나, 기능 중에서도 일부 영역만 제공하는 경우도 있습니다. 혹시, 현재 CDP 도입을 고려하고 있다면 이런 부분들을 면밀히 검토하는 것이 필요합니다. 다음 콘텐츠에서는 CDP의 각 기능별 활용 사례를 중심으로 다뤄보도록 하겠습니다.



[ABOUT 디파이너리]


디파이너리는 웹, 앱, 오프라인 등 다양한 고객 접점에서 발생하는 파편화된 데이터를 수집, 정제, 분석해 통합된 인사이트를 바탕으로 고객 여정 기반의 마케팅을 수행할 수 있는 SaaS형 CDP(고객데이터플랫폼) 입니다. 디지털 전환에 필요한 실질적인 데이터 활용 인프라를 즉각적으로 제공하며, 도입 시 1개월 이내에 고객 경험 개선에 관한 DX 성과까지 확인할 수 있습니다.




조회 20회

최근 게시물

전체 보기