지금까지 마케터들은 고객을 인구 통계적인 특성이나 거래 이력의 ‘공통점’을 찾아 하나의 ‘집단’으로 이해하는데 익숙해져 있었습니다. 이런 방식으로도 비즈니스를 하는데 큰 어려움이 없었고, 또 현실적으로 고객 개인에 대한 정보를 알아낼 수 있는 방법이 마땅치 않았기 때문이죠.
하지만 변화가 일어나고 있습니다. 스마트폰과 소셜네트워크(SNS)를 통해 고객들은 수많은 정보들을 쏟아내고 있습니다. 2012년 IBM CEO 연구 보고서에 따르면, 응답자의 73%가 개별 고객을 이해하는데 모든 역량을 집중해야 한다고 입을 모았습니다. 실제 고객의 지갑을 열게하는 회사, 고객이 직접 돈을 지불할수 있도록 어필하는 회사가 경쟁에서 살아남을 수 있기 때문입니다.
그렇다면 기업들은 어떻게 고객을 집단에서 개인으로 이해할 수 있을까요? 해법은 빅 데이터 속에 있습니다. 소비자 개인의 구매이력이나 주문, 지불방법, 사용이력과 같은 ‘거래데이터’ 이메일 채팅, 콜센터 노트, 웹서핑, 대면대화와 같은 ‘상호작용 데이터’ 선호사항이나 의견, 욕구가 드러나는 ‘행태 데이터’, 사회 인구통계적 데이터에 대한 다각적인 분석을 통해 개별 고객의 과거화 현재를 읽어 내고 이를 통해 다음 행동과 잠재된 요구 사항, 선호 제품을 예측해 낼 수 있습니다.
미국 개인 뱅킹, 보험 및 투자, 연금 상품 등을 취급하는 퍼스트 테네시 뱅크(First Tennessee Bank)는 빅 데이터 활용을 통해 세밀한 고객 분석과 비용 절감이라는 두 마리 토끼를 모두 잡아낸 사례입니다. 퍼스트 테네시 뱅크는 평소 리포팅과 추적 프로세스가 느려 고객에게 효율적으로 응대하거나 영업 기회를 지원하기 어려웠습니다. 예측분석을 활용한 결과, 보다 지능적으로 고객별로 적절한 상품을 추천함으로써 600% 이상의 투자 수익률을 달성했습니다.
그 동안 화장품, 과자 등을 파는 소비재 기업들은 일대일 맞품 마케팅을 벌이기 힘들었던 것이 현실입니다. 어떤 제품이 많이 팔리는 지는 알 수 있어도 그 제품을 누가 사는지 추척하기 어렵기 때문입니다. 개인 정보와 연계된 적금, 보험 같은 금융 상품을 파는 기업의 차이입니다. 그럼에도 불구하고 최근 빅 데이터와 분석 기술을 활용하여 고객 개인에 대해 보다 잘 알 수 있는 가능성이 열리고 있습니다.
똑같이 A라는 화장품에 년간 100만원을 쓰는 사람이라도 전체 화장품 구매액이 100만원인 사람과 200만원인 사람을 대상으로 한 마케팅은 달라야 할 것입니다. 아모레퍼시픽은 고객에게 직접 답을 받지 않고도 고객 데이터와 통계학적인 모델을 사용하여 ‘화장대 지수’를 만들어 이 문제를 해결했습니다. 5세 단위, 구 단위로 모든 고객을 나눴습니다.
같은 지역에 거준하는 비슷한 연령대 여성은 소득과 소비 면에서 유사한 성향을 가진다고 전제한 것입니다. 이를 통해 충성도 높은 기준 고객과 나머지 고객에게 각기 다른 맞춤 마케팅을 펼칠 수 있게 되었습니다.