식품안전청(FDA)에서 인증한 식품에 부착된 라벨을 봅시다. 라벨에 표시된 식품 정보는 이해하기 쉽고 정확합니다. 그렇지만 이 라벨 자체가 현명한 식품구매를 하는데 꼭 도움이 된다고 할 수는 없습니다. 특히 당신이 슈퍼마켓을 정신 없이 돌아다니는 아이들과 쇼핑을 하고 있다면 말입니다.

 

오늘날의 마케터들은 보통 분석하기 어려운 데이터를 가지고 일하고 있습니다. 그래서 “미친 사람”이 “수학자”가 된다는 과장된 말이 있기도 합니다. 그러나, 우리는 완전히 이와 반대로 생각해야 합니다. 우리는 마케터들이 그들의 업무에서 데이터를 더 잘 활용할 수 있도록 도움을 주어야 하는 것이지, 그들이 자신들의 역할을 바꾸게 해서는 안됩니다.  사실, 타겟 고객을 선정하기 위한 알고리즘이 더 정교해질수록, 마케팅 캠페인에서 창의적인 아이디어는 더 많이 요구됩니다. 창의적인 아이디어를 만들어내기보다 단순히 기술적인 알고리즘 구현에만 과도하게 시간과 노력을 투자하는 경우, 타겟 고객을 목표한 시간 안에 찾을 수 있겠지만 그들의 마음을 움직일 만한 강력한 메시지를 던지지는 못할 것입니다.

 

오늘날의 마케터들이 가지고 있는 정보들은 식품 라벨에 표시되어 있는 열량 정보와 세세한 첨가재료들과 같다고 할 수 있습니다. 우리는 이 라벨을 통해 누가 정보를 가지고 있는지, 어떻게 정보들이 수집되었는지, 정보를 통해 확인 할 수 있는 것은 무엇인지 알 수 있기 때문입니다. 그렇지만 우리가 필요로 하는 것은 ‘이 음식은 지방 함량이 높습니다.’ 또는 ‘이 음식은 건강에 좋습니다.’와 같은 소비자 친화적인 정보입니다. 이런 정보들을 뽑아낼 수 없다면, 당신 회사에서 고가의 비용을 지불한 마케팅 분석 플랫폼은 그저 쓸모 없는 것이 되어 버리고 말 것입니다. 최근 연구에서는 응답자 중 40%가 ‘어떻게 분석 도구를 이용해서 비즈니스를 개선시킬 수 있는지 모른다.’는 이유로 그들의 회사에서 마케팅 분석 도구를 사용하지 않는다고 답했습니다.

 

위의 상황에 대한 예시로, 만약 당신의 회사에서 소셜 마케팅 캠페인을 진행한다고 하면, 아마도 담당 매니저는 현재 무엇이, 왜 유행인지 알아보기 위한 데이터 분석팀과 회의를 잡진 않을 것입니다.  그녀는 시시각각 변하는 고객 입소문 추이를 주시할 것입니다. 그녀는 데이터가 필요한게 아니라, 정답이 필요합니다. 지금 무엇이 적절한 헤드라인이며, 지금 어떤 내용을 페이지 최상단에 보이게 해야 하는 것인지, 제한된 미디어 예산 내에서 어떻게 홍보물 운영을 해야 하는 지를 고민할 것입니다. 이 질문들에 대한 대답은 객관적인 데이터 분석 보고서에서가 아니라 담당 매니저의 판단을 통해 얻을 수 있을 것입니다.

 

반면에 적재적소에 데이터를 잘 이용한 회사의 사례로 UPS를 들 수 있습니다. UPS는 일일 배송 경로를 최적화하기 위해 수 천 개의 데이터 포인트를 이용합니다. 55,000명의 배송기사와 지역 관리자들에게 제공되는 이 데이터 포인트 정보는 복잡하지 않으며, 활용도가 높습니다. 특히 트럭으로 배송하는 택배기사들에게 제공되는 정보는 교통정체에 대한 정보까지 제공합니다. 이러한 알고리즘은 택배기사들의 트럭 배기가스의 양까지 최소화하며 그들이 더 효율적으로 일할 수 있게 해줍니다.

 

데이터를 분석하는 것이 중요한 것이 아닙니다. 진정으로 중요한 것은 마케팅을 더 잘하는 것입니다. 아무리 사람들이 기계를 마케팅에 이용하는 비율이 증가한다고 하더라도 마케팅 의사 결정은 여전히 기계가 아니라 사람이 하는 것입니다. 이 사람들이 수를 셀 줄 모른다거나, 수학을 이해하지 못한다는 것은 아닙니다. 그러나, 이러한 의사 결정자들은 단순한 분석보다 더 많은 능력을 가지고 있습니다. 대량의 지식을 수집하고 데이터 과학을 다루는 것은 더 효과적이고 편리한 방법으로 사람들이 필요로 하는 것을 얻을 수 있도록 그들에게 도움을 주는 것입니다.

 

빅데이터가 마케팅에서 좋은 결과를 약속한다고 하지만, 획일적인 데이터 분석은 더 나은 마케팅 전략을 만드는 것을 오히려 망칩니다. 수학은 마케터가 더 나은 마케팅 의사 결정을 할 수 있도록 도움을 주는 역할로 사용해야 할 것입니다. 

 

* 본 기사는 HBR BLOG에 실린’Marketers Don’t Need to Be Data Scientists’를 번역한 내용입니다.

* 저자: 데이비드 스피츠는 RebelMouse의 이사회 의장이자 COO입니다.

* 번역: 정아린 / (HBR포럼코리아, http://www.hbrkorea.org)

 

https://hbr.org/2014/10/marketers-dont-need-to-be-data-scientists/

Leave a Reply