과거를 분석해 미래를 예측한다? 공상 과학 영화 얘기가 아니다. 인간은 자신의 경험 범주에서 옳고 그름을 판단하고 무의식 중에 과거의 경험에 지배 당한다.

개인의 경험이 일정한 패턴을 보이게 되고 비슷한 패턴을 보이는 무리를 그룹으로 분류한 후 그들 행동의 공통점을 분석하면 가까운 미래 예측이 가능하다.

클릭 기반의 검색 광고 환경에서는 극히 제한적인 정보를 수집하고 분석할 수 있었지만 SNS에서는 보다 다양하고 정확한 행동 패턴을 읽을 수 있게 되었다. 페이스북의 경우 팬 페이지 좋아요, 게시물 좋아요, 공유, 댓글, 친구 태그, 위치 태깅 등 다양한 흔적을 남기게 되는데 이러한 데이터를 분석해 일정 패턴을 찾으면 각 개인의 브랜드 선호도 뿐만 아니라 다음에 일어 날 행동까지 예측 가능해 진다.

우리는 이 데이터를 마케팅에 그대로 적용하여 성과를 올릴 방법을 연구했고 최근에 좋은 성과를 내고 있어 블로그에 소개하고자 한다.

검색엔진 최적화(SEO)에서 가장 먼저 하는 작업이 키워드 리서치(keyword research)다. 과거에는 단순한 형태소 중심의 키워드 리서치 방법이 사용 되었다면, 구글(gooogle)에서 펭귄(penguin) 알고리즘을 적용하면서 content quality를 측정 시작 했다.

그 시점에 등장한 것이 LSI keyword다. Laten Semantic Indexing keywords를 의미하는 것으로 이해 하기 쉽게 풀이하자면 ‘인간 의식에 잠재 되어 있는 관련 키워드 또는 대체 키워드’로 정의 할 수 있다.

예를 들어 우리나라 사람 다수는 ‘유가’라는 키워드보다는 ‘기름값’이란 용어를 더 자주 언급하고 전문가들은 ‘검색엔진’이라 표현할 때 일반인들은 ‘구글’, ‘네이버’, ‘다음’, ‘네이트’, ‘포털’ 과 같은 용어로 설명할 때 더 빠르게 이해한다. 이 때 특정 주제를 언급할 때 그것을 더 쉽게 설명하거나 대체할 수 있는 키워드가 바로 LSI 키워드다.

SEO 작업에서 LIS 키워드 발굴이 왜 중요 하냐 하면 상품을 공급하는 사람(또는 전문가) 관점에서 연상하는 키워드와 그걸 찾는 사람(소비자는 모든 상품과 제품에 대해서 지식을 갖고 있지 않다.) 그들만의 ‘언어’로 생각하기 때문에 실제 소비자들이 사용하는 그 내면을 파악하고 그것을 키워드로 활용했을 때 전환 빈도가 높아 진다.

소비자 구매 결정에 의식보다는 무의식이 작용하는 비율이 무려 95%나 된다는 연구 결과는 수도 없이 많이 나와 있을 정도로 잠재 의식 속에서 만들어진 키워드가 마케팅에 중요하다는 사실은 이미 충분히 입증 되었다.

우리 회사 홍보 팀에서 검색엔진 최적화(SEO) 프로젝트에 사용하고 있고 이러한 LSI 키워드 발굴 기능이 포함된 SEO 전문가 프로그램이 곧 출시 될 예정이다.

페이스북 사용자가 많아 질수록 페이스북 fan과 non fan 경계의 의미가 약해지고 있다. 페이스북 통계를 한 눈에 볼 수 있는 인사이트에 접근 가능한 기업 페이지가 몇 개 있는데 최근 데이터로 분석해 보니 이 같은 현상은 거의 모든 페이지에서 나오고 있다.

특히, 반응(interaction)이 높은 포스트일수록 non fan의 반응 비율이 높게 나온다. 이 얘기를 몇 몇 지인들에게 하니 컨텐츠를 잘 만들어 외부 reach가 길어진 영향일 것이라고 한다. 물론 그 말에도 동의하지만 non fan의 반응 비율이 갈수록 높아지고 있는 것 만큼은 확실하다.

트위터와 페이스북이 광고를 통한 engagement 비중이 점점 높아지고 있는 이유도 fan에 대한 의미가 과거와 달라졌다는 것을 반증 하는 것이 아닐까 싶다. 이벤트와 같은 장치를 활용해 억지로 fan 수 높이는 것보다 광고 통해 reach 확장하고 fan growth 속도는 늦더라도 진짜 관심 있는 사람들이 fan으로 흡수되게 하는 전략이 더 좋다. KPI 자체가 빠른 팬 확장에서 ‘Engaged User‘로 바뀌고 있다고 봐야 한다.

페이스북 사용자 행동 분석

이와 관련해서 페이스북 사용자 행동 분석(user benavior analysis)을 기업 마케팅에 직접 적용해 봤다.

1. A 사 페이지에 1년 동안 반응한(게시물 좋아요, 공유, 댓글, 친구 소환 등) 사람 명단을 세분화 시켜 최근 1개월, 3개월, 6개월 동안 자주 반응을 보인 사람을 그룹으로 묶었다.

2. 몇 개월 동안 꾸준히 자주 반응한 사람들이 어떤 이유에서 참여해 주고 있는지 공통점을 찾아 정리하고

3. 각 그룹에 속한 사용자들이 참여한 이벤트, 게시물 반응을 분석하여 선호 브랜드를 파악했다.

4. 그리고 처음으로 반응한 사람이 어떤 주제에 관심을 최초로 관심을 보였는지와 평소의 기호를 분석하여 remarketing 할 수 있는 컨택 포인트를 찾았다.

5. 분류 작업 후 1:1 마케팅을 한 결과 이탈율(bounce rate)이 자발적 순수 검색(organic serach) 수준으로 개선 되었다.(bounce rate 80% –>40% 변화)

로그 데이터를 분석해 보면 검색 엔진(search engine)을 이용해 직접 관련 키워드를 검색 후 방문하거나 특정 브랜드(또는 개인의 경우 닉 네임, 필명 등)를 찾아 유입되었을 때는 전체 평균 이탈율보다 50% 가량 낮으며 체류 시간은 3배 정도 높다.

반면, 페이스북 뉴스피드 통한 방문의 경우 평균 이탈보다 15% 정도 높다. 평소 engagement가 높은 팬의 방문 후 체류 시간, 재방문 빈도 역시 페이스북은 다른 플랫폼보다 낮은 편이다.  그런데 위와 같은 방법을 적용했을 때에는 검색엔진  최적화(SEO)를 통한 순수 검색 방문과, 이후 remarketing 을 통해 재 방문으로 유도했을 때와 비슷한 정도의 bounce rate가 나왔다.

검색엔진 최적화(SEO) 통한 리더 발굴(lead generation)에는 많은 시간과 노력이 필요한 반면 페이스북 사용자 행동 분석을 통해 이 방법을 적용했을 때 리더 발굴 소요 시간은 획기적으로 감소했으며 효과는 순수 검색 수준으로 이탈이 감소 되는 것을 알게 되었다. 특히 처음으로 반응한 user 에 대한  기업의 관심 표현은 기업 페이스북 운영에 아주 효과적이라는 것을 알 수 있다.

함께 보면 유용한 관련 글 :  Engaged user