로그인

앰플리튜드

✦퍼스트 파티(First-party) 데이터✦ 왜 중요하며, 어떻게 수집해야 할까👀

Team MAXONOMY ・ 2023.02.21

✦퍼스트 파티(First-party) 데이터✦ 왜 중요하며, 어떻게 수집해야 할까👀

퍼스트 파티 데이터(First-party data)란, 기업의 웹 사이트 또는 모바일 앱과 같이 기업에서 소유하고 있는 채널을 통해 수집하는 고객의 정보입니다. 이메일 주소를 양식에 입력하는 것처럼, 고객이 직접 공유하는 데이터와 사이트 내 또는 인앱에서의 행동 데이터가 포함됩니다.


본 게시글에서는 퍼스트 파티 데이터를 수집하여 개인화된 고객 경험을 만들고 리텐션을 개선하는 방법을 알아보겠습니다.






🔎 주요 내용

  • 퍼스트 파티 데이터는 사람들이 제품 및 서비스와 상호 작용할 때 수집되는 정보입니다.
  • 고객으로부터 직접 수집한 데이터는, 세컨드 파티 또는 써드 파티 데이터 보다 제품 개선에 유용합니다.
  • 고객이 플랫폼에서 양식을 작성하거나 다른 프로세스를 완료할 때 등 고객과의 다양한 접점에서 퍼스트 파티 데이터를 수집하십시오.
  • 퍼스트 파티 데이터를 활용하여 고객 여정을 개선하고, 고객 경험을 개인화하며, 디지털 마케팅을 효율적으로 진행할 수 있습니다.







퍼스트 파티 데이터란 무엇인가요?


퍼스트 파티 데이터는 고객이 핵심 제품과 상호작용하는 이유에 대한 정보를 수집하는 것입니다. 반면에, 세컨드 파티 및 써드 파티 데이터는 오디언스(audience)와 외부 플랫폼 간의 상호작용으로부터 얻을 수 있습니다.


퍼스트 파티 데이터에는 크게 두 가지 종류가 있습니다.


  • 엔티티(entity) 데이터: 사용자의 신원(나이, 위치, 성별 등) 및 취향(즐겨 보는 영화 장르 등)에 대한 정보
  • 이벤트 데이터(또는 행동 데이터): 사용자가 플랫폼에서 수행하는 행동(클릭, 마우스 오버, 장바구니에 담기 등)에 대한 정보


개개인에 대한 퍼스트 파티 데이터를 수집하고, 그들을 그룹(또는 코호트)로 정렬하여 분석할 수 있습니다. 예를 들어, 플랫폼을 사용하는 동일한 조직의 사용자 그룹이 있을 수 있습니다. 그렇다면 코호트 분석을 통해 그들을 하나의 그룹으로 분석할 수 있죠. 혹은 '첫 주에 알림을 활성화했거나 친구와 플레이리스트를 공유한 사용자'와 같이 사용자 행동을 기반으로 코호트를 만들 수도 있습니다.


퍼스트 파티 데이터의 중요한 특징은 이 데이터가 조직에 속해 있다는 점입니다. 여러분은 이를 직접 수집하고, 저장하고, 관리하게 됩니다. 즉, 데이터를 수집하는 방법을 직접 결정함으로써, 데이터의 정확성과 합법성을 보장할 수 있습니다. 이는 세컨드 파티 및 써드 파티 데이터와의 차이점입니다.








퍼스트 파티 데이터 vs 제로 파티 데이터


고객이 적극적으로 공유하는 정보(설문조사, 고객 피드백 응답 등)를, 사람들은 제로 파티 데이터라고 부르기 시작했습니다. 제로 파티 데이터는 유용한 인사이트를 주지만, 고객이 직접 제출한 정보이기 때문에 부정확할 수 있습니다.


예를 들어 누군가는 공포 영화 장르를 좋아한다고 응답했지만, 사실은 대부분의 시간을 로맨틱 코미디 장르를 보면서 보낼 수도 있습니다. 마찬가지로 대부분의 사용자가 '이 플랫폼을 친구나 동료에게 추천할 의향이 있나요?'라는 항목에 '매우 그렇다'라고 응답하더라도, 실제로 '친구 추천 프로그램(refer-a-friend)'을 사용하는 사람은 극히 일부에 불과합니다.


이 글에서는 제로 파티 데이터를 퍼스트 파티 데이터의 한 유형으로 다룹니다. 이는 제품을 기반으로 하는 고객과의 직접적인 관계에서 비롯되며, 귀사는 이 데이터를 직접 소유하게 됩니다.







퍼스트 파티 데이터 vs 세컨드 파티 데이터


세컨드 파티 데이터는 소셜 미디어나 광고사 같은, 신뢰할 수 있는 파트너로부터 얻은 데이터입니다. 이 데이터는 기본적으로 다른 조직의 퍼스트 파티 데이터이고, 이것이 공유되면 여러분에게는 세컨드 파티 데이터가 되는 것이죠. 세컨드 파티 데이터를 수집했을 때의 이점은 그동안 수집한 데이터를 보완하여 더욱 큰 규모의 데이터로 만들어낼 수 있다는 것입니다.


가장 흔한 시나리오는 파트너 조직이 여러분의 플랫폼 사용자일 수도 있고, 아닐 수도 있는 사용자의 데이터를 수집하여, 여러분이 해당 데이터를 활용하여 조치를 취할 수 있도록 귀사와 공유하는 것입니다. 예를 들면, 퍼블리셔는 자사의 웹사이트에 광고를 게재하고 싶은 광고주와 자사의 오디언스에 관한 퍼스트 파티 데이터를 공유할 수 있습니다.







퍼스트 파티 데이터 vs 써드 파티 데이터


써드 파티 데이터는 데이터 집계기(aggregator)로부터 수집하는 데이터입니다. 써드 파티 데이터 공급자들은 세컨드 파티 데이터를 그룹화 하고 정리합니다.


써드 파티 데이터 셋(Data Sets)은 인구 통계학 정보, 특정 산업 종사자 등 일반적인 그룹에 대한 정보를 제공할 수 있습니다. 그러나 데이터의 수집 시기 또는 방법과 같은 데이터 원본 소스에 대한 세부 정보는 알 수 없습니다.


써드 파티 데이터는 일반적으로 스노우플레이크(SnowFlake) 마켓 플레이스와 같은 온라인 플랫폼을 통해 구매할 수 있습니다. 써드 파티 데이터 공급자는 데이터 사이언티스트와 분석가가 더 많은 실시간 데이터 셋과 즉시 쿼리를 할 수 있도록 준비된 데이터 셋에 액세스할 수 있도록 데이터 교환 기능을 제공합니다. 그러나 문제는, 여러분이 구매할 수 있는 데이터라면, 경쟁사에서도 구매할 수 있겠죠. 그러니 이 데이터 셋이 귀사에 큰 경쟁 우위를 제공하지는 않습니다.


써드 파티 데이터는 써드 파티 쿠키를 통해서도 얻을 수 있습니다. 데이터 집계자는 다른 조직에 일정 비용을 지불하고 쿠키를 통해 사이트 방문자를 트래킹합니다. 하지만 구글이 써드 파티 쿠키 지원을 중단할 것이라 밝히면서, 이러한 관행은 곧 종료될 예정입니다.


최근 몇 년 동안 유럽 연합과 미국의 여러 주들도 데이터 수집, 데이터 개인 정보 보호, 데이터 공유에 관해 GDPR(일반 개인정보 보호법), CCPA(캘리포니아 소비자 개인정보 보호법)와 같은 더욱 엄격한 법률을 통과시켰습니다. 이러한 법적인 영향으로 인해 조직에서 데이터를 수집하고 공유하는 것이 점점 더 어려워지고 있는 실정입니다.

(참고: AI 시대 속 개인정보 보호 - 1단계 인식변화)





[🔖요약] 퍼스트파티 데이터 vs 세컨드 파티 데이터 vs 써드 파티 데이터


  • 퍼스트 파티(First-party) 데이터: 고객들로부터 얻을 수 있는 정보로, 귀사에서 직접 수집한 데이터와 고객들이 직접 공유하는 정보를 포함합니다.
  • 세컨드 파티(Second-party) 데이터: 데이터 파트너 또는 데이터 공급자로부터 제공되는 정보입니다.
  • 써드 파티(Third-party) 데이터: 세컨드 파티 데이터들을 그룹화하는 데이터 집계기로부터 얻을 수 있는 정보입니다.






퍼스트 파티 데이터의 종류


제품 내에서 수집하는 데이터는 모두 퍼스트 파티이기 때문에, 퍼스트 파티 데이터에도 다양한 유형이 있습니다. 다음은 퍼스트 파티 데이터의 주요 유형의 예시입니다.


사용자 속성

사용자 속성에는 사용자의 이름, 나이, 위치를 비롯하여 주소, 전화번호와 같은 개인정보 등이 포함됩니다. 사용자가 귀사의 제품에 등록하거나 양식을 작성할 때 또는 웹 분석을 통해 사용자의 속성 정보를 수집할 수 있습니다.


사용자의 선호도 및 관심사

퍼스트 파티 데이터 수집의 또 다른 이점은 다양한 데이터 포인트를 통해 고객의 선호도 및 관심사에 대한 정보를 파악할 수 있다는 점입니다. 예를 들어, 귀사의 플랫폼에서 하루에 3시간 이상 뷰티 튜토리얼을 시청하는 사용자는 아마도 헤어, 메이크업 제품에 관심이 있을 것이라고 파악할 수 있습니다.

또는 일주일에 여러 번 청구서 템플릿을 사용하는 그룹을 발견했을 수도 있습니다. 그렇다면 그들은 청구서 템플릿이 유용하다고 생각하며, 유사한 템플릿에 관심이 있을 것이라고 가정할 수 있습니다.


고객의 행동

사용자의 행동 또한 퍼스트 파티 데이터입니다. 다양한 이벤트를 트래킹하고 분석함으로써, 사람들이 플랫폼과 상호작용하는 방식을 이해할 수 있습니다. 예를 들면 다음과 같습니다.


  • 사용자가 사이트의 여러 페이지에서 보내는 시간
  • 사용자가 여러 기능을 사용하는 빈도
  • 사용자가 클릭한 버튼이나 링크
  • 사용자가 완료한 프로세스(등록 또는 회원가입, 구독 업그레이드 등)


코호트 분석을 사용하여 사용자를 행동에 따라(행동 코호트) 다른 그룹으로 분류할 수 있습니다. 위에서 언급했던 청구서 템플릿 예시로 살펴보면, 이러한 템플릿을 이용하는 사용자가 그렇지 않은 사용자보다 고객 생애 가치(CLV: Customer Lifetime Value)가 더 높다는 가설을 세울 수 있습니다.






위의 Amplitude(앰플리튜드) 매출 LTV 차트는 청구서 템플릿을 사용하는 사용자(파란색)의 CLV가 그렇지 않은 사용자(초록색)보다 높다는 가설을 확인시켜 줍니다. 그 다음으로 해야 할 작업은 고객 여정의 초기 단계에 청구서 템플릿의 표지를 바꾸는 A/B 테스트를 실시하여 CLV를 높이는 것입니다.








퍼스트 파티 데이터는 왜 중요할까요?


식사를 할 때는, 식재료가 어디에서 왔는지를 아는 것이 중요합니다. 그래야 몸에 해로운 것들을 먹지 않을 수 있죠. 데이터도 마찬가지입니다. 부정확할 수 있거나 품질이 낮은 정보는 비즈니스 의사 결정에 있어 큰 피해를 초래할 수 있기 때문에 조직에 유입되어서는 안됩니다.


퍼스트 파티 데이터 수집의 주요 이점은 조직에서 데이터를 수집하고, 분석하고, 활성화하는 방법을 처음부터 끝까지(end-to-end) 완벽하게 제어할 수 있다는 점입니다. 즉, 해당 데이터의 품질과 정확성을 확신할 수 있으며, 다른 파트너나 써드 파티 조직에 의존할 필요도 없습니다. 다만 모든 개인 정보 보호법 및 규정을 준수해야 하고, 데이터를 수집하기 전에 사용자로부터 적절한 동의를 얻었는지 확인해야 합니다.


또한 퍼스트 파티 데이터를 활용하면 유연성을 확보할 수 있습니다. 데이터를 업데이트하고, 추가하고, 다양한 오디언스 세그먼트와 코호트를 만들어낼 수도 있습니다. 이는 다른 조직에서 정보를 얻는 경우에는 불가능한 영역입니다.


마지막으로, 퍼스트 파티 데이터는 본질적으로 고객 및 제품과의 관련성이 매우 높습니다. 여러분이 수집하는 모든 인사이트는 플랫폼에 따라 다르므로, 이를 활성화하고 자사 데이터 전략을 만들어 앱과 웹 사이트를 개선할 수 있습니다.


퍼스트 파티 데이터는 다음과 같이 활성화할 수 있습니다.


  • 고객 여정에서의 마찰 지점을 찾아내고 해결함으로써 고객 경험과 리텐션을 개선합니다.
  • 다양한 오디언스 및 코호트의 선호도에 맞게 제품을 조정함으로써 개인화된 경험을 만드십시오.
  • 마케팅 예측(forecasting)을 활용하여 고가치 사용자를 식별하고, 광고를 리타겟팅하거나, 획득(acquisition) 채널에 더욱 집중함으로써 마케팅 효과를 높일 수 있습니다.








퍼스트 파티 데이터는 어떻게 수집해야 할까요?


제품에서의 클릭, 뷰, 프로세스와 같은 이벤트를 추적하고 고객이 플랫폼과 상호 작용하도록 유도하여 퍼스트 파티 데이터를 수집할 수 있습니다. 추적할 이벤트와 수집할 데이터를 결정하기 위해서는, 먼저 고객과 그들의 제품 사용에 대한 질문 리스트를 만들어야 합니다. 그 다음 질문의 답을 찾는데 도움이 되는 이벤트와 이벤트 속성을 정의합니다. 어떤 이벤트를 추적하면 좋을지 결정하는 기준에 대한 자세한 내용은 Amplitude(앰플리튜드)의 이벤트 추적 블로그 글을 참고 하십시오.


고객으로부터 유용한 데이터를 수집할 수 있는 접점은 다음과 같습니다.


  • 사용자 등록(회원가입): 사용자가 플랫폼에 등록할 때 데이터를 수집합니다. 소셜 로그인을 통해 페이스북이나 구글과 같은 기존 계정으로 로그인할 수도 있습니다. 이를 통해 사람들이 더욱 쉽게 로그인하고 프로필을 귀사와 공유할 수 있습니다.
  • 리드 생성 양식: 더 많은 정보를 수집하려면 리드 생성 양식을 사용하여 일반적인 등록 또는 온보딩 정보보다 더 많은 세부적인 정보를 공유하도록 사용자에게 요청하십시오. 예를 들어, 고객에게 유용한 백서(Whitepaper)를 다운로드 할 수 있는 권한을 부여하고, 그 대가로 어떤 업계에 종사하고 있는지, 그 회사의 규모는 어느 정도인지 공유하도록 하는 유인책을 만들 수도 있습니다.
  • 대화형 콘텐츠: 사용자가 대화형 콘텐츠를 통해 더 많은 세부 정보를 공유하도록 유도합니다. 설문 조사나 대화형 설문(챗봇 등)과 같은 사용자를 위한 재미있는 경험을 제공하여, 사용자의 관심사와 선호도에 대한 많은 정보를 수집합니다.








퍼스트 파티 데이터 관리 도구


데이터를 수집, 처리 및 분석하기 위한 여러 가지 데이터 관리 플랫폼이 있습니다. 조직의 규모와 유형, 그리고 특정 데이터 요구사항에 따라 귀사에 가장 알맞은 솔루션은 달라질 수 있습니다.


Amplitude (앰플리튜드)

Amplitude(앰플리튜드) CDP(Customer Data Platform)를 사용하여 다양한 유형의 데이터를 수집하고 구성할 수 있습니다. CDP는 Amplitude(앰플리튜드) 분석과 완벽하게 통합되어 있으므로, 데이터를 다운스트림으로 쉽게 전송하여 마케팅 또는 제품 전략에 따라 분석하고 활성화할 수 있습니다.


Amplitude(앰플리튜드)를 사용하면 데이터를 다양한 오디언스(코호트)로 세분화하여 셀프 서비스 분석을 실행하고 귀중한 인사이트를 수집할 수 있습니다. 이 플랫폼은 사용이 쉬우며, 조직이 데이터 중심으로 운영될 수 있도록 도와줍니다. 또한 데이터 사일로를 제거하고, 모든 조직의 구성원들이 데이터 인사이트에 액세스하여 업무에 활용할 수 있도록 지원합니다.


기타 데이터 관리 도구

  • Google Analytics
  • Matomo
  • SEMrush
  • SegmentSteam












콘텐츠 더 읽어보기

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요

관련 글 보기

Predictive Cohort 기능을 소개합니다.

Predictive Cohort 기능을 소개합니다.

데이터로 결과 예측하기

Amplitude(앰플리튜드)의 프로덕트 마케팅 지표 측정 팁! 좋은 질문을 만드는 방법

Amplitude(앰플리튜드)의 프로덕트 마케팅 지표 측정 팁! 좋은 질문을 만드는 방법

좋은 질문은 여러분이 원하는 항목을 정확히 측정하고 인사이트를 발견할 수 있는 가능성을 높여줍니다. 잘 구성된 이벤트와 이벤트 속성은 데이터 혹은 자동 추적 솔루션을 능가하는 효과가 있습니다.본 포스팅에서는 여러분의 팀에서 무엇을 측정해야 할지 더 나은 결정을 내릴 수 있도록 영향력있는 질문을 만드는 데 도움이 되는 몇가지 접근 방법을 자세히 공유하려고 합니다. 영향력 있는 질문을 만들기 위해서는 물론 연습이 필요하지만, 불가능한 일은 아닙니다.시작하기에 앞서, 저희가 경험을 통해 깨달은 내용을 먼저 공유하려고 합니다.‘어리석은’ 질문과 완전하지 않은 질문은 제외해야 하고, 무엇보다 서두르지 말아야 합니다. 일부는 질문의 내용을 브레인스토밍을 하는 것이 우스워 보이지 않을까 하는 생각에 도중에 중단해버리기도 합니다. 충분한 고민의 시간을 갖지 않고 서두르게 되면 겉핥기 식의 질문만 하게 될 가능성이 높습니다. 좋은 질문은 ‘좋지 않은’ 질문과 덜 중요한 질문을 바탕으로 고민한 결과에서 나옵니다. 큰 영향이 있는 좋은 질문을 하려면 이러한 노력의 과정을 여러번 거쳐야 합니다. 그러니 시간을 투자하십시오. 완전한 질문을 만들어야 합니다.다시 본론으로 돌아가 이야기를 이어가겠습니다. 일반적으로 사람들은 ‘데이터 제공’과 관련하여 다음 세 가지 중 한 가지의 니즈가 있습니다.결정이 필요한 건이 있고, 결정 이후에 그 내용을 알릴 수 있는 데이터가 필요합니다.가정의 불확실성을 줄이고 싶습니다.성과와 영향을 이해하고 싶습니다. 그리고 무엇인가 효과가 나오고 있는지 알고 싶습니다. 또한 어떤 것이 효과가 있거나 (혹은 효과가 없거나) 향후 효과가 있을 예정이라는 것을 (향후 효과가 없을 것이라는 것을) 증명하고 싶습니다.결정에는 가정이 포함되기 때문에 두 개념은 연결되어야 합니다. 가정은 결정으로 이어집니다. 우리는 일반적으로 어떤 결정을 내리기 위해서 (아무것도 하지 않기로 결정하더라도) 무엇이 효과가 있는지 확인하길 원합니다.그러나 질문을 유도할때는 결정과 가정을 나누는 것이 도움이 됩니다. 왜일까요? 사람들마다 각자 다른 관점에 끌리는 것 같습니다. 하나의 접근 방식만을 사용하는 것은 (예: 한 개의 캔버스만 사용하여 가정하는 경우) 팀에 제한을 주는 것처럼 느껴질 수 있습니다. 또한, 대부분의 팀에서 벤치마크와 ‘표준’ 매트릭스를 강조하고 있지만, 어떤 결정을 통보하고 어떤 가정을 검증하기를 원하는지 실제로 파악하는 데 어려움이 많습니다. 이것을 유연성이 더 많아졌다고 이해할 수는 없습니다.다음으로 알게된 점은 문제 해결의 수준(레벨)이 중요하다는 것입니다. 질문을 브레인스토밍하고 정제하여 우선 순위를 정하는 것이 한 단계 (또는 두 단계) 수준을 오르내리는 데 도움이 됩니다. 개방형 질문은 보다 구체적인 질문을 유도하는데 도움이 됩니다. 또한 구체적인 질문은 개방형 질문을 유도하는데 도움이 됩니다. 이것이 왜 중요할까요? 이렇게 함으로써 질문이 보편적으로 모두에게 해당되는 내용인지, 일부만 타겟으로 하는 구체적인 내용인지의 여부에 관계없이 모든 사용자를 참여시킬 수 있습니다.이 내용에 대한 보충 설명으로 아래의 이미지를 공유합니다. Miro에서 사용하는 실제 보드입니다.이 테이블에는 결정, 가정, 성과 및 영향의 세 열이 있습니다. 특이성의 범위에 따라 각 열에 대한 샘플 질문 및 가정을 작성합니다. 예를 들어, 이 가정은 전체 비즈니스의 기반이 될 수도 있고 (‘수요가 10년 동안 증가할 것입니다’), 버튼 배치와 관련된 가정이 될 수도 있습니다 (‘이런 유형의 버튼은 항상 오른쪽에 있습니다’). 전체 전략의 효과나 소규모 작업 흐름의 효율성에 대해 확인하고자 할 수도 있습니다.워밍업으로 브레인스토밍을 통해 각 열마다 세 가지 예시 문장을 적어봅시다.결정 예시가정 예시효과가 있을까?(is-it-working) 형식의 질문 예시이것을 약간 응용해보겠습니다. 매우 구체적인 예시 한 가지, 매우 광범위한 예시 한 가지 그리고 중간 정도의 특이성이 있는 예시 한 가지를 생각해 보십시오. 이는 준비 단계로, 운동 전에 스트레칭을 하는 것과 같습니다.DIY 앱 구축업체와 키트 디자이너를 위한 제품 판매를 가정하여 다음과 같이 완성해 보았습니다.‘자, 이제 결정, 가정 그리고 실행 질문의 항목 하나씩을 선택하여 자세히 살펴봅시다. 그리고 각각의 항목에 맞는 세 개의 하위 질문을 브레인스토밍해봅시다. 불확실성은 어디에서 줄여야 할까요? 어떤 질문이 (응답할 경우) 이 문제를 해결하는데 도움이 되나요? 해결까지는 불가능하더라도 최소한 해결할 수 있다는 자신감을 갖게 해줄까요?’또한 다음 항목들도 선택해야 합니다 : 왜, 누가, 무엇을, 언제, 어디에서, 어떤 것을, 얼마나 많이, 어떻게, 얼마나 오래, 하는지, 해왔는지, 할 것인지, 해야 하는지, 있는지 등.카테고리와 수준을 탐색한 다음 하위 질문을 브레인스토밍하는 이 두 단계 프로세스는 사람들이 더 폭넓게 생각하고 질문의 수준을 높이거나 낮출 수 있도록 합니다. 질문에 바로 뛰어드는 것 보다 훨씬 낫습니다.여러분의 팀에 문제가 있거나 더 많은 연습이 필요할 경우, 아래 빈칸 채우기가 도움이 될 수 있습니다.얼마나 많은 사용자가 지난 30일동안 ________ 했습니까?_____________ 경로에서 신규 사용자가 유입되는 경로는 어디입니까?_____________ 의 장기적인 리텐션에 _______________와 ______________가 영향을 미칩니까?_____________ 는 _____________에 비해 얼마나 더 잘 유지됩니까?_____________ 사용자가 ______________ 로 이동할 가능성이 더 높습니까?_____________ 당 평균 _____________ 수는 얼마입니까?고객은 _____________ 이후 어디로 이동하며, 결국 _____________이 됩니까?_____________ 를 예측할 수 있는 고객의 고유한 행동은 무엇입니까?언제 ____________ 우리가 반대로 ____________ 했습니까?사람들이 실제로 ____________ 합니까? 아니면 단지 ____________ 합니까?고객이 ____________ 를 시도할 때 언제/어디에서 문제가 발생합니까?_____________ 에 대한 우리의 노력이 ____________ 의 결과입니까?우리가 발행한 것이 ____________ 의 원인입니까? 아니면 ____________ 입니까?우리가 ____________ 하도록 하는 사소한 일이 있습니까?우리는 ____________ 로 가는 방향에 있습니까?이러한 활동은 질문을 브레인스토밍을 할 때 좀 더 확신을 갖게 합니다.워크샵이 끝날 때쯤 우리는 많은 질문과 하위 질문을 얻게 되고, 어떤 질문이 가치있는 지도 어느정도 알게 됩니다. 또한 많은 것을 배울 수 있는 항목을 가치가 있다고 판단하고 우선순위를 두게 됩니다. 하지만 무엇보다 가장 중요한 것은 어떤 질문의 ‘등급’이 가치있는지를 알게 되었다는 것입니다. 즉, 가장 중요한 명사, 동사, 워크 플로우 및 목표도 배우게 되었습니다.지금까지 설명드린 내용은 스마트 계측 접근법입니다. 물론 우리는 모든 것을 계측할 수는 없습니다(그렇게 해서도 안됩니다). 사용자의 모든 클릭을 기록해서도 안됩니다. 또한 모든 질문을 미리 예측할 수도 없습니다. 하지만 좋은 질문을 통해 인사이트를 발견하는 과정을 도구화할 수 있습니다.좋은 질문은 여러분이 가야할 길을 인도하는 훌륭한 안내자가 될 수 있습니다. 꾸준한 연습을 통해 좋은 질문을 하는 방법을 터득하고 익숙해 지십시오.

[활용 사례] 언더아머, 웰 파머시, 널드월렛

[활용 사례] 언더아머, 웰 파머시, 널드월렛

프로덕트 매니저는 팀에서 고객의 니즈를 받아들이고 훌륭한 제품을 생산하는데 반복하여 분석하는 작업이 얼마나 중요한지 잘 알고 있습니다. 그러나 명확하게 정의되어 있지 않고 액세스가 불가능한 데이터로 반복 작업을 계속 하게되면, 타겟 고객을 잘못 선정하는 오류부터 이전의 변경 내용을 검증하는데 너무 많은 시간이 소요되어 적절한 타임라인을 놓치는 이슈까지, 제품 출시 주기 내내 문제가 발생할 수 있습니다. 관련 내용을 좀 더 자세히 알아보기 위해 Amplitude(앰플리튜드)에서는 ‘제품 인텔리전스 리포트’를 통해 350여 명의 디지털 제품 의사결정자를 대상으로 설문조사를 진행했습니다. 그 결과 69%의 팀이 간단한 데이터 분석을 위해 며칠 또는 최대 일주일의 시간을 소요한다는 사실을 확인했습니다. 그 69% 중에서39%는 필요한 분석 결과를 기다리며 프로젝트 진행을 중단하고 있고,약 60%는 확실한 분석 근거가 아닌 본능에 따라 프로젝트를 계속 진행하고 있습니다. 또한 이 설문조사를 통해 프로덕트 인텔리전스 툴을 사용하여 명확하고 액세스 가능한 고품질 데이터를 활용하는 기업이 그렇지 않은 기업에 비해 매년 25% 이상의 성장률을 기록할 가능성이 5.5배 더 높은 것을 확인할 수 있었습니다.본 포스팅에서는 세 개의 글로벌 기업 (웰 파머시(Well Pharmacy), 널드월렛(NerdWallet), 언더아머(Under Armor)) 사례를 통해 고객의 인사이트가 프로덕트 팀에 매우 중요한 역할을 하고 있음을 설명합니다. 이 세 기업은 프로덕트 인텔리전스 툴 Amplitude(앰플리튜드)를 사용하여 신속한 의사 결정과 높은 고객 이해도를 갖게 되었으며, 데이터 분석을 통해 얻은 충분한 정보를 기반으로 플랫폼 개선을 위한 가설 설정을 진행했습니다. 웰 파머시(Well Pharmacy): 회원 가입 전환율 향상을 위해 퍼넬 활용웰 파머시의 프로덕트 팀은 웰 파머시가 영국에서 가장 큰 규모의 독립 약국이자 세번째로 큰 약국 체인임에도 불구하고, 프로덕트 인텔리전스 리포트의 대다수 응답자들과 마찬가지로 신뢰할 수 있는 데이터에 액세스하기가 어려웠습니다. 이로 인해 제품 개발 속도가 매우 느려지는 문제가 있었습니다. 당시 사용하던 분석 플랫폼은 겉핥기 수준의 데이터만을 제공했고 심도있는 고객의 인사이트를 보여주지 못했습니다. 특히 특정 이벤트를 진행한 후 고객이 어떤 행동을 했는지와 같은 중요한 정보가 누락되었습니다. 결과적으로 웰 파머시의 프로덕트 팀은 새로운 변화에 따른 효과를 검증하기 위해 더 자주 테스트를 진행해야 했습니다.이를 보완하기 위해 웰 파머시는 실시간으로 정확한 분석이 가능하며 프로덕트 팀 전체가 이해하고 사용할 수 있는 Amplitude(앰플리튜드)로 플랫폼을 변경했습니다. Amplitude(앰플리튜드)를 통해 통해 프로덕트 팀은 피드백 주기를 주 단위에서 분 단위로 단축할 수 있었습니다.또한, 회원 가입 과정에서 많은 수의 고객이 왜 중도에 이탈했는지와 같은 이전에는 확인할 수 없었던 인사이트를 빠르게 확인할 수 있게 되었습니다. 웰 파머시의 프로덕트 팀은 퍼넬 상에서 고객이 어디로 이탈하는지 파악함으로써, ‘가입 과정 중 이메일 확인 단계에서 많은 고객이 이탈한다’는 중요한 추세를 알게 되었습니다. 이를 개선하고자 이메일 확인 단계를 가입 과정의 다른 부분으로 이동했고, 그 결과 회원 가입 완료율이 30% 증가했습니다. 이는 고객이 온라인 약국을 더 많이 이용하도록 유도하는데 도움이 되었고, 매장 직원들의 스트레스 감소 효과도 가져왔습니다. 또한, 고객의 기본적인 질문 수가 감소하여, 약사와 고객 서비스 팀이 매장을 방문한 고객들에게 최선의 조언을 하는데 집중할 수 있게 되었습니다.  널드월렛(NerdWallet): 세그먼트 생성으로 리텐션 비율 증가웹사이트와 애플리케이션을 통해 퍼스널 금융 서비스를 제공하는 널드월렛은, 비즈니스 규모를 확장하면서 지속적인 성장을 위해 더 개선된 고객 인사이트가 필요해졌습니다. 이를 위해 프로덕트 인텔리전트 툴인 Amplitude(앰플리튜드)를 도입했고, 데이터 팀은 사용자 환경을 개선하고 고객이 계속해서 재방문하도록 유도하는 방법을 신속하게 찾을 수 있게 되었습니다.애플리케이션 로딩에 걸리는 시간과 같은 백엔드 엔지니어링 의사결정이 리텐션에 어떻게 영향을 주는지 관찰한 것이 그 첫번째 사례 중 하나입니다. 세그먼트와 코호트를 생성함으로써 팀에서는 제품 출시에 필요한 프로세스의 변경이 고객 행동에 어떤 영향을 주는지 비교할 수 있게 되었습니다. 이 정보를 통해 회사는 로딩 시간을 12초에서 5초로 단축했습니다. 널드월렛 팀은 실시간 분석 기능을 통해 전환을 유도하기 위한 소규모 실험을 수행할 수 있게 되었습니다. Amplitude(앰플리튜드)의 퍼넬을 이용하여 모바일 애플리케이션에서의 사용자 클릭율(CTR)이 웹사이트 사용자와 비교하여 상당한 차이가 있음을 확인했습니다. 웹사이트 CTR이 모바일 애플리케이션 CTR보다 2배 더 높았습니다. 또한, A/B 테스트를 통해 고객들의 반응을 이끌어낼 수 있는 캠페인을 만들 수 있었습니다. 널드월렛은 약간의 조정만으로도 빠르게 측정할 수 있는 Amplitude(앰플리튜드)의 장점을 활용하여 모바일 애플리케이션 클릭율을 200%까지 높였습니다.  언더 아머 (Under Armour): 코호트를 기반으로 가설 설정언더아머 커넥티드 피트니스는 맵마이런(MapMyRun), 마이피트니스팔(MyFitnessPal) 등 운동하는 사람을 위한 피트니스 앱 네트워크입니다. Amplitude(앰플리튜드) 도입 전에는 언더아머의 프로덕트 매니저가 현황을 확인하기 위해 매번 프로덕트 분석가에게 데이터를 요청해야만 했습니다. 프로덕트 분석가는 프로덕트 매니저에게 요청받은 정보를 전달하기 위해 오랜 시간 여러 번의 반복 작업이 필요한 SQL 쿼리 작업을 진행해야 했습니다. 그러나 프로덕트 인텔리전스 플랫폼 Amplitude(앰플리튜드)를 도입한 이후, 언더아머의 테스트 시간은 3개월에서 1개월로 단축되었습니다. 짧아진 테스트 주기는 고객의 신속한 학습과 측정을 가능하게 했기 때문에 고객이 좋아하지 않는 제품 기능을 구축하기 위해 리소스를 낭비하는 것에 대한 염려를 없앨 수 있었습니다. 또한 리텐션 증가와 기능 활용에 중점을 둔 대규모 업데이트도 수행할 수 있게 되었습니다.검증 기간이 단축됨에 따라, 팀에서는 새로운 기능 출시와 관련하여 예측을 하게 되었습니다. 첫번째는 고객의 자세 형성에 도움을 주는 기능을 제공하면 맵마이런(MapMyRun)의 리텐션 비율이 높아질 것이라는 가정이었습니다. 고객들이 부상 없이 계속 운동할 수 있도록 하는 것이 결국 애플리케이션을 계속 사용하도록 도움을 줄 것이라고 예측했습니다.이 가설을 기반으로 맵마이런(MapMyRun) 애플리케이션에 자세 코칭 팁 메뉴를 추가했습니다. 회사는 Amplitude(앰플리튜드)의 코호트, 세그먼트 및 리텐션 트래킹 기능을 활용하여 고객이 새로 추가된 메뉴를 좋아하는지를 분석했습니다. 결과적으로 자세 코칭 팁 메뉴의 도입은 성공적이었으며, 7일차까지의 리텐션 비율이 30%까지 향상되었음을 확인할 수 있었습니다.프로덕트 인텔리전스 툴 활용의 장점은 기업이 새로운 기능을 출시할 때 빌드-측정-학습 주기를 단축하는 것 뿐만이 아니었습니다. 현재의 제품을 더욱 매력적인 것으로 개선하여 고객에게 제공하는 방법을 파악하는 데도 도움이 되었습니다.예를 들면, 세그먼트 차트를 통해 레이스 트레이닝 플랜 기능을 고객이 많이 사용하지 않는 다는 것을 확인했습니다. 언더아머 팀은 더 다양한 목표를 제안하는 것으로 플랜을 재설계했습니다. 행동 코호트를 생성하여 재설계한 플랜이 시간의 경과에 따라 어떠한 영향을 주는지를 측정했습니다. 결과적으로 이 플랜을 사용하는 유료 고객의 비율이 이전보다 3배 더 높아졌음을 확인할 수 있었습니다.Amplitude(앰플리튜드)의 프로덕트 인텔리전스 리포트에 따르면, 많은 제품 의사결정자들이 실시간으로 활용하고 실행할 수 있는 고품질의 데이터를 보유하는 것에 어려움을 겪고 있다고 합니다. 반면에, 프로덕트 인텔리전스 툴을 사용하는 기업은 그렇지 않은 기업에 비해 최소한 일주일에 한 번 이상 새로운 기능을 출시할 가능성이 6배 더 높다고 합니다. 고객의 데이터를에 액세스하고 내용을 이해하는 것이 쉬울수록, 프로덕트 팀은 반복 작업을 더 신속하게 수행할 수 있게 됩니다.

[💡B2B 마케팅] ABM(타겟 기업 기반 마케팅) 통합

[💡B2B 마케팅] ABM(타겟 기업 기반 마케팅) 통합

B2B(Business to Business, 기업간 거래) 세계에서 제가 가장 좋아하는 잠재 고객 발굴 기법 중 하나는 어카운트 기반 마케팅(ABM: Account based Marketing)입니다. ABM에 익숙하지 않은 경우라면, 적합한 기술 솔루션을 활용하여 자사의 제품이나 서비스에 관심이 있을 수 있는 기업을 식별할 수도 있습니다. 대부분의 B2B 구매자는 전화를 걸거나 웹사이트의 리드 양식을 작성하기 전에 많은 조사를 하기 때문에 잠재적인 고객을 파악하는 것이 필수적입니다.ABM에는 여러 방법이 있지만 이 게시물에서는 IP 주소 조회를 사용하여 어떤 기업이 귀사의 웹사이트를 보고 있는지 식별하는 기술에 중점을 둘 것입니다. ABM 플랫폼으로는 6sense, Demandbase, KickFire 등 다양한 벤더사가 있으며, 이 중 Amplitude(앰플리튜드)는 기업명, 직원 수, 산업군, 수익 및 기타 여러 데이터 포인트를 제공하는 6sense를 사용합니다. 이러한 기업 관련 데이터는 ABM 벤더가 방대한 데이터베이스에서 수집하고 유료로 JavaScript 태그를 통해 고객과 실시간으로 공유합니다. ABM 플랫폼은 일반적으로 회사 VPN 또는 네트워크에 있을 때만 사용자를 식별할 수 있으므로 ABM 데이터가 존재하지 않는 경우가 많습니다.이러한 ABM 데이터 포인트를 Amplitude(앰플리튜드)에 통합하는 방법을 소개하고 여러분의 잠재 고객에 대해 자세히 알아보겠습니다. 아래 예제에서는 6sense를 사용했지만, 다른 ABM 플랫폼에도 동일한 원칙이 적용된다는 것을 참고해 주십시오.  어떻게 작동하나요?높은 수준에서의 통합은 6sense 데이터를 사용자 및 이벤트 속성으로 포함하는 각 페이지 로드에서 Amplitude(앰플리튜드)에 새 이벤트를 전송하는 방식으로 작동합니다. 정보가 Amplitude(앰플리튜드) 속성에 있으면 세그멘테이션 리포트, 코호트 및 기타 모든 Amplitude(앰플리튜드) 리포트에서 다른 사용자 속성과 마찬가지로 사용할 수 있습니다. Amplitude(앰플리튜드)에서 이 새로운 ABM 이벤트를 "비활성 사용자" 이벤트로 표시하여, 리포트에 활성 사용자 비율이 과도하게 높게 표시되지 않도록 설정할 수 있습니다. 자세한 설정 방법은 본 게시물의 마지막 섹션을 참조하세요.이 Amplitude(앰플리튜드)의 ABM 통합을 통해 어떤 궁금증에 대한 답변을 확인할 수 있는지 지금부터 살펴보겠습니다.  어떤 기업에서 우리 웹사이트를 보고(view) 있나요?어떤 기업이 우리 웹사이트를 방문하는지 확인하는 것부터 시작하겠습니다. 이를 위해 6sense 기업 사명으로 분류된 새로운 6sense 보기 이벤트를 표시하는 데이터 테이블을 생성할 수 있습니다. 제 경우에는 제가 속한 앰플리튜드와 ABM 도구에 기업 이름이 없는 경우를 필터링하겠습니다.이 정보는 영업 및 마케팅 팀에서, 자사의 제품 및 서비스에 관심을 가질 가능성이 많지만 현재는 관심이 없는 기업을 식별하는 데 도움이 될 수 있습니다. 이 데이터가 Amplitude(앰플리튜드)에 있으면 Salesforce와 같은 CRM 툴로 전송하거나 Slack으로 라우팅하여 추가적인 가시성을 얻을 수 있습니다.  각 기업에서 어떤 콘텐츠를 확인했나요?다음으로, 여러분은 각 기업에서 여러분의 웹사이트에 방문하여 무엇을 보았는지 궁금할 것입니다. 다른 분석을 추가하여 이 정보를 확인할 수 있습니다:상기 이미지에서 Accenture가 확인한 페이지 리스트를 확인할 수 있습니다. B2B 기업의 영업 담당자는 위와 같이 각 기업에 대한 리포트를 필터링하여, 각 기업별로 자사의 제품 및 서비스에 얼마나 관심이 있는지, 어떤 주제에 관심이 있는지를 확인할 수 있습니다. 이 정보는 잠재 고객에게 대화를 유도하는 데 도움이 될 수 있습니다. 물론 웹사이트에 로그인을 하지 않았기 때문에 이 페이지를 본 사람이 누구인지 정확히 알 수는 없지만, 여전히 잠재 고객 조사에 유용한 정보가 됩니다.더 많은 정보를 확인하고 싶으시다면, 6sense City별로 데이터를 분류한 다음 제목별로 콘텐츠를 확인할 수 있습니다. 본 글에서는 시드니에 거주하는 Accenture 직원들을 분석하여 어떤 콘텐츠를 읽었는지 확인해 보겠습니다.어떤 기업이 구매를 고려하고 있을까요?B2B 세계에서는 가격 페이지가 중요합니다. 잠재 고객이 귀사 솔루션/서비스의 가격을 확인했다면, 이는 해당 기업이 솔루션/서비스 도입에 더 깊은 단계에 있음을 나타낼 수 있습니다. Amplitude(앰플리튜드) ABM 통합을 사용하면 웹 사이트에서 가격 페이지를 보고 있는 기업을 쉽게 확인할 수 있습니다. 어떤 기업이 이 주제에 관심을 가질까요?귀사의 마케팅 팀에서 내부 CRM 시스템에 있는 여러 타겟 기업에게 이메일을 보내려고 한다고 가정해 보겠습니다. 이메일 전환율은 본문의 내용이 수신자와 관련이 있을 때 가장 높습니다. Amplitude(앰플리튜드) ABM 통합을 사용하면 웹 페이지 또는 블로그 게시물에서 주제를 선택하고 해당 콘텐츠를 본 기업을 확인할 수 있습니다. 이 기업들은 그 주제에 대해 더 자세히 알아보는 데 관심이 있을 수 있습니다.이를 위해서는 특정 주제를 살펴보는 리포트를 생성한 다음, 6sense 기업별로 세분화하면 됩니다. 그런 다음 CRM 시스템에서 이 목록을 직접 선택하여 해당 주제에 대한 이메일을 수신할 타겟 이메일 주소를 결정할 수 있습니다. 다음은 이를 위해 생성할 수 있는 Amplitude(앰플리튜드) 리포트 유형입니다.여기에서 Amplitude(앰플리튜드)의 새로운 마케팅 분석 기능에 관심이 있는 상위 몇 개의 기업을 볼 수 있습니다. 그 다음 필요에 따라 이러한 기업 리스트를 내보내기(export) 할 수도 있습니다.어떤 업계에서 우리 웹사이트를 방문했을까요?만약 특정 산업군에 집중하기를 원한다면, 아래와 같이 자사 웹 사이트를 방문하는 업계를 확인할 수 있습니다.데이터 테이블에서 직접 새 차트를 열어 특정 업계에 대한 트렌드 그래프를 확인할 수도 있습니다.대어는 누구인가요?영업 담당자는 항상 큰 고객을 쫓고 싶어합니다. ABM 데이터를 분류하는 또 다른 기준은 ‘기업의 매출’입니다. 다음은 매출 규모에 따라 필터링된 보기로, 수십억 개의 기업을 대상으로 그룹화된 보기입니다.그런 다음 각 항목을 회사 이름으로도 분류할 수도 있습니다. 우리의 경쟁사는 무엇을 보고 있나요?ABM 통합으로 확인 가능한 또 다른 재미있는 사항은, 경쟁사가 귀사의 웹사이트에서 무엇을 보는지 알 수 있다는 점입니다. 타겟 기업의 활동을 보는 것과 동일한 접근 방식을 사용하여 확인할 수 있습니다.위의 경우 우리의 경쟁사는 Amplitude(앰플리튜드)에 입사 지원하거나 무료 평가판을 사용하는 것에 큰 관심이 있네요😆!   콘텐츠 개인화 (Personalization)ABM 통합에는 콘텐츠 개인화(Personalization)가 포함됩니다. Amplitude Experiment와 같은 실험/개인화 기능을 사용하는 경우, 방문자에 따라 표시되는 콘텐츠를 개인화할 수 있습니다. ABM 도구는 방문자의 산업군 정보를 제공하므로 해당 업계와 관련된 콘텐츠 또는 활용 사례를 보여줄 수 있습니다. 예를 들어 패스트 푸드 업계의 방문자에게는 QSR 활용 사례를 표시하고, ABM 회사 이름을 사용하여 회사 수준의 텍스트 개인화를 수행할 수도 있습니다.ABM 통합(Integration) 설정하기다음은 더 많은 정보를 원하는 분들을 위한 통합 설정 방법입니다.ABM 도구와 Amplitude(앰플리튜드)를 통합하는 첫 번째 단계는 ABM 벤더와 협력하여 데이터를 데이터 레이어로 보내는 것입니다. 구글 태그 관리자를 사용하고 있다고 가정해 보면, 벤더사에서 이 코드를 받아 필요한 데이터를 전송합니다.데이터가 데이터 레이어에 있으면 필요에 따라 태그 관리자를 구성한 다음 Amplitude(앰플리튜드) 태그를 수정하고, 이러한 데이터 값을 Amplitude(앰플리튜드) 속성에 삽입할 수 있습니다.그러면 다음과 같이 Amplitude(앰플리튜드)에 이벤트 및 속성으로 나타납니다.조직에서 비용 관리를 위해 Amplitude(앰플리튜드)로 전송되는 이벤트 수를 제한하려는 경우, ABM 제품에 조직의 데이터가 포함된 경우에만 이벤트를 전송하도록 태그 관리 시스템을 구성할 수 있습니다. 원하는 경우 귀사의 조직을 제외할 수도 있습니다. 이 두 가지 방법 모두 보고서 생성 시 수동으로 "None"과 귀사 조직의 값을 제외해야 할 필요가 없다는 추가적인 이점이 있습니다.

퍼스트 파티 데이터(First-party data)란, 기업의 웹 사이트 또는 모바일 앱과 같이 기업에서 소유하고 있는 채널을 통해 수집하는 고객의 정보입니다. 이메일 주소를 양식에 입력하는 것처럼, 고객이 직접 공유하는 데이터와 사이트 내 또는 인앱에서의 행동 데이터가 포함됩니다.


본 게시글에서는 퍼스트 파티 데이터를 수집하여 개인화된 고객 경험을 만들고 리텐션을 개선하는 방법을 알아보겠습니다.






🔎 주요 내용







퍼스트 파티 데이터란 무엇인가요?


퍼스트 파티 데이터는 고객이 핵심 제품과 상호작용하는 이유에 대한 정보를 수집하는 것입니다.  반면에, 세컨드 파티 및 써드 파티 데이터는 오디언스(audience)와 외부 플랫폼 간의 상호작용으로부터 얻을 수 있습니다.


퍼스트 파티 데이터에는 크게 두 가지 종류가 있습니다.



개개인에 대한 퍼스트 파티 데이터를 수집하고, 그들을 그룹(또는 코호트)로 정렬하여 분석할 수 있습니다. 예를 들어, 플랫폼을 사용하는 동일한 조직의 사용자 그룹이 있을 수 있습니다. 그렇다면 코호트 분석을 통해 그들을 하나의 그룹으로 분석할 수 있죠. 혹은 '첫 주에 알림을 활성화했거나 친구와 플레이리스트를 공유한 사용자'와 같이 사용자 행동을 기반으로 코호트를 만들 수도 있습니다.


퍼스트 파티 데이터의 중요한 특징은 이 데이터가 조직에 속해 있다는 점입니다. 여러분은 이를 직접 수집하고, 저장하고, 관리하게 됩니다. 즉, 데이터를 수집하는 방법을 직접 결정함으로써, 데이터의 정확성과 합법성을 보장할 수 있습니다. 이는 세컨드 파티 및 써드 파티 데이터와의 차이점입니다.








퍼스트 파티 데이터 vs 제로 파티 데이터


고객이 적극적으로 공유하는 정보(설문조사, 고객 피드백 응답 등)를, 사람들은 제로 파티 데이터라고 부르기 시작했습니다. 제로 파티 데이터는 유용한 인사이트를 주지만, 고객이 직접 제출한 정보이기 때문에 부정확할 수 있습니다.


예를 들어 누군가는 공포 영화 장르를 좋아한다고 응답했지만, 사실은 대부분의 시간을 로맨틱 코미디 장르를 보면서 보낼 수도 있습니다. 마찬가지로 대부분의 사용자가 '이 플랫폼을 친구나 동료에게 추천할 의향이 있나요?'라는 항목에 '매우 그렇다'라고 응답하더라도, 실제로 '친구 추천 프로그램(refer-a-friend)'을 사용하는 사람은 극히 일부에 불과합니다.


이 글에서는 제로 파티 데이터를 퍼스트 파티 데이터의 한 유형으로 다룹니다. 이는 제품을 기반으로 하는 고객과의 직접적인 관계에서 비롯되며, 귀사는 이 데이터를 직접 소유하게 됩니다.







퍼스트 파티 데이터 vs 세컨드 파티 데이터


세컨드 파티 데이터는 소셜 미디어나 광고사 같은, 신뢰할 수 있는 파트너로부터 얻은 데이터입니다. 이 데이터는 기본적으로 다른 조직의 퍼스트 파티 데이터이고, 이것이 공유되면 여러분에게는 세컨드 파티 데이터가 되는 것이죠. 세컨드 파티 데이터를 수집했을 때의 이점은 그동안 수집한 데이터를 보완하여 더욱 큰 규모의 데이터로 만들어낼 수 있다는 것입니다.


가장 흔한 시나리오는 파트너 조직이 여러분의 플랫폼 사용자일 수도 있고, 아닐 수도 있는 사용자의 데이터를 수집하여, 여러분이 해당 데이터를 활용하여 조치를 취할 수 있도록 귀사와 공유하는 것입니다. 예를 들면, 퍼블리셔는 자사의 웹사이트에 광고를 게재하고 싶은 광고주와 자사의 오디언스에 관한 퍼스트 파티 데이터를 공유할 수 있습니다.







퍼스트 파티 데이터 vs 써드 파티 데이터


써드 파티 데이터는 데이터 집계기(aggregator)로부터 수집하는 데이터입니다. 써드 파티 데이터 공급자들은 세컨드 파티 데이터를 그룹화 하고 정리합니다.


써드 파티 데이터 셋(Data Sets)은 인구 통계학 정보, 특정 산업 종사자 등 일반적인 그룹에 대한 정보를 제공할 수 있습니다. 그러나 데이터의 수집 시기 또는 방법과 같은 데이터 원본 소스에 대한 세부 정보는 알 수 없습니다.


써드 파티 데이터는 일반적으로 스노우플레이크(SnowFlake) 마켓 플레이스와 같은 온라인 플랫폼을 통해 구매할 수 있습니다. 써드 파티 데이터 공급자는 데이터 사이언티스트와 분석가가 더 많은 실시간 데이터 셋과 즉시 쿼리를 할 수 있도록 준비된 데이터 셋에 액세스할 수 있도록 데이터 교환 기능을 제공합니다. 그러나 문제는, 여러분이 구매할 수 있는 데이터라면, 경쟁사에서도 구매할 수 있겠죠. 그러니 이 데이터 셋이 귀사에 큰 경쟁 우위를 제공하지는 않습니다.


써드 파티 데이터는 써드 파티 쿠키를 통해서도 얻을 수 있습니다. 데이터 집계자는 다른 조직에 일정 비용을 지불하고 쿠키를 통해 사이트 방문자를 트래킹합니다. 하지만 구글이 써드 파티 쿠키 지원을 중단할 것이라 밝히면서, 이러한 관행은 곧 종료될 예정입니다.


최근 몇 년 동안 유럽 연합과 미국의 여러 주들도 데이터 수집, 데이터 개인 정보 보호, 데이터 공유에 관해 GDPR(일반 개인정보 보호법), CCPA(캘리포니아 소비자 개인정보 보호법)와 같은 더욱 엄격한 법률을 통과시켰습니다. 이러한 법적인 영향으로 인해 조직에서 데이터를 수집하고 공유하는 것이 점점 더 어려워지고 있는 실정입니다.

(참고: AI 시대 속 개인정보 보호 - 1단계 인식변화)





[🔖요약]  퍼스트파티 데이터 vs 세컨드 파티 데이터 vs 써드 파티 데이터







퍼스트 파티 데이터의 종류


제품 내에서 수집하는 데이터는 모두 퍼스트 파티이기 때문에, 퍼스트 파티 데이터에도 다양한 유형이 있습니다. 다음은 퍼스트 파티 데이터의 주요 유형의 예시입니다.


사용자 속성

사용자 속성에는 사용자의 이름, 나이, 위치를 비롯하여 주소, 전화번호와 같은 개인정보 등이 포함됩니다. 사용자가 귀사의 제품에 등록하거나 양식을 작성할 때 또는 웹 분석을 통해 사용자의 속성 정보를 수집할 수 있습니다.


사용자의 선호도 및 관심사

퍼스트 파티 데이터 수집의 또 다른 이점은 다양한 데이터 포인트를 통해 고객의 선호도 및 관심사에 대한 정보를 파악할 수 있다는 점입니다. 예를 들어, 귀사의 플랫폼에서 하루에 3시간 이상 뷰티 튜토리얼을 시청하는 사용자는 아마도 헤어, 메이크업 제품에 관심이 있을 것이라고 파악할 수 있습니다.

또는 일주일에 여러 번 청구서 템플릿을 사용하는 그룹을 발견했을 수도 있습니다. 그렇다면 그들은 청구서 템플릿이 유용하다고 생각하며, 유사한 템플릿에 관심이 있을 것이라고 가정할 수 있습니다.


고객의 행동

사용자의 행동 또한 퍼스트 파티 데이터입니다. 다양한 이벤트를 트래킹하고 분석함으로써, 사람들이 플랫폼과 상호작용하는 방식을 이해할 수 있습니다. 예를 들면 다음과 같습니다.



코호트 분석을 사용하여 사용자를 행동에 따라(행동 코호트) 다른 그룹으로 분류할 수 있습니다. 위에서 언급했던 청구서 템플릿 예시로 살펴보면, 이러한 템플릿을 이용하는 사용자가 그렇지 않은 사용자보다 고객 생애 가치(CLV: Customer Lifetime Value)가 더 높다는 가설을 세울 수 있습니다.






위의 Amplitude(앰플리튜드) 매출 LTV 차트는 청구서 템플릿을 사용하는 사용자(파란색)의 CLV가 그렇지 않은 사용자(초록색)보다 높다는 가설을 확인시켜 줍니다. 그 다음으로 해야 할 작업은 고객 여정의 초기 단계에 청구서 템플릿의 표지를 바꾸는 A/B 테스트를 실시하여 CLV를 높이는 것입니다.








퍼스트 파티 데이터는 왜 중요할까요?


식사를 할 때는, 식재료가 어디에서 왔는지를 아는 것이 중요합니다. 그래야 몸에 해로운 것들을 먹지 않을 수 있죠. 데이터도 마찬가지입니다. 부정확할 수 있거나 품질이 낮은 정보는 비즈니스 의사 결정에 있어 큰 피해를 초래할 수 있기 때문에 조직에 유입되어서는 안됩니다.


퍼스트 파티 데이터 수집의 주요 이점은 조직에서 데이터를 수집하고, 분석하고, 활성화하는 방법을 처음부터 끝까지(end-to-end) 완벽하게 제어할 수 있다는 점입니다. 즉, 해당 데이터의 품질과 정확성을 확신할 수 있으며, 다른 파트너나 써드 파티 조직에 의존할 필요도 없습니다. 다만 모든 개인 정보 보호법 및 규정을 준수해야 하고, 데이터를 수집하기 전에 사용자로부터 적절한 동의를 얻었는지 확인해야 합니다.


또한 퍼스트 파티 데이터를 활용하면 유연성을 확보할 수 있습니다. 데이터를 업데이트하고, 추가하고, 다양한 오디언스 세그먼트와 코호트를 만들어낼 수도 있습니다. 이는 다른 조직에서 정보를 얻는 경우에는 불가능한 영역입니다.


마지막으로, 퍼스트 파티 데이터는 본질적으로 고객 및 제품과의 관련성이 매우 높습니다. 여러분이 수집하는 모든 인사이트는 플랫폼에 따라 다르므로, 이를 활성화하고 자사 데이터 전략을 만들어 앱과 웹 사이트를 개선할 수 있습니다.


퍼스트 파티 데이터는 다음과 같이 활성화할 수 있습니다.









퍼스트 파티 데이터는 어떻게 수집해야 할까요?


제품에서의 클릭, 뷰, 프로세스와 같은 이벤트를 추적하고 고객이 플랫폼과 상호 작용하도록 유도하여 퍼스트 파티 데이터를 수집할 수 있습니다. 추적할 이벤트와 수집할 데이터를 결정하기 위해서는, 먼저 고객과 그들의 제품 사용에 대한 질문 리스트를 만들어야 합니다. 그 다음 질문의 답을 찾는데 도움이 되는 이벤트와 이벤트 속성을 정의합니다. 어떤 이벤트를 추적하면 좋을지 결정하는 기준에 대한 자세한 내용은 Amplitude(앰플리튜드)의 이벤트 추적 블로그 글을 참고 하십시오. 


고객으로부터 유용한 데이터를 수집할 수 있는 접점은 다음과 같습니다.









퍼스트 파티 데이터 관리 도구


데이터를 수집, 처리 및 분석하기 위한 여러 가지 데이터 관리 플랫폼이 있습니다. 조직의 규모와 유형, 그리고 특정 데이터 요구사항에 따라 귀사에 가장 알맞은 솔루션은 달라질 수 있습니다.


Amplitude (앰플리튜드)

Amplitude(앰플리튜드) CDP(Customer Data Platform)를 사용하여 다양한 유형의 데이터를 수집하고 구성할 수 있습니다. CDP는 Amplitude(앰플리튜드) 분석과 완벽하게 통합되어 있으므로, 데이터를 다운스트림으로 쉽게 전송하여 마케팅 또는 제품 전략에 따라 분석하고 활성화할 수 있습니다.


Amplitude(앰플리튜드)를 사용하면 데이터를 다양한 오디언스(코호트)로 세분화하여 셀프 서비스 분석을 실행하고 귀중한 인사이트를 수집할 수 있습니다. 이 플랫폼은 사용이 쉬우며, 조직이 데이터 중심으로 운영될 수 있도록 도와줍니다. 또한 데이터 사일로를 제거하고, 모든 조직의 구성원들이 데이터 인사이트에 액세스하여 업무에 활용할 수 있도록 지원합니다.


기타 데이터 관리 도구












콘텐츠 더 읽어보기

앰플리튜드, 우아한형제들, 데이터 수집, 퍼스트 파티 데이터