브레이즈
Braze 카탈로그로 개인화 마케팅 쉽게 하기
Team MAXONOMY ・ 2022.04.06
마케팅 분야에서 일하는 사람이라면 누구나 개인화의 힘을 알고 있습니다. 하지만 대규모의 개인화된 마케팅을 효과적으로 실행하는 것은 말처럼 쉽지 않습니다. 이를 위해서는 브랜드가 적절한 도구와 리소스, 인력 및 데이터를 결합하여, 수익을 창출할 수 있고 고객과 관련성 높은 효과적이며 의미 있는 맞춤 환경을 제공해야 합니다.
마케터가 그 목표를 현실로 만들기 위해서는 복잡한 기술을 탐색하는데 필요한 기술적 역량을 계발하고 습득하거나, 마케팅 활동에 도움이 되는 엔지니어링 역량을 확보해야 한다는 것을 의미합니다. 이는 우리 모두가 알고있는 것처럼 엄청난 도전입니다. 두 접근 방식 모두 어려움과 마찰이 발생할 가능성이 있습니다. Braze(브레이즈)는 이 문제를 해결하기 위해 마케터가 기술 전문가가 되지 않고도 스스로 메시지를 보다 쉽게 개인화할 수 있도록 하여, 고객 관계를 강화하는 중요하고 까다로운 작업을 계속할 수 있도록 지원하고 있습니다.
본 포스팅에서는 마케터의 수고를 덜어주는 바로 그 개인화 도구, Braze(브레이즈)의 카탈로그를 소개합니다.
카탈로그(Catalogs)가 무엇인가요?
이름에서 알 수 있듯이 카탈로그는 기업이 제공하는 상품, 제품 또는 서비스와 관련된 브랜드 고유의 데이터 목록을 활용하여 고객 경험 및 캠페인을 개인화할 수 있는 도구입니다. 방치된 장바구니 알림 개인화, 1:1 제품 권장 사항 제공, 새로 입고된 제품과 관련된 강력한 메시지 전달, 세일 중인 항목 강조 표시 등이 이에 해당합니다.
카탈로그를 통해 마케터는 브랜드의 비사용자 데이터 목록을 Braze(브레이즈)에서 직접 동기화하고 저장하여 크로스 채널 고객 메시지를 간소화할 수 있습니다. 예를 들면 다음과 같습니다.
📍 리테일 및 이커머스 브랜드는 SKU 목록 또는 매장 정보를 통합할 수 있습니다.
📍 학교와 교육 프로그램은 교육 과정을 통합할 수 있습니다.
📍 레스토랑은 현재 메뉴의 목록을 통합할 수 있습니다.
그 중 가장 좋은 부분은 이 기능을 설정하고 사용할 준비를 하는 데 기술적인 전문 지식이 필요 없다는 점입니다. 즉, 카탈로그를 활용하면 개인화된 캠페인을 구성하기 전에 기술 팀이 지원해줄 수 있는 시간을 기다려야 하는 불필요한 지연이 없습니다.
개인화 마케팅을위한 카탈로그의 5가지 이점
마케터는 카탈로그를 활용하여 고객의 메시지와 브랜드 경험을 보다 쉽게 커스터마이징 할 수 있습니다. 이 강력한 도구가 제공하는 5가지 주요 이점은 다음과 같습니다.
[1] 각 고객의 이전 행동 및 선호도를 기반으로 보다 고급스럽고 풍부하며 개인화된 추천을 제공합니다.
[2] SMS, 푸시, 이메일 또는 인웹 메시지 등 모든 채널에서 메시지를 개인화할 수 있습니다.
[3] 마케터 친화적인 플랫폼으로 기술 팀의 부담을 줄입니다. Braze(브레이즈)를 기업의 API와 연결하는 방법을 알 필요가 없습니다.
[4] 자동화된 개인화 마케팅의 영역을 확장할 수 있습니다. 기업의 제품 라인업이 증가하고 고객 기반이 확장되며 활용하는 마케팅 채널의 수가 증가해도, Braze(브레이즈)는 어느 한 부분도 놓치지 않고 귀사의 성장을 지원할 수 있습니다.
[5] 다음의 작업이 쉽고 직관적인 도구인 카탈로그에 포함되어 있습니다.
✦간편한 CSV 업로드
✦손쉬운 클릭 통합
✦ 자동 생성된 리퀴드 개인화 구문
카탈로그를 사용하여 개인화 마케팅을 강화하세요.
주문을 완료하지 않고 웹 사이트나 앱에서 이탈한 고객에게 발송할 장바구니 캠페인을 계획하고 있으며, 처음으로 Braze(브레이즈)의 카탈로그 기능을 사용한다고 가정해 봅시다.
Braze(브레이즈)의 카탈로그 기능을 사용하여 이를 가능하게 하는 방법은 다음과 같습니다.
1. 카탈로그 정보를 Braze(브레이즈)로 가져옵니다.
2. 방치된 장바구니 캠페인 또는 캔버스 여정을 설정합니다.
3. 관련 카탈로그 정보(예: 제품 이름, 가격 등)를 캠페인에 가져옵니다.
4. 설정을 테스트하고 최종 완성한 후, 캠페인을 시작합니다.
훌륭한 개인화를 위해서는 올바른 데이터와 적절한 도구가 필요합니다. Braze(브레이즈)의 카탈로그를 활용하면 브랜드의 메시지에 주요 제품, 콘텐츠 및 서비스를 쉽게 삽입할 수 있는 코드가 없는 새로운 방법을 사용할 수 있어, 오늘날의 고객이 기대하는 스마트하고 효과적인 개인화를 제공할 수 있습니다.
팀맥소노미
YOUR DIGITAL MARKETING HERO
비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요
24시간 프리미엄 열람권 받기
관련 글 보기
리텐션 캠페인 효과를 최대화하는 8가지 방법
지속 가능한 비즈니스 성장을 위해서는 브랜드가 고객 리텐션(유지)의 우선 순위를 정해야 합니다. 또한, 데이터를 기반으로 리텐션 캠페인을 진행하는 것은 장기적인 참여를 유도하고, 이탈한 사용자를 다시 확보하고, 이탈을 방지하는 데 중요합니다. 여러분의 팀에서 새로운 리텐션 캠페인을 기존의 고객 메시징 흐름에 통합하려는 경우나, 혹은 현재의 리텐션 전략을 향상시키는 방법에 대한 인사이트를 찾는 경우에도 다음의 8가지 방법은 리텐션 전략의 효율성을 높이는 데 도움이 될 것입니다. 제품 내 메시지 및 제품 외 메시지를 결합하여 30일 리텐션 비율 13% 향상제품 내 메시지와 제품 외 메시지의 차이점은 무엇일까요? 제품 내 메시지(예: 인앱 메시지 및 콘텐츠 카드)는 활성 사용자가 웹사이트나 모바일 앱과 같이 브랜드와 상호작용하는 채널에 직접 참여하도록 유도합니다. 이메일 캠페인, SMS 캠페인, 푸시 알림과 같은 제품 외 메시지는 고객을 끌어들입니다. 마케터는 이 중 하나를 선택하는 것 보다는 두 메시징 타입을 모두 활용하는 것이 좋습니다. 실제로 Braze(브레이즈)의 연구에 따르면, 두 가지 유형의 메시징을 모두 사용하면 30일 동안의 리텐션 비율이 약 13% 증가할 수 있다고 합니다.(왼쪽) 제품 외 메시지: 이메일 / (오른쪽) 제품 내 메시지: 콘텐츠 카드 브랜드의 인간미를 보여주는 캠페인을 통해 구매 가능성 1.7배 향상점점 더 많은 고객들이 자신의 돈을 사용하는 방식이 개인의 가치와 일치하는지 확인하고 싶어합니다. 그렇기 때문에 브랜드의 미션과 비전을 고객 메시지에 통합하면 장기적인 참여를 유도하는 데 도움이 될 수 있습니다. Braze(브레이즈) 인사이트에 따르면, 기업의 브랜드 경험을 "인간적"으로 묘사하는 고객은 해당 회사와 비즈니스를 할 가능성이 1.7배 더 높습니다.환경 친화적인 공급업체와의 거래를 연결해주는 비영리 단쳬와의 제휴를 통해 고객의 구매가 환경에 도움이 됨을 홍보 개인화를 통해 로열티 캠페인 전환 최대 55% 향상개별 고객이 귀사의 제품과 서비스에서 얻을 수 있는 고유한 가치를 입증하면 전환율을 혁신할 수 있습니다. Braze(브레이즈)의 분석에 따르면 개인화를 사용하면 로열티 캠페인의 전환율을 11%에서 최대 55%까지 촉진할 수 있습니다. 이를 시작하려면 고객이 귀사의 브랜드 충성 고객이 됨으로써 얻게 될 이점에 대해 생각해 보고, 향후 홍보 시 개인화 도구를 활용하여 이러한 장점을 고객에게 강조해야 합니다.수신자의 이름을 넣은 개인화 메시지로 로열티 캠페인 진행 딥링크(Deep Link)를 통해 윈백(Win-Back) 캠페인 효과 63% 증대고객은 딥링크를 통해 메시징 캠페인에서 모바일 앱 또는 웹 페이지의 정확한 위치로 원활하게 이동할 수 있습니다. 예를 들어, 만약 여러분이 지나가는 고객에게 그들이 과거에 좋아했던 제품이나 서비스를 확인하도록 권유하는 캠페인을 발송하는 경우, 캠페인에 언급된 제품을 홈페이지에서 찾지 못해 이탈하는 일이 없도록 딥 링크를 사용하여 여러분이 말하는 것을 확실히 찾을 수 있도록 할 수 있습니다. Braze(브레이즈)의 데이터에 따르면 딥 링크를 사용하는 윈백 캠페인은 딥 링크가 없는 메시지보다 잠재 고객이 앱이나 웹사이트로 돌아오도록 유도하는 데 66% 더 효과적입니다. 따라서 이탈한 일부 사용자를 다시 불러오려는 경우, 딥링크를 활용하여 가능한 부분이 있는지 확인해보는 것이 좋습니다.딥링크를 활용한 캠페인 예시 강력한 메시징 채널(SNS, 콘텐츠 카드)을 사용하여 로열티 가입 극대화로열티 가입자의 수가 급증하길 원한다면 메시징 믹스에 SMS 마케팅과 콘텐츠 카드를 추가해야 합니다. 문자 메시지 캠페인의 오픈율은 98%에 달할 정도로 강력하며, 컨텐츠 카드는 UX를 중단하지 않고 앱이나 웹 사이트 내에서 원활하게 통합될 수 있는 지속적인 메시징 유형입니다. Braze(브레이즈)의 분석에 따르면,- SMS 캠페인을 통해 로열티 가입 전환율이 2배 증가되었으며,- 콘텐츠 카드를 통해 로열티 가입 전환율이 5배 증가했습니다.문자메시지(모바일 화면), 콘텐츠 카드(노트북 화면) 예시 반복되는 메시지 주기를 재조정하여 11배 더 높은 인게이지먼트 달성앱 참여를 유도하고 싶으신가요? 3주 마다 캠페인을 반복하여 보내는 것은 사용자를 다시 불러오는 데 가장 좋은 방법입니다. Braze(브레이즈)의 데이터에 따르면, 3주를 주기로 캠페인을 반복하여 발송하는 경우,- 매일 반복되는 캠페인보다 11배 더 효과적이며,- 반복이 없는 일회성 캠페인보다 3배 더 효과적입니다. 리퀴드 개인 설정을 통해 이탈하는 사용자의 관심 포착원래 Shopify에서 도입한 오픈 소스 템플릿 언어인 리퀴드를 사용하면 업계 전반의 브랜드에서 고객이 선호하는 제품, 서비스, 최근 검색 기록 또는 연락처 세부 정보와 같은 관련 개인 세부 정보를 이메일, 푸시 등의 캠페인에 연결할 수 있습니다. Braze(브레이즈)의 데이터에 따르면 리퀴드 개인화를 사용한 캠페인은 리퀴드 없이 보낸 캠페인보다 사용자를 앱으로 다시 유도하는 데 26% 더 효과적입니다. 로열티 프로그램을 최대한 활용하여 고객 이탈 방지고객이 귀사의 로열티 프로그램의 혜택을 최대한 활용하지 못하고 있다면, 이는 고객 이탈을 암시하는 조기 경고입니다. 능숙한 브랜드는 로열티 프로그램 데이터를 기반으로 하는 개인화된 메시징을 사용하여 로열티 수명 주기의 주요 이정표에 트리거된 메시지 캠페인을 전송함으로써 문제를 해결합니다. Braze(브레이즈)의 분석에 따르면, 고객이 새로운 로열티 레벨로 변경된 직후와 같이 특정 행동에 트리거된 캠페인을 보내면 기존의 예약 메시지(예: 오전 10시와 같이 정해진 시간에 발송되는 캠페인)에 비해 6.9배 더 많은 전환이 발생할 수 있습니다.고객이 10만 마일을 적립한 순간에 축하 메시지를 발송하여 다음 행동으로 유도
Braze Predictive Suite의 예측 정확도 측정하기
인공지능(AI)과 머신러닝(ML)이 화려하게 등장했지만, 여전히 대부분의 사회에서는 향후 AI가 우리 모두를 파괴하는 인간형 로봇으로 이어지게 될지 여부에 대해서 논쟁 중입니다. 하지만 다행히도 마케팅의 영역에서는, 마케팅 담당자가 업무를 더 잘 할 수 있도록 도와주는 복잡한 알고리즘에 불과합니다.이 측면에는 약간의 진전이 있었습니다. 과대 광고와 편집증이 줄어들면서, 우리는 많은 가치를 제공할 수 있는 기술을 갖게 되었습니다. 하지만 신중하게 접근해야 합니다. 본 포스팅에서는 브랜드가 미래에 특정 행동을 할 가능성이 높은 성향을 확인하고, 이를 바탕으로 고객 세그먼트를 더 잘 이해하고 더 잘 생성할 수 있도록 지원하는 Braze(브레이즈) Predictive Suite를 소개합니다. 또한, 이 도구의 예측이 정확하고 실행 가능한지 확인하는 방법에 대해 살펴보겠습니다.Braze(브레이즈)의 인텔리전스 팀은 마케터가 AI/ML을 활용하여 고객을 더 잘 이해하고 커뮤니케이션 전략을 더 잘 실행할 수 있도록 돕는 Predictive Suite를 구축했습니다. 그러나 마케팅 환경에서 이러한 도구는, 수학적 도구와 마찬가지로 실제로 결과를 제공하는 경우에만 가치를 가져다 줄 수 있습니다. 마케터는 유사 AI나 잘못된 AI에 만족해서는 안 됩니다. Braze(브레이즈)는 모든 Braze(브레이즈) 사용자가 성공을 극대화하고, Braze(브레이즈)를 효과적으로 사용하기를 원합니다.Predictive Suite를 개발하는 과정에서 이러한 두 가지 목표를 모두 달성할 수 있는 유일한 방법은 다음과 같다는 것을 알게 되었습니다.1. 사용자의 니즈에 따라 맞춤형 예측 모델 제공2. 사용자가 활용하기 전에 이 모델이 정확한지 확인검증 우선순위 정하기첫 번째 목표는 까다로웠습니다. 각 모델의 예측 정확성을 두 번 검사하여 데이터의 예상치 못한 중단이나 문제를 탐지함으로써 일부 복잡성을 해결할 수 있었습니다(이 프로세스를 "검증"이라고 합니다). 다행이 이 목표를 달성함으로써 두 번째 목표를 달성하는 방법을 명확히 할 수 있었습니다. 즉, 주어진 예측에 대한 검증 결과를 사용자와 공유하여 모델의 예측 정확도를 여과 없이 측정할 수 있습니다.실제 방법은 다음과 같습니다.사용자는 고객 이탈에 대한 맞춤형 정의(예: 14일 동안 구매하지 않은 경우 vs 7일 동안 구매를 하지 않은 경우) 또는 구매에 대한 맞춤형 정의를 사용하여, Braze(브레이즈) 대시보드에 미리 보기 예측을 작성하는 것에서부터 시작합니다.Braze(브레이즈)는 자동으로 예측을 생성하고, 기록 데이터로 예상 정확도를 즉시 측정한 다음, 사용자가 정의한 예측을 기다렸다가 실제 결과와 비교하여 정확도를 다시 확인합니다.그 다음, 대시보드의 예측 퀄리티 지표를 통해 예상 정확도와 실제 정확도가 모두 공유됩니다.여기 흥미로운 점이 있습니다. 귀사의 브랜드에서 Predictive Suite를 구매하거나, 이를 활용하여 메시지를 발송하기 전에도 위의 모든 작업을 수행할 수 있습니다. 또한 이러한 예측 사항을 지속적으로 재평가하기 때문에, 예측 성능이 낮아질 경우 사용자에게 알려줍니다.정확도를 측정하는 방법그렇다면, 정확히 Braze(브레이즈)는 어떻게 예측 정확도를 측정할까요?Braze(브레이즈) Predictive Suite에 있는 것과 같이, 특정 고객이 향후에 구매할 것인지 여부를 결정하는 예측 변수가 있다고 가정해 보겠습니다. 예측자는 그 고객의 데이터를 가져와 관련 알고리즘을 통해 전달한 후 성향 점수를 도출할 것입니다. 그 다음 담당자가(아마도 여러분이겠죠?) 해당 점수를 받은 고객을 잠재적인 구매자로 간주해야 하는지 여부를 살펴보고 평가합니다. 예를 들면, 이를 통해 특정 임계값을 초과하는 구매 가능 점수를 가진 고객에게만 특별 프로모션을 보낼 수 있습니다.이 시나리오에서는 특정 고객이 미래에 구매할 것인지의 여부를 예측합니다. 예측 변수를 처음 만들 때 과거 데이터를 사용하면 실제 결과도 알 수 있습니다. 즉, 특정 고객이 구매를 할 지 예측할 수 있고, 그 예측이 실현되었는지 확인하기 위해 실제로 수행한 행동을 살펴볼 수 있습니다.가능한 예측과 가능한 실제 결과를 함께 사용하여 일명 "혼돈 매트릭스"를 만들 수 있습니다. 여기서 행은 Braze(브레이즈)가 예측한 내용을 나타내고, 열은 고객이 실제로 수행한 행동을 나타냅니다. 민감도, 특이성, 정밀도, 리콜, 포지티브 예측값, 잘못된 발견률 등 다양한 결과를 정량화하는(그리고 그렇게 함으로써 예측 변수 자체의 정확성을 정량화하는) 여러 가지 방법이 있습니다. 각 측정값은 일반적으로 위의 표에 설명된 다양한 결과의 비율에 해당하며, 서로 다른 측정값은 서로 다른 종류의 결과의 중요성을 강조(또는 덜 강조)합니다.주어진 예측을 활용하는 것이 궁극적으로 매출을 높이는 데 도움이 될지 여부를 결정하려면, 가능한 각 결과의 비용/편익뿐만 아니라 최대화하려는(또는 최소화하려는) 지표를 아는 것이 중요합니다. 그런 의미에서 A/B 테스트의 p-값과 비슷합니다. 즉, 주어진 예측이 실제로 도움이 되는지 여부를 확인할 수 있는 숫자 지표를 제공합니다.실제 예측 정확도 측정Braze(브레이즈)는 Predictive Suite를 사용하여 만든 각 예측에 대해 ‘예측 퀄리티(Prediction Quality)’라는 지표를 제공합니다. 이 지표는 시뮬레이터에서 선택할 수 있는 모든 가능한 메시징 대상에 대해 예측이 얼마나 긍정적인지를 설명합니다. 이것은 단순한 0-100 척도에서 요약된 숫자를 제공하며, 이 예측이 추측과 비교하여 얼마나 상승 효과를 제공하는지 전반적으로 보여 줍니다. 이 지표는 예측이 생성될 때 과거 데이터에서 한 번 계산되고 실제 사용자 결과에서 다시 한 번 계산되므로 정확성을 추적할 수 있습니다. (예측 퀄리티 지표를 계산하는 방법에 대한 자세한 내용은 여기를 참조하십시오.)다음의 구체적인 예는 이것이 실제로 무엇을 의미하는지 보여주는 데 도움이 될 것입니다. 특히 전략에 예측을 사용하는 방법을 신중하게 결정하기 위해서, 여기에서 true positives와 false positives를 고려해야 합니다. 위의 예를 보면, 잠재적으로 구매 가능성이 있는 약 50만 명의 고객을 대상으로 작업하고 있습니다. 구매 가능성 점수가 75점 이상인 고객에게만 메시지를 보낸다면 26,541명의 사용자에게 도달하게 됩니다. 이 고객의 과거 구매 행태와 예측의 정확성을 바탕으로 약 11,000명의 고객이 구매를 하게 될 것으로 추정되며, 이는 녹색 진행률 표시줄에서 볼 수 있듯이 전체 구매자의 약 25%에 불과합니다. 따라서, 그 비율은 true positive 비율입니다.빨간색 진행률 표시줄은 또 다른 주요 정보를 제공합니다. 구매 가능성이 가장 높은 모집단의 개인을 대상으로 하고 있음에도, 이 설정은 구매하지 않을 15,385명의 사용자도 대상으로 하고 있습니다. 이러한 고객은 false positives 입니다. 즉, 예측에서는 구매를 할 것으로 보였지만 실제로는 구매하지 않는 개인입니다. 이 경우 구매하지 않을 고객 447,000명 중 약 3.3%인 15,000여 명만 메시지를 받게 됩니다. 낮은 비율이지만, 귀사의 특정 고객과 비즈니스 모델은 그것이 귀사의 비즈니스에 허용 가능한 수준의 오류인지 여부를 알려줍니다.이는 잠재적인 접근 방식 중 하나일 뿐입니다. 구매 가능성 점수가 50점 이상인 모든 사용자에게 메시지를 보내도록 선택할 수도 있습니다. 그러면 전체 고객에서 실제 구매자의 약 90%(녹색으로 진행률 표시), 즉 약 40,000명의 사용자에게 도달할 수 있습니다. 그러나 빨간색 막대에 표시된 230,000명 이상의 사용자에게도 메시지가 보내지게 됩니다. 이는 잠재적인 비구매자의 절반 이상에 해당됩니다.이 접근 방법이 그럴만한 가치가 있을까요? 고객, 메시징 전략, 메시지에 포함된 프로모션 또는 인센티브 비용, 추가 구매와 관련된 이점, 이 프로모션이 사용자 행동을 바꿀 가능성, 비즈니스와 관련된 기타 모든 변수에 따라 달라집니다. 핵심은 비용 대비 이점이며, 대시보드의 선택기를 통해 다양한 시나리오를 시뮬레이션하고 다양한 결과를 계획하여 귀사의 브랜드에 가장 적합한 접근 방식을 선택할 수 있습니다.장기적으로 볼 때, AI는 여러분이 알고 있는 모든 컨텍스트와 비즈니스 로직에 접근할 수 없기 때문에, AI가 아무리 정확하다고 하더라도 여러분이 활용할 수 있는 모든 예측에 대해 이러한 종류의 분석이 필요합니다.마지막으로true 및 false positive와 같은 일부 개념이 생소할 수 있습니다. 그러나 AI/ML이 오늘날 고객 참여의 중심이 됨에 따라, 앞으로는 p-값과 같은 개념만큼 어디서나 쉽게 볼 수 있게 될 것으로 예상됩니다. Braze(브레이즈)는 이러한 도구와 개념을 최대한 쉽게 실천할 수 있도록 노력하고 있습니다.Braze(브레이즈)의 Predictive Suite가 실제로 브랜드에서 어떻게 작동하는지 궁금하신가요? 글로벌 브랜드 Delivery Hero와 8fit이 각각 Predictive Churn과 Predictive Purchase를 사용하여 어떻게 비즈니스 목표에 도달했는지 방법을 확인해 보십시오.
Braze의 Report Builder를 소개합니다!
네비게이션에서 목적지로 가는 경로를 확인하려면 현재 위치를 먼저 알아야 합니다. 고객 인게이지먼트도 마찬가지입니다. 마케팅 솔루션을 활용하여 고객 인게이지먼트를 높이기 위해서는, 오래된 데이터의 단편적인 분석이 아닌, 실시간 데이터가 반영된 정확한 데이터를 도출해야 합니다. 여기에 딱맞는 가장 최적의 솔루션! Braze의 Report Builder 기능을 소개합니다.Report Builder를 활용한 성능 최적화 방법Report Builder는 향후 성능을 최적화하기 위한 목적으로 브랜드가 고객 인게이지먼트의 다양한 경로를 추적할 수 있도록 지원합니다. 이를 통해 여러 캠페인의 결과 또는 Braze Canvas의 고객 여정(Customer Journey) 관리 기능을 통해 확인한 고객 여정의 결과를 한 화면에서 비교할 수 있으며, 주요 지표에 가장 큰 영향을 주는 전략을 결정할 수 있습니다.리포트를 통해 아래의 내용을 확인할 수 있습니다.어떤 캠페인 또는 캔버스가 특정 태그(온보딩 과정, 윈백 캠페인 등)나 메시징 채널(이메일, 푸시 메시지, SMS 등)에서 가장 좋은 결과를 만들었는지,다양한 메시지 전달 방법이 오픈율, 전환율, 구매율에 각각 어떻게 영향을 미치는지,보다 높은 구매율을 창출하는 시즌 프로모션 캠페인은 무엇인지 (여름 세일, 가을 세일, 겨울 세일 등)이외에도 더 많은 정보 확인이 가능합니다.Report Builder를 사용하여 자동화된 리포트를 만들 수도 있습니다. 이를 통해 시간을 절약하고, 매주, 매월 등 일정 주기로 캠페인 성과를 모니터링하는 반복적인 분석에 대한 인사이트를 더욱 빠르게 발견할 수 있습니다. 무엇보다도 원하는대로 커스터마이징한 리포트를 저장하고, 편집하거나 내보낼 수 있습니다. Report Builder를 사용한 목표 달성 단계 설정1 단계 : 목표 설정우리가 주방 제품 라인업을 홍보하는 유통 기업이라고 가정해 보겠습니다. 인게이지먼트 지표, 매출액 및 주문 수를 기반으로 성공을 측정합니다. 2 단계 : 목표 달성을 위한 캠페인 시작다양한 종류의 메시지, 크리에이티브, 채널, 할인 등을 테스트하는 일련의 캠페인을 시작할 수 있습니다.3 단계 : 리포트 실행으로 캠페인 효과 확인관심있는 지표에서 다양한 캠페인 성과를 비교하는 맞춤 리포트를 생성할 수 있습니다. 또한 이러한 캠페인들의 평균 성과와 총 합산 성과를 확인할 수 있습니다. 4 단계 : 인사이트 도출데이터를 기반으로 여러 인사이트를 얻을 수 있습니다. 이 사례에서는, 본 캠페인을 통해 $115,292의 수익을 창출했습니다. 평균 18.29%의 전환율을 기록했으며, 4,004개의 주문을 창출했습니다. 이메일은 푸시메시지보다 더 높은 인게이지먼트율을 기록했지만, 푸시메시지가 더 많은 전환을 유도했습니다. 여러 채널을 결합해서 활용했을 때 인게이지먼트율과 전환율이 더 높았고, 가격 할인 캠페인은 더 많은 주문을 창출하는 결과를 도출했습니다.5 단계 : 향후 캠페인에 적용이러한 인사이트는 향후 캠페인에 적용하여 더 나은 결과를 도출하는데 활용할 수 있습니다. 할인 프로모션 메시지와 이메일의 주요 동인으로 푸시 알림에 더 많은 비중을 두거나 캠페인 전달 메커니즘(행동 기반 혹은 스케줄 기반), 메시지 발송 빈도, 구독 취소 혹은 앱 삭제에 영향을 주는 요소들을 테스트 할 수도 있습니다.
AI를 활용한 마케팅 ─ AI 마케팅 도입 효과와 사례
AI 마케팅의 개요와 글로벌 현황, 효과, 실제 사례로 알아보는 데이터 기반 마케팅 혁신 방법