한눈에 보는 핵심 5가지
- 한 침구 이커머스 브랜드는 새 솔루션 도입이나 발송량 증가 없이, 이미 쌓여 있던 4개년 구매 데이터만 다시 분석해 클릭률 1.8배·재구매 전환율 1.6배를 만들어냈다.
- 가입자 100명 중 첫 구매는 55명, 2차 구매는 13명까지 줄었다. 첫 구매에서 두 번째 구매로 넘어가는 구간이 고객 생애가치를 끌어내리는 가장 큰 구멍이었다.
- 첫 구매 품목이 무엇이든 2차 구매의 70~98%가 침구로 모였다. 추천을 잘게 쪼개는 대신 침구로 향하는 길을 열어 주는 쪽이 전환에 유리했다.
- 재구매 주기는 품목마다 달랐다. 베개커버는 68일, 차렵이불은 189일이 지나야 다시 샀고, 이 간격을 무시한 일괄 발송이 효율을 갉아먹고 있었다.
- 채널과 발송량을 그대로 둔 채 타겟·시점·메시지 구조만 바꾸자, 클릭률은 1.7%에서 3.1%로, 광고비 대비 매출은 226%에서 359%로 동시에 올랐다.
광고비를 더 쓰지도, 메시지를 더 보내지도 않았다. 그런데 클릭률은 1.8배, 재구매 전환율은 1.6배 올랐다. 한 침구 이커머스 브랜드가 이미 잘 돌리던 고객 메시지 캠페인을 두고 한 일은 단 하나, 4개년치 구매 데이터를 처음부터 다시 들여다본 것뿐이다.
잘 돌아가던 캠페인이 전환에서 멈춘 이유
캠페인 정체의 원인은 운영 부족이 아니라 정보 부족이었다. 누구에게, 언제, 무엇을 보낼지의 기준이 빠져 있었다.
이 브랜드는 카카오톡 친구톡, 인웹 배너, 앱 푸시까지 여러 채널로 고객 메시지를 이미 잘 돌리고 있었다. 문제는 발송 방식이었다. 첫 구매·재구매 뒤 7~30일, 31~60일처럼 시간만 기준으로 일괄 발송했고, 모든 구매자에게 같은 쿠폰과 같은 메시지를 보냈다. 그 결과 발송량 대비 구매 전환은 늘 제자리였고, 한 번 사고 마는 고객이 전체의 72%를 차지했다. 발송은 충분한데 전환이 따라오지 않는 전형적인 정체였다.
흩어진 데이터를 한 사람의 구매 여정으로 묶다
분석의 출발점은 흩어진 데이터를 회원 한 명 단위로 다시 묶는 일이었다. 그래야 구매 여정이 보인다.
자사몰의 회원·주문·상품·적립금 데이터와 구글 애널리틱스(GA4)의 행동 데이터는 서로 다른 곳에 흩어져 있었다. 이 둘을 합쳐야 한 고객이 무엇을 샀고 언제 다시 왔는지를 한 줄로 볼 수 있다. 회원 9.6만 건과 주문 38.7만 건을 회원 번호 기준으로 묶자, 특정 고객이 몇 년 사이 어떤 품목을 차례로 샀는지가 시간 순서로 드러났다. 이 토대 위에서 7개 주제, 15개 분석 과제를 돌렸고, 그중 성과로 곧장 이어진 핵심 지표 세 가지가 추려졌다.
덕분에 한 고객이 2021년에 차렵이불을 사고 2년쯤 뒤 매트리스커버를 샀다는 식의 흐름이 한눈에 잡혔다. 흩어진 표를 하나로 합치는 이 단계가 지루해 보여도, 이후의 모든 분석과 캠페인 설계가 여기서 출발한다. 데이터를 새로 모으는 것이 아니라 이미 있던 데이터를 잇는 것만으로도 보이지 않던 패턴이 드러난다.
데이터가 짚어낸 세 개의 구멍
분석은 전환을 막는 지점 세 곳을 정확히 짚었다. 구멍의 위치, 향하는 곳, 그리고 시점이다.
세 가지 발견은 각각 캠페인의 목표, 타겟, 발송 시점으로 곧장 옮겨졌다.
- 첫 구매에서 2차 구매로 넘어가는 구간이 가장 큰 구멍이었다. 가입자 100명 중 첫 구매는 55명, 2차 구매는 13명. 한 단계에서 42명이 빠졌다. 다만 2차만 넘기면 3차 25%, 4차 34%, 5차 41%로 잔존율이 올라, '2차 전환'이 캠페인의 핵심 목표로 정해졌다.
- 첫 구매 품목과 상관없이 2차 구매의 70~98%가 침구로 모였다. 그래서 침구를 먼저 산 고객은 같은 침구로 재구매를, 다른 품목을 먼저 산 고객은 침구로 교차구매를 유도하도록 타겟을 갈랐다.
- 재구매 주기는 품목마다 크게 달랐다. 베개커버 68일, 침대패드 96일, 매트리스커버 141일, 커튼 151일, 러그·카페트 187일, 차렵이불 189일. 흔히 쓰는 'D+30·D+60' 템플릿 대신 이 실제 주기를 발송 시점에 그대로 반영했다.
발송량은 그대로, 구조만 바꾼 결과
채널과 발송량을 고정한 채 타겟·시점·메시지 구조만 바꾸자 세 지표가 한꺼번에 올랐다.
분석 결과는 6개로 나뉜 분기 캠페인으로 재설계됐다. 타겟은 같은 카테고리의 첫 구매자, 발송 시점은 첫 구매일에 카테고리 평균 재구매 주기를 더한 날로 잡았다. 메시지는 산 상품과 구매 차수, 남은 쿠폰을 자동으로 끼워 넣은 개인화 친구톡이다. 변화의 효과만 정확히 보려고 채널과 발송 모수는 이전과 똑같이 유지했다.
결과는 분명했다. 클릭률은 1.7%에서 3.1%로, 재구매 전환율은 0.07%에서 0.11%로, 광고비 대비 매출은 226%에서 359%로 동시에 올랐다. 발송량을 늘린 것이 아니라 구조만 손봤는데 세 지표가 모두 1.6~1.8배가 됐다. 효율을 끌어올릴 여지가 운영이 아니라 설계에 있었다는 뜻이다.
이 사례가 남긴 교훈은 세 가지로 정리된다. 첫째, 발송량을 늘린다고 재구매율이 따라 오르지는 않는다. 오히려 세그먼트별 효율을 높이는 쪽이 고객의 피로도를 줄인다. 둘째, 익숙한 'D+30·D+60'보다 품목별 실제 재구매 주기에 맞춘 발송이 클릭과 전환을 더 끌어올린다. 셋째, 교차구매 시나리오는 짐작이 아니라 데이터로 단계를 밟아 설계해야 한다.
자주 묻는 질문
Q. 데이터가 많지 않은 작은 브랜드도 같은 방식을 쓸 수 있나요?
A. 핵심은 데이터의 양이 아니라 회원 한 명 단위로 구매 기록을 잇는 일이다. 주문 건수가 적어도 첫 구매에서 2차 구매로 넘어가는 비율, 품목별 재구매 간격은 계산할 수 있다. 다만 표본이 작으면 수치가 크게 흔들리니, 분기 단위로 묶어 추세만 보는 식으로 시작하는 편이 안전하다.
Q. 발송량을 줄이면 매출도 같이 줄지 않나요?
A. 일괄 발송을 줄이는 대신 살 때가 된 고객에게 정확히 보내는 방식이라, 발송 수가 줄어도 클릭과 구매는 오히려 늘 수 있다. 무분별한 발송은 고객의 피로도만 키워 알림 차단이나 수신 거부로 이어지기 쉽다. 줄이면서 효율을 높이는 쪽이 길게 보면 더 안전한 운영이다.
Q. 모든 길이 침구로 통한다는 결과를 다른 업종에 그대로 써도 되나요?
A. 그대로 가져다 쓰면 안 된다. 어느 품목으로 구매가 수렴하는지, 재구매 주기가 며칠인지는 업종과 브랜드마다 다르다. 같은 분석 틀은 빌리되, '우리 고객은 결국 무엇을 다시 사는가'라는 질문의 답은 자사 데이터에서 직접 찾아야 한다.
Q. 이런 개인화 메시지는 매번 사람이 직접 만들어야 하나요?
A. 아니다. 이 사례에서는 상품명과 구매 차수, 쿠폰 금액과 유효기간이 고객마다 자동으로 채워지도록 설계해, 한 번 설정으로 수천 건의 서로 다른 메시지가 나가게 했다. 규칙만 정해 두면 운영자가 건건이 손대지 않아도 된다.
정체를 푸는 답은 발송이 아니라 데이터에 있다
캠페인이 멈추는 이유는 운영을 안 해서가 아니라, 누구에게·언제·무엇을 말할지의 근거가 없어서인 경우가 많다. 자사 데이터를 한곳에 모아 구매 차수별 잔존율, 교차구매, 재구매 주기를 보면 그 답이 곧 타겟과 시점, 메시지가 된다. 중요한 것은 남의 수치를 그대로 베끼지 않는 것이다. 어느 품목으로 수렴하는지, 재구매 간격이 며칠인지는 브랜드마다 다르다. 정답은 벤치마크가 아니라 자사 데이터 안에 있다.
