마케팅 비용효율화는 마케팅 조직을 운영하는 기업이 달성코자 하는 최우선 과제다. 기업 입장에서 고객과의 접점에서 소통하며 기업과 상품을 알리는 마케팅 활동은 분명 필요하지만 결국 비용을 수반한다. 이에 최소 마케팅 비용으로 최대 효과를 거두기 위해 다양한 전략과 기법이 고안돼 왔다.
지금까지의 마케팅 전략은 마케팅 효과를 1차원적으로 생각한다는 점에서 한계가 있다. 단순히 어떤 고객에게 마케팅을 수행했을 경우만을 고려했다.
이에 비해 '업리프트 모델링(Uplift Modelling)' 은 마케팅 수행 여부에 따른 고객 성과의 차이, 곧 마케팅 증분 효과를 직접 추정하는 기법이다. 개인별 증분 효과를 기준으로 타깃을 선정할 경우, 이론적으로 한정된 마케팅 예산 아래 전체 효과를 최대화할 수 있다.
업리프트 모델링은 어떤 마케팅 활동이 개별 고객의 행동에 미치는 증분 효과를 추정하는 예측 모델링 기법이다. 마케팅 활동을 수행했을 때와 수행하지 않았을 때의 고객 행동의 차이를 고객 별로 추정한다. 기존 반응 모델과 달리 마케팅 수행 시와 미 수행 시의 확률을 종합적으로 고려하는 것이 핵심이다. 이를 통해 마케팅을 하지 않아도 성과를 낼 고객을 발굴, 비용효율화를 도모할 수 있다. 그럼에도 이 기법은 실제 마케팅 현장에서는 활발하게 적용되지 않았다. 특정 마케팅 효과를 '개별 고객 단위로' 추정하는 것이 쉽지 않았기 때문이다. 마케팅 효과는 추상적 개념으로는 명료하게 정리되지만 현실에서는 관측할 수 없다. 어떤 고객이 특정 마케팅을 받거나, 받지 않는 일은 동시에 발생할 수 없기 때문이다.
이러한 한계를 극복하기 위해 인과추론 기술을 활용할 수 있다. 인과추론은 특정 행동 변화로 인해 발생하는 결과의 차이를 밝혀내는 것이 목표다. 마케팅 증분 효과 역시 특정 마케팅 활동 수행으로 인한 고객 행동 차이에 해당하는 개념이다. 예를 들어 어떤 고객이 마케팅 대상이었다면 해당 고객이 마케팅을 받지 않았을 경우의 반응은 미지 영역으로 남는다. 이 때 인과추론은 이러한 미지의 영역을 통계적으로 추정하며, 최근에는 방대한 데이터와 최신 머신러닝 알고리즘을 활용해 보다 신뢰할 수 있는 추정이 가능하다.
실제 A카드사는 당사와의 PoC(Proof of Concept)를 통해 매월 반복 수행되는 2개 마케팅 캠페인에 대해 업리프트 모델링을 활용해 비용효율 측면의 개선을 거뒀다. '앱 이용 활성화 캠페인'의 경우 기존에는 앱 이용고객 특성을 분석하고 여기서 얻어낸 인사이트를 바탕으로 고객 속성 기반 타깃팅을 수행한다. 실제 캠페인 데이터를 활용한 시뮬레이션 결과, 기존의 속성 기반 타깃팅에 업리프트 모델링을 추가로 적용할 경우 기존 대비 90% 고객에게만 캠페인 수행했음에도 기존 반응 규모의 104%를 얻을 수 있었다. 마케팅을 통해 고객 한 명을 추가 획득하는 데에 드는 비용을 의미하는 '인당 증분비용' 은 기존 대비 82% 수준으로 절감됐다. 또 기존 타깃팅과 업리프트 기반 타깃팅을 각각 동일 비용으로 수행할 경우, 후자가 전자 대비 1.12배 더 많은 고객을 획득했다. '카드 무실적 Wake-up 캠페인' 은 파일럿 테스트 수행 결과 업리프트 모델 활용 시 기존 대비 91% 수준의 비용으로 기존 대비 99% 의 고객을 유실적 전환하는 성과를 얻었다. 각각 동일 비용으로 수행을 가정한다면 업리프트 활용 시가 기존 대비 4% 더 많은 유실적 고객을 얻을 수 있었다. 이와 같이 A 카드사는 업리프트 모델링을 통한 마케팅 최적화 가능성을 검증했으며, 향후 여러 마케팅 부서에서 정기적으로 진행 중인 캠페인에 대해 확대 적용할 예정이다.
업리프트 모델링은 마케팅 효과를 바탕으로 캠페인 수행 대상을 정하는 것이므로 마케팅 효과를 손쉽고도 정확하게 추정하는 것이 핵심이다. 이 과정에서 오브젠에서 개발한 빅데이터 분석 플랫폼과 인과추론 기반 성과분석 솔루션이 활용됐다. 분석 플랫폼은 분석가가 IT 부서의 도움 없이도 자체적으로 빅데이터를 가공하고 모델을 개발하도록 지원한다. 이를 통해 캠페인 특성 파악과 모델 고도화에 보다 집중할 수 있어 비교적 단시간에 성공 사례를 발굴할 수 있었다. 오브젠의 성과분석 솔루션은 풍부한 고객 정보와 최신 머신러닝 기법을 활용해 개인별 효과 추정 모델을 학습하는 것을 핵심으로 한다. 단순히 모델의 추정 값 뿐 아니라 이에 대한 검증 수단을 함께 제공한다.
이상적 마케팅 활동은 기획·설계(Plan), 실행(Do), 평가·분석(See)의 흐름을 가진다. 특히 반복적으로 실행되는 마케팅 캠페인의 경우 평가와 기획 단계를 피드백을 통해 이어 냄으로써 선순환구조를 구축하는 것이 중요하다. 마케팅 과정에 업리프트 모델을 활용하는 것은 선순환구조를 완성시키는 필수 조건이다. 나아가 각 단계의 마케팅 활동이 축적된 데이터와 AI 기술을 바탕으로 이뤄지면 향후에는 전체 프로세스를 자동화하는 방향으로 발전시킬 수 있다.
오브젠에서 연구·개발 중인 마케팅 오토파일럿은 마케터가 이러한 선순환구조를 최소한의 개입만으로 실행하도록 지원하는 기능이다. 궁극적으로는 프로세스 전반의 자동화를 지향하고 있다.
윤대원기자 yun1972@etnews.com
