마케터로서 이 글을 읽고 계신 독자님은 실무에서 데이터를 얼마나 활용하고 계신가요? 아마도 데이터를 기반으로 의사결정 해야한다는 이야기를 자주 들어보셨을텐데요. 중요성은 잘 알고 있지만 실제로 적용하기가 쉽지 않은 영역인 것 같아요.

‘데이터 리터러시(Data Literacy)'가 필요한 작업이기 때문이 아닐까 생각해요. 데이터 리터러시는 데이터를 이해하고, 해석하고, 분석 및 활용할 수 있는 데이터 문해력을 의미하는데요. 마케팅 업무를 하며 데이터 활용이 잘 되지 않는 경우, 데이터 문해력이 부족한 상황일 수 있어요.

희망적인 점은 이 능력 또한 배움과 훈련이 필요한 영역이란 사실이에요. 시간이 지나도 저절로 개발되지 않기 때문에 의도적으로 학습해야만 향상되는 것이죠. 코딩이나 디자인처럼 데이터 역시 배워야 제대로 쓸 수 있는데요. 데이터는 늘 쉽게 접할 수 있어서인지 배움 없이도 잘 활용할 수 있어야한다고 생각하는 경향이 있는 것 같습니다.

저는 12년차 마케터이지만 여전히 ‘데이터 분석’에 있어서는 어려움을 느낄 때가 많아요. 특히 월말 보고나 분기 보고를 할 때마다 ‘데이터 문해력’의 중요성을 실감하게 됩니다. 최근 분기 보고를 준비하며 팀원들 또한 분석을 힘들어하는 것을 보고, 특히 어떤 부분이 어려운건지 분석해보고 싶어졌습니다. 

디지오션 인스타그램과 커뮤니티를 통해 간단한 설문을 진행했고, 총 176명이 참여해 주셨는데요. 이 설문 데이터와 제 경험을 바탕으로 ‘어려움’의 주요 원인을 네가지로 분류했어요. 각 원인이 무엇을 의미하는지 그리고 이를 해결하기위한 방법은 무엇인지를 정리해봤습니다.

무슨 데이터를 봐야하는지 잘 모르는 경우, 두가지의 의미로 해석할 수 있어요. 1) 어떤 질문을 던져야하는지 혹은 어떤 문제에 대한 답을 찾아야 할지 모르거나, 2) 판단의 기준이 되는 주요 지표나 목표가 명확하지 않은 것이죠.

밤하늘에 쏟아지는 별들을 보고 있자면 내가 뭘 보고 있는지 정신이 아득해 질 때가 있습니다. 어떤 별자리를 찾겠다는 목적이 생기면 그제서야 어디를 봐야할지 방향성이 생길텐데요. 데이터를 볼 때도 마찬가지로 ‘OO 별자리를 찾아야지’처럼 찾고 싶은 무언가를 설정하면 한결 수월해집니다.

그 ‘무언가’는 발견한 현상에 대한 궁금증일 수도 있고 해결해야하는 문제일 수도 있습니다. 먼저 무엇을 알고 싶은지 목적을 정의해야 확인할 데이터를 선택할 수 있어요.

• 예) 웹사이트 트래픽이 지난 달보다 왜 50%나 증가했을까?
• 예) 결제 페이지에서 결제를 완료하는 비율이 왜 매월 감소하고 있을까? (어떻게 개선할 수 있을까? 특히 어떤 채널에서 유입된 사용자가 특히 더 많이 이탈할까? 결제 과정에서 오류가 나는걸까? 등등)

만약 질문 설정 단계가 막막하다면 내가 하는 일(관리하는 채널)이 최종 목표를 달성했는지를 기준으로 생각해보세요. 예를 들어, 이번 달 검색 광고를 통해 목표한만큼 전환 행동(결제, 회원 가입, 문의 등)이 발생했는지를 살펴보는거죠.

질문이 정해지면 이제 가설을 세워가며 ‘어떤 데이터’를 보아야 할지를 결정할 수 있습니다.

• 질문: 웹사이트 트래픽이 지난 달보다 왜 50%나 증가했을까?
• 확인 필요 데이터 (가설):
  • 전년도 동기 웹사이트 트래픽 양 (시즌성 패턴인지)
  • 지난 6개월간 월별 웹사이트 트래픽 양 (평균에서 얼마나 벗어나는지)
  • 유입 채널별 트래픽 양 (특정 채널에서 트래픽이 증가했는지)
  • 새로운 유입 채널 확인 (어떤 사이트나 커뮤니티에서 링크가 공유/게재되었을 가능성이 있는지)

이 때 데이터에서 답을 확인한 후에 어떤 액션을 할 수 있는가를 반드시 고려해야 합니다. 특정한 행동으로 이어지는 인사이트를 주는 데이터를 ‘액셔너블 데이터’라고 하는데요. 엄밀히 말하면 ‘액셔너블 데이터’만이 분석할 가치가 있다고 할 수 있습니다.

💡액셔너블 인사이트: 질문에 대한 답을 얻는 것을 넘어 어떠한 방향으로 행동하게 하는 인사이트

디지큐 뉴스레터의 구독자 성장률이 업계 평균보다 낮다는 사실을 발견했습니다. 그리고 그 이유가 ‘긴 발행 주기’ 때문임을 데이터로 확인했다고 가정해 볼게요. 발행 주기가 짧아지면 (월 2회 → 주 2회) 성장 속도가 빨라질 수 있다는 뜻이죠.

리소스 한계로 어차피 더 많은 콘텐츠를 제작(액션)하기 어려운 상황이라면, 데이터를 찾아보는 의미가 크게 없을 수 있습니다.

문제점: 어떤 데이터를 분석해야 할지 모른다

의미:

• 주요 지표에 대한 이해 부족
• 데이터 분석을 위한 질문(문제) 설정이 어려움

솔루션:

• 내가 맡은 업무의 핵심 KPI 확인하기
• 데이터로 확인하고 싶은 질문/문제 설정하기
• 질문/문제에 대한 가설 수립하기

‘무엇을 봐야 하는지’는 데이터를 보는 목적과 관련이 있다고 볼 수 있는데요. 두번째 ‘어떻게 분석하는지’는 분석 방법을 이해하고 적용할 수 있는지에 대한 문제입니다. 참고로 저 역시 데이터 분석을 전문적으로 배운 적은 없기에 꾸준히 공부해오며 알게된 내용을 위주로 적어볼게요. 혹시 미흡한 점이 있더라도 너른 이해 부탁드립니다 🙂

우선, 데이터를 보는 목적을 명확히 한 후, 확인해야 할 데이터를 나열합니다. 그리고 가설에 대한 답을 찾기위해 데이터를 쪼개어 패턴을 찾아봅니다.

• 질문: 웹사이트 트래픽이 지난 달보다 왜 50%나 증가했을까?
• 확인할 데이터: 유입 채널별 트래픽 양 (특정 채널에서 트래픽이 증가했는지)
• 패턴 찾기:
  • 일별/주별 트래픽 변화 추이
  • 유입 채널별 트래픽 양과 비율 확인
  • 지난 달 데이터와 비교
  • 새롭게 등장한 유입 채널 소스 확인
  • 변화가 큰 채널의 소스 / 매체 구성 확인

각 요소간에 어떤 관계가 있는지 파악하기 위해 한층 더 깊게 확인하며 질문을 이어가는 과정입니다. ‘트래픽’이란 지표를 구성하고 또 지표에 영향을 주는 다양한 데이터를 비교해가며 분석합니다. 특히 총합이나 평균치를 보고 있다면 데이터를 여러가지 기준으로 나누어 확인하는 것이 중요해요.

예를 들어, 각 분기의 총합만 놓고 보면 퍼널 C의 데이터가 같으니 2분기는 1분기와 비슷한 성과를 냈다고 해석할 수 있습니다. 하지만 2분기의 퍼널 A의 수치는 1분기보다 확연히 낮습니다. 그래서 데이터를 월별로 나눠봤습니다. 5월과 6월의 퍼널 A 수치가 평균치보다 매우 낮은 것을 알 수 있죠.

두번째, 매일 데이터를 수동으로 기록해보세요. 다소 비효율적인 방법처럼 느껴질 수도 있는데요. 특히 데이터를 보는게 익숙하지 않다면, 데이터를 직접 수집하고 기록하는 과정에서 변화를 더욱 세심하게 관찰할 수 있답니다.

매일의 데이터 변화를 보는 것은 장기적인 패턴이나 트렌드를 파악하는 데도 도움이 되는데요. 일별 또는 주별로 기록한 데이터를 시각화한 차트와 비교하면 패턴을 발견하는게 더 쉬워질거에요.

세번째, 중요한 숫자들은 암기해보세요. 매출액, 월평균 회원가입 수, 월평균 전환율 등등 의사결정의 기준이 되는 핵심 지표 데이터를 외워두는 것입니다. 지난 주 매출액이 천만원이었다고 가정해볼게요. 만약 주간 평균 매출액이 5천만 원임을 알고 있다면 무언가 문제가 생겼음을 바로 알 수 있습니다. 대부분 숫자를 보고도 판단이 되지 않을 때는 기준점이 없는 경우가 많기 때문입니다.

문제점: 어떤 방식으로 분석해야하는지 모른다

의미: 데이터 분석법에 대한 이해와 경험 부족

솔루션:

• 가설 세우고 확인에 필요한 데이터 나열하기
• 데이터를 작은 단위로 쪼개가며 질문 이어가기
• 시각화한 차트로 패턴 발견하기
• 수동으로 데이터를 기록하며 지표 익히기

문제점: 데이터를 봤는데 결론이 나지 않는다

의미: 데이터를 해석하고 액션을 도출한 경험 부족

솔루션

• 데이터 분석 목적이 명확한지 점검하기
• 세가지 가이드 유형 이해하기
• 다른 데이터 분석 사례 참고하기

데이터를 볼 시간이 없다고 답했다면 아마도 데이터를 적극적으로 활용하는 조직이 아닐 가능성이 큽니다. 데이터 분석 체계가 아직 구축되지 않은 상태인 것이죠. 데이터를 수동으로 수집하고 분석하고 있는 상황이라면 품이 많이 들기 때문에 지속적인 데이터 활용이 어려울 수 밖에 없습니다.

이런 환경에서 일하는 경우, 대부분 성과를 확인할 시간도 없이 정신없이 ‘실행’하기에 바쁜건 아닌지 생각해 볼 필요가 있어요. 결과보다는 ‘완료’에 의의를 두고 있지는 않은지 말이죠.

현실적으로 어려운 일이겠지만 의식적으로 실행을 멈추어야 합니다. 그리고 무엇이 잘 되고 있고 무엇이 효과가 없었는지를 주기적으로 점검하는 습관을 만들어야 해요.

제가 이 문제를 해결하기 위해 시도해본 세가지 방법을 공유해봅니다.

데이터는 빠른 성장으로 가는 치트키입니다. 데이터는 우리가 어떤 방향으로 나아가야할지에 대한 힌트를 줍니다. 원하는 목표에 더 빠르고 효율적으로 도달할 수 있도록 도와주는 중요한 역할을 하는데요. 그래서 데이터를 활용하는 조직과 그렇지 않은 조직 사이에는 점점 큰 성장의 격차가 벌어질 수밖에 없다고 생각합니다.

대부분의 기업이 전략을 세우고 실행하는 단계에만 집중하는 경향이 있는데요. 데이터를 기반으로 성과를 제대로 이해하고 다음 액션을 최적화하는 과정 또한 실행만큼이나 중요합니다. 그래야 무엇을 더 늘리고 줄여서, 주어진 자원을 가장 효율적으로 활용할지 인사이트를 얻을 수 있으니까요.

마케터로서 모든 비즈니스 데이터를 보기 어려운 경우도 많은데요. 내가 접근할 수 있는 범위 내에서 궁금증을 가지고 데이터에서 힌트를 찾고으려는 노력이 필요한 것 같습니다. 바로 성과가 향상되는 결과로 이어지지 않더라도 이 과정에서 많이 배우고 또 마케터로서 성장한다고 생각해요.

저를 포함하여 아직은 데이터 분석이 어렵지만 포기하지 않고 노력을 이어가는 모든 마케터에게 응원을 전하며 글을 마칩니다.