과거 기사에서 관련성 높은 이메일 마케팅 메시지를 작성하는 4단계 관련성을 정의하고, 그 중요성을 자세히 설명하고, 관련성 있는 메시지를 작성하는 4단계에 대해 설명했습니다.
이제 정확도를 달성하기 위한 점점 더 나은 기술, 이러한 기술을 뒷받침하는 데이터, 그리고 완전한 정확도를 향한 노력을 가장 효과적으로 이끌 수 있는 전략이라는 세 가지 주요 요소 덕분에 정확도가 어디로 가고 있는지 살펴볼 때입니다.
흥미로운 기사 데이비드 다니엘스 가 마케팅 관련성의 새로운 미래에 대해 설명합니다.
우리는 관련성 측면에서 새로운 단계로 빠르게 전환하고 있으며, 미래에는 CRM에서 다음과 같은 진정한 개별 경험을 제공하기 위한 컨텍스트 전략으로 나아가고 있습니다. "사람 기반 마케팅"(사람 기반 마케팅).
이 접근 방식은 CRM 데이터와 알려지지 않은 데이터를 혼합하여 고객을 하나의 인격체로 인식하는 것입니다. 이러한 사람 기반 마케팅의 개념을 통해 마케터는 처음으로 사람들을 개별적으로 타겟팅할 수 있습니다.
디지털 마케터는 오프라인 경험을 모방하여 고객을 개인으로 인식하기 시작해야 합니다. 많은 오프라인 비즈니스(오프라인 매장)는 단골 고객을 알아보고 다양한 대화를 나누며, 처음 방문하는 신규 고객으로부터 다양한 제안을 받습니다.
이 접근 방식에서는 사용자의 신원을 파악한 다음 행동, 태도, 인구 통계 및 위치를 타겟팅 속성으로 사용해야 합니다.
오늘날 마케터들은 이메일 주소를 통해 고객을 타겟팅할 수 있지만, 이메일 마케터들이 사용 가능한 모든 데이터를 활용하고 있지는 않은 것으로 나타났습니다.
관련성의 미래가 시작되었습니다.
소비자는 관련성을 요구합니다. 최근의 관련성 그룹 소비자 설문조사에서, 551TP23%의 소비자가 자신과 관련이 없는 메시지를 무시하거나 거부한다고 답했습니다.
관련성의 여정
- 세그먼트: 이는 수십 년 동안 다이렉트 및 디지털 마케팅의 기반이 되어 왔습니다. 이 접근 방식에서 마케터는 고객 관계에 대한 레거시 기록 보기를 제공하는 고객 관계 마케팅(CRM), 빈도 및 금전(RFM) 데이터를 활용합니다.
- 컨텍스트: 이것이 바로 오늘날 우리가 살고 있는 시대입니다. 컨텍스트는 다음과 같은 정밀 마케팅의 장점을 최대한 활용합니다. 실시간 데이터 를 사용하여 이벤트 기반 정보를 사용하여 커뮤니케이션을 트리거하거나 예측 모델의 데이터 입력으로 사용할 수 있습니다. 과거 행동이 미래 행동을 가장 잘 예측하는 경우, 문맥 데이터는 과거의 행동이 몇 분, 몇 시간 또는 며칠 전의 것일 수 있기 때문에 부분적으로 효과가 있습니다. 이는 마케팅 정확도를 높이기 위해 반드시 필요한 단계입니다.
- 사람들: 사람 기반 마케팅(PBM)은 현재 우리가 하고 있는 마케팅의 초기 단계입니다. 이는 CRM 데이터와 알려지지 않은 데이터를 혼합하여 고객을 하나의 인격체로 인식하도록 합니다.
이러한 '사람 기반 마케팅'이라는 개념을 통해 마케터는 처음으로 사람들을 개별적으로 타겟팅할 수 있습니다. 이 접근 방식을 통해 마케터는 지속적인 신원 기반 라이프사이클 또는 일회성 캠페인을 구현할 수 있습니다.
관련성의 미래는 다음과 같이 구성됩니다. 4가지 주요 기둥:
- ID 관리 CRM에서 알려진 고객과 알려지지 않은 고객 정보를 일치시키는 기술과 방법론은 향후 관련성을 위한 핵심 요건입니다.
- 데이터 관리 방대한 양의 비정형 데이터, 고객 정보, 방대한 광고 데이터를 관리할 수 있어야 합니다. 이를 위해서는 위생 및 보강과 같은 추가적인 데이터 전략이 필요합니다.
- 머신 러닝 - 머신 러닝 마케터에게 인공지능을 제공하여 타겟팅 및 집중을 위한 예측 추천과 새로운 전략을 개발할 수 있는 기능을 제공합니다.
- 채널 구현 모든 채널에서 관련성을 높이고, 가장 중요한 것은 채널과 디바이스 전반에서 참여도를 측정할 수 있는 기능입니다.
정확도의 미래에는 세분화 및 분석을 위한 정확한 실시간 데이터가 필요합니다.
관련성의 미래에는 타겟팅과 분석을 위한 정확한 실시간 데이터가 필요합니다. 마케터들은 캠페인의 정확성을 높이기 위해 실시간 데이터를 점점 더 많이 사용하고 있습니다.
위치, 웹 이벤트 데이터, 심지어 날씨와 같은 실시간 데이터는 관련성의 정확도를 획기적으로 향상시킵니다. 행동 요소에 실시간으로 대응할 수 있는 능력은 캠페인 컨텍스트와 결과를 향상시킵니다.
데이터 위생과 데이터 보강 또한 정확도의 미래를 위한 필수 요소입니다. 마케터는 알려진 고객 데이터와 알려지지 않은 고객 데이터를 완전히 결합하기 전에 깨끗한 데이터로 작업하는 것이 필수적이며, 이를 위해서는 신원 관리가 필수적입니다.
머신러닝과 인공 지능은 필수적이며 빠르게 성장하고 있습니다.
수년 동안 마케터들은 예측 추천 기술을 실험해 왔으며, 그 중 대부분은 웹사이트 개인화에서 그 모습을 드러냈습니다. 따라서 정교한 인공 지능에 의존하는 새로운 학습 기술이 시장에 출시되었습니다.
추천 알고리즘은 과거 행동을 통해 학습하며 시간이 지남에 따라 더욱 정확해집니다.
이 기술은 빠르게 변화하고 있지만, 마케터는 복잡한 모델링을 통해 핵심 예측 기능을 갖춘 업체와 최신 웹 개인화 서비스를 활용할 수 있는 업체를 찾아야 합니다. 머신러닝을 '수용'하는 마케터는 그렇지 않은 마케터보다 유리한 고지를 점할 수 있습니다.
