정량화할 수 없는 것을 정량화하는 법

디지털 광고판 앞을 지나간 사람, 정말 몇 명일까? 🚶 - DOOH 옥외광고 효과를 데이터로 증명하는

매장 KPI 기초, 체류 시간 데이터 어디까지 측정해봤나요?

디지털 옥외 광고를 본 사람 측정하기

DOOH^[각주:1] 대행사의 경우 광고의 효과를 알리기 위해선 측정 가능한 지표설정이 필수적이다. DOOH 대행사는 광고 효과를 어떻게 측정할까? 특히나 시간대별로 다른 콘텐츠를 보여줄 때 매우 효과적인 그 특성상 유동인구 지표가 꼭 필요하다.

그러나 매체 주변을 이동하는 유동인구를 한 명 한 명 직접 집계하는 일은 현실적으로 불가능하다. 통신사 데이터로 측정하는 방법도 있지만, 충분치 않다. (광고판 뒤쪽을 지나가도 가까우면 집계된다)

로플랫이라는 기업은 실내외 위치 데이터를 활용해 광고를 실제로 볼 수 있는 위치의 유동인구만 선별하고, 가시 범위와 시간대별 패턴을 분석해 이를 도출한다. 예를 들어, 양재역 사거리는 매체 설치 방향이 대중교통 이용자를 포함한 대로변 유동인구에 많이 노출되며, 오전 9-10시에는 출근 러시로 매체 노출에 유리한 대로변 유동인구가 많고 오후 6-8시에는 퇴근 및 저녁 활동 시간 내내 대로변 유동인구 활성화가 유지된다. 그러나 이 방법 또한 '다른 곳을 보고 있는 사람'은 가려낼 수 없다는 한계점이 있다. (물론, 현실적으로 이는 불가능할 것이다)

이와 같은 데이터 분석을 통해 광고주는 ROI 기반의 합리적인 광고 집행이 가능하다. 로플랫은 DMP 타겟팅^[각주:2]도 적용한다.

DOOH 노출 인구를 타깃 세그먼트로 설정하고, 해당 그룹에게 소셜 미디어 등을 통해 연속성 있는 메시지를 전달하여 크로스 채널 캠페인의 성과를 측정하는 것이다. 성공적으로 측정되는 경우 오프라인 노출 → 온라인 클릭 → 매장 방문 전환까지 전체 여정 추적이 가능해진다. 예를 들어 스포츠 브랜드가 마라톤 대회 현장 광고 후 온라인 연계로 일반 대비 3배 높은 매장 방문 전환율을 달성했다라는 유기적인 시나리오로 가설수립이 가능하다.

매장 내 체류 시간 측정하기

좀더 쉬운 예시로 옷가게를 생각해보자. 매장 내 체류시간을 가지고도 많은 정보를 얻을 수 있을 것이다. 특히나 특정 매대 앞 체류시간, 특정 시간대 체류시간, 특정 코호트의 체류시간 등을 종합하여 '20대 여성이 일요일 저녁에 유독 오래 머무르는 매대'와 같은 고도화된 타겟팅이 가능하다. 더 나아가, 똑같은 매대라도 어떤 상품을 배치하느냐에 따라 체류 시간이 달라진다. 이를 통해 어떤 상품이 고객을 사로잡는지 아닌지 판단이 가능하다.

'내 매장'이 아니어도 좋다. 플래그십 스토어 내 팝업스토어로 마케팅을 했을 때 효과를 측정할 때도 체류시간은 매우 중요한 데이터다.

매장은 옥외에 비해 작고 고립된 공간이기에 옥외광고보다는 측정이 수월하다. 그러나 한명한명 스톱워치로 측정할 수는 없다. 첫째로 매장 방문객의 스마트폰 Wifi 신호를 잡아, 입장·퇴장 시각을 기초로 체류 시간을 계산할 수 있다. 그러나 방문객이 Wifi를 켜두어야 측정이 가능해, 일부 데이터가 누락될 여지가 크다.

매장 곳곳에 설치된 센서로 방문객이 보유한 RFID 칩을 인식하여 측정하는 방법도 있다. 그러나 신호 간섭, 중복 인식 등의 이슈가 있고, 성별&연령대를 기반으로 체류 시간 데이터를 세부적으로 나눠보기 어렵다는 단점이 있다.

CCTV 기반 AI 분석을 하기도 한다. 메이아이라는 기업이 해당 솔루션을 제공한다. 보다 고도화된 방법으로, 딥러닝 기반으로 매장 전체, 층별, 매대별, 대기줄 등 각종 체류 시간을 파악한다. 다만 이 방법 또한 오인식, 오분류 등의 여지가 있다.

또한 주의할 것은 체류 시간이 길다고 무조건 긍정적인 것은 아니라는 것이다. 대기줄이 길거나 제품을 찾기 어려워 오래 머무는 경우는 불만족 신호일 수 있다. 또한 매장 외에서 발생하는 연관 이벤트의 경우 파악이 어렵다. 예를 들어 매장에 픽업을 하기 위해 들른 고객은 체류 시간이 짧고, 구매행위를 사실상 다른 채널에서 한 셈이다. 이 데이터를 다른 고객의 체류 시간과 평균을 내어 분석할 경우 잘못된 인사이트를 도출하기 때문에 고려해야 한다.

그리고 체류 시간은 성과를 대변하지 않는다는 것도 이해해야 한다. 매장 운영 성과의 핵심인 매출이 오르려면 방문객 수와 전환율이 높아져야 하므로 지표를 설정할 때 체류 시간을 중심으로 매장 성과를 측정하기보다는, 다양한 데이터를 종합적으로 봐야 한다.

공공데이터 조합해서 지표 만들기

IT 프로덕트와는 별 상관이 없어 보이는 곳에서 힌트를 얻어보는 것은 어떨까? 수많은 공공데이터 활용 공모전이 존재한다. 공공데이터는 무료에, 데이터의 양이 방대하고, 데이터의 신뢰도가 높다는 장점이 있지만 자치구나 중앙부처의 인력으로는 그런 어마어마한 양의 데이터를 가지고 의미 있는 인사이트를 계속 만들어내기란 불가능하다. 이 때문에 공모전을 진행하는 것인데, 공모전 수상작들을 보면 어떻게든 데이터를 엮어서 지표를 만들어내고 이를 통해 문제 정의와 가설 수립, 해결 방안 도출까지 한 과정들이 전부 나와 있다.

특히 최근 열섬 현상 해소, 인프라 확충 등과 관련한 입지분석 사례들이 수상작을 많이 차지하고 있다. 이런 입지분석 사례들은 데이터를 통해 오프라인의 여러 현상들을 정량화한 사례들이기 때문에 참고할 만하다.

아래 사례들을 보면 (서로 다른 수상작이다) 승하차 인원 데이터와 버스정류장 위치 데이터, 배차간격 데이터를 이용하여 버스 한 대당 순승차인원을 구했고, 행정동별 유동인구 수와 하계 폭염일수, 버스정류장별 승하차 인원 수, 도로구간별 유동인구 수를 조합하여 얼마나 많은 대중교통 이용 인구가 더위에 도출되어 있는지를 측정하였다.

 

 

---

추가로 알아내야 할 점

• 오프라인으로 자체 측정 솔루션을 적용할 수 없는 작은 기업들의 경우 외주 솔루션을 활용하는 편일까?
• 오프라인 DT 측정을 정확하게 하기 위해 설문조사나 유저테스트를 진행하는 경우도 있을까?
• 온오프라인 지표를 연관지어 총체적으로 인사이트를 얻으려면 오프라인 담당자와도 소통이 중요할 것 같다. 오프라인 업장이 있는 기업의 경우 PM이 현장으로 자주 나가야 할 것 같은데, 사적으로 자주 찾아가고 친해지는 것이 도움이 많이 될까?
  • -> 튜터님께선 현실적으로 많이 찾아가지 못하셨다고 한다. 그래도, 하면 당연히 좋은 거라고 하셨다.

각주

1. DOOH(Digital Out-Of-Home) 광고: 집 밖의 공공장소에서 접하는 모든 종류의 디지털 광고. [본문으로]
2. 1st(자사), 2nd(제휴), 3rd(외부) 파티 데이터를 수집·분석하여 웹사이트 방문, 구매 이력, 오프라인 행동 패턴 등을 기반으로 정교한 오디언스 세그먼트를 구축, 광고 성과를 극대화하는 마케팅 기법. 성별·연령뿐만 아니라 실제 행동 데이터를 활용해 고효율 타겟에게 개인화된 광고를 도달시킴. [본문으로]