브레이즈, 앰플리튜드, GA4, GTM, 믹스패널, 에어브릿지, 앱스플라이어, 브랜치, 애드저스트 등등 프로덕트 데이터를 기반으로 마케팅 액션을 취하기 위해 다양한 솔루션이 등장했습니다. 이 솔루션을 사용하려면 프로덕트와 연동이 필수입니다. 이 과정에서 데이터 택소노미 설계가 필수입니다.
데이터 추적 정확도에 영향을 미치는 데이터 택소노미
데이터 택소노미(이하 Taxonomy)란, 간단하게 마케팅 관점에서 데이터를 그룹화하고 구성하는 방법입니다. 프로덕트를 연동할 때, 사용자가 취하는 액션 로그가 남는데, 이 것을 ‘이벤트’라고 부릅니다. ‘이벤트’를 추적하기 위해 이름을 붙여주는데 이 방식을 데이터 Taxonomy라고 합니다.
여기에서 Taxonomy에 대한 상세설명을 확인하세요!
일관된 Taxonomy 없이 수집된 데이터는 그 의미를 해석하기가 어려워집니다. 특히 조직 전체에 걸쳐 통합적인 데이터 분석이 어렵습니다. 한 예를 들어볼까요?
사용자가 앱에 들어와 ‘회원가입’ 이라는 액션을 일으키는 과정에서 수많은 행동을 발생시킵니다. ‘회원가입’이라는 버튼 클릭부터 데이터 입력, 성별 클릭 등의 이벤트를 일으키다가 최종적으로 ‘회원가입 완료’ 버튼을 눌러야 비로소 ‘회원가입’이라는 액션으로 전환되었다고 정의할 수 있습니다.
그런데 이 과정을 ‘프로덕트팀’은 최종 회원가입 버튼에 ‘signup_complete’ 라는 라벨링을 하고, ‘마케팅팀’은 회원가입 시작에 해당하는 ‘signup_start’로 정의한다면, 각 팀별로 보는 데이터 수치가 정확할까요?
또 다른 예가 있습니다. 프로덕트팀이 솔루션을 셋업할 때, 회원가입 최종 완료를 ‘signup_complete’으로 등록했습니다. 이 히스토리를 모르는 서비스운영팀은 ‘register_complete’으로 등록합니다. 보통 이런 히스토리를 모두 파악하기 어려운 마케터가 각 퍼널별 행동 전환 수를 파악하기 위해 대시보드를 열어봅니다. 이 때, 마케터가 ‘singup_complete’과 ‘register_complete’를 한 번에 구분을 할 수 있을까요
데이터 기반 분석을 위해 솔루션 도입하는 과정에서 데이터 Taxonomy가 정말 중요한 이유입니다. 회사 내 일관된 데이터 택소노미 관리 시스템이 있다면, 분석 작업이 더욱 빠르고 정확해집니다. 특히, 각 유저 행동을 명확하게 정의할 수 있게 됩니다. 마케터 입장에선 강력한 데이터 사용을 기반으로 하는 마케팅 전략 실행까지도 가능합니다.
지금까지 간단히 Taxonomy가 무엇인지, 그리고 통일된 Taxonomy가 왜 필요한지에 대해 알아보았습니다. 그렇다면 현재 여러분이 소속한 조직 내 Taxonomy는 어떻게 되어있을까요? 이를 진단할 수 있는 방법이 있을까요?
데이터 택소노미가 건강한지 알기 위한 5가지 진단 요소
아래 5개 진단 리스트를 보고, 자가 체크를 해보세요!
1. 프로덕트 분석 툴에서의 특정 이벤트 발생 수와 MMP내 이벤트 발생수 차이가 너무 큰 경우
분석가와 데이터 과학자가 경쟁분석을 하거나 서로 다른 콘텐츠의 성능을 비교하려고 할 때 데이터가 표준화되지 않으면 작업이 매우 어려워집니다. 배치, 마케팅 캠페인, 마케팅 애셋 (크리에이티브), 채널의 이름과 구조가 페이스북, 카카오톡, 네이버마다 다 다를 경우, 대시보드로 모아 보아도 다른 성질의 데이터를 비교하게 됩니다. 이 글을 읽다가 격하게 공감 중이시라면, 이는 여러분의 데이터 택소노미를 점검을 해봐야 한다는 강력한 신호입니다.
2. 데이터 세트에 중복된 정보가 나타나는 경우
프로덕트 분석 툴을 쓴다고 가정해보겠습니다. 이 툴을 사용하는 조직이 마케팅팀이 있고, 프로덕트팀이 있습니다. 하지만 두 팀이 통일된 데이트 스키마를 관리하는 게 아니라 각자 관리한다고 하면, 동일한 ‘회원가입’에 대해 다른 이름을 저장해두고 있을 확률이 있습니다. 즉, 밀접한 이벤트 데이터, 혹은 유저 프로퍼티 값에 대해 팀마다 다른 Taxonomy를 부여한 경우 중복된 데이터로 인해 중복값이 나타날 확률이 높게 됩니다.
3. 프로덕트 혹은 서비스에 비친 통일되지 않은 단어들이 보이는 경우
마케팅과 비즈니스, 프로덕트팀 간에 통일된 Taxonomy가 없는 건, 개인화된 콘텐츠에도 영향을 미칠 수가 있습니다. 그리고 이건 유저에게 노출 되는 정보라 임팩트가 적지 않습니다. 예를 들어 보겠습니다. 마케팅팀에서 보낸 푸시가 예약시간에 맞게 나갔습니다. 그런데, 5분 뒤에 바로 ‘공지사항’ 푸시가 나갔습니다. 유저는 얼떨결에 2개의 푸시를 5분 간격으로 받게 된 셈이죠. 데이터 택소노미가 이것과 무슨 상관이 있을까요?
통일화된 데이터 Taxonomy를 활용하면, 메시지 캠페인 자동화하는 데 있어, 조건을 거는데 더욱 원만해집니다. 위 예시를 다시 보겠습니다. 푸시 캠페인의 데이터 택소노미를 ${팀명}${캠페인이름}${캠페인시작일시}로 정했다고 해봅시다. 그러면 MKT_TimeSales_20230330 과 같은 이름이 나옵니다.
프로덕트팀의 공지사항 알림을 동일한 규칙으로 적용한다면 PDT_NOTICE_20230330 이 되겠습니다. 푸시 우선순위의 조건을 공지사항에 우선한다면, ‘NOTICE’에 해당하는 캠페인 예약이 없을 경우라는 조건문을 시스템화 할 수 있습니다.
이런 사소한 데이터 Taxonomy는 유저 경험에 직접적인 영향을 미칠 수 있습니다. 데이터 Taxonomy를 활용 목적에 맞게 규칙화 한다면, 상당 부분 해결될 수 있습니다. 만약 이 부분에 대해 ‘아차’ 싶다면 데이터 택소노미를 한 번 진단 해보세요
4. 원하는 정보를 검색할 수 없는 경우
프로덕트 분석 툴 도입 후, 특정 이벤트를 검색하거나 유저에 대해 검색하는 과정에서 어려움을 겪고 있나요? 구매 행동에 대한 데이터를 검색하려고 ‘Purchase’를 입력했는데, 찾아지지 않아 담당자를 찾아가지 ‘Pay’ 로 입력해두었음을 뒤늦게 알게 된 경험. 이게 남 일 같지 않다면, 데이터 통일화된 관리가 잘 안되고 있다는 증거입니다. 데이터 택소노미 검토가 필요합니다.
5. 대시보드 수치의 에러 정도가 너무 큰 경우
많은 회사에서 자사 DB에 저장한 데이터와 대시보드 혹은 프로덕트 분석 툴을 도입한 데이터 수치를 함께 보는 경우가 있습니다. 근데 어느 순간 데이터가 맞지 않더니, 유난히 그 편차가 커서 어떤 것을 믿어야 할지 혼란스러운 경우가 발생합니다. 여러분도 공감하시나요? 그렇다면 데이터 택소노미 진단을 해봐야 합니다. 각 프로덕트 내에 심어둔 이벤트의 데이터 Taxonomy가 통일되지 않아, 중복되고 있거나 유실될 가능성이 크기 때문입니다.
하지만 막상 데이터 Taxonomy를 보려고 하면, 막막합니다. 특히 개발자 도움이 필요한데, 데이터 Taxonomy를 수정해야 하는 수작업을 기쁜 마음으로 기꺼이 해줄 수 있는 담당자가 많지 않을 것이기 때문이에요. 하지만 프로덕트 분석툴과 CRM 툴 등 데이터 연동해야 하는 다양한 솔루션은 데이터 택소노미를 기반으로 하기 때문에 솔루션을 고도화하기 위해선 결국 데이터 택소노미 수정이 필수입니다. NNT는 실무자들과 인터뷰를 통해 귀사 핵심 KPI에 걸맞는 데이터 택소노미 설계 작업부터 컨설팅을 해드립니다.
🙌 마케팅 Taxonomy 및 이를 활용한 데이터 분석에 어려움을 겪고 계신가요? NNT가 도와드리겠습니다! 🙌
📖 Taxonomy 및 데이터에 대한 다른 글이 궁금하시다면? 이 글도 참고해주세요!