다양해진 데이터

미디어플래너로서 들여다 보아야 할, 접근 가능한 데이터들이 많아지고 있다. 과거에는 TV 시청률, 광고량, 미디어 이용 행태 데이터 등 레거시 미디어 중심의 정형화된 데이터를 주로 다뤘다면 현재는 디지털에서 발생하는 검색, 구매, 위치, 앱 이용 등과 같이 타깃 고객의 직접적인 행동이 만들어 내는 시그널 데이터들도 미디어 플랜 제안 시 중요한 분석 대상으로 다뤄지고 있다.

평균값이 사라진 매체 그리고 타깃 고객

이는 '평균 실종*' 트렌드가 미디어 시장에도 당연히 연결되고 있다는 반증이기도 하다. 지금처럼 매체가 다변화 되기 전에는 타깃 고객이 평균적으로 많이 모여 있는 매체가 명확했다.

TV에 적정 광고비를 투입하면 목표하는 타깃 대부분에게 메시지를 전달할 수 있었다. 예를 들어 목표 타깃 고객인 여성 30-49 중 '스스로를 위해 기꺼이 고가의 화장품을 주기적으로 구매하는 사람들'이라는 특정 타킷도 TV 광고로 도달 가능했다. TV광고로 대부분의 여성 30-49에게 도달할 수 있었기 때문에 성연령 기준의 TV 데이터 분석 만으로도 충분했다.

하지만 다수를 만족시키는 훌륭한 평균값의 대표적인 매체, TV의 영향력이 급감하고, 콘텐츠를 소비할 수 있는 매체, 즉 접점이 다양해졌다. 또한 디지털 시대의 모든 행동은 데이터로 흔적이 남고, 그 데이터가 저장되고 관리되면서 우리의 타깃 고객은 더 이상 성연령 기반의 평균적인 존재가 아니라 이전보다 선명한 개인으로 존재하게 된다.

*평균 실종 : 트렌드코리아2023(김난도)의 첫 번째 키워드로 제시된 '사람들의 취향이나 개성이 다변화되고 사회 양극화가 심화되면서 시장의 평균이 의미를 잃고 있다는 뜻'의 신조어.

선명하게 볼 수 있게 된 타깃 고객

이는 미디어플래닝(뿐만 아니라 큰 범위의 마케팅 플랜)의 첫 단추인 타깃 분석을 풍성하게 만든다. 고객의 구매, 위치, 앱 이용, 광고 반응 데이터가 수집되어 있는 데이터 관리 플랫폼을 활용해 행동 기반으로 그룹화된 타깃을 분석할 수 있기 때문이다.

아주 단순화한 예시를 들자면, 자사 및 경쟁사 제품을 구매한 사람들 혹은 브랜드의 팝업스토어나 오프라인 매장에 방문한 사람들이 어떤 페르소나를 지녔는지 가상의 인물로 구현해내 커뮤니케이션 해야할 우리의 타깃이 어떤 사람인지에 대한 인사이트를 얻을 수 있다.

또한 버즈 데이터로 타깃 고객들이 우리 브랜드에 대한 어떤 감성어, 연관어 등을 생성해내고 있는지, 검색 데이터로 어떤 의도를 가지고 우리 브랜드를 검색하고 있는지 파악할 수도 있다. 다양한 데이터를 통한 타깃 분석이 뾰족해 지면 캠페인 목표를 달성하기 위한 미디어 전략과 전술이 구체화되고 입체적으로 구성된다.

다양해진 데이터로 해야하는 건 결국, 타깃에 대한 이해

가장 다수가 되는 평균적인 군집 기반의 타깃 분석에서 벗어나, 데이터를 통해 우리의 타깃 소비자군을 세밀하게 나누어볼 수 있게 되었다. 미디어플래너로서 다양해진 데이터로 할 수 있는 일은 결국 취향과 소비가 여러 갈래로 나뉘는 N극화 특성을 보이는 소비자를 다채롭게 정의하고, 핵심 타깃 맞춤의 미디어 전략을 도출하는 것이라고 생각한다.

추적 가능한 디지털 행동을 조합해 우리의 제품 또는 서비스의 진짜 고객이 누구일지 여러 가설을 세우고 검증해 나가는 것이 중요할 것이며, 이는 디지털 시대에 파편화된 미디어 소비와 취향을 보이는 타깃 고객에 대한 새롭고 다양한 평균’들’을 찾아 축적하는 일이기도 할 것이다.