타깃 행동은 어디에나 있지만, 쉽게 요약할 수 없다.

타깃 소비자는 각자의 가치관, 상황, 그리고 또 다른 무수히 많은 요소들에 의해 각기 다른 행동을 하게 된다. 브랜드는 매스 미디어를 통해 수많은 핵심 타깃과 가망 타깃을 한번에 공략하기도 하지만, 각기 다른 성향의 타깃을 개별적으로 공략해야 하는 순간도 분명히 존재한다.

정말 오래된 과거에는 타깃 소비자의 성향을 모두 맞출 수 없었던 물리적인 한계로 획일화 된 상품을 생산, 판매하곤 했다. 그러나 기술의 발전과 시장의 성장은 오늘날에 이르러, 최근의 소비자는 셀 수 없이 많은 선택지를 앞에 두고 살아가고 있다.

타깃의 세분화는 이제 너무나 당연한 마케팅 개념이다. 그러나 역으로 말하지만 ‘MY 브랜드’의 ‘MY 타깃’이 누군지 명확하게 알아야 한다는 것이다. 수많은 데이터를 통해 이 시간에도 어디에선가 ‘MY 타깃’은 행동하고 있고 그 행동으로 누적된 데이터를 찾아내어 ‘MY 브랜드’를 적재적소에 보여줄 수 있도록 준비하는 것이, 마케터의 필수 역량이라고 할 수 있을 것이다.

타깃의 행동은 수 많은 데이터로 누적되고, AI는 그 속에서 MY 타깃 공략법을 찾아낼 수 있다.

그렇다면 수 많은 데이터에서 숨어있는 ‘MY 타깃’을 어떻게 찾아낼 수 있을까?

방대한 양의 데이터는 분석을 통해 수많은 인사이트를 도출해 내고, 그것을 활용하여 다음 단계의 마케팅 전략을 제시할 수 있게 도와준다. 그러나 인간의 역량을 넘어서는 데이터는 가공, 계산과 같은 절차에 있어 인간이 아닌 자동화 기술에 의해 처리되곤 한다.

이러한 현상은 마케팅 역량에 따른 최근의 다양한 AI 기능을 탑재한 최적화 시스템은 MY 타깃을 조금 더 손쉽게, 그리고 빠르게 찾아낼 수 있게 된 것에서 트렌드를 찾을 수 있다. 과거에는 ‘저비용’의 타깃을 찾아내는 도구적인 측면의 최적화 솔루션이 필수였다면, 이제는 ‘적합한’ 타깃을 찾아내어 그들에게 ‘적합한’ 메시지를 전달할 수 있도록 설계된 최적화 솔루션이 각광받고 있다.

예를 들어, 최근 구글에서 새롭게 공개한 유튜브의 상품들은 잠재 고객을 찾아내는 과정부터 유저에게 노출할 메시지, 그리고 노출되는 광고 포맷까지 ‘자동 최적화’ 되어 운영되는 형태를 보인다. 구글이 보유한 수많은 데이터를 AI기술이 접목되어 효율적으로 소비자에게 도달할 수 있는 여러 요소들을 찾아내고, 마케터가 아닌 AI가 추천하는 방식으로 최적화 노출되는 것이 결론적으로 효율적인 타깃 도달을 이루어내는 것이다.

‘퍼포먼스’ 마케팅에서 익숙하게 활용하였던 최적화의 개념이 브랜딩에 접목되었을 때에, 더 풍부한 솔루션을 제공하는 수단으로 작용하고 있는 것이며, 나아가 AI가 분석한 데이터와 데이터 간의 연결을 통해 새로운 마케팅 인사이트까지 확보할 수 있다.

그러나 여전히 마케터의 결정에 의한 방향성 설정은 MY 타깃을 찾아내는 가장 중요한 요소이다.

AI 기술의 발전은 빠른 데이터 처리와 자동화 된 시스템 구축으로 마케팅 전략 설정의 물리적인 시간 단축을 이루어 내고 있으며, 수 많은 분석 데이터와 맞서야 하는 미디어플래너도 조력자 AI의 도움을 크게 받고 있다.

다만, AI는 프롬프트(prompt) 값이 무엇인지에 따라 도출되는 결과 값이 달라질 수 밖에 없다. 투입되는 정보의 양과 질에 따라 AI가 처리해야 하는 분석 내용이 상이하기 때문이다. 그렇다면 AI의 분석이 더 정교화되고 소위 말하는 ‘인사이트’ 가 풍부한 분석 값이 되기 위해서는, 마케터가 그리고 미디어 플래너가 어떤 로우 데이터를 제공하는 지에 따라 결정될 것이다.

또한, AI의 분석 및 최적화 처리 이후에도 여전히 마케터의 판단에 의해 진행되어야 하는 마케팅의 단계는 남아있다. 퍼널 간의 데이터 분석 결과로, MY 타깃의 전후 행동에 대해 어떤 가설을 세울지 혹은 분석된 데이터 결과값을 통해 어떤 커뮤니케이션을 진행할 지에 대한 부분은 여전히 마케터가 해결해야 하는 주요 과제이다.