마케팅 에이전시가 말하는 잘하는 팀의 비밀

광고비를 올릴수록 손해가 나는 구조, 보고 있는 지표가 틀렸습니다. 오피노가 말하는 커머스 의사결정의 맹점.

디지털 마케팅을 집행하다 보면 어느 순간 숫자의 미로 속에 갇히는 경험을 하게 된다. 광고비를 늘렸는데 매출은 제자리고, 로아스(ROAS)는 잘 나오는 것 같은데 왜인지 수익성은 나빠지고. 오피노 인터내셔널은 이런 상황을 반복해서 목격해 왔다.

브랜드의 전체 고객 여정—인지에서 첫 구매, 재구매까지—을 커버하는 컨시어지형 마케팅 에이전시인 오피노 인터내셔널은 컨버스, 닥터 마틴, 애경 계열 브랜드 등 다양한 클라이언트와 협업해왔다. 그들이 라플라스를 도입하게 된 이유는 단순했다. 미디어 데이터만으로는 설명할 수 없는 일들이 너무 많았기 때문이다.

리포팅의 진짜 병목은 데이터 수집이 아니다

많은 마케팅 팀이 리포팅에 시간을 쏟는다고 말한다. 그런데 오피노가 진단하는 진짜 병목은 데이터를 모으는 것이 아니다.

"스프레드시트를 잘 구성해 놨으면 로우 데이터만 넣어서 리포트를 만드는 건 그렇게 시간이 많이 들어가는 업무가 아니에요. 여전히 시간이 가장 많이 들어가는 건 그걸 이해하고 고객사에게 알맞은 인사이트를 전달하기 위해 해석하는 영역이에요."

데이터를 읽는 사람이 누구냐에 따라 결과물의 품질이 달라진다. 이 해석의 격차를 줄이는 것이 오피노가 라플라스에서 찾은 첫 번째 가치였다.

ROAS는 결과다, 원인이 아니다

많은 커머스 팀이 ROAS를 성과 판단의 기준으로 삼는다. 하지만 ROAS는 결과적인 지표다. 'ROAS를 높여라'는 지시만으로는 액션이 나오지 않는다.

"ROAS를 올려야 돼라고 하면 액션해볼 수 있는 게 굉장히 한정적이에요. 예산을 줄이거나, 미디어 소재를 교체해 보는 정도."

ROAS를 분해하면 이야기가 달라진다. CAC(고객 획득 비용), LTV(고객 생애가치), 재구매율, ARPU... 각 지표는 독립적인 액션 포인트를 갖는다. 라플라스는 이 분해된 지표들을 채널별, 브랜드별, 제품군별로 한 화면에서 볼 수 있게 해준다.

"판매 채널이 다양할 때 미디어 데이터만으로 하나로 합쳐서 의사결정하기가 쉽지 않아요. 라플라스를 통합해서 보니까 실무자뿐 아니라 의사결정권자들도 클리어하게 결정할 수 있는 데이터를 제공하더라고요."

예산을 늘렸더니 왜 손해가 났을까

오피노가 경험한 가장 인상적인 케이스 중 하나는 건기식 브랜드였다. 로아스가 잘 나오는 것을 보고 광고 예산을 대폭 늘렸는데, 매출은 기대만큼 오르지 않고 수익성만 악화됐다.

미디어 데이터만 들여다보던 팀은 원인을 찾지 못했다. 오피노가 라플라스를 연결해서 보자 문제가 선명하게 드러났다.

재구매가 없었다

재구매 주기가 제품 실생애 주기와 거의 일치했다. 사실상 대부분의 구매자가 일회성으로 그쳐 휴면 유저로 전환되고 있었던 것이다. 재구매가 발생하지 않으면 신규 고객을 계속 마케팅비로 끌어와야 하는 악순환이 이어진다.

객단가가 CAC보다 낮았다

객단가가 CAC 수준과 유사할 만큼 낮았다. 광고비를 올리면 올릴수록 마이너스 구조가 예견된 상황이었다. 그러나 브랜드 내부에서는 이 지표를 인지하지 못하고 있었다.

"오가닉 기반으로 로아스가 잘 나오고 있으니까, 더 많은 사람이 들어오면 더 좋아지겠지라고 생각했던 거죠."

이 케이스가 말해주는 것은 하나다. 단순히 데이터가 없어서가 아니라, 보고 있는 데이터가 틀렸기 때문에 잘못된 결정이 나왔다.

사일로 없는 환경을 데이터로 만든다

오피노가 라플라스에서 발견한 또 다른 가치는 조직적인 차원에 있다. 부서마다 다른 데이터를 보고 있으면, 우선순위를 합의하는 것 자체가 어렵다.

"부서마다 체크하는 데이터가 다르면 사일로가 발생할 수밖에 없어서, 뭐가 더 우선순위가 높은 결정인지 확인하기가 어렵거든요."

모든 데이터를 하나의 시각으로 정렬하면 논의의 출발점이 같아진다. 오피노는 이를 두고 "CEO가 옆에서 계속 조언해 주는 느낌"이라고 표현했다.

"문제가 될 수 있는 것들, 챙겨야 될 것들, 더 나아가야 될 지점들을 우선순위 기반으로 나열해 주다 보니까. CEO 입장에서는 굉장히 든든하지 않을까라는 생각이 들었어요."

영업일 5일이 하루로

실무 효율도 달라졌다. 라플라스 도입 이전, 오피노는 고객사로부터 로우 데이터를 받아 직접 엑셀로 가공하고 자체 템플릿에 맞춰 정리하는 작업에 담당자 기준 영업일 5일을 썼다.

"라플라스와 협업하고 난 다음에는 고객사가 연동해 주면 30분 안에 데이터를 보고, 다음 날이나 다다음 날에 미팅을 어레인지해서 컨설팅을 진행하다 보니까 엄청난 비용 세이브가 되죠."

기준이 명확해야 Why가 필요 없다

오피노는 데이터 분석의 역할을 이렇게 정의한다. 데이터는 방향표다. 목적지를 알면 이동이 가능하다. 그런데 방향표 앞에서 왜 저쪽으로 가야 하는지를 무한히 논의하다 보면 아무 데도 가지 못한다.

"기준을 명확하게 세워주고, 그 기준이 맞는지만 라플라스로 계속 보니까 사실상 why를 따질 필요가 없어요. 데이터 분석은 우리가 잘 가고자 하는 여정의 방향성을 알려주는 거지, 거기에 너무 매몰되면 실행을 아무것도 할 수가 없으니까요."

재구매율 15% 이상, ARPU 기준선, 로아스 목표치. 숫자로 기준이 서 있으면 팀 전체가 같은 언어로 움직인다. 오피노가 라플라스에서 찾은 것은 결국 그 공통 언어였다.

라플라스는 커머스 데이터 분석 플랫폼입니다.

매출·CS 데이터를 통합 분석하여 실무자부터 경영진까지 하나의 언어로 의사결정할 수 있도록 돕습니다.