"우리 고객이 30대 여성이라고요?" — 추정 인구통계로 타겟 검증하기

"우리 브랜드 타겟은 25~35세 여성이에요."

이 말을 데이터로 확인해본 적 있나요?

대부분의 브랜드가 타겟을 "감"이나 "초기 기획 의도"로 설정합니다. 브랜드를 만들 때 "이런 사람이 살 거야"라고 정한 그 타겟이 런칭 2년 뒤에도 그대로인지, 실제 구매 데이터로 검증하는 경우는 드뭅니다.

문제는, 감으로 설정한 타겟과 실제 구매 고객이 다를 수 있다는 것입니다. 만약 "25~35세 여성"에게 광고비를 집중하고 있는데, 실제 매출의 40%가 40대에서 나오고 있다면 — 광고비의 상당 부분이 비효율적으로 쓰이고 있는 겁니다.

추정 인구통계란?

라플라스의 추정 인구통계는 주문 데이터에서 고객의 성별과 연령대를 추정하는 기능입니다.

스마트스토어, 카페24, 아임웹 등 쇼핑몰 자체에서는 이 분석을 제공하지 않습니다. 네이버 애널리틱스나 GA4에서 방문자 인구통계를 볼 수 있지만, 이건 "방문한 사람"이지 "구매한 사람"이 아닙니다.

라플라스는 commerce_dim_user 테이블에서 회원 정보를 기반으로 추정합니다. 여러 주문에서 가장 빈도 높은 값을 채택하는 로직으로, estimated_gender와 estimated_age_range를 산출합니다.

방문자 인구통계 vs 구매자 인구통계

이 둘의 차이가 핵심입니다.

[방문자 인구통계 — GA4/네이버]
20대 여성: 35%
30대 여성: 28%
40대 여성: 15%
20대 남성: 12%

[구매자 인구통계 — 라플라스]
30대 여성: 32%
40대 여성: 28%  ← 방문 대비 구매 전환율이 가장 높음
20대 여성: 18%  ← 많이 방문하지만 적게 산다
30대 남성: 12%

20대 여성은 많이 방문하지만 구매 비중은 3위. 40대 여성은 방문은 적지만 구매 전환이 압도적입니다.

인구통계로 발견하는 3가지 인사이트

1. 세그먼트별 AOV 차이

20대 여성: AOV 28,000원  |  바구니 1.5개
30대 여성: AOV 45,000원  |  바구니 2.8개
40대 여성: AOV 52,000원  |  바구니 3.2개
남성 전체: AOV 38,000원  |  바구니 2.1개

40대 여성의 AOV가 가장 높습니다. 같은 1명을 데려와도, 40대 여성 1명이 20대 여성 1명의 1.9배 매출을 만듭니다. CPA가 같다면, 40대 여성 타겟 광고의 ROI가 압도적입니다.

2. 연령대별 재구매율 차이

20대: 재구매율 22%
30대: 재구매율 31%
40대: 재구매율 38%
50대: 재구매율 42%

나이가 많을수록 재구매율이 높습니다. "20대를 잡아야 미래다"는 맞지만, "40~50대를 유지해야 현재 매출이 안정적이다"도 동시에 참입니다.

3. 상품별 인구통계 차이

상품 A (클렌징 오일):  30대 여성 45%  |  20대 여성 30%
상품 B (안티에이징 크림): 40대 여성 52%  |  50대 여성 25%
상품 C (선크림):       20대 여성 38%  |  남성 22%

상품 C에서 남성 비중이 22%라면 — 선크림 상세 페이지의 모델이나 카피가 남성에게도 어필하도록 조정하거나, 남성 타겟 광고 소재를 별도 제작하는 게 효과적입니다.

광고 타겟팅에 바로 쓰는 법

Before (감 기반)

• 메타 광고 타겟: 25~35세 여성, 뷰티 관심사

• 근거: "우리 브랜드 컨셉이 그러니까"

After (데이터 기반)

• 라플라스에서 확인: 실제 매출 상위 = 35~45세 여성, AOV 최고

• 메타 광고 타겟 A: 35~45세 여성 (고AOV 세그먼트 집중)

• 메타 광고 타겟 B: 25~34세 여성 (기존 유지, 비교 테스트)

• 결과: A 타겟의 ROAS가 B의 1.8배

주의할 점

추정 인구통계는 "추정"입니다. 100% 정확하지 않습니다.

• 회원 정보를 입력하지 않은 비회원 주문은 추정 불가

• 회원 정보가 부정확한 경우(가입 시 대충 입력) 오차 발생

• 선물 구매의 경우 구매자 ≠ 사용자

따라서 "우리 고객의 정확한 인구통계"가 아니라, "매출 패턴의 방향성을 잡는 참고 데이터"로 활용하는 게 적절합니다.

시작하는 법

Step 1. 라플라스 결제 통계 > 디멘션 추가 > gender, age_range

Step 2. 성별/연령대별 매출 비중, AOV, 재구매율 확인

Step 3. 현재 광고 타겟과 실제 구매자 프로필 비교

Step 4. 차이가 크면 광고 타겟 조정 또는 A/B 테스트

Step 5. 상품별로 쪼개서 상품별 타겟 세그먼트 확인

정리

"우리 타겟은 ~이다"라는 가설을, 데이터로 확인하세요. 맞으면 확신이 생기고, 틀리면 전략이 바뀝니다.

라플라스 결제 통계에서 추정 인구통계를 지금 바로 확인해보세요.