전환 고객은 누구일까? 실제 행동 데이터로 찾는 새로운 타겟
광고 성과는 나오는데,
정작 어떤 사람이 반응했는지 모른다면.
대행사 실무에서, 혹시 이런 적 있으세요?
타겟을 잘못 설정한 것이 아니라, 실제로 반응한 전환 고객의 특성을 충분히 알지 못하는 것이 문제일 수 있습니다. 그래서 디지털컴퍼니는 질문의 방향을 바꿨습니다 — "이미 전환한 고객은, 어떤 특성을 가지고 있을까?"
KB 결제·금융 행동 데이터로 전환 고객의 특성을 분석하고, 새로운 타겟으로 확장합니다.
이미 반응한 사람부터 살펴보기
타겟을 먼저 정의하기보다, 실제 전환이 발생한 고객의 특성을 먼저 분석합니다.
추정이 아닌 실제 행동 데이터로
관심사나 인구통계만으로 추정하지 않고, KB 데이터에서 확인되는 실제 결제·금융 행동을 기반으로 고객 특성을 비교합니다.
발견한 특성을 타겟으로 확장하기
전환 고객에게서 상대적으로 두드러지게 나타난 특성을 바탕으로 신규 타겟 세그먼트를 구성하고, 광고 집행 및 소구 메시지 전략으로 연결합니다.
추정이 아니라, 실제 결제 데이터입니다.
이어지는 두 사례는 업종과 전환 행동이 다를 뿐, 동일한 데이터와 동일한 방법으로 분석했습니다. 기준을 먼저 밝혀 둡니다.
1,796만 명
KB AdMarket 택소노미(결제·자산·앱 데이터로 분류해 둔 세그먼트 체계)에 매핑된 전체 고객으로, 전환 고객과의 비교 기준으로 활용합니다.
최근 30일
전환 고객 추출과 택소노미 집계를 동일한 30일 구간을 기준으로 비교했습니다.
실제 결제·금융 행동 데이터
설문이나 단순 관심사 추정이 아닌, 실제로 확인된 결제·금융 행동 데이터를 활용합니다.
아래는 데이터를 통해서 분석 기반으로 했던 사례들 예시입니다. 진행 희망 시 별도 협의 필요합니다.
여행을 준비하는 사람은,
여행 외에도 움직입니다.
여행 관련 행동을 완료한 유저에게서 여행 관련 항목이 높게 나타나는 것은 자연스러운 결과입니다. 이는 분석 결과가 사전에 설정한 가설과 같은 방향으로 나타나는지를 확인하는 기준점입니다.
여행 관련 항목을 제외하고 남은 특성입니다. 여행 카테고리와 직접적인 관련이 없는 소비에서도 특정 항목이 상대적으로 높게 나타났습니다. 이러한 특성은 여행 관련 행동과 함께 나타나는 소비를 이해하고, 새로운 타겟 신호를 발굴하는 데 활용할 수 있습니다. 막대가 길수록 전체 고객 대비 높게 나타난 특성입니다.
평균 3.3배 높게 나타남
평균 2.2배 높게 나타남
평균 2.1배 높게 나타남
평균 1.9배 높게 나타남
평균 1.9배 높게 나타남
※ 막대 길이는 항목별 상대적 크기를 시각화한 것으로, 실제 고객 비율을 의미하지 않습니다.
가장 눈에 띄는 항목은 세차장 결제였습니다. 여행 행동 고객에서는 세차장 관련 특성이 전체 고객보다 평균 3.3배 높게 나타났습니다. 이처럼 전환 고객에게서 함께 나타나는 차량 관리 · 의류 · 잡화 · 환율 관련 행동을 확인함으로써, 기존 관심사 타겟만으로는 발견하기 어려운 새로운 타겟 신호를 발굴할 수 있습니다. 이러한 특성은 여행뿐 아니라 자동차 관리 · 패션 · 잡화 등 연관 업종의 타겟 전략에도 활용할 수 있습니다.
타겟 프로필 기반 KB Ads 광고 집행 예시
도출된 타겟 특성을 바탕으로 제안하는 광고 카피 예시입니다.
환율부터 챙기세요
여행에서 발견한 방식은 여행 업종에만 적용되는 것이 아닙니다. 분석 대상만 바꾸면 같은 방식으로 새로운 전환 고객의 특성을 발견할 수 있습니다.
기부하는 사람은, 누구일까?
아래 특성은 전체 KB AdMarket 분석 대상과 비교했을 때 실제 기부 행동 고객에서 상대적으로 높게 나타난 항목입니다. 막대가 길수록 전체 고객 대비 높게 나타난 특성입니다.
평균 16.6배 높게 나타남
평균 13.2배 높게 나타남
평균 10.2배 높게 나타남
평균 10.1배 높게 나타남
평균 10.1배 높게 나타남
※ 막대 길이는 항목별 상대적 크기를 시각화한 것으로, 실제 고객 비율을 의미하지 않습니다.
직장인 앱 설치는 전체 KB AdMarket 분석 대상과 비교했을 때 실제 기부자에게 약 16.6배 높게 나타난 특성입니다. 이처럼 전환 고객에게 상대적으로 많이 나타나는 행동 특성을 확인하면, 기존의 막연한 관심사 타겟을 넘어 실제 기부 행동과 함께 나타나는 유저 특성을 타겟 전략에 활용할 수 있습니다.
광고 활용 포인트 — 직장인 · 학부모 유저를 핵심 타겟으로 구성하고, 이후 자가용 보유·이용 유저로 확장할 수 있습니다. (카피 예시: '매달 자동으로, 무리 없이')
그렇다면 이 타겟은,
어떻게 발견했을까?
앞의 두 사례는 모두 아래 네 단계를 그대로 거쳤습니다. 업종이 달라도 분석 방식은 동일합니다.
전환 고객을 확인합니다
실제 광고 캠페인에서 전환한 고객을 분석 대상으로 설정합니다.
고객의 행동을 살펴봅니다
KB의 결제 · 금융 · 앱 데이터로 이 고객들에게 어떤 소비와 행동이 나타나는지 확인합니다.
전체 고객과 비교합니다
전체 고객과 나란히 놓고 비교해, 전환 고객에게 특히 많이 나타나는 특성을 찾습니다.
새로운 타겟을 발굴합니다
찾아낸 특성을 바탕으로 기존에 생각하지 못했던 타겟을 발굴하고, 타겟팅과 메시지 전략으로 연결합니다.
배수는 전체 고객과 비교했을 때 해당 특성이 얼마나 높게 나타나는지를 보여주는 지표입니다. 예를 들어 2.0배라면 전체 고객보다 해당 특성이 2배 높게 나타난다는 의미입니다.
여행이든 기부든, 전환 고객의 행동을 발견하고 새로운 타겟으로 확장한다는 분석 방식은 동일합니다.
분석은 개인을 알아볼 수 없도록 익명 처리한 뒤 집단 단위로만 진행되며, 전달받은 고객 목록은 암호화 상태로 처리하고 분석 후 파기합니다. 리포트에는 광고주 브랜드명 없이 업종만 표기합니다. 또한 규모가 지나치게 작아 안정적으로 비교하기 어려운 항목은 결과에서 제외합니다.
여행과 기부에만
적용되는 분석이 아닙니다.
두 사례의 업종과 전환 행동은 서로 다르지만, 실제 전환 고객의 특성을 분석하고 새로운 타겟으로 확장한다는 방법은 동일합니다. 업종이 아니라 전환 고객 데이터가 있는지가 기준입니다.
표에 없는 업종이라도 방식은 동일합니다. 전환 고객 데이터를 KB AdMarket 전체 고객과 비교하면, 업종별 전환 고객에게 상대적으로 많이 나타나는 특성을 동일한 방식으로 확인할 수 있습니다.
무엇을 제공하고,
어떤 결과를 받아볼 수 있나요?
별도의 분석 도구나 데이터팀 없이 진행할 수 있습니다. 제공해 주실 것과 받아보실 결과물을 정리했습니다.
분석은 이렇게 진행됩니다.
직접 준비하실 것은 1단계 데이터 확보와 5단계 활용이며, 중간 분석 과정은 디지털컴퍼니가 진행합니다.
광고주가 제공한 전환 고객 ADID 또는 KB AdMarket 데이터에서 분석 대상 추출
대행사 준비KB AdMarket의 결제·금융 행동 데이터와 분석 대상 매핑
디지털컴퍼니전체 고객과 비교해 전환 고객에게 상대적으로 많이 나타나는 특성 도출
디지털컴퍼니도출된 특성을 기반으로 핵심·확장 타겟 세그먼트 구성
디지털컴퍼니KB Ads 또는 활용 가능한 외부 매체의 타겟팅·캠페인 전략에 활용
대행사 · 공동하나의 캠페인에서
시작해 보세요.
전사 도입을 결정하지 않아도, 담당하고 계신 캠페인 하나로 먼저 확인해 보실 수 있습니다.
분석할 캠페인 선정
타겟 설정에 확신이 없거나 전환 효율 개선이 필요한 캠페인 하나를 선정합니다.
전환 고객 특성 분석
실제 전환 고객의 특성을 KB 데이터와 비교해 전환 고객에게 상대적으로 많이 나타나는 행동 특성을 도출합니다.
타겟 발굴 및 활용
도출된 특성을 기반으로 핵심·확장 타겟을 구성하고, 적합한 메시지와 광고 전략으로 연결합니다.
KB 데이터로 반응 고객을 이해하고,
새로운 타겟으로 확장합니다.
실제 전환 고객의 행동 특성을 KB AdMarket 데이터와 비교해 핵심 타겟 프로필을 도출하고, 이를 기반으로 신규 타겟 발굴 및 광고 전략까지 연결합니다.
* 위 사례는 데이터 분석 기반 예시이며, 진행 희망 시 별도 협의가 필요합니다.
