고객 행동 애널리틱스는 다양한 고객 관계 접점에서 확보한 데이터를 일컫습니다. 지금은 그 어느 때보다도 고객 여정이 복잡해졌습니다. 고객의 여정을 계획하려는 노력은 일관성 없는 물건 찾기 게임을 하는 것처럼 느껴질지도 모릅니다. 물론, 그럴 필요는 없습니다. 현대 고객 행동 애널리틱스 전략에서는 지원 전략과 제품 로드맵, 마케팅 캠페인, 판매 활동을 알려 주는 빅 데이터의 최신 정보를 계속 파악해야 합니다.
여기에는 살펴봐야 할 3가지 관련 행동 애널리틱스와 이러한 애널리틱스가 비즈니스에 중요한 이유가 나와 있습니다.
고객 경험 애널리틱스
고객 경험 애널리틱스는 매출을 증진시키는 데 활용할 수 있습니다. CX 애널리틱스는 고객 여정 중에 ‘발생한 일’을 묻는 현황 애널리틱스의 한 형태입니다. 이는 고객 애널리틱스의 ‘표준’ 유형으로 볼 수 있으며, 원시 데이터를 쉽게 이해/설명할 수 있는 내용으로 요약합니다.
지원 데이터에서 CSAT(고객 만족도), FRT(첫 번째 응답 대기 시간) 및 TTR(총 해결 시간) 같은 핵심 성과 지표를 가져와 확인함으로써 기존 워크플로를 개선할 수 있습니다. 지원 상담원의 경우 CSAT를 통해 제품/마케팅부터 영업 부문에 이르기까지 조직 전체의 스태프가 개선하기 위해 노력할 부분을 찾는 데 도움을 주면서 성과 측정 업무를 지원할 수 있습니다.
고객 서비스 매니저는 서술적 고객 애널리틱스를 최대한 활용하여 제품 출시에 가까운 시기 또는 연휴 판매 시즌 중 티켓의 증가와 같은 추세를 인식할 수 있습니다. 고객 서비스 매니저는 서술적 고객 애널리틱스를 최대한 활용하여 제품 출시에 가까운 시기 또는 연휴 판매 시즌 중 티켓의 증가와 같은 추세를 인식할 수 있습니다. 이러한 통찰력은 다음에 이벤트가 발생할 때를 대비한 전략을 만드는 연료가 될 수 있습니다. 이 데이터는 또한 지원 조직이 얼마나 잘 가동되고 있는지에 대한 정보를 제공하여 이상적인 고객 지원 또는 부서별 예산 책정을 최적화할 수 있습니다.
고객 여정 애널리틱스
앞서 언급한 바와 같이 고객의 여정은 복잡해져 가기만 했습니다. 고객의 여정을 조감해 보는 것은 더 나은 고객 경험을 제공하는 데 아주 중요합니다. 이는 고객의 구매 이력과 제품 사용량을 알고 있고, 주문하지 않은 장바구니와 반품 내역 등의 정보를 파악할 수 있음을 의미합니다. 여기에는 지원 담당자와의 대화, 등록된 아웃바운드 이메일 및 CAT 평점이 포함됩니다. 관련 정보는 소셜 미디어 페이지에 남긴 관련 댓글로 확인할 수 있습니다. 이 모든 정보를 비즈니스에 제공할 수 있는 경우 로드맵을 조정하고 매출을 창출하는 데 놀라운 통찰력을 얻을 수 있도록 해야 합니다.
이 모든 데이터를 전체 고객 데이터와 종합해 보면 명확한 패턴이 나타납니다. 고객 여정 애널리틱스는 예견할 수 있으며, 흔히 ‘예측’이라고 하는 미래에 예상할 수 있는 정보에 대한 통찰력을 선사하는 알고리즘을 제공합니다. 예측적 애널리틱스는 재무/마케팅 분야에서 매우 인기가 있으며, 응용 분야도 광범위합니다.
예측적 고객 여정 애널리틱스는 매니저가 현재 성공을 이끌어 가는 패턴을 이해하는 데 도움을 줄 수 있어 각자의 노력을 모방, 반복하고, 최적화할 수 있습니다. 이런 종류의 고객 데이터는 지원 데이터에서 대부분 도출할 수 있는 고객 경험 애널리틱스에서 놓칠 수도 있는 정보 격차도 해소할 수 있습니다.
고객 애널리틱스
Zendesk CX 추세 보고서에 따르면, 고객의 74%가 특정 브랜드나 회사에 충성심을 느낍니다. 고객 충성도는 유지에 영향을 줍니다. 충성도와 유지, 고객의 적은 노력 간에는 분명한 연관성이 있습니다. 고객 노력 점수로 계산되기도 하는 고객의 노력은 지원 시나리오에서 고객이 얼마나 많이 노력하는지를 자세히 설명해 줍니다. 여기에서의 논리는 간단합니다. 고객이 많이 노력하면 고객의 경험 수준이 낮아집니다. 나쁜 경험은 고객 충성도를 낮추고 이탈을 높입니다. 이탈은 좋은 일이 아닙니다.
고객 유지에 영향을 주고 이에 대해 알려 주는 애널리틱스는 회사가 전반적인 제품/지원 서비스와 함께 캠페인을 개선하는 데 도움을 줍니다. Alexandra Levit 컨설턴트에 따르면, 예측적 고객 유지 애널리틱스를 통해 기존 고객에게 더욱 수월하게 상향/교차 판매할 수 있습니다. 또한 신규 고객에게 의존하기보다 고객을 유지하는 것이 훨씬 더 쉽고 수익성이 더 좋습니다.
Levit은 고객 노력 점수를 능가하는 다른 유용한 고객 유지 메트릭이 바로 놓친 고객을 처음부터 고객으로 분류하는 CCR(고객 이탈률)라고 설명합니다. CLV(고객 생애 가치)는 다른 메트릭과 관련 있는 고객의 가치를 예측하며, LCR(충성 고객률)는 귀사의 브랜드나 제품을 애용하고 다른 사람에게 추천할 것 같은 고객을 제안합니다.
고객 행동이 비즈니스에 중요한 이유는 무엇일까요?
이질적이고 예측할 수 없는 것 같아서 고객 행동 애널리틱스의 원시 데이터에 몰두하기에는 겁이 날 수도 있습니다. 이 데이터에는 제품 로드맵이나 기존 지원 전략, 판매 주기가 반영되지 않을 수도 있습니다.
사실 이 데이터는 성장과 매출에 아주 중요합니다. 브랜드는 혁신적인 초경쟁 세계에서 스스로를 차별화하기 위해 필사적으로 싸우고 있습니다. 알맞은 데이터와 애널리틱스 전략을 갖추고 고객 관계 관리에 적합한 접근 방식을 취하면 원시 데이터를 쉽게 이해하고 공유할 수 있습니다.
Susan Lahey는 이 데이터가 “관계를 보여 주고 관계의 영향을 나타내는 일련의 활동 또는 행동, 개개인의 스토리에 대한 맥락을 만들어 준다고 설명합니다. 결국 이 모든 것이 관계에 대한 것입니다. 안 그런가요?
