무료 보고서는 아래 게시글을 클릭해서 다운로드 가능

검색 광고는 소비자가 네이버나 구글 같은 사이트에서
쇼핑 등 소비를 목적으로 어떤 키워드를 검색했을 때
검색 결과로 노출되는 광고를 의미한다.

예를 들어 “청바지“라는 키워드로 검색했을 때 유니클로라는 상품 브랜드가 노출되고
소비자가 유니클로 사이트에 방문해 어떤 상품을 구입했다면
소비자가 ‘청바지’라는 키워드로 상품을 구매했다는 내용이 시스템에 기록된다.

이를 디지털 광고에서는 ‘구매전환‘이 일어났다고 한다.

그리고 이에 더해 ‘청바지’라는 키워드로 검색했을 때 우리 브랜드가 ‘노출‘되었다는 것과
‘클릭‘까지 되었다는 것, 그리고 최종 ‘구매‘가 일어났다는 기록이 발생되고
데이터 분석가들은 이를 기반으로 다양한 ‘광고 성과 분석‘을 진행한다.

그런데 광고 키워드가 반드시 ‘단어’ 형태만 있는 것은 아니고
단어와 단어가 조합된 상태, 즉 문구(文句, Phrase) 형태가 될 때가 있다.

예를들면 이런 것이다.
여자청바지, 남자청바지, 여름청바지, 유니클로청바지, 부츠컷청바지 등.

검색은 소비자의 니즈와 의도가 반영된 것이라 세 개 이상의 단어가 조합될 때도 있다.
여름여자청바지, 여름유니클로여자청바지 같은 식이다.

검색 광고 키워드를 분석할 때 보통 키워드 단위를 이렇게 문구로 잡는데
여름여자청바지, 여자여름청바지 등 같은 의미를 가졌으나 단어 순서만 바뀐 키워드를
개별로 분석하면 해석할 때 오류가 발생할 수 있다.

물론 ‘여름’이 가장 먼저 오는지, ‘여자’가 가장 먼저 오는지 등까지 세밀하게 분석하고 싶다면 키워드를 개별로 보는 게 의미가 있을수는 있겠지만 그건 일단 나중 문제다.

이 경우 검색 키워드를 문구 형태가 아닌, ‘단어(명사)’ 형태로 분리해서 보면 어떨까?

‘여름여자청바지’라는 키워드로 구매 전환이 몇 번 일어났는지를 보는 게 아니라,
‘여름’ ‘여자’ ‘청바지’ 각각에 대한 전환이 몇 번 일어났는지를 보는 것이다.

정확히 얘기하면 ‘여름’이라는 단어가 들어간 키워드(문구)들에서 얼마나 전환이 일어났는지 보는 것이다.

이렇게 하면, 키워드 단위로 했을 때보다 해석에서 헷갈릴 수 있는 여지를 줄일 수 있다.

– ‘여름여자청바지’를 기준으로 보면 전환에 대한 기여가, ‘여름’에 있는지 ‘여자’에 있는지 알 수 없으니.
– 또 ‘여름여자청바지’와 ‘여자여름청바지’ 각각으로 성과를 진단하지 않아도 되니 헷갈리지 않고
– 분석의 최소 단위를 ‘단어(명사)’로 보기 때문에 문구로 봤을 때보다 분석 규모가 크다.

이를 위해 가장 먼저 해야 할 일은 파이썬 코드를 활용해 문구를 명사 단위로 분해하는 일이다.

그런데 기본 분류만 하면 정작 필요한 고유명사를 잡을 수 없는 경우가 생기기 때문에
기본 분석 결과를 참고하여 명사가 잘 뽑힐 수 있도록 ‘사전(dictionary)‘ 구축 작업을 해야 한다.

예를 들어, 우리가 추출해야 하는 명사는 ‘알뜰주유소’인데, ‘알뜰’, ‘주유소’라고
최소 단위로 명사가 쪼개진다면 ‘알뜰주유소’로 추출될 수 있도록 지정을 해주는 것이다.

그 다음은 명사 단위별 (디지털 광고에서 흔히 사용하는 지표인) 노출 수, 클릭 수, 전환 수 등의 주요 지표를 출력해 각 단어별로 어떠한 흐름과 구조를 보이는지 파악하는 것이다.

이 과정이 매우 중요한데, 이 단계에서 사전을 추가로 구축하거나 분석의 방향성을 잡는다.

특히 이 과정은 산업에 대한 이해나 해당 기업의 추구 방향, 고민 거리 등이 최대한 담겨야하므로 담당 마케터와의 협업이 절실히 필요하다. 

이제 분석 소스가 만들어졌으니 다음은 이를 기반으로 다양한 분석을 맘껏 진행하는 것이다.

어떤 단어들이 성과가 좋은지, 어떤 단어들은 성과가 크지 않지만 효율이 좋은지,

또 어떤 단어들은 발전 가능성이 있는지, 또 이러한 단어들을 어떻게 묶을 수 있는지, 

이런 단어들이 시기/시즌별로 어떤 증감을 보이는지,

그리고 그러한 양상은 시장 수요와 어떻게 맞닿아 있는지,

특정 단어가 포함된 키워드(문구) 형태는 어떠한지, 

단어가 포함된 키워드(문구) 형태 중 어떤 단어 조합이 특히 전환이 많이 일어났는지, 

그리고 그게 의미하는 것은 무엇인지 등

다양한 분석 및 시각화를 통해 발견하고 추적한다.

이 과정은 단순히 주요 지표 간 비교나 교차 분석 등 1차원적인 분석을 통해서도 이뤄지지만 소위 고급 통계 분석이라고 불리는 것들을 접목해서 결과를 탐색하는 모든 과정이 포함된다.

이렇게 여러 각도와 방면으로 데이터를 분석하고 나면
분석 결과를 마케터 같은 다양한 전문가들에게 공유하고 의견을 청취하며
이를 기반으로 다시 분석 기준을 조정하고 흐름을 잡는다.

이러한 여러 과정을 통해

단기적으로 집중해야 할 부분과 장기적으로 얻어야 하는 가치,
그리고 시즌별로 검색 수요에 대응 가능한 Positioning Map을 얻게 된다.

물론 이러한 전략과 전술 수립이 명사 단위 분석 하나로 인해 결정되지는 않을 것이다.

명사 단위 분석은 이제까지 보지 못했던 시장의 한 측면을 들여다 보는 과정일 뿐이며
이와 병행하여 기존의 키워드(문구) 단위 분석이나 매체 기여도 분석 등을 진행한 결과도 봐야 하고
시장 전반의 흐름을 읽기 위해, 또 우리가 갖고 있지 않은 잠재 수요를 확인하기 위해
소셜 데이터 분석 등도 함께 진행되어야 시장과 우리에 대한 구조적인 파악이 가능하다.

조금 다른 결의 얘기일 수 있지만,

코딩으로 대변되는 빅데이터 분석 시대가 열리고 또 대중화되면서
흔히 데이터 분석이라고 하면 엄청난 고급 분석을 해야만 의미가 있을 것이라고 생각하는 사람들이 많다.

하지만 엄청난 고급 분석이라고 하더라도 결국 하나의 분석 단계일 뿐이며
그에 앞서 데이터가 가진 구조적 특성이나, 해당 데이터로 확인 가능한 범위에 대한 특정 등 기본적인 파악이 선행되어야 한다. 

AI가 코딩까지 깔끔하게 대신해 주는 마당에
이제 필요한 역량은 기술 이론을 단순히 습득하는 것을 넘어
습득한 기술적 이론을 어떻게 잘 기획해서 사용할 것인지가 될 것이다.

모르는 사람들이 많지만, 코딩도 기획이다.