데이터 기반 사용자 생성 콘텐츠 마케팅 가이드

콘텐츠 마케팅에서 데이터 사용의 중요성은 모두 알고 있지만 "데이터 사용"이라는 말은 광범위합니다.

콘텐츠 마케팅 전략을 수립하고 최적화하기 위해 B2C 및 전자 상거래 마케터에게 실제로 중요한 지표는 무엇입니까?

가장 영향력 있는 통찰력은 리뷰, 사진, Q&A, 소셜 미디어 상호 작용 및 기타 직접적인 피드백과 같은 고객으로부터 나옵니다.

지금까지는 실제로 데이터를 적용하여 고객 콘텐츠에서 실행 가능한 시사점을 얻기가 어려웠지만 데이터 과학의 발전으로 이제 고객이 말하는 내용을 더 깊이 탐구할 수 있는 흥미로운 방법이 생겼습니다.

데이터 기반 사용자 생성 콘텐츠 마케팅 전략이란 무엇이며 왜 중요한가요? 알아 보려면 계속 읽으십시오 ...

UGC가 왜 중요한가요?

온라인 쇼핑객은 탐색 중인 항목을 물리적으로 만질 수 없으므로 제품 리뷰, 고객 사진 및 기타 형태의 사용자 생성 콘텐츠를 참조하여 구매 결정을 알립니다.

데이터와 UGC가 충돌하면 어떻게 되나요?

데이터는 UGC에 대해 3가지를 알려줍니다.

1) 쇼핑객은 UGC를 원합니다.

얼마나 많은 고객이 리뷰를 읽었는지에 대한 많은 통계가 있지만 이 데이터는 자체 보고되며 종종 설문조사에서 수집됩니다.

UGC의 실제 영향을 정확하게 이해하기 위해 200,000개 이상의 전자 상거래 매장 방문자가 고객 리뷰, 별점 및 고객 사진에 적극적으로 참여하고 있는지 분석했습니다.

결과는?

전자와 같은 일부 산업에서는 사이트 방문자의 40% 이상이 UGC에 참여합니다.

그리고 이것은 웹사이트 방문자일 뿐입니다. 결국 구매하는 쇼핑객을 보면 그 숫자는 훨씬 더 놀랍습니다.

평균적으로 고객의 55%는 구매하기 전에 UGC에 참여합니다.

따라서 귀하의 사이트를 방문하는 많은 사람들이 UGC에 참여할 것이지만 결국 구매하게 된 사람들은 거의 확실히 UGC에 참여합니다.

2) UGC는 무시하기에는 너무 가치가 있습니다.

아래 그래프에서 산업 전반의 쇼핑객이 UGC를 볼 때 구매할 가능성이 약 2배라는 것을 알 수 있습니다.

사용자 생성 콘텐츠를 사이트에 추가함으로써 전자상거래 전환율이 평균 161% 증가했습니다.

의류 및 액세서리 산업이 207%로 가장 높은 영향을 미쳤고 전자 산업이 81%로 가장 낮은 영향을 미쳤습니다. 여전히 전환율이 거의 두 배입니다!

3) UGC의 가치는 부정할 수 없지만 이를 최대한 활용하려면 데이터가 필요합니다.

소셜 광고에 고객 리뷰를 포함하는 것과 같이 마케팅에서 UGC를 활용하는 방법에는 여러 가지가 있습니다.

그리고 똑똑한 브랜드는 더 이상 고객 리뷰를 수집하거나 고객이 제품과 함께 사진을 찍을 때 Instagram에서 귀하를 태그해주기를 바라는 것만으로는 충분하지 않다는 것을 이해합니다.

여기에서 데이터 기반 사용자 생성 콘텐츠 마케팅이 시작됩니다.

빅 데이터, 머신 러닝, 자연어 처리가 고객 콘텐츠에서 가치를 창출하는 방식을 어떻게 변화시키고 있는지 살펴보겠습니다.

결과 최적화를 위한 빅 데이터 통찰력

데이터에 따르면 소비자는 온라인 쇼핑 경험의 일부로 리뷰, 사진 및 Q&A와 같은 사용자 생성 콘텐츠를 찾습니다.

그러나 전자 상거래 비즈니스에서는 고객이 가장 많이 사용하고 있는 UGC 기능과 가장 가치 있는 기능을 정확히 파악하는 것이 어렵습니다.

고객 콘텐츠 수집을 최적화하기 위한 머신 러닝

소비자는 브랜드 메시지로 가득 차 있으며, 우리가 알고 있는 바와 같이 대부분의 관심 요청을 무시하고 있습니다.

사용자 제작 콘텐츠 마케팅 전략의 큰 부분은 실제로 콘텐츠를 처음부터 얻는 것이며 매장에서 고객에게 리뷰나 사진을 요청하는 가장 일반적인 방법은 구매 후 이메일을 통한 것입니다.

즉, 고객 콘텐츠를 요청하는 방법과 시기에 대해 현명하고 재치 있게 대처해야 합니다.

450만 개의 구매 후 이메일을 분석한 결과, 모든 산업 분야에서 가장 많은 리뷰가 토요일 오전 8시에 작성되고 가장 적은 리뷰가 목요일 오후 3시에 작성된다는 사실을 발견했습니다.

이러한 지식을 바탕으로 머신 러닝 알고리즘은 매장의 구매 후 요청을 자동으로 최적화하여 브랜드가 "요청"을 최대한 활용할 수 있도록 합니다.

[트윗 "컨텐츠를 요청하는 방법은 요청할 때만큼 중요합니다."]

머신 러닝 알고리즘은 또한 고객이 이메일을 열 가능성이 훨씬 더 높아지도록 요청에 대한 완벽한 문구를 선택할 수 있습니다.

작은 변화가 얼마나 큰 차이를 만들 수 있는지 보여주기 위해 구매 후 이메일의 제목을 변경하면 고객 응답에 어떤 영향을 미치는지 연구했습니다.

결국 제목 줄은 고객이 가장 먼저 보게 되는 항목이며 과밀한 받은 편지함에서 작은 변경이 모든 차이를 만듭니다.

가장 일반적인 제목 줄 수식을 살펴본 다음 다음과 같이 자주 사용되는 변수를 분리했습니다.

이 짧은 비디오에서 다양한 제목 행이 매장의 산업에 따라 응답률에 어떤 영향을 미치는지 살펴보세요.

전체 보고서를 읽으십시오.

더 스마트한 감성 통찰력을 위한 자연어 처리

기업이 사용자 생성 콘텐츠 컬렉션을 최대화하기 위한 노력을 증가시키면서 수동으로 관리하기에는 너무 많은 고객 리뷰를 받고 리뷰 관리를 자동화하는 안정적인 방법이 필요합니다.

고객이 브랜드와 적극적으로 소통하고 피드백을 남기는 것은 좋지만 매일 생성되는 UGC의 양은 압도적일 수 있습니다.

고객은 자신의 경험을 공유하는 것을 좋아합니다. 길고 상세한 리뷰는 구매 여부를 결정하려는 쇼핑객에게 매우 중요 하며 브랜드에게는 높은 수익성을 제공할 수 있습니다.

자연어 처리를 통해 기업은 리뷰에서 가장 중요한 데이터를 얻을 수 있습니다.

예를 들어 별 5개 리뷰에는 배송 시간 개선에 대한 중요한 요청이 포함될 수 있으며 별 1개 리뷰에는 고객이 구매하도록 유도할 수 있는 유용한 세부 정보가 많이 포함될 수 있습니다.

감정 분석은 이러한 불일치를 감지하여 고객 콘텐츠에서 최대한의 가치를 얻을 수 있습니다.

리뷰는 종종 혼합되어 있습니다. 고객 경험이 전적으로 긍정적이거나 완전히 부정적인 경우는 거의 없으며 리뷰에 이를 반영합니다. 많은 리뷰가 길고 특정 제품에 대한 다양한 감정을 표현하는 몇 개의 문장이 있습니다.

이것은 상점 소유자가 고객 의견을 관리하기 어렵게 만들고 잠재 고객이 정보에 입각한 구매 결정을 내리는 것을 어렵게 만듭니다.

감정 감지를 사용하면 텍스트에서 핵심 문구를 추출하고 주제별로 클러스터링하여 리뷰에서 가장 중요한 내용을 이해할 수 있습니다.

한 고객이 배송 시간에 대한 리뷰를 남기고 다른 고객이 배송 시간에 대한 리뷰를 남긴다고 가정해 보겠습니다.

자연어 처리는 이러한 리뷰가 동일한 주제에 관한 것임을 인식하고 함께 그룹화합니다. 이전 분석 방법은 해당 연결을 만들지 않습니다.

결론

조수가 변하고 있다. 데이터 기반 콘텐츠 마케팅은 미래이며 경쟁 우위를 유지하는 데 필요한 도구를 제공합니다.

Yotpo는 기업이 마케팅에서 UGC를 수집 및 사용하고 결과를 측정하고 특정 목표에 맞게 캠페인을 조정할 수 있는 힘을 제공하는 최첨단 연구 및 혁신에 집중하고 있습니다.