개인화메시지: 유저 하나하나마다 데이터, 행동, 톤 앤 매너까지 다르게 보내는 방법

개인화라고 하면 흔히 "준영님 안녕하세요" 같은 인사를 떠올립니다. 이름이 들어간 메시지는 잠깐 눈길을 끌긴 합니다. 그런데 모두가 같은 할인 소식을 받고 이름만 다르다면 받는 입장에서는 단체 발송과 크게 다르지 않습니다.

이름 다음 단계로 넘어가려면 유저가 본 상품, 구매한 카테고리, 방금 한 행동이 메시지 문구에 반영되어야 합니다. 이 글에서는 그 과정을 데이터 연동, 조건 분기, 행동 데이터 순서로 정리했습니다.

유저 정보를 변수로 넣기

메시지에 유저 정보를 넣으려면 데이터부터 연동해야 합니다. 이름, 등급, 관심 카테고리, 가입일 같은 값을 태그나 유저프로필로 보내 두면 메시지를 쓸 때 변수로 불러올 수 있습니다. 플레어레인에서는 Liquid¹ 문법으로 변수를 넣고 값이 비어 있을 때 대신 나갈 기본값을 함께 지정합니다. Liquid는 푸시, 카카오 알림톡, 이메일, 문자, 인앱 메시지 등 모든 채널과 일회성 발송부터 여정 자동화까지 모든 상황에서 똑같이 씁니다. 변수 종류와 필터 같은 자세한 문법은 개인화 메시지(Liquid) 문서에 정리되어 있습니다.

이름 변수에 기본값을 "고객님"으로 걸어 두면 이름이 있는 유저에게는 실제 이름이 나가고 없는 유저에게는 "고객님"이 나갑니다. 데이터가 비어도 어색한 빈칸이 남지 않습니다. 문법을 외우지 않아도 콘솔에서 변수를 골라 클릭 몇 번으로 넣을 수 있습니다.

구매 카테고리별 조건 분기

변수로 값을 채우는 데 익숙해지면 데이터 값에 따라 문장 자체를 다르게 쓸 수 있습니다. 지난 구매 카테고리가 스니커즈인 유저에게는 스니커즈 신상 소식을 보내고 아우터를 산 유저에게는 아우터 신상을 보냅니다. 구매 이력이 없는 유저에게는 일반 신상 소식이 나갑니다. 캠페인은 하나인데 받는 사람마다 도착하는 문장이 다릅니다.

이쯤에서 세그먼트와 헷갈리기 쉽습니다. 세그먼트는 최근 30일 구매자처럼 보낼 대상을 거를 때 씁니다. 조건 분기는 그렇게 고른 대상 안에서 문구를 바꿉니다. 둘을 함께 쓰면 좁힌 대상에게 카테고리별로 다른 문구를 한 번에 보낼 수 있습니다.

행동 데이터 반영

고객 여정 자동화에서는 여정을 시작시킨 이벤트의 데이터를 변수로 그대로 가져올 수 있습니다.

장바구니에 담은 상품명을 불러와 "장바구니에 담아 두신 러닝화가 기다리고 있어요"라고 보내거나 배송이 시작된 상품명을 안내 문구에 채워 넣는 식입니다. 유저는 방금 자기가 한 행동에 답이 온 셈이라 일괄 발송과는 반응이 다릅니다.

다만 데이터를 잘게 쓴다고 늘 효과가 커지지는 않습니다. McKinsey는 개인화가 보통 매출을 10~15% 끌어올린다고 추정하면서도 잘못된 개인화는 오히려 거부감을 키운다고 지적합니다. 유저가 알려준 기억이 없는 정보까지 메시지에 들어가면 부담을 주기 쉽습니다.

문구까지 개인화하는 A/B 테스트와 성과 분석

개인화는 메시지에 넣는 데이터에서 끝나지 않습니다. 같은 안내라도 어떤 유저는 상품을 차분히 짚어 주는 리마인드에, 어떤 유저는 곧 품절된다는 알림에 더 움직입니다. 누가 어느 쪽인지 미리 알기 어려우니 두 문구를 A/B 테스트로 같이 내보내고 각 유저가 반응한 쪽을 기록해 다음부터 그에게 맞는 문구를 보냅니다.

장바구니 이탈 리마인드 여정을 예로 들면 이렇게 설계합니다.

• 진입과 대기: 장바구니 추가 이벤트로 여정을 시작하고 3시간 뒤에 발송합니다.
• 선호 문구 분기: '선호문구' 태그가 이미 있는 유저는 A/B 테스트를 건너뛰고 지난번에 반응한 문구로 바로 보냅니다.
• A/B 테스트: 태그가 없는 유저는 50대 50으로 나눠 두 문구를 비교합니다. A안 리마인드형은 "고객님! 뭔가 잊으신 건 없나요? 장바구니에 담겨진 상품이 있어요"처럼 차분히 상기시킵니다. B안 품절형은 "장바구니 속 상품, 아직 남아있을까요? 인기 상품은 금방 품절될 수 있어요"처럼 품절 임박을 앞세웁니다.
• 결과 태깅: 발송 1일 뒤 여정 진입 이후 구매가 있었는지 확인해 구매한 유저의 '선호문구' 태그에 반응한 문구를 기록합니다. 다음 캠페인부터는 이 태그로 그 유저에게 통하는 문구를 먼저 내보냅니다.

개인별 선호가 태그로 쌓이는 동안 전체 성과는 분석 화면에서 확인합니다. 상단에는 기간별 진입 여정, 전환 여정과 전환율, 구매 총액이 한 줄로 나오고 노드마다 발송, 클릭, 전환, 구매 총액이 따로 붙습니다. A안 푸시 노드와 B안 푸시 노드를 나란히 놓고 어느 문구가 전환율과 구매 총액에서 앞서는지 비교하면 됩니다.

예를 들어 한 달간 리마인드형(A안)이 전환율 3.1%에 구매 총액 920만 원, 품절형(B안)이 전환율 2.4%에 구매 총액 610만 원으로 나왔다고 하겠습니다. 이때는 아직 선호가 쌓이지 않은 신규 유저의 기본 문구를 리마인드형으로 바꾸고 품절형은 테스트 비중을 줄입니다. 다만 클릭만 보고 정하면 안 됩니다. 품절형이 다급함 덕분에 클릭은 더 받아도 구매 총액이 낮다면 매출로는 리마인드형이 낫습니다. 전환율과 구매 총액을 함께 봐야 매출에 기여하는 문구를 고를 수 있습니다.

메시지에 넣을 값을 고를 때는 유저가 받았을 때 자연스러운 정보인지 먼저 확인하면 됩니다. 쌓아 둔 데이터 중 어떤 값부터 변수로 쓸지 정하고 싶다면 아래에서 상담을 신청할 수 있습니다.