ABM은 고객사의 핵심 의사결정권자를 타겟팅하는 데 도움이 되지만, 직책이 항상 실제 직책과 일치하는 것은 아닙니다. 칼럼니스트 손조이 강굴리는 ABM 전략에 조직 계층 구조를 반영하는 방법을 설명합니다.
계정 기반 마케팅(ABM)은 목표 고객사 내 의사 결정권자를 타겟팅하는 강력한 방법입니다. 하지만 적절한 대상에게 도달하는 능력은 데이터의 품질과 목표 달성에 필요한 도구에 달려 있습니다.
하지만 계정 내 역할과 관련된 데이터를 이해하는 데에는 여전히 어려움이 있습니다. 직책이 항상 실제 의미를 나타내는 것은 아니기 때문입니다. 이러한 미묘한 차이 하나만으로도 ABM 전략과 접근 방식에 차질이 생길 수 있습니다.
전략 내에서 자유로운 직책 변경을 허용합니다.
오늘날 기업들이 더욱 복잡해짐에 따라 내부 의사 결정 계층 구조는 더욱 전문화되고 있습니다. 스타트업과 신흥 기술 기업들이 인재 확보를 위해 경쟁하면서 직책, 계층 구조 및 조직도는 시장의 새로운 역동성을 반영하고 있습니다. 오늘날의 "주니어 영업 담당자"는 내일의 "영업 관리 및 시장 개발 담당 수석 부사장"이 될 수 있습니다.
소셜 미디어에 만연한 비정형적이고 사용자 정의 가능한 직책들을 고려할 때, 어떻게 의사 결정권자를 식별할 수 있을까요? 잠재 고객의 직책이 비전통적이라면, 기존의 ABM(Account-Based Marketing) 프로그램을 운영할 때 쉽게 간과될 수 있습니다.
오늘날 더욱 복잡해진 기업 계층 구조는 더 높은 수준과 정도의 전문성을 요구합니다. 따라서 목표 고객인 의사 결정권자의 역할에 대한 더욱 세밀한 이해가 필요합니다.
오늘날 ABM(Account-Based Marketing) 전략의 복잡성을 고려할 때, 보다 세분화된 방식으로 고객 타겟팅을 다루는 최신 B2B 고객 과학은 계정 확보 전략을 수립하는 데 있어 가장 중요한 자산입니다. 이를 통해 의사 결정권자 타겟을 구체적으로 파악하고, 더욱 심층적인 접근 방식으로 육성하며, 맞춤형 콘텐츠 마케팅을 제공하여 더욱 의미 있는 참여를 유도할 수 있습니다.
먼저 스스로에게 질문해 보세요. 누구와 소통하고 싶으신가요? 타겟 고객은 업종, 지역, 직급 등에 따라 결정되나요? 그들의 역할 범위는 어떻게 되나요? 대부분의 캠페인과 마찬가지로, 여러 필터를 조합하여 타겟 고객을 정의하게 될 것입니다.
가장 중요한 인맥을 찾으려면 직함만 생각하지 말고 의사 결정권자를 분류하는 체계를 구축해야 합니다. 주요 고려 사항으로는 업계, 전문 분야, 직무가 있으며, 특히 하위 직무는 그 어느 때보다 중요합니다.
자동화 및 머신러닝이 도움이 됩니다
ABM 기술이 지속적으로 발전함에 따라, 데이터 자산을 정제하는 향상된 머신러닝 모델은 직책을 기반으로 상위 기능과 하위 기능을 식별하는 데 도움을 줄 수 있으며, 이를 통해 더욱 구체적이고 세밀한 타겟팅이 가능해집니다. 결국, 구매 위원회의 다양성과 규모가 커짐에 따라 합의 판매 방식이 대두된 상황에서, 이상적인 고객 프로필을 특정 직책에 연결하는 것은 여행 중에 특정 호텔 객실 번호를 찾는 것과 마찬가지입니다.
이러한 방식으로 일하는 방법론을 다듬기 위해서는 각 회사마다 고유한 "직함 체계", 즉 회사 내에서 사용되는 직함 목록이 있다는 점을 인식하는 것이 중요합니다. 이 체계는 구조화되지 않은 형태일 수도 있고, 경력 경로별로 구조화되어 있을 수도 있습니다. 하지만 이러한 구조는 외부에 공개되는 경우가 드물고, 시간이 지남에 따라 변화하기도 합니다.
숙달을 위한 요건
업계 내에서, 그리고 여러 업계에 걸쳐 적용되는 직무에 대한 직책명은 공통적인 경향을 보이지만, 궁극적으로 각 회사는 자체적인 직책명을 결정합니다. 드물지만, 목표 고객사가 단일 직책 체계를 사용하는 경우도 있습니다. 벨 연구소는 모든 엔지니어에게 "기술 직원(Member of the Technical Staff)"이라는 단일 직책명을 부여한 것으로 유명합니다.
따라서 이 문제를 해결하기 위한 첫 단계로, 계정의 타이틀 매트릭스를 확인하는 것은 ABM 마케터로서 권위 있는 계정을 타겟팅하는 데 도움이 될 것입니다. 하지만 이는 다음과 같은 여러 요구 사항 중 하나일 뿐입니다.
- 주요하고 명확한 제목을 아는 것 — 개인의 직함은 상대적인 권위에 대한 정보를 전달합니다. ABM 마케터로서 여러분은 구매 결정으로 이어지는 핵심 연결 고리에 영향을 미치는 데 관심이 있습니다. 따라서 권위에 대한 정보를 얻는 것이 중요합니다. 머신 러닝은 이러한 분류 체계를 보다 표준화된 형태로 변환하고 구매 결정으로 이어지는 가장 가능성 높은 권위 체계에 대한 통찰력을 제공할 수 있습니다. 이러한 정보를 바탕으로 ABM 캠페인은 구매에 영향을 미치는 사람들을 정확하게 타겟팅할 수 있습니다.
- 하위 기능 이해하기 — 측정을 시작하는 핵심은 바로 이것입니다. 현실 담당자는 특정 직책을 가질 가능성을 높이는 기능적 정보를 찾고, 그 정보를 바탕으로 직책을 매칭합니다. 통계적으로 발생 확률은 낮지만 자주 등장하는 문구를 활용하는 것을 고려해 보세요. 이러한 문구는 드물고 특이하지만 눈에 띄기 때문에 중요합니다.
- 자신의 편견을 바로잡기 또한, 머신러닝 모델은 접근 가능한 데이터에 대해서만 학습시킬 수 있기 때문에, 레이블이 잘 지정되고 통계적으로 대표성이 있는 데이터 세트를 확보하고 이를 지속적으로 관리하는 것이 중요합니다. 현재는 기술 직종이나 특정 기술 기업에 대한 데이터가 과도하게 많아 데이터 편향이 발생하고 데이터 활용도가 제한됩니다. 이러한 편향 때문에 데이터에 접근할 수 없는 영역에서는 예측이 어렵습니다. 머신러닝에서 편향의 원인을 해결하려면, 이를 식별하고 해결책을 개발하여 모델을 학습시키는 것이 핵심입니다.
다음은 암호 해독입니다.
ABM 환경에서 제목을 지정하기 위한 지능형 모델은 시작하기 위한 몇 가지 기본 조치로 요약됩니다.
- 목표로 삼을 고객 기업 그룹을 파악하세요.이러한 기업들을 식별한다는 것은 공통적인 특징을 공유한다는 것을 의미합니다. 목표 고객사가 여러 산업이나 국가에 걸쳐 있더라도, 이들을 하나의 그룹으로 간주하는 것을 고려해 보세요.
- 해당 집단에서 사용되는 직책명 집합과 각 기업에서의 해당 직책명 발생 빈도를 파악하십시오.이를 위해서는 대규모 B2B 고객 데이터에 대한 접근 권한이 필요하며, 솔루션 제공업체는 이를 보유하고 있어야 합니다.
- 코호트 제목을 정규화합니다여기서는 업계 내 여러 회사에서 사용되는 동일한 명칭을 식별하고, 여러 개의 동일한 명칭을 하나의 명칭으로 통합합니다. 그 결과, 더 작고 일관성 있는 명칭 세트를 얻을 수 있습니다.
- 계층 구조를 식별합니다문법 규칙을 통해 직급 구조를 파악할 수 있습니다. 예를 들어, "senior"는 "junior"보다 상위 직급입니다. 업계 내 이력서 모음을 살펴보면 승진 과정에서 직급이 어떻게 변하는지 알 수 있습니다. 또한, 회사 내 직급 사용 빈도를 파악하는 것도 타당성 검증에 도움이 됩니다. 임원급 직책은 주니어급 직책보다 드물게 사용됩니다.
성공적인 분석을 통해 업계 내 추상적인 경력 경로를 기능 영역별로 그룹화한 그래프를 얻을 수 있으며, 그래프의 모서리는 직급 상승 확률을 나타냅니다. 또한 그래프의 각 지점에 해당하는 실제 직책도 확인할 수 있습니다.
머신러닝의 마법을 통해 목표 계정의 직함 매트릭스를 역설계했습니다. 암호 해독에 성공했습니다.
머신러닝은 본질적으로 수백 년 역사를 가진 통계학의 한 분야입니다. 하지만 머신러닝에는 방대한 양의 데이터에서 통찰력을 도출하는 데 사용할 수 있는 다양한 기법들이 포함되어 있습니다.
___
by 손조이 강굴리
출처 : 오늘날의 마케팅 기술
