💯 성장 단계별 리드 스코어링 시스템 구축하기

🧑🏻‍💻 직무별 적용 포인트

• CRM마케팅: 우리 비즈니스에 맞는 리드 스코어링 시스템은 어떤 데이터로 어떻게 구축할 수 있을까?

• 퍼포마: 유료 광고 캠페인으로 각 고객군을 어떻게 타겟팅하고, 이들의 스코어링을 높일 수 있을까?

• 콘텐츠: 스코어링을 통해 구분한 고객군에게 가장 연관성 높은 콘텐츠는 무엇일까?

• 데이터 분석: FIT와 INTENT 데이터를 어떻게 수집하고 정확도를 높일 수 있을까? 해외에서는 어떤 툴을 사용하여 데이터를 처리/가공할까?

📍목차

• 리드 평가의 개념

• 리드 스코어링 & 라우팅 개념

• 리드 평가 시스템 만들기

• 실제 사례

리드 평가(Lead Qualification) 개념

리드 평가란 잠재고객이 '장기 충성 고객'이 될 수 있는 충분한 가능성을 가졌는지를 결정하는 과정을 뜻합니다. 다른말로 하면 잠재고객이 우리 회사의 ‘이상적인 고객 프로필(Ideal Customer Profile; ICP)’과 일치하는지를 확인하는 것입니다. ICP는 여러분의 제품이나 서비스에서 가치를 얻어갈 수 있는 기업을 의미한다고 보면 되는데요. 우리 브랜드의 ICP에 부합하는 기업은 아무래도 제품을 구매할 가능성이 높습니다. 따라서 우리 비즈니스의 장기적 성장에 매우 중요한 가치를 지니는 기업이라고 생각할 수 있어요. *리드 평가(Lead Qualification): 마케팅 활동으로 인해 유입된 세일즈 리드의 중요도를 구분짓는 과정 *이상 고객 프로필(Ideal Customer Profile): 우리 제품과 서비스를 구매할 가능성이 가장 높은 고객이 어떤 특성을 가졌을지를 프로파일링 한 것

ICP에는 여러 단계가 있습니다. 그냥 아무렇게나 정하는 것은 아니니까요. 퍼모그래픽, 테크노그래픽, 의도 데이터 등의 많은 양의 데이터를 기반으로 결정하게 됩니다. 따라서 ICP가 더 정확할수록 우리에게 가장 가치가 있고 전환 가능성이 높은 기업을 식별하고 타겟팅하는 것도 더 쉬워집니다. 또한, 이 ICP가 리드 스코어링, 라우팅, 그리고 리드 판단 시스템의 근간이 되는 것인데요.

*퍼모그래픽(Firmographics): 직원 수, 산업, 매출 등 기업의 속성/특징 초점을 맞춘 데이터 *테크노그래픽 데이터(Technographics): 신기술에 대한 수용 태도나 사용 여부 등에 따라 특성을 분류 *의도(Intent): 기업이 우리 브랜드와 어떻게 상호작용하는지를 보여주는 데이터

저희 브랜드가 설정한 ICP의 예시를 보여드릴게요. 여러분 회사의 ICP와 한번 비교해보세요. 굉장히 자세하고 또 다양한 특성을 언급하고 있습니다. 이러한 ICP를 도출하기까지 긴 과정을 거쳤지만, 기본적으로는 여러가지 질문을 스스로에게 물었습니다. '우리에게 가치가 높거나 오래된 고객사의 평균 직원의 수는 몇 명인가?' '우리 서비스를 사용하기 시작하는 고객들의 연간 매출은 얼마인가?' 수집한 데이터를 통해 질문에 대한 답을 찾으면서, 유의미한 데이터인지 그리고 충분한 양을 분석했는지 등을 거듭 점검했습니다. 또 하나 중요한 점은 이 ICP가 계속해서 진화한다는 것입니다. 더 많은 고객을 유치하고 새로운 제품을 시장에 출시하면서 이 ICP도 계속해서 업데이트 됩니다.

리드 스코어링 & 라우팅 개념

여러분의 ICP를 확립하고 나면 이제 FIT(적합도)를 결정할 수 있습니다. ‘이 기업이 우리 제품/서비스에 잘 맞는가?’를 판단하고 여기에 의도 데이터까지 더하면 리드 평가 시스템이 한층 더 명확해집니다. 특히나 인바운드 디맨드(고객이 웹사이트, 소셜미디어 등의 통로로 자발적으로 찾아오는 경우)가 많은 경우에 더 중요한 편입니다. 많은 리드에 우선순위를 정해야 한정적인 인력을 최대한으로 운영할 수 있으니까요.

FIT은 여러분이 관심있는 기업, INTENT(의도)는 여러분 브랜드에 관심있는 기업이라 이해할 수 있습니다. FIT를 결정하기 위해 ICP를 다시 생각해보겠습니다. 이 기업이 우리 브랜드의 고객이 될만한지를 따져보는 것입니다. 퍼모그래픽 그리고 테크노그래픽 데이터 등 아주 다양한 데이터를 기준으로 확인해볼 수 있는데요. FIT과 INTENT는 ‘지금' 세일즈 팀의 시간을 투자할만한 가치가 있는가를 묻는 기준이 됩니다. 이 기준은 당연히 기업마다 다 다르겠죠. 저희 같은 경우는 잠재 고객(기업)이 얼마나 자주 ‘가격(Pricing)' 페이지를 방문했는지 봅니다. 혹은 ‘데모 영상’을 시청한 적이 있는지. 지난 한 달 동안 웹사이트 방문 빈도가 높아졌는지도 중요하게 봅니다. 드롭박스의 경우, ‘체험 버젼' 사용자들을 모니터링하면서 업로드한 파일 수가 몇개 이상을 넘으면 FIT(적합도)에 따라 세일즈 팀이 영업을 시작한다고 해요. 이렇게 FIT과 INTENT 데이터를 함께 살펴봄에 따라 더 정확하게 리드의 퀄리티를 알 수 있게 됩니다.

*리드 스코어링(Lead Scoring): 잠재 고객의 가치를 결정하기 위해 점수를 부여하는 시스템

*리드 라우팅(Lead Routing): 기업이 생성한 리드를 영업 담당자에게 배포(배정)하는 자동화된 프로세스

리드 평가 시스템 만들기

저희는 ‘평가’를 완전 기초에서 고급까지 네 단계로 나누어 생각합니다. 각 단계를 짚어보며 단계마다 어떤 점들이 변화하는지 알아보겠습니다. 단지 체계 측면에서 뿐 아니라 비즈니스 측면에서 무엇을 추가로 고려하게 되는지도요.

Sassfras라는 개발자 툴을 만드는 스타트업이 있다고 가정해봅시다. 제품을 만드는 아주 적은 수의 인원으로 시작하였고 두 명의 영업 직원을 뽑았습니다. 이 두명은 나름대로의 필터링을 하긴하지만, 기본적으로 우리 브랜드에 관심을 표하는 기업은 모두 다 연락을 취했습니다.

엑셀으로 리드를 정리하고 세일즈포스 CRM으로 리드를 배분합니다. 어느새 창업한지 6개월이 지났습니다. 이제 어떤 잠재고객(기업)이 더 전환할 가능성이 높고 시간을 쏟을 가치가 있는지를 잘 이해하게 되었고 이를 적극적으로 문서화했습니다.

*Salesforce: 고객 연락처와 소통을 관리하는 CRM 소프트웨어

지금까지의 기록을 분석해보니 계약으로 이어진 리드들은 위와 같은 특성을 가졌더군요. 비록 직감에 기반한 정보이긴 하지만 이런식으로 조금씩 ‘ICP’를 구축하기 위한 작업을 해나갔습니다.

이제 이 ‘정의’를 전사적으로 사용하기로 했습니다. 그래서 Demand Generation 팀 Kai가 이를 정의를 참고하여 ‘점수' 기반의 시스템을 만들었습니다. 각각의 특성에 점수를 부여한 것이죠. 또한 마케팅 자동화 툴을 이용하여 이 과정을 자동화했습니다.

*디맨드 제너레이션(Demand Generation): 주로 B2B에서 사용하는 용어로 단순히 고객 정보(리드)를 생성하는 것에서 나아가 '진짜' 거래까지 이어지는 수요를 창출한다는 의미 내포

Sassfras가 점점 커지고 제품도 다양해지면서 더 많은 영업 직원을 채용하게 되었습니다. 커진 규모에 맞게 이제 시스템을 업그레이드 할 때가 되었습니다. 수동으로 하는 엑셀 업데이트 대신 리드 라우팅 솔루션인 ‘LeanData’를 사용하기로 결정했습니다. 그리고 또 다시 6개월이 흘러 어느덧 창업한지 1년이 되었네요.

Sassfras가 성장하기 시작하면서 점점 리드의 양도 많아졌고, 영업 범위도 확장되었으며 (대기업, 중소기업, 스타트업 대상으로 판매), 영엄팀도 커지고, 제품이 많아져 시장도 더 세분화되었습니다. 이제는 진짜 구조가 탄탄한 시스템과 과정이 필요해졌습니다.

*LeanData: 계정(기업) 기반 데이터 강화, 매칭, 라우팅(배정) 워크플로우 서비스를 제공하는 소프트웨어 회사

영업팀도 이제 대기업 팀, 중소기업 팀, 스타트업 팀으로 분리하여 구조를 갖췄습니다. 각 팀은 자신들에게 할당된 리드만 관리하면 되도록 말이죠. 마케팅과 운영팀이 더 많은 툴들을 사용하여 리드 라우팅을 처리하기 시작했습니다.

데이터 강화 솔루션인 Clearbit도 추가하여 스코어링을 더 정확히 하게 되었습니다. 마케팅 팀은 Segment와 Tray.io를 사용하여 데이터를 수집하고 활용하기 시작했어요. 6개월이 더 흘러 창업한지 1년 6개월이 되었습니다. Sassfrass는 계속 성장하여 무려 250억의 투자를 유치하게 되었습니다. 당연히 기존의 리드 평가 시스템에 아래와 같이 더 많은 것들이 필요해졌습니다.

• 스코어링을 위한 더 많은 데이터 포인트(종류)

• 더 다양한 형태의 데이터 (행동 데이터, 퍼모그래픽 데이터 등)

• 다양한 팀과 조직에 맞춤화된 여러가지의 리드 스코어링 시스템

• 더 고도화된 기술 (예측 스코어링, 데이터 매칭 기술, 1자 데이터 관리 툴 등)

• 리드 스코어링을 관장하기 위한 더 많은 인력 (운영, 마케팅, 데이터 분석 인력 등)
  

*Clearbit: 온라인 상 존재하는 수백만 개의 데이터 포인트를 실시간으로 수집/분석하며 다양한 채널(예) 웹 개인화, 영업, 유료 광고 등)에서 사용가능하도록 가공

*Segment: 고객 데이터 플랫폼(CDP)으로 디지털 자산(웹사이트, 앱 등) 사용자의 데이터 수집 및 사용을 간소화하는 서비스 제공

*Tray.io: 데이터 통합 플랫폼 (커넥터)

회사와 팀이 더욱 커지면서 필요한 기술과 툴도 많아질 수 밖에 없었습니다. 데이터를 가공하고 저장하고 다른 툴에 동기화하기 위해 Census와 Redshift 같은 툴도 사용하기 시작했습니다. 머신러닝을 이용한 예측 스코어링을 해주는 MadKudu도 도입했구요. *MadKudu: 데이터 예측 모델링 플랫폼 *Redshift: 데이터 웨어하우스

실제 사례

지금까지 살펴본 내용을 바탕으로 아주 정교한 리드 스코어링 시스템을 사용하고 있는 Geckoboard의 예시를 살펴보겠습니다. 적합도(FIT)를 판단하기 위해 점수를 부여하고 있고, 각 특성(속성)마다 적용하는 점수의 스케일 또한 다릅니다. 예를 들어, 직원 수가 500명이 넘는 회사에 다니는 잠재고객이면 50점이 부여되고, 100명에서-500명 사이라면 40점을 주는 것이죠. 재밌는 점은 점수가 깎이기도 한다는 것입니다. 직원 수 10명 이하의 경우, 2점이 깎입니다.

뿐만 아니라 Geckoboard는 스코어링에 ‘인앱(In-app) 행동 데이터'도 반영하고 있는데요. 무료 체험 버전에서 보인 상호작용, 예상 이탈율, 생애가치 등의 기준으로 더 상세하게 리드를 판별하고 점수를 매깁니다. 이 모델링의 결과는 엄청났습니다. 전체 리드 중에서 12%를 이와 같은 스코어링 시스템을 통해 자동으로 분류해낼 수 있었고, 이 12%의 고객으로 부터 전체 매출의 80%가 발생했기 때문입니다!

---

출처: Full-funnel Summit 2022

웨비나 녹화 영상: https://drive.google.com/file/d/1CRHU9mKRsBMggqK1_XtGkkeRiF_-YHv8/view?usp=sharing