오늘은 소비자 구매 모델인 AISAS 프레임워크와 핵심 성과 지표인 KPI에 관해 공부하고, 국내 출시 예정인 iPad mini7에 적용해보겠습니다.
목차
AISAS란?
KPI란?
iPad mini A17 Pro에 적용
AISAS에 관해 이야기하기 전에 AIDMA에 관해 이야기해보겠습니다.
소비자 심리 단계에 대한 법칙을 이야기한 전통적인 소비자 행동모델입니다. 사람이 어떤 행동을 하기까지
의 순서가 있다는 것을 말합니다.
전통적으로는 AIDMA의 방식이 일반적이었지만, 스마트폰과 인터넷 등이 발달하면서 조금 다른 소비자 행동이 관찰됩니다. 그래서 나온 것이 AISAS입니다.
AISAS는 AIDMA와 달리 다음과 같은 단계를 가집니다.

간단히 이야기하면,
의 과정입니다.
소비자가 이러한 과정으로 행동하기 때문에, 이에 맞춰 전략을 세우고 목표를 달성해야겠죠? 그렇다면, 설계한 목표를 어떻게 정량적으로 나타낼 수 있을까요? 핵심 성과 지표(KPI)가 그 역할을 하게 됩니다.
중요한 비즈니스 목표 아래 팀이나 조직의 진행 상태를 나타내는 정량적인 지표입니다. 앞에서 이야기한 AISAS의 각 단계에 대해 KPI를 설정할 수 있습니다.
효과적인 KPI를 작성하기 위해 다음과 같은 단계를 거치면 좋습니다.
reference
그렇다면, 우리나라에 11월 21일 출시 예정인 iPad mini A17 Pro 모델에 대해 AISAS 프레임워크를 작성하고 KPI를 설정해보겠습니다.
AISAS는 소비자 행동모델이기 때문에, 소비자가 누구냐에 따라 다른 과정을 거치게 됩니다. 따라서 타겟을 구체적으로 정할 필요가 있습니다.
target
기존 iPad 7세대 사용자를 타겟 고객으로 설정하겠습니다.
USP
USP는 Unique Selling Point입니다. iPad mini7에 대해 USP를 정의하고, 마케팅 전략을 세워보겠습니다. USP는 apple 공홈에서 강조하고자 하는 내용이 무엇인지를 파악하여 결정했습니다.
AISAS
소비자 입장에서의 AISAS와 기업 입장에서의 AISAS가 다를 것이라 생각하고, 따로 정리했습니다.
소비자

기업

작성한 AISAS를 바탕으로 KPI를 설정해볼 수 있습니다. 그 중 두 가지 단계에 대해 KPI를 설정해보겠습니다.
Search
Search 단계의 목표는 소비자들이 많은 채널에서 iPad mini를 검색할 수 있도록 하는 것입니다. 이를 위해 저명한 인플루언서와 협업해볼 수도 있습니다. 그렇다면 이 목표에 대한 정량적인 지표는 어떻게 설정할 수 있을까요?
인플루언서가 추천한 링크를 통해 iPad mini 공식 페이지나 쇼핑몰 페이지로 유입된 방문자 수의 증가율을 측정하여 검색으로 이어진 실질적인 관심을 평가합니다.
이를 통해 얼마나 많은 예산을 협업하는 데에 사용할 지 결정할 수 있습니다.
Action
Action 단계의 목표는 iPad mini에 관심을 가지고 검색해본 사용자들의 구매 전환을 유도하는 것입니다. 구매할 의향이 있는 소비자들은 장바구니에 상품을 담아놓을 것입니다. 이 목표에 대한 정량적인 지표는 어떻게 설정할 수 있을까요?
구매 페이지에서의 체류 시간을 측정하여 사용자의 구매 고민 정도와 의사결정에 걸리는 시간을 파악합니다. 장바구니 추가 후 구매 페이지에서의 긴 체류 시간은 구매 의향이 높음을 의미할 수 있습니다.
iPad mini 관련 페이지 방문자 중 최종 구매를 완료한 사용자 비율을 측정하여, 검색에서 실제 구매로 이어진 비율을 평가합니다.
장바구니에 iPad mini를 담은 사용자에게 리타겟팅 광고를 노출하고, 이 광고를 클릭하여 최종 구매로 이어지는 비율을 확인합니다.
이를 통해 어떤 사람에게 리타겟팅 광고를 할 것인지 결정해볼 수도 있겠네요 !
사실 여기서 설정한 타겟은 저였습니다.ㅎㅎ 이 과제를 수행하면서 iPad mini 7이 가지고 싶어졌어요... 저는 지금 Search 단계에 있습니다....!ㅋㅋㅋ
데이터 분석을 공부하기 시작하면서 머신러닝 모델에 집중하는 경향이 있었는데, 비즈니스적으로 접근해볼 수 있어서 새롭고 좋았습니다. 결국은 어떤 상품이나 서비스를 대상으로 데이터 분석을 하게 될 일이 많을텐데, 도메인 지식을 녹여 논리적인 데이터 분석을 해야겠다는 필요성을 느끼고 있었거든요. 데이터 분석은 누군가를 설득하는 일이 많다는 것을 자주 들었습니다. 앞으로도 머신러닝에만 국한되지 않고 폭 넓은 공부를 해야겠다고 느꼈습니다 :)