지난 번 블로그 게시글에 이어 브랜드 이미지 조사에 있어서 숫자 해석의 오류에 대해 다루고자 한다. 브랜드 이미지 조사 결과는 커뮤니케이션 전략 수립을 위한 중요한 근거 자료로 활용된다. 문제는 설문조사를 토대로 이루어진 브랜드 이미지 분석 자체가 잘못된 경우가 많다는 점이다. 잘못된 분석 결과는 잘못된 전략을 이끌어내기 마련이다.

전략적 시사점을 제시하지 못하는 이미지 분석

다음의 표는 7개의 자동차 브랜드에 대한 이미지를 조사한 실제 결과이다. 브랜드 이미지를 측정하기 위한 형용사들을 20여 개 제시하고, 해당 브랜드의 이미지를 설명하는데 적합한 형용사들을 모두 선택하도록 응답자들에게 요구하였다.
이 통계표에 따르면 Brand A는 거의 대부분의 이미지에서 경쟁 브랜드보다 높게 나타나 강력한 이미지를 형성하고 있다고 해석될 수 있다. 반면 Brand D~G의 경우에는 대부분의 이미지들이 낮게 평가되어 이미지 형성에 실패하고 있다고 결론을 내릴 수 있다.

그런데 과연 이러한 해석이 맞는 것일까?
표를 다시 한번 자세히 살펴보자. Brand A는 혁신적이고, 품위 있으면서, 젊은 이미지에서 모두 가장 높게 평가되고 있다. 혁신적이고, 젊으면서도 품위 있는 이미지를 모두 가진다는 것이 전혀 불가능한 것은 아니겠지만, 현실적이지 않고, 상식적으로 이해하기 힘든 결과이다.
더군다나 이 결과로는 각 브랜드들이 차별적으로 구축하고 있는 브랜드 이미지를 발견하기도 힘들어, 포지셔닝 현황 파악 및 차별화 포인트를 도출하는데 한계가 있다.
그렇다면 우리는 어떤 전략적 시사점을 광고주에게 제시해야 하는 것일까? 이 조사결과를 가지고 타당한 전략적 방향을 도출한다는 것이 가능하기는 한 것일까?

설문조사 결과값의 실체

설문조사에는 잘못된 추론을 하게 만드는 많은 요인들이 존재한다. 특히 설문을 통해 얻은 자료에는 진실(truth)과 거짓(error)이 혼재되어 있어 잘못된 결론을 이끌어 내기도 한다. 그러나 오차에 해당하는 주요 요인들을 규명하고 적절히 통제만 한다면, 오차를 상당부분 줄이고 보다 정확한 해석을 할 수 있다.

소비자들이 응답한 이미지 평가에 있어서도 진실된 값과 오차에 해당하는 값이 혼재되어 있다. 이 오차에 해당하는 많은 요소들이 있지만, 그 중에서도 가장 큰 부분을 차지하는 것은 바로 브랜드 호감도이다.

The Winner Takes It All

아래의 그림은 앞선 표에서 제시된 데이터를 활용하여 각 브랜드의 이미지 평가 평균값과 브랜드 호감도 간의 상관관계를 분석한 것이다. 이 그림을 살펴보면, 호감도가 높은 브랜드일수록 이미지 평가 평균값도 높게 나타남을 알 수 있다. 즉 사람들은 실제로 그 브랜드에 대해서 가지고 있는 이미지와는 상관없이, 자신이 좋아하는 브랜드에 대해서는 모든 이미지를 후하게 평가하는 경향이 존재하는 것이다. 이를 선유경향(predisposition)에 의한 응답 편향성(response bias)이라고 한다.

즉 소비자 조사 결과 나타나는 이미지 평가값에는 실제 이미지에 대한 평가 부분만 존재하는 것이 아니라 브랜드 호감도가 같이 혼재되어 있다고 할 수 있다. 따라서 브랜드 이미지 평가값에서 브랜드 호감도가 차지하는 부분을 제거해야 타당한 이미지 평가 결과를 파악할 수 있는 것이다.


이와 관련하여 해외 저명 학술지에 실린 논문들에서는 이미지 평가 지수의 문제점들을 지적하면서, 이미지 지수화 방식을 위한 대안들을 제시하고 있다. 이노션에서도 이러한 문제점을 개선하기 위해 이미지 지수화 방법론을 독자적으로 개발하여 적용하고 있다.

그러나 여전히 많은 조사 기관이나 광고 담당자들이 이러한 부분에 대한 고려 없이 응답 결과값을 그대로 활용하고 있는 것이 현실이다. 자신이 보고 있는 조사 보고서의 수치에 오류는 없는지, 그 오류를 최소화하기 위해 어떠한 방법을 써야 하는지에 대한 진지한 고민이 필요할 것이다.

지난 번 블로그 게시글 ‘과학적 전략의 시작: 숫자’에서 숫자를 잘 보면 우리가 미처 깨닫지 못했던 새로운 사실을 발견할 수 있다고 이야기한 바 있다. 그러나 숫자를 제대로 해석할 수 있는 능력이 뒷받침되지 않으면, 새로운 인사이트도 얻을 수 없고, 심지어 잘못된 해석으로 엉뚱한 결론을 내릴 수 있다고도 했다. 장님 코끼리 만지기처럼 말이다.
이번 글에서는 숫자에 대한 잘못된 해석이 어떠한 결과를 초래할 수 있는지 가상의 사례를 들어 살펴보고자 한다.



숫자 해석이 전략 방향을 결정한다.

우리의 광고주가 A라는 제품 시장에서 40~50대를 중심으로 높은 시장 점유율을 형성하고 있다고 가정해보자. A 제품군의 구매율을 10년 단위로 조사한 결과가 <표 1>과 같이 나타났다면, 어떠한 마케팅 전략을 광고주에게 제시해야 할 것인가?

<표 1>을 살펴보면, 20대의 구매율은 80년도 47%에서 2010년도 61%로 14% 상승하고, 30대는 10% 증가했다. 그러나 연령이 증가할수록 상승폭은 줄어들어, 50대 시장은 정체되어 있다. 또한 1980년도에는 20대의 구매율이 가장 낮았으나 2010년에는 구매율이 가장 큰 시장으로 성장하였다.
즉 40~50대 시장은 저성장 혹은 정체하고 있는 반면, 20~30대 시장은 빠르게 성장하고 있다. 따라서 40~50대를 중심으로 한 기존의 마케팅 활동을 줄이고, 20~30대를 핵심 타겟층으로 설정하여 이들을 대상으로 집중적인 마케팅 활동을 전개하는 것이 바람직하다는 결론을 내릴 수 있을 것이다. 이러한 해석과 전략이 과연 올바른 것일까?

잘못된 해석은 잘못된 전략을 이끌어낸다.

본 조사는 10년마다 각 연령대별 구매율을 반복 조사했다는 점을 다시 한번 생각해볼 필요가 있다. 즉 10년을 단위로 4개의 연령 집단을 비교 조사한 것 같지만, 사실은 <표 2>에서 알 수 있는 바와 같이 7개 세대의 집단(코호트, Cohort)을 비교 조사한 것이다.(코호트에 대한 자세한 내용은 조사방법론 서적을 찾아보기 바란다)

따라서 연령대를 중심으로 정리된 <표 2>를 세대별로 <표 3>과 같이 다시 정리할 수 있다.


<표 3>을 보면, 40대에서 50대로 진입할 때 A제품에 대한 구매율이 평균 9%으로 대폭 증가하고 있음을 새롭게 발견할 수 있다. 반면, 20대에서 30대로 진입하면서 구매율이 증가하는 폭은 평균 2%로 50대보다 오히려 낮다. 따라서 <표 1>에서 50대 시장의 중요도가 감소하고 있다고 내린 결론은 바람직하지 않으며, 오히려 여전히 중요한 핵심 시장으로 바라보는 것이 타당하다.

물론 현재 20대인 1980년대생의 2010년 구매율은 61%로 가장 높다. 그러나 20대가 30대로 진입하면서 증가하는 평균 증가폭인 2%를 적용하면(연령 증가에 따른 수요 증가폭이 동일하다는 가정 하에), 1980년대생이 30대가 될 때 구매율이 약 63%로 나타날 것이라고 예상할 수 있다. 반면 현재 40대인 1960년대 생의 현재 구매율은 56%로 20대보다 낮지만, 40대에서 50대로 진입할 때의 평균 증가폭인 9%를 적용할 때, 이들은 50대가 되면 65%로 나타날 것이라고 예측할 수 있다. 즉 연령이 높을수록 소비량이 늘어나는 특성을 가진 제품군에서 브랜드 차별화 목적이 아니라면, 20~30대를 핵심 타겟으로 설정하는 것은 40~50대의 큰 시장을 놓치게 되는 우를 범하게 되는 것이다.

물론 A제품에 대한 구매율은 1950년대생이 20대일 때(47%)보다 1980년대생이 20대일 때(61%) 더 높은 것은 사실이다. 이를 조금 더 구체적으로 살펴보기 위해, <표 3>을 다른 관점에서 바라보면 <표 4>와 같이 정리할 수 있다.

<표 4>를 보면, 1920년대생부터 1950년대생에 해당하는 사람들 간에 동일한 연령대의 구매율은 1% 내외로 큰 차이가 존재하지 않는다. 그러나 1960년대생은 1950년대생보다 3~4%정도 높고, 1970년대생은 1960년대생보다 5~6%, 1980년대생은 1970년대생보다 6% 높다. 이는 1960년대생을 기준으로 A제품에 대한 소비 확산이 기존 세대보다 빨리 시작하고 있으며, 그 확산폭이 점차 증가하고 있어 현재 20대는 향후 50대가 되었을 때 매우 큰 시장 성과를 가져다 줄 수 있는 매력적인 타겟층임을 의미한다.

이상의 분석 결과를 바탕으로 전략을 고민해보면, A제품군은 연령이 증가할수록 수요가 늘어나는 특성을 가지고 있고, 현재 40대가 50대에 진입하였을 때의 시장 규모는 현재보다 더 커질 것으로 예상되기 때문에, 40~50대는 여전히 핵심 타겟층으로 설정하는 것이 바람직하다. 단, 최근 젊은 세대들은 A에 대한 소비가 대중화되는 시점이 기존 세대보다 빠른 매력적인 타겟층이라는 점을 감안할 때 젊은 층을 타겟으로 하는 새로운 브랜드를 런칭하는 것이 효과적이다.

그러나 <표 1>의 평면적인 분석만을 바탕으로 전략을 수립한다면 40~50대 시장의 매력도를 과소 평가하게 되고, 핵심 타겟을 20~30대로 옮기게 되어 기존의 큰 시장을 잃게 되는 오류를 범하게 될 수 있다.

입체적 분석이 좋은 시사점을 만든다.

앞서 살펴본 바와 같이, 주어진 통계 자료를 평면적으로 해석하면 엉뚱한 결론에 도달하여 마케팅 전략을 잘못된 방향으로 이끌 수도 있다.
같은 자료가 주어지더라도 이를 여러 관점에서 입체적으로 분석하면, 현상에 대한 보다 정확한 해석을 할 수 있을 뿐만 아니라, 우리가 미처 예상하지 못했던 새로운 결론을 얻을 수도 있다.
그러나 애석하게도 많은 사람들이 주어진 데이터를 제대로 활용하지 못하는 경우가 많다. 물론 조사 자체에 심각한 오류가 있을 수도 있으나, 대부분의 경우에는 연구자가 숫자를 충분히 관찰하지 않은 경우가 대부분이다. 본인의 경험에 의하면, 숫자를 고문하면 우리가 생각했던 것 이상의 새로운 진실을 고백하는 경우가 많다.

구하라! 그러면 얻을 것이다.

다음에는 브랜드 이미지 조사에 있어서 숫자 해석의 오류에 대해 살펴볼 것이다.

Tweet

숫자 야구방망이와 느낌표

영화 머니볼(2011)은 오클랜드 애슬레틱스 구단의 단장 빌리 빈이 추구하는 야구 경영 철학을 다룬 영화이다. 당시 애슬레틱스팀의 주력 선수들은 비싼 연봉을 받고 다른 구단으로 빠져나가고 있었다. 그러나 비슷한 수준의 스타급 선수를 스카우트하기에 애슬레틱스는 너무나 가난한 구단이었다. 빈은 경제학을 전공한 피터를 고용하여 야구 선수들에 대한 출루율 등 통계 자료를 산출하고, 이를 바탕으로 저평가되어 있는 선수들을 스카우트하기 시작했다. 그가 새롭게 고용한 선수들은 다른 팀에서 방출 대상이었던 이들이었고, 심지어 스타급 선수들을 다른 팀으로 보내기도 했다. 당연히 많은 반발이 있었다. 경험과 직관을 중요시하던 많은 전문가들은 ‘야구는 숫자가 아니라 사람이 하는 것’이라며 빈의 선수 고용 방식을 비판했지만, 빈은 최하위 팀이었던 애슬레틱스가 140년 메이저 리그 역사상 처음으로 20연승이라는 대기록을 달성하도록 이끌어내는 성과를 거두었다.
사실, 20연승이라는 기록보다 더 중요한 것은 야구 경영에 통계 분석을 도입함으로써 승리를 위한 새로운 통찰력을 도출했다는 점이다. 이들을 승리로 이끈 것은 야구 방망이가 아니라, 과학적 통찰력(!)다고 해도 과언이 아니다.

과학적 통찰력

이것이 머니볼을 단순한 야구 이야기가 아니라 경영 이야기라고 하는 이유이다. 따라서 광고와 마케팅에 주는 시사점 역시 매우 크다고 할 수 있다. 브랜딩과 광고는 기본적으로 사람(기업)이 사람(소비자)을 대상으로 커뮤니케이션하는 과정이다. 커뮤니케이션이 설득력이 있고 공감대를 얻으려면 소비자에 대한 통찰이 매우 중요하다. 따라서 많은 경우, 전문가들의 경험과 감각에 의지하게 된다. 그러나 그렇게 도출된 인사이트와 전략적 방향이 옳은가에 대해서는 누구도 장담할 수 없다. 그저 수많은 전문가적인 가설들이 존재할 뿐이다. 전문가의 판단은 옳을 수도 있지만, 매우 틀렸을 수도 있다. 아무리 전문가라 하더라도 그의 경험은 제한적일 수밖에 없고, 제한된 경험에 의거한 주관적인 느낌이 판단에 크게 작용하기 때문이다.

이것이 바로 데이터에 기반한 과학적인 분석이 전략 수립에 필요한 이유이다.

Data Driven Insight Power

소비자에 대한 과학적인 인사이트 도출은 관련된 데이터를 체계적으로 축적하는 것에서부터 출발한다. 양질전환의 법칙처럼, 데이터의 축적량이 많을수록 분석이 더욱 정확해지기 때문이다. 이에 따라, 이노션 브랜드 커뮤니케이션에서는 과학적인 브랜드 전략 수립을 위해, 소비자 데이터들을 축적하고 이를 분석하기 위한 INNO-STAT이라는 Database System을 구축하였다.

당연한 이야기겠지만, 데이터 축적보다 더 중요한 것은 축적한 데이터를 어떻게 활용하느냐이다. 더군다나 디지털 시대로 접어들면서 수많은 데이터들이 넘쳐나고 있다. 소셜미디어를 통해 사람들은 엄청난 이야기들을 쏟아내고 있고, 이 이야기들은 곧 데이터가 된다. 마이크로소프트는 2012년 IT 트렌드로 ‘빅 데이터’를 제시하기도 하였다.  결국 넘쳐나는 데이터들 속에서 의미있는 정보들을 과학적으로 분석해내고 소비자의 마음을 제대로 읽어내는 마케터의 능력(필자는 이러한 능력을 Data Driven Insight Power라고 부른다.)이 더욱 중요해지고 있는 것이다.
물론 숫자 분석이 만능은 아니다. 그러나 숫자를 잘 보면 우리가 미처 깨닫지 못했던 새로운 사실을 발견할 수 있고, 이러한 분석이 전문가적인 경험, 직관, 창의력과 조화를 이루면 매우 성공적인 마케팅 성과를 거둘 수도 있다. 애슬레틱스의 20연승처럼 말이다. 문제는 숫자를 제대로 해석할 수 있는 능력이 뒷받침되지 않으면, 새로운 인사이트도 얻을 수 없고, 심지어 잘못된 해석으로 엉뚱한 결론을 내릴 수도 있다.

다음에는 숫자에 대한 잘못된 해석에 대하여 다루고자 한다.
To be continued…

Tweet