‘쿠폰 하나’에도 전략이 있다: 플랫폼 온사이트 프로모션 분석기

온사이트(Onsite) 마케팅은 단순히 ‘쿠폰’만을 뜻하지 않는다. 기획전, 라이브 방송, 타임딜, 배너 등 플랫폼 내부에서 고객의 구매를 끌어내는 모든 장치를 포괄하는 영역이다. 다만 쿠폰은 그중에서도 성과가 수치로 명확히 드러나고, 고객 행동에 미치는 영향력이 크다. 따라서 분석가들이 온사이트 마케팅 성과를 분석할 때 가장 자주 다루는 지표다.

우리는 한때 같은 회사에서 일했던 분석가였지만, 지금은 서로 다른 플랫폼—한 명은 라이브커머스, 다른 한 명은 여행 플랫폼—에서 온사이트 프로모션 분석을 맡고 있다. 이번 글에서는 서로 다른 시각을 바탕으로 두 플랫폼의 ‘쿠폰 중심 온사이트 분석 사례’를 공유하려 한다.

글에서 등장한 데이터와 예시는 실제 상황을 참고해 유사하게 가공한 결과를 사용했다.

플랫폼의 고객 여정과 마케팅 데이터 분석

고객 여정에서 마케팅은 어디에 들어가는가?

우선 본격적인 사례를 공유하기에 앞서 마케팅 데이터 분석과 온사이트 마케팅에 대해 설명하려고 한다. 플랫폼에서의 마케팅은 고객 여정 전체에 걸쳐 작동하지만, 데이터 분석 시엔 크게 세 가지로 나눌 수 있다.

왜 우리는 ‘온사이트’에 집중하는가?

이 글에서 우리는 온사이트에 집중하고자 한다. 온사이트 프로모션은 고객이 이미 플랫폼에 유입된 이후 해당 세션 안에서 실제 구매로 이어지는 마지막 접점의 역할을 한다. 이를 분석하면 “고객이 어떤 흐름을 따라 구매에 도달하는가”, “어떤 단계에서 이탈하는가”를 데이터로 파악하고, 전략을 세울 수 있다.

외부 광고가 방문을 유도하고, CRM은 재방문을 자극한다면, 온사이트는 ‘구매 전환을 만드는 핵심 공간’이다. 특히 쿠폰·기획전·라이브방송 같은 요소는 실제 매출과 직접 연결되므로 분석적 가치가 더 크다.

온사이트 분석이 어려운 이유

다만 그 중요성만큼 온사이트 분석에는 여러 가지 어려움이 존재한다. 이를 정리하면 아래와 같다.

따라서 이번 글에서는 쿠폰의 발급~구매까지 퍼널을 위주로 사례를 들어 분석 방법론을 소개하고자 한다.

실무 분석가가 사용하는 온사이트 프로모션 분석 방법론

온사이트 프로모션 분석을 요청받으면, 분석가들은 아래와 같은 대표적 분석 방법론을 활용해 데이터에 접근하고 인사이트를 도출한다.

1. 퍼널 분석

퍼널 분석은 사용자가 프로모션을 경험하는 과정을 ‘노출 → 클릭 → 발급 → 사용 → 구매’ 단계별 전환율로 쪼개어, 각 단계에서 발생하는 이탈과 병목 현상을 진단하는 기법이다. 위와 같은 구조는 온사이트 쿠폰 프로모션에 초점을 맞췄을 때의 퍼널로, 서비스의 특성이나 주요 기능별로 달라질 수 있다.

이 분석의 장점은 특정 단계의 문제를 빠르게 파악하고 개선할 수 있다는 점이다. 예를 들어 어떤 캠페인에서는 쿠폰 발급률이 30%로 높았지만, 실제 사용률은 7%에 그쳤다. 추적해 보니 장바구니 상위 50개 인기 상품 중 60%가 쿠폰 제외 대상이었으며, 결제 페이지에서 ‘쿠폰 사용 불가’ 알림을 확인한 고객의 이탈률은 25%나 증가했다. 즉, 쿠폰 발급과 사용 간의 간극이 상품-쿠폰 불일치 때문임을 알 수 있었다.

이를 바탕으로 고객이 많이 담는 상품군에 쿠폰을 적용하거나, PDP(상품 상세 페이지)·장바구니 단계에서 ‘쿠폰 적용 가능 여부’를 미리 안내하는 것이 전환율 개선에 효과적이라는 인사이트를 얻을 수 있었다.

2. 리프트(Lift) 측정

리프팅 분석은 쿠폰, 기획전, 캠페인이 매출이나 전환에 미치는 순수 효과(Incremental Impact)를 측정하는 방법이다. 이는 매출 증가가 단순 프로모션 덕분인지, 혹은 자연스럽게 발생했을 매출인지 구분하기 위해 쓰인다.

예를 들어, 쿠폰 발급 고객(A그룹)의 구매율이 20%, 미발급 고객(B그룹)은 10%일 때, 이를 곧바로 ‘쿠폰 효과로 구매율 +10%p 증가’라 단정할 수 없다는 뜻이다. B그룹 자체가 방문 빈도나 장바구니에 담은 물건 수가 적은 고객일 수 있기 때문이다. 해당 예시에서는 최근 7일간 방문 3회 이상, 장바구니 2개 이상이라는 동일 조건을 만족하는 고객 5천 명씩을 매칭해 비교하니, 실제 리프트(Lift)가 +5%로 줄어든 것을 확인했다. 즉, 쿠폰의 매출 기여도가 과대평가되었음을 확인한 것이다.

그 결과, 신규 고객에게만 높은 할인율의 쿠폰을 제공하고, 충성 고객에게는 포인트·무료배송 같은 대체 혜택을 제공하며 비용 효율화를 높이는 전략을 도출할 수 있다.

3. 고객 세그먼트 분석

고객 세그먼트 분석은 고객을 신규·재구매·휴면 그룹으로 나누어 쿠폰에 대한 반응 차이를 분석하는 방법이다. 평균값만 보면 묻힐 특정 그룹의 특성을 세분화해 맞춤 전략을 낼 수 있다는 장점이 있다.

실제로 한 사례에서 신규 고객의 쿠폰 발급률은 60%, 사용률은 40%로 첫 구매 전환에 효과적이라는 결과가 나왔다. 하지만 이들의 30일 내 재방문율은 8%로 낮았다. 반면 재구매 고객은 쿠폰 발급률 30%, 사용률 25%로 수치는 낮았지만, 객단가는 신규 고객 대비 1.5배 높았다. 한편 휴면 고객은 발급률이 50%에 달해도 사용률은 5%에 불과했고, PDP 진입률도 10% 미만이었다.

이 분석으로 고객 유형별 전략을 다시 세울 수 있다. 신규 고객은 첫 구매 이후 재방문을 유도할 리텐션 전략을, ROI가 높은 재구매 고객은 리마케팅을 확대하는 방법을, 마지막으로 휴면 고객은 쿠폰이 아닌 상품 추천 등 다른 접근 방식이 필요하다는 판단을 내리는 식이다.

4. 악용 탐지(Abuse Detection)

악용 탐지는 동일 기기·계정에서 반복해 쿠폰을 발급받거나, 결제 없이 사용하는 이상 패턴을 탐지해 제거하는 분석 기법이다. 이런 어뷰징 데이터를 제거하지 않으면 ROI가 실제보다 높게 계산되어 잘못된 의사결정을 내릴 위험이 있다.

예를 들어, 마케팅 활동이 없었음에도 신규 쿠폰 발급률이 2배 급증한 사례가 있었다. 분석 결과, 동일 IP와 디바이스에서 20개 이상의 계정이 쿠폰만 발급받고 결제를 하지 않는 패턴이 발견되었다. 이러한 어뷰징 데이터를 제거하니, 신규 고객의 실제 전환율은 7%에서 5%로 낮아졌고, 현실적인 수치가 반영되었다.

이를 계기로는 디바이스·결제 수단별 중복 발급의 제한, 이상 패턴 필터링 강화와 같은 정책을 강화할 필요가 생겼다.

온사이트 지표 구성의 예시

마지막으로, 온사이트 분석에서 사용하는 지표들의 정의와 의미를 정리하면 아래와 같다.

지금까지 설명한 온사이트 분석의 배경을 바탕으로, 서로 다른 데이터 분석가가 두 가지 플랫폼에서 겪은 온사이트 분석 사례를 공유하고자 한다.

1. 라이브커머스 플랫폼 사례: 익숙한 프로모션, 낯선 분석

여행 플랫폼을 떠나 라이브커머스 플랫폼의 온사이트 전략팀에 합류한 직후, 나는 매월 3주 차에 반복 운영되는 대형 장기 프로모션의 성과 분석을 맡게 되었다. 이 프로모션은 쿠폰을 활용한 전환 유도, 셀러 중심의 콘텐츠 편성, 기획전과의 연계라는 익숙한 조합으로 구성되어 있었고, 팀 내부와 셀러 파트너 모두에게는 이미 검증된 성공 공식처럼 받아들여지고 있었다.

문제 제기

분석가로서 아래와 같은 새로운 첫 번째 질문을 던졌다.

“이 프로모션은 정말 효과적인가? 단순히 매출이 올랐다는 결과를 넘어, 이 프로모션은 어떤 고객에게 어떤 조건에서 효과를 발휘하고 있는가?”

질문을 던지고 나니 그동안 여러 프로모션을 분석하며 느꼈던 문제의식이 다시 떠올랐다.

반복적으로 진행되는 프로모션이 과연 정말로 꾸준히 성과를 만들어내고 있을까?
이 프로모션은 정말로 매출 증가에 기여한 것일까?
다양한 고객군에게 동일한 메시지와 혜택이 같은 방식으로 작동하고 있을까?
일부 고객군에서는 이미 효과가 둔화되고 있는 것은 아닐까?

이러한 질문은 다시 단순한 성과 리포트 작성이 아닌, 프로모션의 구조를 다시 정의하며 실질적인 기여도를 정량적으로 측정할 필요로 이어졌다. 익숙한 프로모션일수록, 오히려 그 익숙함 속에 가려진 비효율을 발견할 여지가 크기 때문이다.

접근 방식

그동안 이 프로모션은 노출 수, 쿠폰 사용량, 매출 수준과 같은 표면적 성과 지표만 리포팅될 뿐, 고객 행동 흐름 전반에 대한 분석은 이뤄지지 않은 상태였다. 분석가가 별도로 존재하지 않았던 만큼, 이 프로모션이 실제로 어떤 전환 과정을 거쳐 매출로 이어지고 있는지, 그리고 실질적인 기여도는 어느 수준인지 체계적으로 측정된 적이 없었다.

그래서 내가 맡은 첫 번째 과제는 전환 퍼널을 새롭게 정의하는 작업이었다. 고객의 행동 흐름을 기반으로, 실질적인 전환 구조를 다음과 같이 설정했다.

퍼널 구조: 라이브 진입 → 시청 → 쿠폰 발급 → 쿠폰 사용 → 구매 → 팔로우

이 퍼널로 단계별 전환율을 측정하기로 했다. 특히 장기 프로모션의 특성에 따라 반복 참여와 잔존율 분석이 중요하다고 판단했다. 이에 전체 GMV(전체 거래 규모) 대비 쿠폰 연계 GMV의 비중을 기준으로, 쿠폰의 기여도를 정량적으로 파악하기로 했다. 또한, 단계별 효과를 파악하기 위해 지표를 체계화했다.

실전 적용

장기 프로모션인 만큼 분석을 진행하는 과정에서 여러 방법을 사용했다. 그중 핵심적으로 진행한 방식은 네 가지였다.

1) 인센티브 연계 효과 분석

가장 먼저 최근 1~2년간의 데이터를 기반으로, GMV 대비 인센티브 연계 매출 비중의 추이를 살펴보았다. 그렇게 장기적으로 해당 프로모션이 핵심 성과 지표에 어떤 영향을 주었는지 확인했다.

2) 동일 조건 비교군 설정

다음으로는 기간, 규모, 채널 등이 유사한 다른 프로모션을 기준으로, 주요 전환 지표—노출 대비 발급률, 사용률, 구매 전환율, 평균 체류시간, 신규 유저 확보율— 차이를 비교했다.

3) 이탈 구간 진단

그다음, 유저 퍼널을 기반으로 이탈이 두드러지는 구간을 진단했다. 특히 신규 고객과 기존 고객, 그리고 라이브커머스 채널 팔로우 여부 등 특정 행동을 완료한 그룹과 그렇지 않은 그룹 간의 차이를 확인했다.

4) 행동 기반 반응 분석

마지막으로 체류시간, 콘텐츠 시청 시간에 따라 인센티브 반응(발급률, 사용률 등)이 어떻게 달라지는지 분석함으로써, 몰입도와 전환 간의 상관관계를 확인할 수 있었다.

인사이트와 전략

분석을 진행하면서, 이 프로모션의 주요 대상인 신규 고객의 특징, 기존 충성 고객의 변화, 콘텐츠 시청 행태에 따른 반응 차이, 그리고 즉시 반응 고객의 행동 특성을 세밀하게 파악할 수 있었다.

이 덕분에 단순히 “프로모션이 효과가 있었다”라는 결론에 그치지 않고, 발행된 쿠폰이 어떤 고객군에서 주로 사용되는지, 그리고 쿠폰 연계 매출이 전체 매출에 어떤 영향을 미쳐 실질적인 매출 상승을 견인했는지 구체적으로 확인할 수 있었다.

특히 고객의 행동 특성에 따라 쿠폰 사용 양상이 뚜렷하게 달라진다는 점을 발견함에 따라 단일 혜택을 모든 고객에게 동일하게 적용하는 전략의 한계도 인지했다.

이에 따라 고객 세그멘테이션을 기반으로 쿠폰 혜택을 차별화하는 전략을 검토하기로 했다. 이를 통해 매출뿐 아니라 고객 충성도에도 어떤 영향을 미치는지를 보다 정밀하게 분석하고, 기획자들과 함께 전략 방향을 논의해 나갈 수 있었다.

결국 오래된 프로모션에 대한 새로운 접근이 단기 성과에 머무르지 않고, 장기적인 고객 가치 극대화와 지속 가능한 성장 전략 수립에 기여할 것이라는 기대와 함께, 후속 분석을 진행하기로 했다.

2. 여행 플랫폼 사례: 타이밍이 전환을 만든다

여행 플랫폼에서 쿠폰은 단순히 가격을 낮추는 장치가 아니다. 고객이 예약을 결심하게 만드는 ‘마지막 한 끗’ 역할을 한다. 특히 네이버, 구글 등 다양한 플랫폼이 가격 비교 기능을 제공하는 만큼, 가격 경쟁력을 만드는 데 무엇보다 중요한 역할을 한다.

여행 플랫폼이 라이브커머스나 쇼핑몰과 다른 것은 즉시 구매가 자주 이뤄지지 않는다는 점이다. 고객들은 숙소를 비교하고, 날짜를 조율하고, 가족이나 동행과 상의를 하며 여러 고민을 거쳐 결정을 내린다.

문제 제기

처음 대시보드를 열었을 때 가장 눈에 띈 것이 있다. 쿠폰 발급량은 목표치를 초과했지만, 사용률은 예상보다 한참 낮았다는 점이었다. 그래서 발급 수치만 놓고 보면 성공적인 캠페인처럼 보였지만, 실제 구매까지 이어진 고객 비율은 10%에도 미치지 못했다.

처음에는 단순히 “쿠폰 혜택이 충분히 매력적이지 않았던 건 아닐까?”라는 의심이 들었다. 그러나 데이터를 단계별로 쪼개 살펴본 결과, 문제는 그렇게 단순하지 않았다. 쿠폰을 발급받은 고객 중 일부는 바로 사용했지만, 상당수는 며칠 동안 예약을 미루거나 결국 사용하지 않은 채 이탈하고 있었던 것이다.

접근 방식

쿠폰 발급 이후 고객 행동을 타임라인으로 추적해 보니 흥미로운 패턴이 나타났다.

즉시 사용 고객: 쿠폰을 받은 직후 PDP(상품 상세 페이지)에서 가격을 확인하고, 같은 날 바로 예약까지 마무리했다.
지연 고객: 쿠폰 발급 후 24시간 이상, 어떤 경우에는 72시간 이상 사이트를 반복해 방문하며 숙소 비교만 하다가 결제를 미루었고, 결국 쿠폰 만료일을 넘겨버렸다.

이에 따라 쿠폰의 전환 퍼널을 다음과 같이 정의했다.

퍼널 구조: 쿠폰 노출 → 발급 → PDP 진입 → 예약 화면 진입 → 결제

분석 결과, 즉시 탐색 고객군(발급 후 24시간 내 PDP ≥ 3회 진입)의 구매 전환율은 18%로, 지연 탐색 고객군(발급 후 24시간 이후 재방문)의 전환율인 5% 대비 3배 이상 높았다.

실전 적용

이 데이터를 기반으로 “쿠폰 발급 이후 일정 시간 안에 탐색을 유도하면 전환율이 높아질 것”이라는 가정을 세웠다. 이를 검증하기 위해 다음과 같은 테스트를 진행했다.

실험 과정

대상: 쿠폰 발급 후 1시간 내 PDP 진입이 없는 고객
실험: A그룹은 발급 이후 1시간 내 ‘탐색을 유도하는 푸시 메시지’ 발송 vs. B그룹은 메시지 미발송(대조군)
측정 지표: 발급 대비 PDP 탐색 전환율, 발급 대비 예약 전환율

실험 결과, A그룹은 탐색 전환율 +12%, 예약 전환율 +8%가 개선되었다. 그뿐만 아니라 메시지를 받은 고객은 PDP 체류 시간도 평균 20% 길어졌고, 예약 화면 진입률이 대조군 대비 2배 높았다.

인사이트

새로운 문제의 발견과 실험을 거쳐 ‘쿠폰’에 대한 여러 인사이트를 얻을 수 있었다.

첫째, 쿠폰 발급만으로는 충분하지 않다. 발급 후 1시간 내 PDP 탐색을 시작한 고객의 전환율은 그렇지 않은 고객보다 3배 이상 높았다. 따라서 쿠폰을 발급한 직후 고객 행동을 유도하는 트리거가 필요하다.

둘째, 지연 탐색 고객은 쿠폰의 가치가 빠르게 희석된다. 쿠폰 발급 이후 24시간이 지나면 예약 전환율이 5% 이하로 급감했다. ‘만료일 리마인드’보다 빠른 탐색을 유도하는 전략이 더 효과적이다.

셋째, 메시지 타이밍이 곧 매출을 만든다. 발급 후 1시간 내 메시지 한 번으로 탐색률이 +12%, 예약률이 +8% 개선됐다. 이는 온사이트 프로모션에서 ‘쿠폰 + 트리거 메시지’의 결합 효과가 매우 크다는 것을 보여준다.

마치며

온사이트 마케팅은 쿠폰 하나로 완성되지 않는다. 쿠폰, 기획전, 타임딜, 라이브방송 등 수많은 장치가 유기적으로 움직여 전환을 만든다. 다만 이번 사례들이 보여주듯, 쿠폰은 고객 행동을 분석하고, 그 데이터를 기반으로 전략적 개선을 끌어낼 핵심 도구다.

무엇보다 이러한 분석은 과거를 정리하는 일이 아닌, 다음을 설계하는 일이다. 익숙하거나 반복되는 프로모션일수록 “이 데이터를 어떻게 새롭게 바라볼 것인가?”를 묻는 것이 분석가의 역할이다. 쿠폰이라는 작은 장치에도 타이밍과 전략이 숨어 있듯, 분석가는 언제나 그다음을 먼저 그려야 한다.