제3장: 세그멘테이션과 개인화

개인화 노력은 평균적으로 수익을 10~15% 높이고, 업계에 따라 최대 25%까지 향상시킨다. 하지만 불편한 진실이 있다. 채널 전반에 걸쳐 실제로 개인화된 경험을 제공할 수 있다고 느끼는 기업은 35%에 불과하다. 대부분은 여전히 모든 사람에게 동일한 이메일을 보내고 있다.

세그멘테이션이 중요하다는 것을 아는 것과 실제로 잘 실행하는 것 사이의 격차——바로 그곳에 돈이 있다. 그리고 그 격차는 상당히 크다. 대부분의 브랜드는 개인화해야 한다는 것을 안다. 대부분의 브랜드는 세그멘테이션이 더 나은 결과를 가져온다는 것을 안다. 하지만 대다수는 '세그먼트를 설정할 시간이 없다'거나 '우리 데이터가 충분히 깨끗하지 않다'는 이유로 전체 리스트에 동일한 이메일을 보내고 있다. 두 가지 핑계 모두 핵심을 놓치고 있다. 대략적인 세그멘테이션(고객 대 비고객, 참여 대 비참여)조차도 세그멘테이션이 없는 것을 압도적으로 능가한다. 시작하기 위해 완벽한 데이터가 필요한 것이 아니다. 시작하는 것이 필요하다.

이름 개인화를 넘어서

Kath Pay(Holistic Email Marketing 창업자, Holistic Email Academy 공동 창업자)는 수년간 이렇게 말해왔다. "안녕하세요 {first_name}"에서 멈추는 개인화는 실제로 성과를 해칠 수 있다고. 그녀의 연구 결과는 널리 인용되었다. 제목에 수신자의 이름만 넣고 본문 내용은 개인화하지 않은 이메일은 개인화가 전혀 없는 이메일보다 성과가 낮을 수 있다. 이름은 개인적 관련성에 대한 기대를 설정하지만, 일반적인 콘텐츠는 그 기대를 충족하지 못해 단절감을 만들어낸다.

진정한 개인화는 콘텐츠 자체가 수신자에 따라 달라지는 것을 의미한다. 다양한 세그먼트에 다른 제품을 보여주는 동적 콘텐츠 블록. 실제 행동을 참조하는 제목. 개인 습관에 최적화된 발송 시간. 무작위 베스트셀러가 아닌 구매 이력에 기반한 제품 추천.

수치가 이를 뒷받침한다. 고객 데이터로 이메일 캠페인을 강화하면 개봉률이 29%, 클릭률이 41% 증가한다. 소비자의 80%는 진정으로 개인화된 경험을 제공하는 브랜드에서 구매할 가능성이 더 높다. 구매 이력에 기반한 제품 추천은 수익 영향 측면에서 이름 개인화보다 10~20배 뛰어난 성과를 보인다.

가장 큰 영향에서 가장 작은 순서로 정렬한 개인화 계층 구조를 제안한다.

1. 행동 개인화. 검색 및 구매 이력을 기반으로 제품을 추천한다. 마지막 구매를 언급한다. 충성도 등급을 인정한다. 실제로 한 일에 기반하기 때문에 가장 높은 영향력의 개인화다.
2. 생명 주기 개인화. 신규 구독자, 활성 고객, VIP, 위험 고객에게 다른 콘텐츠를 제공한다. 각 단계에는 근본적으로 다른 메시지와 오퍼가 필요하다.
3. 동적 콘텐츠 블록. 단일 이메일 템플릿 내에서 세그먼트 멤버십에 따라 다른 이미지, 제품 또는 콘텐츠 섹션을 표시한다. 하나의 발송, 많은 버전.
4. 발송 시간 개인화. 각 개인이 가장 참여할 가능성이 높은 시간에 배달한다. 대부분의 주요 ESP가 이를 제공한다.
5. 위치 기반 개인화. 현지 날씨 언급, 현지 이벤트, 근처 매장 위치, 시간대에 적합한 콘텐츠.
6. 이름 및 기본 인구통계 개인화. 누군가의 이름 사용, 생일 인정. 더 깊은 개인화의 보완으로는 좋지만, 그 자체로는 의미가 없다.

리스트를 순서대로 진행하라. 각 수준이 가치를 추가하지만, 상위 세 가지가 수익 영향의 대부분을 제공한다.

세그멘테이션 유형

인구통계. 연령, 성별, 소득, 위치. 기본적인 것들. 광범위한 타겟팅에 유용하지만, 그것만으로는 충분하지 않다. 지리적 세그멘테이션을 통해 메시지를 현지화하고, 위치별 프로모션을 실행하고, 올바른 시간대에 발송할 수 있다. 글로벌 오디언스의 경우, 시간대 세그멘테이션만으로도 개봉률을 의미 있게 개선할 수 있다. 뉴욕 시간 오전 10시에 보낸 이메일은 시드니에서는 오전 3시에 도착한다. 이것이 누군가가 휴대폰을 확인할 때쯤이면 14개의 다른 이메일 아래 묻혀버리는 이유다. 시간대 조정 발송은 많은 브랜드가 간과하는 간단한 해결책이다.

행동. 사람들이 실제로 하는 일. 구매 이력, 이메일 참여, 웹사이트 검색, 장바구니 포기. 진정한 이점이 여기에 있다. 행동 트리거 이메일은 특정 행동에 맞춰 타이밍이 설정되어 본질적으로 관련성이 있다. 행동이 신선할 때 이메일이 도착하기 때문에 다른 어떤 유형의 세그멘테이션보다 일관되게 더 높은 전환율을 생성한다.

생명 주기. 브랜드와의 여정에서 누군가가 어디에 있는지. 신규 구독자는 3년 된 충성 고객과는 다른 콘텐츠가 필요하다. 고객 생명 주기 세그멘테이션은 이를 인식하고 그에 따라 이메일을 맞춤화한다. 신규 구독자는 온보딩을 받는다. 활성 고객은 교차 판매와 충성도 보상을 받는다. 이탈하는 고객은 윈백 캠페인을 받는다. 이탈한 고객은 억제 전 마지막 시도를 받는다. 각 단계에는 근본적으로 다른 메시지, 어조, 오퍼가 필요하다.

대부분의 브랜드가 추적해야 할 생명 주기 단계:

1. 잠재 고객 (가입했지만 구매하지 않음)
2. 신규 고객 (지난 30일 이내 첫 구매)
3. 활성 고객 (지난 90일 이내 두 번 이상 구매)
4. VIP (높은 빈도 및/또는 높은 금전적 가치)
5. 위험 (이전에 활성, 참여 감소)
6. 휴면 (90~180일 동안 구매 또는 참여 없음)
7. 이탈 (180일 이상 활동 없음)

이메일 플로우를 이러한 단계에 매핑하면 자연스럽게 모든 구독자에게 더 관련성 있는 경험을 만들 수 있다.

사이코그래픽. 라이프스타일, 관심사, 가치, 태도. 포착하기 더 어렵지만 가지고 있으면 강력하다. 구독자가 지속 가능성을 중요시한다는 것을 안다면, 단순히 할인을 밀어붙이는 대신 친환경적인 관행을 강조할 수 있다. 다른 구독자가 순전히 가격에 동기부여된다는 것을 안다면, 최고의 거래로 시작하라. 제로파티 데이터(아래에서 자세히)는 사이코그래픽 정보를 수집하는 가장 좋은 방법이다. 퀴즈, 환영 설문조사, 선호도 센터 선택은 모두 행동에서 추론하는 것보다 더 신뢰할 수 있는 사이코그래픽 신호를 제공한다.

RFM (최근성, 빈도, 금액). 이메일에 훌륭하게 작동하는 직접 마케팅에서 빌린 프레임워크. 고객이 얼마나 최근에 구매했는지, 얼마나 자주, 얼마나 많이 지출하는지에 따라 점수를 매긴다. 이를 통해 다양한 유형의 고객을 다르게 취급하는 구조화된 방법을 얻는다. Val Geisler(Fix My Churn 창업자)는 행동 기반 세그멘테이션을 사용하여 이탈을 줄이고 유지율을 높이는 것을 중심으로 전체 실천을 구축했다.

RFM 구현 가이드

RFM 분석은 복잡하게 들리지만 구현은 간단할 수 있다. 각 고객을 세 가지 차원에서 각각 1에서 5로 점수를 매긴다.

최근성. 마지막으로 구매한 것이 언제인가? 어제 구매한 고객은 5점을 받는다. 8개월 전에 마지막으로 구매한 고객은 1점을 받는다.

빈도. 얼마나 자주 구매하는가? 매월 구매하는 사람은 5점을 받는다. 한 번만 구매한 사람은 1점을 받는다.

금액. 얼마를 지출하는가? 가장 많이 지출하는 고객은 5점을 받는다. 가장 적게 지출하는 고객은 1점을 받는다.

이러한 점수를 조합하면 각 고객의 프로파일을 얻는다. 주요 세그먼트를 처리하는 방법:

솔직한 진실: 단순한 RFM은 20%의 노력으로 80%의 가치를 포착한다. 시작하기 위해 정교한 점수 모델이 필요하지 않다. 마지막 구매의 최근성으로만 3~4그룹으로 세그먼트화하라.

1. 지난 30일 이내 구매 (활성)
2. 31~90일 전 구매 (따뜻함)
3. 91~180일 전 구매 (식고 있음)
4. 180일 이상 전 구매 (차가움)

각 그룹을 다르게 취급하면 즉시 결과가 나타날 것이다. 더 세분화된 수준이 필요해지면 빈도와 금액 차원을 추가하라.

Klaviyo의 이커머스 브랜드의 경우, 예측 분석이 이 작업의 많은 부분을 자동으로 수행할 수 있다. Klaviyo는 각 고객의 구매 이력을 기반으로 예측 다음 주문 날짜, 예측 생애 가치, 이탈 위험을 계산한다. SaaS 및 제품 주도 회사의 경우 Vero는 다른 접근 방식을 취한다. 데이터 웨어하우스(Snowflake, BigQuery, PostgreSQL, Redshift)에 직접 연결하고 프로덕션 이벤트 데이터에서 세그먼트를 구축하여 이메일 세그멘테이션이 항상 사용자가 제품에서 실제로 하는 것과 동기화되도록 한다. ESP가 예측 분석이나 웨어하우스 네이티브 세그멘테이션을 제공하지 않는다면, 위에서 설명한 수동 4그룹 최근성 세그멘테이션이 대부분의 가치를 포착한다.

한 가지 더 실용적인 참고사항: RFM은 복잡하지 않아도 효과적일 수 있다. 정교한 점수 모델과 가중 공식으로 이것을 과도하게 복잡하게 만드는 브랜드를 보았다. 최근성만으로 시작하라. 그것이 결과를 개선한다면(그럴 것이다), 빈도를 추가하라. 그것이 결과를 더욱 개선한다면, 금액을 추가하라. 시간이 지남에 따라 정교함을 구축할 수 있지만, 간단한 버전은 추가 도구나 통합 없이 지금 당장 작동한다.

동적 콘텐츠

동적 콘텐츠를 사용하면 데이터 포인트를 기반으로 다른 수신자에게 다른 콘텐츠를 표시하는 단일 이메일 템플릿을 만들 수 있다. 하나의 이메일이지만 백 가지 다른 버전. 세그먼트 A는 제품 X를 보고, 세그먼트 B는 제품 Y를 보고, 세그먼트 C는 사례 연구를 본다.

이것은 이메일 마케팅에서 가장 강력한 도구 중 하나이지만, 대부분의 사람들이 사용하지 않고 있다. 미국 소비자의 71%가 브랜드가 경험을 개인화하기를 기대한다. 76%는 그렇지 않으면 불만을 느낀다.

Backstroke의 고객은 고급 세그멘테이션과 동적 콘텐츠를 사용하여 평균 발송당 31% 더 많은 수익을 본다. Brennan Dunn(RightMessage 창업자, This Is Personal 저자)은 동적 콘텐츠 블록 구현(같은 이메일 내 다른 세그먼트에 다른 제품이나 서비스 표시)으로 이메일 수익이 15~30% 증가한 구체적인 예를 공유했다. 핵심 통찰: 다른 사람들에게 다른 이메일을 보내는 것만이 목적이 아니다. 단일 이메일 내의 모든 요소를 독자와 관련 있게 만드는 것이다.

대부분의 현대적인 ESP는 조건부 블록을 통해 동적 콘텐츠를 지원한다. Klaviyo에서는 프로파일 속성을 기반으로 표시/숨기기 블록을 사용할 수 있다. ActiveCampaign에서는 조건부 콘텐츠 블록이 같은 것을 달성한다. Mailchimp에서는 조건부 로직이 있는 병합 태그가 작동하지만, 설정이 덜 직관적이다. ESP가 기본적으로 동적 콘텐츠를 지원하지 않는다면, 별도의 세그먼트를 만들고 각각에 같은 캠페인의 약간 다른 버전을 보내는 방식으로 근사할 수 있다. 더 많은 작업이 필요하지만 성능 향상이 정당화한다.

실용적인 출발점: 제품 추천 섹션의 두 가지 버전을 만들어라. 비고객에게는 베스트셀러를, 기존 고객에게는 구매 이력을 기반으로 한 개인화된 추천을 표시하라. 모든 프로모션 이메일에 적용되는 이 단일 동적 블록은 최소한의 지속적인 노력으로 두 그룹의 관련성을 개선할 것이다.

워터폴 세그멘테이션

알아둘 가치 있는 기술: 워터폴 세그멘테이션은 중요도에 따라 세그먼트의 우선순위를 지정하여 고객이 여러 겹치는 캠페인에 들어가는 대신 순차적으로 세그먼트를 이동하도록 한다. 이것은 구독자가 구독 취소 버튼에 손을 뻗게 만드는 "하루에 이메일 세 통" 문제를 방지한다.

작동 방식은 다음과 같다. 세그먼트의 우선순위 순서를 정의한다. 여러 캠페인에 적합한 고객은 우선순위가 가장 높은 캠페인에만 등록된다. 예:

1. 장바구니 포기 (최고 우선순위, 가장 시간에 민감)
2. 구매 후 후속 조치
3. 검색 포기
4. 윈백 캠페인
5. 일반 프로모션 캠페인 (최저 우선순위)

고객이 장바구니를 포기했고 주간 프로모션에도 적합하다면, 프로모션이 아닌 장바구니 이메일을 받는다. 장바구니 시퀀스가 완료되면 적합한 다음 캠페인의 대상이 된다.

Jay Schwedelson은 과도한 연락이 이메일 성과의 가장 큰 파괴자 중 하나라는 것을 일관되게 강조한다. 워터폴 세그멘테이션은 하나의 실용적인 솔루션이다.

대부분의 ESP에는 기본 제공 워터폴 기능이 없으므로 플로우 로직을 통해 구현해야 한다. 기본 접근 방식: 누군가를 새 플로우에 등록하기 전에 우선순위가 더 높은 플로우에서 이미 활성 상태인지 확인한다. 그렇다면 제외한다. 우선순위가 더 높은 플로우를 종료하면 적합한 다음 플로우의 대상이 된다. 설정이 필요하지만 구독자 경험이 혼란스럽게 느껴지지 않도록 방지한다.

같은 아이디어의 더 단순한 버전: 전역 빈도 제한을 설정한다. 구독자가 적합한 플로우의 수에 관계없이 24시간 기간에 자동화 이메일 한 통과 캠페인 이메일 한 통 이상을 받지 못한다. 일부 ESP(Klaviyo, Braze)는 이것을 기본으로 지원한다. 다른 것들은 조건부 플로우 단계로 로직을 수동으로 구축해야 한다.

참여 점수화

참여 점수화는 구독자 행동에 점수를 할당하고 시간이 지남에 따라 해당 점수를 감소시켜 각 구독자가 브랜드에 얼마나 참여하고 있는지의 롤링 측정치를 제공한다.

시작하기 위한 간단한 모델:

주당 10% 감소율을 적용한다. 지난주의 행동은 원래 점수의 90% 가치가 있다. 4주 전 행동은 약 65%의 가치가 있다. 3개월 전 행동은 거의 가치가 없다.

이것은 역사적 행동이 아닌 현재 참여를 반영하는 동적 점수를 만든다. 점수를 사용하여 다음을 결정한다:

• 발송 빈도. 높은 점수 구독자는 모든 캠페인을 받는다. 낮은 점수 구독자는 최고의 콘텐츠만 받는다.
• 콘텐츠 유형. 높은 참여? 교차 판매와 업셀. 낮은 참여? 재참여와 가치 중심 콘텐츠.
• 플로우 자격. 최소 참여 점수 이상의 구독자에 대해서만 특정 자동화를 트리거한다.
• 선셋 타이밍. 점수가 0으로 떨어진 구독자는 선셋 플로우로 이동된다.

Klaviyo 및 ActiveCampaign 같은 대부분의 ESP에는 참여 점수화가 내장되어 있다. 그렇지 않은 경우, 마지막 클릭의 최근성을 기반으로 한 세그먼트 규칙으로 근사할 수 있다.

참여 점수화에서 핵심적인 것은 단순한 세그먼트가 할 수 없는 방식으로 최근성을 고려한다는 것이다. 6개월 전에 다섯 개의 링크를 클릭했지만 그 이후로 아무것도 하지 않은 구독자는 총 클릭 수가 높더라도 참여하지 않는다. 어제 하나의 링크를 클릭한 구독자는 총 수가 낮더라도 매우 참여하고 있다. 감소 메커니즘이 이 구별을 포착한다. 감소 없이는 현재 참여가 아닌 역사적 관심을 측정하고 있는 것이다.

참여 기반 발송

이것은 대부분의 브랜드가 할 수 있는 가장 쉽고 가장 영향력 있는 최적화 중 하나다. 모든 캠페인을 전체 리스트에 보내는 대신, 참여 수준에 따라 발송을 계층화한다.

1단계: 지난 30일 이내 클릭. 가장 참여도가 높은 구독자. 보내는 모든 캠페인을 받는다.

2단계: 지난 60일 이내 클릭. 여전히 참여하고 있지만 매일 읽는 독자가 아니다. 대부분의 캠페인, 아마도 발송의 75%를 받는다.

3단계: 지난 90일 이내 클릭. 이탈 징후를 보이고 있다. 최고의 콘텐츠만, 아마도 발송의 50%를 받는다.

4단계: 90~180일 동안 참여 없음. 재참여 플로우로 이동한다. 일반 캠페인을 보내지 않는다.

5단계: 180일 이상 참여 없음. 선셋 플로우. 빈도를 줄이고, 재참여를 시도한 다음 억제한다.

참고: Apple MPP의 개봉률 신뢰성에 대한 영향 때문에 여기서 의도적으로 클릭 기반 참여를 사용했다.

참여 기반 발송의 결과는 일관되게 강력하다:

• 개봉률 15~30% 향상 (여는 사람들에게 더 많이 보내기 때문에)
• 스팸 불만 20~40% 감소 (원하지 않는 사람들에게 덜 보내기 때문에)
• 총 수익 변화 0~5% (종종 중립 또는 긍정적. 참여 세그먼트의 이메일 도달 가능성 개선이 비참여 세그먼트에 대한 감소된 발송을 보상하고도 남기 때문에)

마지막 포인트가 사람들을 놀라게 한다. 총 이메일 수를 줄이고 수익은 같거나 오른다. 메커니즘은 단순하다. 더 나은 참여 신호는 더 나은 받은 편지함 배치로 이어지고, 이는 더 많은 이메일이 중요한 사람들의 받은 편지함에 실제로 도달한다는 것을 의미한다.

이 패턴을 많은 SmartrMail 고객에서 봤다. 브랜드가 '모든 사람에게 모든 것을 보내는 것'에서 참여 기반 계층으로 전환하면, 4~6주 내에 전반적인 도메인 평판이 개선되고, 받은 편지함 배치율이 오르고, 수익은 유지되거나 증가한다. 유일한 비용은 참여 세그먼트를 만들고 발송 워크플로우를 조정하기 위한 소량의 설정 시간이다.

이 챕터에서 한 가지만 구현한다면, 참여 기반 발송을 하라. 가장 신뢰할 수 있는 보상을 가진 가장 쉬운 단일 최적화다.

제로파티 데이터 수집

제로파티 데이터는 구독자가 자발적으로 그리고 능동적으로 제공하는 정보다. 추론된 데이터(클릭을 기반으로 누군가가 좋아하는 것을 추측)와 달리, 제로파티 데이터는 소스에서 직접 온다. 더 신뢰할 수 있으며, 구독자들은 가정하기보다 물어봐 주는 것에 감사한다.

환영 설문조사 질문. 환영 시리즈(이메일 2 또는 3)에서 하나의 세그멘테이션 질문을 한다. Brennan Dunn의 특징적인 기법: 새 구독자에게 자신의 역할, 가장 큰 도전, 또는 무엇을 찾고 있는지 자기 식별하도록 요청한다. 응답을 사용하여 태그를 붙이고 세그먼트화한다. 이 간단한 단계로 콘텐츠가 구체적으로 관련성을 갖게 되어 이후 이메일 시퀀스의 전환율이 두 배가 될 수 있다고 보고했다.

선호도 센터. 구독자가 어떤 콘텐츠 주제에 관심이 있는지, 얼마나 자주 연락을 받고 싶은지 선택할 수 있게 한다. '구독 취소'를 클릭하는 사람의 20~30%는 선택지가 주어지면 대신 선호도를 조정할 것이다. 유지된 구독자의 의미 있는 수다.

퀴즈. "당신은 어떤 유형의 [X]입니까?" 다음에 개인화된 결과를 위한 이메일 캡처. Interact와 Typeform 같은 도구로 간단하게 구축할 수 있다. 퀴즈 형식은 사람들이 자신이 어떻게 분류될지에 대해 자연스럽게 궁금해하기 때문에 높은 완료율을 가진다.

구매 후 설문조사. "구매를 결정하게 한 것이 무엇입니까?" 또는 "이것을 무엇에 사용할 것입니까?"는 더 나은 추천과 콘텐츠를 강화하는 사이코그래픽 및 사용 사례 데이터를 제공한다.

추론된 데이터에 대한 제로파티 데이터의 이점은 정확성이다. 지속 가능성을 중요시한다고 말하는 사람은 확실히 그것을 중요시한다. 지속 가능성 관련 제품 하나를 클릭한 사람은 그냥 검색하고 있었을 수도 있다. 자기 보고 데이터는 개인화에 더 신뢰할 수 있다.

제로파티 데이터는 신뢰의 이점도 있다. 구독자에게 직접 물어볼 때 그들은 데이터를 통제하고 있다고 느낀다. 알리지 않고 행동에서 추론할 때는 침입적으로 느낄 수 있다. 질문 자체가 신뢰를 구축한다. "관련 콘텐츠를 보내고 싶어서 무엇을 중요시하는지 물어봅니다." 대부분의 사람들이 긍정적으로 반응하는 메시지다.

선호도 센터

선호도 센터는 이메일 마케팅에서 가장 활용도가 낮은 도구 중 하나이기 때문에 특별히 확장하고 싶다.

선호도 센터는 구독자가 완전히 구독 취소하는 대신 받는 것을 조정할 수 있는 페이지다. 일반적으로 다음을 선택할 수 있다:

• 콘텐츠 주제 (제품 업데이트, 교육 콘텐츠, 세일 및 프로모션, 회사 뉴스)
• 이메일 빈도 (매일, 매주, 매월, 필수 사항만)
• 형식 선호도 (HTML 대 일반 텍스트, 현재는 덜 일반적이지만)

선호도 센터에 대한 데이터는 설득력이 있다. 구독자가 '구독 취소'를 클릭하고 선호도 센터를 보면, 20~30%는 완전히 구독 취소하는 대신 선호도를 조정할 것이다. 그것은 리스트 이탈의 직접적인 감소다.

하지만 더 큰 이점은 수집하는 데이터다. 구독자가 제품 업데이트만 원하고 프로모션 이메일은 원하지 않는다고 알려줄 때, 이제 그들을 영구적으로 세그먼트화하는 데 사용할 수 있는 제로파티 데이터가 생긴다. 경험이 개선되고(원하는 것만 받음), 참여 지표가 개선되고(열고 클릭할 가능성이 더 높음), 관계가 강화된다(통제하고 있다고 느낌).

규모에서의 세그멘테이션 (10만+ 리스트)

이 챕터의 모든 것은 리스트 크기에 관계없이 적용된다. 하지만 100,000명 이상의 구독자에게 발송하는 브랜드는 더 작은 리스트가 마주치지 않는 특정 도전에 직면한다. 규모에서는 실수가 더 빠르게 복합되고, 받은 편지함 제공자가 더 면밀히 조사하며, 세그먼트 관리의 운영 복잡성이 크게 증가한다.

참여 계층 시스템이 협상 불가능하게 된다. 10만+ 연락처에서 전체 리스트에 모든 캠페인을 보내는 것은 적극적으로 해롭다. 도메인 평판을 소진하고, Gmail의 필터링을 트리거하며, 몇 주 내에 받은 편지함 배치율이 저하되는 것을 볼 것이다. 참여 기반 계층(이 챕터의 참여 기반 발송에서 이미 다루었음)을 첫 번째 우선순위로 구현하라. 최소한 리스트를 세 계층으로 분리하라: 30일 참여, 60일 참여, 90일 이상 비활성. 30일 참여 세그먼트만 모든 캠페인을 받아야 한다.

선셋 정책은 계획만이 아닌 실행이 필요하다. 규모에서 비활성 구독자를 유지하는 비용은 실질적이다. 100,000명 리스트의 10%는 제로 수익을 창출하고 이메일 도달 가능성을 적극적으로 해치는 10,000개의 연락처에 대해 비용을 지불하는 것이다. 자동 억제를 구현하라: 제로 참여(개봉 없음, 클릭 없음) 120일 후, 구독자를 전용 재참여 플로우로 이동시킨다. 재참여 플로우가 응답 없이 완료되면, 모든 마케팅 발송에서 억제한다. 분기별로 검토하고 진정으로 죽은 연락처는 연간 삭제한다.

규모에서의 빈도 관리는 수동 감독이 아닌 자동화가 필요하다. 여러 팀원, 제품 라인, 캠페인 유형이 모두 동일한 구독자 기반을 대상으로 하는 경우, 가드레일 없이는 과도한 연락이 불가피하다. 빈도 제한을 구현하라: 구독자는 하루에 이메일 마케팅 한 통 이상을 받지 않으며, 이상적으로는 주당 4~5통 이하. 일부 ESP(Klaviyo, Braze)는 글로벌 빈도 제한을 통해 기본으로 이를 지원한다. 다른 것들은 플로우 조건에 로직을 구축해야 한다.

발송 스로틀링이 중요하다. 10만 이메일을 동시에 보내면 받은 편지함 제공자가 알아챈다. ESP의 스로틀링 설정을 사용하여 1~2시간에 걸쳐 발송을 분산하라. 이것은 속도 제한을 트리거할 가능성을 줄이고 전체 리스트가 이메일을 받기 전에 문제(끊어진 링크, 렌더링 문제)를 발견할 시간을 준다.

인구통계만이 아닌 참여와 생명 주기로 세그먼트화하라. 큰 리스트는 정교한 인구통계 세그먼트(연령 + 위치 + 성별 + 구매 카테고리)를 만들고 싶은 유혹을 가져온다. 각 세그먼트를 통계적으로 의미 있게 만들 볼륨이 없는 한 이것에 저항하라. 10만 리스트 내 200명의 세그먼트는 세그먼트가 아니라 반올림 오류다. 가장 높은 수익 영향을 가진 차원에 세그멘테이션을 집중하라: 참여 수준, 구매 최근성, 고객 생애 가치 계층, 제품 카테고리 관심.

테스트는 규모에서 더 강력해진다. 10만+ 구독자가 있으면 적극적으로 테스트할 샘플 크기가 있다. 리스트의 5~10%에서 A/B 테스트를 실행하고 나머지 90~95%에 승자를 적용하라. 며칠이 아닌 몇 시간 내에 통계적 유의성을 달성할 수 있다. 이 이점을 사용하여 제목, 발송 시간, 오퍼 구조, 콘텐츠 형식을 체계적으로 테스트하라. 규모에서 10만 구독자에 대한 클릭률 2% 향상은 의미 있는 증분 수익을 창출한다.

ISP별로 이메일 도달 가능성을 모니터링하라. 높은 볼륨에서 Gmail, Yahoo, Outlook과의 평판이 분기될 수 있다. Gmail에서는 훌륭한 받은 편지함 배치율을 가지지만 Yahoo에 의해 스로틀링될 수 있다. Google Postmaster Tools와 Microsoft SNDS를 사용하여 각 제공자를 독립적으로 모니터링하라. 한 제공자의 지표가 저하되면, 전반적인 프로그램을 변경하지 않고 해당 제공자에 대한 발송을 구체적으로 조정할 수 있다.

구독자 생애 가치

구독자의 생애 가치를 이해하면 획득 지출, 콘텐츠 투자, 유지 노력에 대해 더 나은 결정을 내리는 데 도움이 된다. 기본 계산: 구독자당 월평균 수익에 월 단위의 평균 구독자 수명을 곱한다. 간단하지만 대부분의 브랜드가 결코 하지 않는 것이다.

획득 소스별로 LTV를 추적하라. 유기 검색의 구독자는 유료 Facebook 캠페인의 구독자와 완전히 다른 LTV를 가질 수 있다. 이 분석을 처음 수행한 후 획득 예산의 40%를 재배분한 기업을 보았다. 9장에서 LTV 계산, 획득 비용 벤치마크, 목표로 삼아야 할 LTV:CAC 비율을 자세히 다룬다.