data as a marketing

data as a marketing 이라는 용어는 무척 생소할 것이다. (내가 방금 지어냈기 때문) 500 startup 의 marketing hell week 강의 중 하나인 How To Get Your First 1337 Customers (Part 2) w/ Bernard Huang 에서 나온 개념인 engineering as a marketing 에서 착안했다. 스카이스캐너에서도 best time to book (항공권 예약 최적의 시점) 이라는 데이터를 매년 초에 PR 에 활용하는데, 9시 뉴스에서도 다룰 정도로 임펙트 있는 data driven PR 꼭지(?) 중에 하나로 활용된다.

현재 내가 CMO 로 재직 중인 올스테이는 숙소 최저가 비교 서비스이다. 우리는 travel tech 라기보다는 data company 인데 happen to be in travel industry 라고 생각하길 좋아한다. (이것 또한 전 직장인 Skyscanner 의 founder 가 맨날 했던 말을 차용. 도무지 내 originality 는 어디에?) 우리의 서비스 내에 고객이 원하는 다양한 데이터를 보여주면 컨버전이 올라갈까? 라는 가설이 항상 내 머리에 있었는데, 이 가설을 실제 프로덕트에 적용하기엔 아주 많은 난관들이 있다. 가설을 검증하기 위한 MVP 로서 best time to book hotels 라는 standalone data product 를 tableau public 으로 뚝딱 만들었다. (best time to book 이라는 컨셉은 스카이스캐너에서 훔쳐왔다) embeding 방식이기 때문에 아래의 테이블에서도 조작이 가능하지만 좌우가 넓지 않은 관계로 여기를 클릭하여 태블로 퍼블릭에서 직접 PC 로 조작을 추천한다.

첫 워크시트에서는 원하는 도시의 인기 숙소 리스트를 볼 수 있다. Child 를 클릭하여 sorting 시 유아 동반 여행자에게 인기 있는 순서대로 볼 수도 있다. (기본 sorting 은 Number of Record) Percentile (10) of ADR (Average daily rate) 은 가장 저렴한 10% 측에 속하는 해당 호텔의 1박 가격을 보여주고 (90)은 가장 비싼 10% 가격을 보여준다. 숙소는 수요와 공급에 따라 가격 변동 폭이 무척 많기 때문에 이 숫자들은 무척 유용하게 쓰일 수 있다. (e.g. 초성수기에 급하게 이 호텔을 비싸게 예약해야하는데, 얼마까지 비싸게 살 것인가. 반대로 이 호텔을 얼마에 예약해야지 싸게 예약했다고 자랑할 수 있는가?)

두 번째 워크시트에서는 최근 30일 내에 가장 많이 검색한 도시 순위를 보여준다. 유아 동반 sorting 또한 제공된다. Median Booking Window 란 해당 도시를 체크인 기준 얼마나 일찍 검색해보는가에 대한 중간값이다. 이를 통해 얼마나 일찍 해당 도시의 숙소를 검색 해 봐야할지에 대한 감을 잡을 수 있다.

bttb (best time to book 의 약자) -city 탭은 두 개로 나누었다. 각 도시별 booking window 별 검색한 숙소의 중간값과 검색수를 보여주고 있다. 물론 booking window 별로 검색하는 숙소의 성급이나 퀄리티가 달라질 수 있어 아주 정확한 데이터는 아니지만 대략 얼마나 일찍 숙소를 예약해야할지 알 수 있다. week 와 day 로 시트가 구분 되는데 국내는 day 만 봐도 될 거 같고, 해외는 week 를 먼저 보고 day 를 보면 좋다.

각 숙소를 클릭하면 PC 에서는 해당 숙소의 웹사이트 페이지로 연결되며 Google Analytics 의 UTM 이 자동으로 붙도록 설정 돼 있다. 모바일에서 클릭 시에는 앱스플라이어의 Onelink 를 통해 앱스토어로 이동되며 first open 시 해당 호텔로 딥링크 된다.

여행 관련 기자님이나 호텔 투숙을 즐기는 분들에게 유용한 정보를 제공함으로써 이 프로덕트가 user acquisition 에 도움이 될 수 있길 희망한다.