주 컨텐츠로 이동

보고

어떻게 e.l.f. 화장품 업계에서 개인화를 통한 판매 촉진

디지털 네이티브 화장품 브랜드는 고객을 쇼핑 경험의 중심에 두어 사용자당 평균 매출이 4.2배(% ) 증가하고 개인화를 통해 8.5배의 ROI를 달성했습니다.

산업

뷰티 & 개인 관리

사용된 기능

Target 최적화 추천 Discover AdaptML

4.2%

제품 상세 페이지(PDP) 추천 최적화를 통한 사용자당 평균 매출 증가

17.6%

사용자의 과거 쇼핑 행동을 기반으로 메뉴를 개인화한 후 모바일 메뉴 클릭 수 증가

소개

2004년에 설립된 E.L.F. 접근 가능한 가격대의 고품질 제품을 만들겠다는 단순한 미션으로 시작한 화장품 브랜드입니다. 디지털 네이티브 뷰티 브랜드 중 가장 먼저 디지털을 도입한 브랜드 중 하나이자 소비자 직접 판매 모델을 최초로 도입한 브랜드이기도 합니다.

비즈니스 모델에 충실하기 위해 화장품 라인은 모든 제품 및 마케팅 결정의 핵심에 고객을 두고 있습니다. 따라서 e.l.f. 는 모든 쇼핑객에게 각자의 뷰티 요법에 맞는 경험을 제공하기 위해 Dynamic Yield와 파트너십을 맺고 이를 지원했습니다.

Experience OS의 퍼스트 파티 통합, 추천 및 개인화 기능 등을 활용하면 다음과 같이 할 수 있습니다. 사용자당 평균 매출이 4.2%(% ) 증가하고 고객 참여도가 17.6%(% ) 상승했습니다.

또한 개인화 추천은 단기간에 8.5의 투자 수익률을 달성했으며, 이는 개인화 플랫폼 관련 비용보다 8배 이상의 직접적인 수익 창출로 이어졌다는 것을 의미합니다.

"다이나믹 일드 덕분에 다양한 유형의 시청자가 e.l.f를 방문하고 상호 작용하는 것을 발견하는 데 큰 도움이 되었습니다. 사이트를 통해 각 뷰티 애호가의 특정 요구 사항을 충족할 수 있습니다. Experience OS를 통해 새로운 전략을 쉽게 테스트하고 즉석에서 최적화하여 빠르고 의미 있는 결과를 얻을 수 있었습니다."

샤나 룽사랑논, Associate Director, Digital Product, e.l.f. Cosmetics

도전 과제

e.l.f. 제품은 타겟, 월마트, 울타 등 대형 유통업체에서 판매되고 있습니다. e.l.f.의 디지털 입지를 두 배로 강화하고자 하는 의욕을 가진 이커머스 팀은 온라인에서 더 나은 쇼핑 경험을 제공하기 시작했고, 이를 지원할 수 있는 솔루션이 필요했습니다:

  • 퍼스트 파티 고객 데이터 수집
  • 가치가 높은 잠재 고객 세그먼트 식별
  • 각 고객에게 가장 적합한 제품 추천 표시
  • 모바일 환경 최적화를 통한 제품 검색 개선

실행

첫날부터 과거 퍼스트 파티 고객 데이터 온보딩 및 활성화

동적 수익률과 통합하기 전, e.l.f. 는 클라우드 기반 고객 분석 소프트웨어인 앰퍼티의 커스토라를 사용하여 통찰력 있는 고객 세그먼트를 식별하는 데 도움을 받았습니다. 그러나 팀은 사이트에서 즉각적인 조치를 취하고 경험을 맞춤화하기 위해 Custora 세그먼트를 더욱 활용하고자 했습니다. 이 뷰티 리테일러는 첫날부터 Custora의 퍼스트 파티 데이터를 Dynamic Yield의 Experience OS에 수집할 수 있었기 때문에 풍부한 퍼스트 파티 기록 데이터를 잃지 않고도 고도로 타겟화된 캠페인을 신속하게 생성하고 개인화에 대한 투자로 즉각적인 가치 실현 시간을 확보할 수 있었습니다.

Experience OS에 통합된 Custora의 퍼스트 파티 대상의 예입니다:

e.l.f. 는 스킨케어와 메이크업 마니아를 넘어 틈새 고객층을 창출하고 공략하기로 결정했습니다. E.l.f.는 단기간에 단골 구매자와 웹사이트를 자주 방문하지만 구매를 완료하지 않은 사람 등 약 75개의 고객 세그먼트를 만들었습니다.

e.l.f. 는 니즈에 따라 세그먼트를 타겟팅하고 예측 타겟팅을 사용하여 세그먼트를 변형된 세그먼트와 일치시킵니다. 

DY와 대체 추천 공급업체 간의 베이크오프 후 PDP에 최적화된 추천을 제공합니다.

PDP는 제품 발견 단계에서 매우 중요한 역할을 합니다. 는 제품 추천을 최적화하기 위해 이 공간을 선택했습니다. 팀은 검색 및 참여도를 높이기 위해 가장 관련성이 높은 제품을 PDP에 제공하고자 했습니다. 그들은 동적 수익률과 기존 추천 포인트 솔루션 간의 경쟁을 진행하기로 결정했습니다. 각 벤더는 e.l.f.의 'You May Love' 섹션에서 '함께 보기' 전략을 제공했으며, 두 벤더가 50/50으로 분담했습니다.

단 2주 만에 통계적으로 유의미한 95% 에 도달한 동적 수익률은 추천 상품 클릭률(+23.2%)을 크게 상승시키며 가장 강력한 엔진임을 입증했습니다. 다른 공급업체에 비해 사용자당 평균 수익(+4.2%)이 더 높습니다.

고객의 선호도 및 검색 행동에 기반한 맞춤형 모바일 메뉴

제한된 공간에서 e.l.f. 는 모바일 메뉴가 각 쇼핑객의 공감을 불러일으키기를 원했습니다. 이를 효과적으로 수행하기 위해 팀은 검색 기록을 기반으로 메뉴를 개인화하여 고객이 자신의 필요에 가장 적합한 제품을 빠르게 찾을 수 있도록 했습니다. 

신규 방문자에게는 상위 카테고리가 표시되고, 재방문자에게는 이전에 관심을 보였던 메인 카테고리의 하위 카테고리가 노출됩니다. 

예를 들어 쇼핑객이 "스킨케어" 카테고리를 검색한 경우 메뉴 표시줄에 "클렌저", "마스크", "트리트먼트"가 포함됩니다. 

동적 수익률의 고유한 선호도 식별 및 매칭 기능을 이러한 메뉴 최적화와 함께 사용하면 다음과 같은 효과를 얻을 수 있습니다. 는 클릭률이 17.6% 증가하여 방문자가 제품 카탈로그로 더 깊이 들어가도록 유도했습니다.

핵심 사항

에스티 로더의 고객들은 항상 뷰티 브랜드에 영향력을 행사해 왔습니다. 그럼에도 불구하고 팀은 고객 여정 전반에 걸쳐 쇼핑객의 요구와 선호도를 더 잘 이해할 수 있는 중요한 기회를 가졌습니다. 

동적 수익률을 배포한 후, e.l.f.는 브랜드에 참여하는 핵심 고객층을 제대로 파악하여 각 화장품 애호가에게 가장 관련성 높은 경험을 제공할 수 있었습니다. 또한 여러 데스크톱 및 모바일 웹 개인화 캠페인을 전략적으로 구현함으로써 사이트 참여도가 향상되고 수익이 증가했습니다.