온사이트 마케팅(On-site Marketing)은 광고나 검색을 통해 웹사이트에 들어온 방문자가 필요한 정보를 찾고 합리적으로 행동할 수 있도록 사이트 내부의 메시지, 화면 구성, 추천, 혜택과 상담 경로를 설계하는 활동이다. 목표는 무조건 구매를 압박하는 것이 아니라 방문자의 불확실성과 탐색 비용을 줄여 전환 가능성을 높이는 데 있다.
사이트 평균 전환율이나 팝업 기여율을 모든 업종에 적용할 수 있는 보편적 수치로 보기는 어렵다. 상품 가격, 구매 주기, 유입 채널, 신규 고객 비중과 전환의 정의가 다르기 때문이다. 외부 벤치마크는 참고 자료로만 사용하고 자사 노출군과 대조군의 결과를 비교해야 한다.
온사이트 마케팅이란 무엇인가
오프사이트 마케팅이 검색, 광고, 소셜 미디어, 제휴 등의 외부 접점에서 방문자를 데려오는 활동이라면, 온사이트 마케팅은 방문 이후의 경험을 관리한다.
| 구분 | 오프사이트 마케팅 | 온사이트 마케팅 |
|---|---|---|
| 주요 접점 | 검색 결과, 광고 매체, 소셜 미디어, 이메일 | 홈페이지, 상품 상세, 장바구니, 결제 화면 |
| 핵심 목적 | 도달, 인지도, 트래픽 확보 | 탐색 지원, 전환, 객단가와 재방문 개선 |
| 대표 수단 | 검색 광고, 콘텐츠, 디스플레이 광고 | 팝업, 배너, 추천, 상담, 장바구니 알림 |
| 주요 지표 | 노출, 클릭률, 유입 비용 | 전환율, 방문자당 매출, 객단가, 이탈률 |
온사이트 마케팅과 전환율 최적화(CRO)는 겹치지만 같은 말은 아니다. 온사이트 마케팅은 방문자에게 보여주는 구체적인 개입을 뜻하고, CRO는 문제 진단부터 가설 수립, 실험, 분석까지 포함하는 더 넓은 개선 절차다. CRM은 고객 식별 정보와 구매 이력을 활용한다는 점에서 온사이트 개인화와 연결된다.
시작 전에 정할 것
전환의 의미를 먼저 통일한다
사이트마다 전환은 다르다. 쇼핑몰은 결제 완료, 구독 서비스는 체험 신청, 고관여 상품은 상담 예약이 핵심 전환일 수 있다. 하나의 보고서에서 세션 기준 전환율과 사용자 기준 전환율을 섞으면 결과를 비교하기 어렵다.
- 전환율 = 전환 수 ÷ 세션 수 또는 사용자 수
- 객단가(AOV) = 매출 ÷ 주문 수
- 방문자당 매출(RPV) = 매출 ÷ 방문자 수
- 연관 구매율 = 추천 상품이 포함된 주문 수 ÷ 추천이 노출된 주문 수
- 이탈 방지 전환율 = 이탈 방지 메시지 노출 후 전환 수 ÷ 해당 메시지 노출 수
분모와 집계 기간, 취소·반품 처리 기준을 지표 정의서에 함께 기록해야 한다.
방문자의 상태를 구분한다
모든 방문자에게 같은 팝업을 보여주면 메시지 간 충돌과 피로가 생긴다. 최소한 다음 상태는 구분하는 편이 좋다.
- 신규 방문자와 재방문자
- 회원과 비회원
- 첫 구매 고객과 기존 구매 고객
- 상품 탐색 중인 방문자와 장바구니 보유자
- 광고, 검색, 이메일 등 유입 채널
- 모바일과 데스크톱 환경
개인화에 필요한 데이터가 충분하지 않은 신규 방문자에게는 과도한 추정보다 인기 상품, 명확한 카테고리와 반품 조건처럼 보편적인 정보를 제공하는 것이 안전하다.
5단계 실행 절차
1. 혜택과 필수 정보를 알린다
팝업, 상단 띠 배너, 플로팅 UI는 할인, 배송, 행사 마감, 회원 혜택처럼 구매 판단에 필요한 정보를 눈에 띄게 전달한다.
적합한 활용 예시
- 비회원에게 회원가입 혜택과 적용 조건 안내
- 신규 고객에게 첫 구매 혜택 안내
- 서버에 등록된 실제 종료 시각을 기준으로 행사 마감 표시
- 모바일 화면 하단에 장바구니 또는 상담 버튼 고정
팝업은 노출량보다 맥락이 중요하다. 방문 직후 화면 전체를 가리는 대신 상품을 일정 수준 탐색했거나 관련 조건을 충족했을 때 보여줄 수 있다. 세션당 노출 횟수와 닫은 뒤의 재노출 기간도 정해야 한다.
팝업을 통한 구매가 전체 구매의 일정 비율에 이른다는 주장은 도구의 기여 모델에 따라 크게 달라질 수 있다. 팝업을 본 사람이 원래도 구매할 고객이었는지 확인하려면 메시지를 보지 않는 대조군이 필요하다.
2. 결정을 돕는 근거를 제시한다
구매를 망설이는 방문자에게 마감, 재고, 이용 조건과 다른 고객의 평가를 보여줄 수 있다. 다만 설득 정보는 검증 가능한 사실이어야 한다.
- 카운트다운: 실제 행사 종료 시각과 일치해야 하며 새로고침할 때 시간이 초기화되어서는 안 된다.
- 재고 안내: 실제 재고 시스템과 연동하고 예약·반품 등 재고 변동을 고려한다.
- 판매·열람 정보: 집계 기간과 데이터 지연 여부를 명확히 한다.
- 무료배송 진행 표시: 현재 장바구니 금액과 무료배송 기준의 차이를 보여준다.
- 리뷰와 평가: 부정적 평가를 숨기지 말고 작성·검증 기준을 공개한다.
허위 구매 알림, 계속 초기화되는 마감 시간, 실제보다 부족해 보이게 만든 재고는 사회적 증거가 아니라 기만적 인터페이스가 될 수 있다. 단기 클릭이 늘더라도 신뢰, 환불률과 장기 고객가치가 악화될 수 있다.
무료배송 진행 표시는 추가 구매를 유도할 수 있지만 배송비와 상품 원가까지 고려해야 한다. 기준 금액은 임의로 정하기보다 기존 주문금액 분포와 공헌이익을 분석해 설계한다.
3. 상품 탐색을 쉽게 만든다
상품 수가 많을수록 방문자는 이전에 본 상품을 잊거나 비교 과정에서 이탈하기 쉽다. 최근 본 상품, 비교 기능, 검색어 자동 완성과 추천 모듈은 이러한 탐색 비용을 낮춘다.
추천 방식의 차이
| 방식 | 활용 데이터 | 장점 | 주의점 |
|---|---|---|---|
| 최근 본 상품 | 개인의 열람 기록 | 구현과 이해가 비교적 쉬움 | 공용 기기와 저장 동의 고려 |
| 함께 본 상품 | 여러 방문자의 탐색 패턴 | 비교 후보 발견에 유용 | 트래픽이 적으면 결과가 불안정함 |
| 함께 구매한 상품 | 주문 조합 | 연관 구매 제안에 적합 | 인기 상품으로 편향될 수 있음 |
| 개인화 추천 | 열람·구매·선호 데이터 | 고객별 관련성을 높일 수 있음 | 데이터 품질, 설명 가능성, 개인정보 관리 필요 |
| 규칙 기반 추천 | 카테고리·재고·가격 규칙 | 데이터가 적어도 운영 가능 | 규칙 관리 비용과 과잉 노출 가능성 |
추천 품질은 클릭률만으로 판단하지 않는다. 추천을 누른 뒤의 구매율, 반품률, 품절 상품 노출률, 추천 다양성과 방문자당 매출을 함께 살펴야 한다.
4. 주문 가치를 높인다
객단가를 높이는 대표적인 방식은 크로스 셀링, 업 셀링과 세트 제안이다.
- 크로스 셀링: 본 상품과 함께 사용되는 보완 상품을 제안한다. 예를 들어 카메라에 호환 메모리카드와 가방을 제시할 수 있다.
- 업 셀링: 용량, 기능 또는 보증 범위가 더 큰 상위 옵션을 비교해 보여준다.
- 세트 제안: 함께 필요한 상품을 묶고 개별 구매 대비 가격과 구성 차이를 공개한다.
추천은 결정을 방해하지 않는 위치에 배치해야 한다. 상품 상세에서는 호환성과 차이를 설명하고, 장바구니에서는 결제를 가로막지 않는 소수의 보완 상품만 제안하는 방식이 적합하다.
객단가만 상승하고 전환율이 크게 떨어지면 전체 성과가 나빠질 수 있다. 방문자당 매출, 공헌이익, 할인 비용, 취소·반품률을 함께 비교해야 한다. 한 번의 주문금액 증가는 고객생애가치(LTV)와 동일하지 않으며, 반복 구매와 유지율까지 확인해야 LTV 개선 여부를 판단할 수 있다.
5. 이탈 원인을 해결한다
이탈 방지 메시지는 떠나는 모든 사람을 붙잡는 장치가 아니라, 해결할 수 있는 장애물을 적절한 순간에 제거하는 수단이다.
- 장바구니에 상품이 있지만 결제가 진행되지 않을 때 배송비와 반품 조건을 다시 안내한다.
- 상품 비교가 오래 이어질 때 비교표나 상담 경로를 제공한다.
- 고가·고관여 상품에서는 채팅, 전화 또는 예약 상담을 제안한다.
- 신규 고객에게만 제한된 첫 구매 혜택을 제공한다.
- 오류가 반복되면 할인보다 결제 실패 해결 방법과 고객지원 경로를 먼저 보여준다.
데스크톱의 이탈 의도는 마우스 이동으로 추정할 수 있지만 모바일에서는 같은 신호를 사용할 수 없다. 모바일은 뒤로 가기, 화면 비활성화, 장시간 정지 같은 간접 신호에 의존하므로 오탐 가능성을 고려해야 한다.
장바구니 알림을 몇 분 뒤 띄울지는 보편적인 정답이 없다. 상품별 평균 검토 시간과 결제 소요 시간을 분석해 초기 가설을 세운 뒤 실험해야 한다. 너무 빠른 알림은 정상적으로 고민하거나 정보를 읽는 방문자를 방해한다.