자동차정비·타이어 시장과 고객의 구매 여정

고객 여정은 비선형입니다, 데이터로 확인해야 합니다

마케팅 퍼널은 고객이 브랜드를 처음 인지한 순간부터 구매·재구매에 이르는 흐름을 단계별 깔때기 모양으로 나눈 모델이며, 퍼널 단계마다 담당 채널과 메시지, 확인해야 할 지표가 달라야 효율이 올라갑니다. 많은 조직이 여정을 인지에서 고려, 구매로 이어지는 깔끔한 직선으로 그리고 싶어 하지만, 실제 고객 여정은 훨씬 비선형적이어서 여러 단계를 오가거나 건너뛰는 경우가 흔합니다. 선형 지도를 근거로 세운 마케팅 예측은 실제 데이터와 계속 어긋나며 신뢰를 잃기 쉬우므로, 해결책은 실제 로그 데이터로 여정 경로를 역추적해 비선형 구조를 있는 그대로 인정하는 것입니다. 처음 퍼널을 그릴 때는 완벽한 모델을 고르는 것보다, 고객이 실제로 어떤 경로로 유입되고 이탈하는지부터 데이터로 확인하는 것이 우선입니다. 정비·타이어 여정도 퍼널 단계마다 어느 채널이 담당하고 어떤 지표를 볼지부터 정리해 두어야 효율을 판단할 수 있습니다.

접점별로 보면: 인지에서 채널 선택까지

업계에서는 타이어 구매 고객이 제품 선택, 교체 시기, 장착점까지 직접 결정하려는 자율적 소비 성향이 확산되고 있다고 합니다. 업계에서는 타이어 구매 채널이 오프라인 86.5%, 온라인 13.5% 정도로 구성되며, 오프라인 안에서도 타이어 전문점이 69.7%, 카센터가 20.4%를 차지한다고 합니다. 다만 이 수치는 조사 샘플 수가 명시되지 않은 참고치이므로 그대로 목표치로 쓰기보다 참고 구간으로 다뤄야 합니다. 온라인으로 구매하는 고객 중에서는 오픈마켓이 64.2%, 종합몰이 23.5% 비율을 차지한다고 알려져 있습니다. CJM을 그릴 때는 대표 고객인 페르소나를 먼저 정해야 하며, 신규로 교체 시기를 처음 맞은 유저와 이미 거래해 본 장착점을 다시 찾는 재방문 유저는 같은 화면을 봐도 완전히 다른 의도와 행동 패턴을 보입니다. 하나의 여정 지도로 두 유형을 억지로 합치면 어느 쪽 개선에도 맞지 않는 뭉뚱그려진 결론이 나오므로, 매출·트래픽 비중이 큰 2~3개 페르소나부터 실제 데이터를 기반으로 분리하는 것이 현실적입니다. 페르소나는 상상이 아니라 실제 고객 데이터를 기반으로 세분화해야 하며, 처음부터 모든 유형을 다 나누려 하지 않아도 됩니다.

정비소 선택의 특수 접점: 공식센터냐 민간이냐

업계에서는 자동차 정비 시장에서 공식 서비스센터가 민간 정비소보다 20~40% 비싸지만, 보증 기간 중에는 순정 부품과 제조사 보증 유지 때문에 서비스센터 선택이 합리적이라고들 합니다. 마찰 지점은 여정 위에서 이탈률이 유독 높거나 감정 곡선이 급격히 떨어지는 구간으로 나타나며, 하위 스텝이 많은 구간일수록 이런 마찰 지점이 숨어 있을 확률이 높습니다. 마찰 지점을 찾을 때는 이탈률 수치만 보지 말고 그 구간의 CS 문의나 상담 기록을 함께 봐야 원인까지 특정할 수 있습니다. 마찰 지점에는 우선순위가 있어, 트래픽 규모와 이탈률을 곱한 영향도가 큰 지점부터 먼저 손대야 합니다. 보증 기간 안인지 밖인지에 따라 서비스센터와 민간 정비소 사이의 선택 기준이 달라질 수 있으므로, 이 분기점에서 실제 트래픽과 이탈률이 얼마나 되는지 직접 데이터로 확인해 볼 필요가 있습니다. CJM을 그릴 때 피해야 할 실수 중 하나는 고객 기준이 아니라 내부 프로세스 기준으로 여정을 그리는 것이므로, 견적·보증 확인 접점도 정비소 입장이 아니라 고객이 실제로 겪는 순서대로 그려야 합니다. 결제 퍼널의 본인인증, 배송지 입력처럼 하위 스텝이 많은 구간일수록 마찰 지점이 숨어 있을 확률이 높다는 원칙을 견적·예약 단계에도 그대로 적용해 볼 수 있습니다.

광고가 개입할 수 있는 지점과 없는 지점

오디언스 시그널은 노출 범위를 제한하는 타겟팅이 아니라 AI 학습의 출발점이며, 실제 노출은 전환 성과에 따라 시그널 밖으로 계속 확장됩니다. 고객 리스트·웹사이트 방문자 같은 퍼스트파티 데이터는 제삼자 데이터보다 성과가 훨씬 높다고 공식 가이드가 명시합니다. 자사몰 구매 이력이나 검색 전환 데이터처럼 실제 전환에 가까운 시드 데이터를 먼저 넣으면 초기 학습 속도를 높일 수 있으며, 이런 시그널 설계는 광고가 개입할 수 있는 지점입니다. 관심분야·구매의도 같은 구글 세그먼트도 퍼스트파티 데이터와 함께 시그널에 넣을 수 있고, 2026년부터는 특정 고객 리스트를 시그널이 아니라 제외 대상으로 지정하는 기능도 쓸 수 있습니다. 구매 결정까지 걸리는 기간에 따라 조회기간을 다르게 잡는 것이 이론적으로 합리적이지만, 구체적으로 며칠이 최적인지는 업종·상품마다 달라 특정 숫자를 정답으로 못박기보다 자사 구매 주기 데이터로 직접 검증해야 합니다. 반대로 광고가 쉽게 닿지 못하는 지점도 있습니다. 상품 태그의 QR코드를 스캔해 모바일 앱으로 연결하는 것처럼 매장·시간 정보를 담은 파라미터를 심어두는 별도 설계가 없으면, 오프라인 접점 자체가 여정 데이터에서 통째로 누락됩니다. 오프라인 접점이 트래킹되지 않으면 실제로는 매장 방문이 기여한 구매를 온라인 채널의 성과로만 오귀속하게 됩니다. 온라인과 오프라인 접점을 통합할수록 고객 경험의 일관성이 높아진다는 것이 방법론적 기본 전제입니다. O4O는 온라인의 데이터·기술을 오프라인 매장에 적용해 오프라인 매출을 늘리는 비즈니스 모델이므로, 매장 방문이라는 오프라인 접점도 처음부터 이 모델 안에서 설계해야 누락 없이 측정됩니다.