케이크 주문제작 시장과 고객의 구매 여정

케이크 주문제작 시장은 일반적인 식품 커머스와 달리 온라인 셀러형 소비재이면서도 감정적 관여도가 높은 독특한 아키타입을 가지고 있습니다. 광고주와 AE가 가장 먼저 이해해야 할 지점은 이 업종의 가격 구조와 고객이 느끼는 위험 요소입니다. 숨고와 같은 플랫폼 내 평균 비용은 약 95,000원이며 최저 1만 원에서 최고 17만 원까지 책정되기도 합니다. 이러한 가격은 단순히 재료비에 의해 결정되는 것이 아닙니다. 케이크의 사이즈나 단 수, 디자인의 난이도, 재료와 토퍼 및 문구 옵션에 따라 결정되며 특히 입체 피규어나 복잡한 캐릭터 디자인은 가격을 가장 크게 올리는 요인으로 작용합니다.

고객은 이처럼 적지 않은 비용을 지불하면서도 실물을 받기 전까지 상품의 상태를 확신할 수 없다는 불확실성을 안고 있습니다. 맞춤 케이크 고객의 구매 의사결정을 가르는 주요 기준은 시안과 완성품의 재현도, 수령 후 냉장 보관 가능 여부, 그리고 배송 중 손상 위험입니다. 업계에서는 고객이 이러한 구매 실패의 위험을 줄이기 위해 온라인에서 후기를 매우 집요하게 검색하는 경향이 있다고들 합니다. 따라서 광고주는 단순한 제품 노출을 넘어 시안 재현력과 안전한 배송 프로세스를 입증하는 후기 콘텐츠를 마케팅의 핵심 자산으로 관리해야 합니다. 이제 이러한 시장 특성이 실제 고객의 구매 여정에서 어떻게 데이터로 나타나는지 살펴보고 광고 개입 지점을 설계해야 합니다.

마케팅 퍼널은 고객이 브랜드를 처음 인지한 순간부터 구매와 재구매에 이르는 흐름을 단계별 깔때기 모양으로 나눈 모델입니다. 전통적인 카피라이팅 공식인 AIDA(주의-흥미-욕구-행동)나 그로스 분야의 AARRR(획득-활성화-리텐션-수익화-추천)이 대표적인 퍼널 모델로 활용됩니다. 그러나 케이크 주문제작 시장에서의 고객 여정은 퍼널과 목적은 비슷하지만, 일직선이 아니라 여러 채널을 오가며 이탈과 재유입을 반복하는 실제 경험의 흐름을 보여준다는 점에서 다릅니다. 많은 조직이 고객 여정 지도를 인지, 고려, 구매, 재구매의 깔끔한 직선으로 그리지만 실제 고객 여정은 훨씬 비선형적입니다.

실제 고객은 여러 단계를 오가거나 건너뛰거나 되돌아가는 경우가 흔하며, 선형 지도는 이런 이탈과 재진입 패턴을 아예 반영하지 못합니다. 따라서 광고주는 추측이나 회의실 가정이 아니라 실제 로그 데이터로 여정 경로를 역추적해 비선형 구조를 있는 그대로 인정하고 광고 개입 지점을 찾아야 합니다. 업계에서는 일반적으로 평일 주문은 최소 3일 전에, 주말 예약은 7일 전까지 마감되며 주문 제작의 특성상 2주 이전 예약을 권장한다고 안내합니다. 광고 메시지는 고객이 고민하는 이 6가지 필수 정보를 즉각적으로 해결해 줄 수 있는 방향으로 구성되어야 하며, 고객의 예약 주기 데이터를 기반으로 리타게팅 광고의 노출 빈도를 조절하는 전략을 세우시기 바랍니다.

성공적인 광고 집행을 위해서는 고객 여정 지도(CJM)를 작성하기 전에 대표 고객인 페르소나를 먼저 설정해야 하며, 유형이 다양하면 페르소나별로 분리해서 그려야 합니다. 신규 고관여 유저와 재방문 체리피커 유저는 같은 화면을 봐도 완전히 다른 의도와 행동 패턴을 보이기 때문입니다. 하나의 지도로 두 페르소나를 억지로 합치면 어느 쪽 개선에도 정확히 맞지 않는 뭉뚱그려진 결론이 나오게 됩니다. 처음부터 모든 유형을 다 나누기보다 매출과 트래픽 비중이 큰 2~3개 페르소나부터 시작하는 것이 현실적입니다.

여정 내에서 고객이 유독 많이 탈락하는 구간인 '마찰 지점(Friction Point)'을 식별하는 것도 중요합니다. 마찰 지점은 여정 위에서 이탈률이 유독 높거나 감정 곡선이 급격히 떨어지는 구간으로 나타납니다. 결제 퍼널의 본인인증, 배송지 입력, 결제수단 선택처럼 하위 스텝이 많은 구간일수록 마찰 지점이 숨어 있을 확률이 높습니다. 마찰 지점을 찾을 때는 이탈률 수치와 함께 그 구간의 CS 문의와 세션 리플레이를 함께 봐야 원인까지 특정할 수 있습니다. 또한 GA4의 키 이벤트 조회기간(Lookback Window) 설정을 통해 터치포인트가 기여를 인정받을 수 있는 유효 기간을 결정해야 합니다. 케이크는 구매 결정까지의 고민 기간과 예약 주기를 고려할 때 조회기간을 적절히 설정하는 것이 합리적입니다. 구체적으로 몇 일이 최적인지는 브랜드마다 다르므로 자사 구매 주기 데이터로 직접 검증하여 광고 성과를 정확히 측정할 수 있는 환경을 구축하십시오.

O4O는 온라인의 데이터와 기술을 오프라인 매장에 적용해 오프라인 매출을 늘리는 방식입니다. 상품 태그의 QR코드를 스캔해 모바일 앱이나 자사몰로 연결하는 방식이 매장 방문 고객을 온라인 여정으로 잇는 대표적 구현 방법입니다. QR코드에 매장과 시간 정보를 담은 파라미터를 심어두는 별도 설계 없이는 오프라인 접점 자체가 여정 데이터에서 통째로 누락될 수 있습니다. 오프라인 접점이 트래킹되지 않으면 실제로는 매장 방문이 기여한 구매를 온라인 채널의 성과로만 오귀속하게 되므로, 온-오프라인 접점을 통합하여 고객 경험의 일관성을 높이는 설계가 선행되어야 합니다.

광고 캠페인의 초기 효율을 높이기 위해서는 머신러닝에 양질의 '오디언스 시그널'을 주입해야 합니다. 오디언스 시그널은 노출 범위를 제한하는 타겟팅이 아니라 AI 학습의 출발점이며, 실제 노출은 전환 성과에 따라 시그널 밖으로 계속 확장됩니다. 시그널에는 고객 리스트, 웹사이트 방문자, 유튜브 시청자 같은 퍼스트파티 데이터와 관심분야 및 구매의도 같은 구글 세그먼트를 함께 넣을 수 있습니다. 공식 가이드에 따르면 퍼스트파티 데이터는 제삼자 데이터보다 성과가 훨씬 높다고 명시되어 있습니다. 초기 학습 속도를 높이려면 자사몰 구매 이력이나 케이크 관련 검색 전환 데이터처럼 실제 전환에 가까운 시드 데이터를 우선 주입하는 것이 유리합니다. 이를 통해 AI가 우리 브랜드의 핵심 고객과 유사한 패턴을 가진 유저를 빠르게 찾아낼 수 있도록 데이터 기반을 마련한 뒤 본격적인 확장 캠페인을 시작하시기 바랍니다.

• 실제 고객 로그 데이터를 역추적하여 인지부터 예약까지의 비선형적 경로와 재유입 패턴을 확인했습니까?
• 평일 3일, 주말 7일, 예약 권장 2주라는 업계의 일반적인 예약 주기를 고려하여 리타게팅 광고의 기여 기간과 노출 빈도를 설정했습니까?
• 시안 재현도, 냉장 보관 가능 여부, 배송 중 손상 위험 등 고객이 우려하는 3대 위험 요소를 해소할 수 있는 후기 중심의 소재가 준비되었습니까?
• 오프라인 매장 수령 시 온라인 데이터와 연결될 수 있도록 QR코드 파라미터 등의 O4O 트래킹 장치를 마련했습니까?
• 신규 고객과 재방문 고객의 페르소나를 분리하고, 각 여정의 마찰 지점(상담 과정, 옵션 선택 등)에서 발생하는 이탈 원인을 데이터로 식별했습니까?
• 캠페인 학습 기간 단축을 위해 자사몰 구매자 리스트나 검색 전환 데이터 등 퍼스트파티 시드 데이터를 오디언스 시그널로 설정했습니까?