- 활용 가능한 데이터 종류와 성공 사례Ⅰ-

IT는 매년 빠른 호흡으로 발전하고 있으며 IT의 발전에 수반된 데이터 또한 매일 새롭게 발전해 나가고 있습니다. 대부분의 패션기업 또한 새로운 데이터를 활용한 차별화된 마케팅과 전략을 개발하여 고객과의 소통을 준비하고 있습니다. 

또는 신선한 데이터 마케팅을 선보이는 기업의 벤치마킹을 통해 우리 기업도 데이터 기반의 동일한 또는 앞선 성과를 만들어 내는 것을 희망하고 있습니다. 이런 ‘데이터 기반의 마케팅 벤치마킹’은 과연 기업의 성장을 만들어 낼 수 있을까요?

하나의 성공적인 데이터 기반의 마케팅과 올바른 의사결정을 완성하기 위해서는 우리기업의 보유 및 활용 가능한 데이터 기반과 환경에 대한 철저한 분석이 선행되어야 하며 데이터 기반의 마케팅 시나리오가 완성이 되어야 합니다. 

결과적으로 데이터 마케팅의 벤치마킹이 성공보다 실패사례가 많은 이유는 우리 기업의 보유고객 데이터의 이해와 데이터의 이질성에서 찾을 수 있습니다. 

본 글에서는 성공적인 고객데이터의 활용을 위해 기업에서 사용하는 데이터의 구분과 사용성공 사례에 대한 탐색을 안내하고자 합니다.

①  써드 파티 데이터(3rd party data)

써드 파티 데이터(3rd party)는 고객의 행동기반의 데이터로서 개인화 마케팅에 가장 많이 사용되는 방식입니다. 

조금 더 쉽게 설명 드리자면, ‘A’브랜드의 커머스 사이트에 방문하여 상세페이지를 열어 본 후 네이버 또는 구글 등의 포털 사이트를 방문 시 ‘A’브랜드에서 내가 열어본 상세상품정보가 광고형태로 따라오는 ‘Re-targeting’ 광고가 대표적인 ‘쿠키’ 기반의 광고라 할 수 있습니다. 

고객이 웹사이트를 방문할 때, 기업의 웹사이트는 쿠키라 통용되는 작은 조각의 트래킹 코드(Tracking code)를 고객이 접속한 PC 또는 모바일 폰에 심어 우리 사이트 내부의 방문 행동을 측정하는 방식입니다. 

기업에서 온라인 행동데이터 취득과 웹 분석을 위해 사용하는 구글 분석(Google analytics)와 SNS의 광고 효율 측정을 위해 활용하는 픽셀(PIXEL) 또한 대표적으로 활용되는 쿠키 기반의 측정 방법입니다.  

쿠키를 통한 고객의 식별방법은 불확실성이 가득한 온라인 데이터의 특성상 개인의 행동을 분석할 수 있는 가장 파워풀한 방법이었으나 구글 크롬 브라우저에서 시작된 쿠키 정보수집의 제한 정책으로 쿠키의 사용과 보유를 통한 고객데이터 분석의 제약이 발생하였습니다.

이런 의미로 써드 파티 데이터를 취급하는 대부분의 퍼포먼스 마케터는 ‘써드 파티 데이터의 종말’을 이야기하고 있으며 대체 도구를 찾는 활동을 강화하고 있습니다. 

결론부터 말씀드리자면, 기업은 불확실한 온라인상에서 쿠키 데이터 대체제를 찾기 보다는 우리가 보유하고 있는 고객 안에서 해답을 찾고자 하였으며, 확정된 고객으로부터 파생되고 개발되어진 데이터인 제로 파티 데이터(Zero party data)의 개발에 집중하기 시작하였습니다.

제로 파티 데이터의 집중은 CRM활동의 집중으로도 표현할 수 있습니다.

하지만 세상에는 ‘쿠키’ 이외에도 사용 가능한 써드 파티 데이터는 존재하고 있으며, 일부의 패션산업의 선도 기업에서는 써드 파티 데이터를 활용하는 방법을 연구하고 있으며 활용하고 있습니다. 

한 예로 한 선도적인 패션기업의 경우 하나의 ‘가설’ 기반으로 고객이 검색한 키워드 기반의 포털 검색량에 초점을 맞춰 데이터를 통한 의사결정을 발전해 나가고 있으며 사례를 간단히 소개해 보겠습니다.

  [고객의 관심도 측정을 위한 가설]

1) 고객은 구매 전 관심제품 탐색을 하며, 고객의 관심은 탐색과정을 통해 측정할 수 있다.

2) 고객의 탐색은 주로 온라인 채널을 활용하며 온라인의 검색량 측정을 통해 구매를 준비하는 탐색과정을 측정할 수 있다.

3) 대한민국의 포털사이트 검색량의 70%는 네이버를 통해 이루어지며, 네이버는 데이터의 표본으로서 활용 가능한 데이터의 대표성을 갖는다(네이버는 고객의 검색 데이터를 무료로 제공하고 있으며 기업에서 내재화도 가능하다). 

4) 고객의 검색량은 구매와 비례하며, 매출과의 상관관계 또한 비례할 것이다.​

◆ A패션 기업 사례

이런 가설 하에 해당 기업에서는 고객의 관심사와 구매결정의 과정을 데이터화 하는 프로젝트가 진행되었으며, 안정적으로 고객의 검색량을 관찰할 수 있는 자동화된 대시보드가 완성되었습니다. 고객의 키워드 검색량은 다양한 현업 부서에서 사용되고 있습니다. 

상품기획(MD), 디자인, 마케팅등 상품 기획부서에서는 고객의 관심사와 제품생산 및 디자인 속성에 관한 의사결정에 필요한 결정적인 근거 데이터로서 활용하고 있으며, 영업과 E-Commerce팀은 우리 브랜드를 포함한 경쟁사의 키워드 마켓쉐어(Market-Share)의 경쟁력을 분석하고, 그에 따른 경쟁사의 Event를 분석합니다.

위의 예시처럼 궁금증에서 시작된 작은 ‘가설’을 현실화하고 활용가능한 데이터로 발전시켜 나가는 행위 또한 기업의 Data Digital-Transformation이라 할 수 있습니다.

② 세컨드 파티 데이터(2rd party data)

세컨드 파티 데이터(2rd party data)의 정의는 우리 기업 소유의 데이터이지만, 파트너사에서 제공하는 데이터를 지칭합니다. 이 데이터의 소유는 가능하지만, 다양한 파트너사의 사이트에 접근하는 복잡한 개발 과정이 필요합니다.

대표적인 세컨드 파티 데이터의 예시로는 기업에서 많이 진행하고 있는 SNS광고 또는 대표 포털 사이트(네이버, 카카오, 구글)의 디지털마케팅 광고결과 데이터를 지칭할 수 있습니다.

이런 광고 결과데이터는 우리 기업의 소유이지만, 각 광고를 집행하는 SNS와 포털사이트 접속을 통해 제공되는 화면에서 확인이 가능 합니다. 이런 불편함에 기인하여 대부분의 기업에서는 디지털 마케팅 대행사를 활용하여 광고의 집행과 결과에 대한 보고를 받고 있습니다.

여기서 한 가지 문제점이 발생이 됩니다. 기업의 마케팅팀의 특성상 하나의 디지털마케팅 대행사와 오래 협업관계를 유지하는 것이 아닌 각 디지털마케팅 대행사의 장단점에 따라 협업의 기간을 선택하며 광고를 집행합니다.

여러 대행 파트너사와 협업 시 결과 데이터의 양식이 서로 달라질 수 있으며, 측정하는 방법에 따라 표준화되지 않은 측정값이 나올 수 있습니다. 한마디로 데이터를 읽는 사람에 따라 다른 결과로 이해할 수 있는 현상이 발생됩니다.

이런 문제점을 해결하기 위해 많은 기업에서 자동화된 디지털 마케팅 활동 결과 대시보드를 만들고자 희망하지만, 시작의 어려움 때문에 포기하는 현상이 발생하고 있습니다. 필자 또한 문제를 해결하기 위해 대표 광고 집행 채널의 모든 데이터를 가져오는 개발도 해보았고, 대시보드도 만들어보며 많은 시행착오를 거친 결과 결론은 관련 솔루션의 사용을 선택하였습니다.

하나의 캠페인으로 집행되는 여러 채널의 광고결과를 자동으로 분석하며, 대시보드화 하는 프로젝트는 [비용>도입 난이도>구현시간> 활용성>관리적인 측면] 등으로 평가했을 때 관련 기능을 제공하는 솔루션 보다 좋은 결과를 만들기 힘들었으며 많은 시간이 필요했습니다. 이런 솔루션을 통해 여러 채널의 마케팅 캠페인의 결과를 하나의 화면에서 분석하는 방법이야 말로 손쉽게 인사이트를 만들어 내는 분석 기법입니다.

이런 마케팅 성과 측정 대시보드는 가설기반의 디지털 마케팅을 운영할 때 매우 유요합니다. 실시간으로 광고에 대한 효율을 측정하고, 고객에게 노출되는 광고의 섬네일 또는 카피 문구 등의 변경을 통해 고객이 반응하는 콘텐츠로 광고의 내용을 발전시켜 나갈 수 있으며 A/B TEST를 통한 광고 효율을 높일 수 있습니다. 

◆ B패션 기업 사례

한 예로 여러 패션기업에서 광고 집행 섬네일과 카피문구 노출 시 [광고모델 VS 제품기능]의 주제로 실시간 고객의 반응을 분석하여 좀더 반응이 높은 컨텐츠를 메인 컨텐츠로 채용하여 광고의 반응률을 높이는 행위를 자연스럽게 진행하고 있습니다. 

광고의 반응률이 높다는 의미는 광고의 비용대비 효율이 높다고 평가할 수 있습니다. 의사결정을 지원하는 2ndparty데이터 수집이 가능 하다면 이 밖의 다양한 주제의 A/B Test를 통해 광고의 효율을 높일 수 있습니다. 

③ 퍼스트 파티 데이터(1st party data)

퍼스트 파티 데이터(1st party data)란 기업의 멤버십 가입 활동을 통해 획득하는 기업 소유의 ‘우리고객’ 입니다.

법적 가이드라인 하에 개인정보이용의 동의를 거친 가입유도 행위만으로 안정적이고 정확한 식별고객의 인구통계학적 데이터와 구매, 활동 데이터 등을 보유할 수 있으며 데이터 기반의 마케팅과 고객 분석을 위한 필수적인 데이터입니다.

여기서 기업이 고객을 ’소유’ 해야 하는 검증된 가설이 존재합니다.

<가설1> 고객의 멤버십 가입은‘우리 브랜드’의 1차적인 관심 표출이다 (관심고객 획득).

<가설2> 멤버십 가입 고객은 미가입 고객 대비 구매 확률이 높아진다 (Segment 획득).

<가설3> 구매경험 고객은 브랜드에 대한 인지도, 경험을 통해 가망(미가입)고객 대비 구매할 확률이 높아진다.​

한마디로 [구매경험고객 > 가입경험고객 > 미가입고객] 순으로 우리 기업의 매출에 도움이 될 확률이 높아짐을 표현합니다. 검증된 해당 가설은 CRM 마케팅의 근간이 되며 고객의 보유를 촉진시켜야 하는 이유입니다.

실 예로 가망고객의 자사몰 또는 매장으로의 유입을 담당하고 있는 ‘디지털광고’의 효율(전환률)은 과거 약 1%정도였지만, 현재는 약 0.15%로 효율이 지속적으로 하락하고 있습니다. 

이는 고객 피로도의 검증으로 볼 수 있습니다. 너무 많은 마케팅 광고 안에 고객의 판단은 흐려지며, 무감각해지고 있는 추세입니다. 하지만 기업의 멤버십에 가입하고(관심을 표출하고), 구매경험을 통해 Segment된 고객은 광고캠페인 진행 시 평균 3~5%의 구매결정 추이를 보이고 있습니다. 

또한 Segment요건과 노출되는 컨텐츠에 따라 상상할 수 없이 높은 구매 전환률을 보이고 있습니다. 마지막으로 온라인의 ‘디지털 광고’ 대비 30배 저렴한 비용으로 더 높은 효과를 만들어 낼 수 있습니다.

예시에서 설명해드린 대로 기업은 퍼스트 파티 데이터를 활용하여 고객을 리드하는 많은 활동을 할 수 있습니다. 그 만큼 중요한 데이터이며, 기업과 매장의 세일즈 성장을 위한 근본이 되는 데이터입니다.

◆ 고객 데이터(퍼스트 파티 데이터) 획득

대부분의 패션 기업은 전통적으로 ‘오프라인 80% Vs 온라인 20%’ 정도의 유통구조를 보이고 있습니다. 그리고 수수료와 비용, 유통 다각화의 사유로 고객의 온라인 활동(매출)을 더욱 확장하고자 하는 움직임을 보이고 있습니다. 

하지만 오랜 시간 오프라인 유통을 근간으로 한 기업에서 갑작스러운 움직임과 온라인에 대한 이해가 부족한 상황에서 빠른 성과를 창출하기란 매우 어려운 상황입니다. 

한 예로, 초창기 디지털 트랜스포메이션을 위한 전략을 세웠던 기업은 ‘유통의 다양화-D2C’를 전략으로 자사몰 활성화에 많은 투자를 진행하였습니다만, 현재 디지털 체질 개선에 성공한 기업은 그렇게 많아 보이진 않습니다. 

최근 들어 이런 디지털 트랜스포메이션의 방향에 변화를 주는 기업들이 생겨나고 있습니다. 이들은 준비되지 않은 온라인 활성화 보다는 오랜 시간 탐구와 경험치로 무장한 오프라인 유통 채널의 디지털화에 초점을 맞춰 가기 시작하였습니다. 

우리 기업의 가장 큰 인프라의 장점인 오프라인 매장을 활용하여 고객에게 ‘차별화된 구매경험’을 만드는 걸 목적으로 하고 있으며, 그 동안의 경험을 통해 빠르게 변화되어 가고 있습니다.

오프라인 데이터 획득의 핵심은 ‘정확한 데이터 획득’ 이다

오프라인의 데이터 획득 전략을 준비하며 첫 번째 만나는 허들은 ‘어떻게 오프라인의 퍼스트 파티 데이터를 창출 할까?’ 입니다. 패션산업의 오프라인 매장 특성상 ‘직영점’이 아닌 ‘위탁판매’ 형태의 판매구조가 대다수이며 퍼스트 파티 데이터를 수집하는 행위에 대한 관리의 한계점이 존재합니다.

또한 매장의 실수로 잘못 입력된 대표성을 상실한 오염된 데이터는 잘못된 의사결정을 만들어 내는 위험 요소입니다. 그렇기 때문에 퍼스트 파티 데이터 수집의 핵심은 ‘정확한 데이터 획득’이며, 두 번째가 ‘기록된 데이터의 양과 질’이라 할 수 있습니다. 

예를 들어 전체 판매의 30%만이 식별된 고객에게 판매된 데이터로 기록이 된다며, 통계학적 표본으로서의 문제점이 발생하게 됩니다.

제가 컨설팅 하는 어떤 기업의 경우 약 80%의 고객판매 데이터 축적을 목표로 삼고 있으며, 이런 매장 하나하나의 활동 점검을 위해 간단한 수치의 KPI 변수를 제공하고 있습니다. 이렇게 퍼스트 파티 데이터의 중요성을 인지한 기업들은 어려움을 이겨내기 위해 단계별 발전을 이루어 내고 있습니다.

이렇게 수집된 우리 고객의 퍼스트 파티 데이터는 무한한 성장의 동력을 만들어 내며, ‘세일즈의 안정적인 성장’ ‘제품의 기획/디자인/생산’을 지원하는 인사이트를 만들어 냅니다.

◆ C패션 기업 사례

분석적인 예시로 특정 패션기업은 제품별 또는 제품속성별 분석의 자동화 대시보드로 판매되는 제품의 속성에 따른 구매 고객의 특징을 분석하여 인사이트를 만들어 내고 있습니다.

이 기업 또한 최초의 시작은 ‘인구통계학적’ 데이터 기반으로 시작되었지만, 1st/2nd/3rd 데이터의 통합으로 그 영역을 넓혀가며 정교화 작업을 진행하고 있습니다.

 [퍼스트 파티 데이터 획득을 위한 기업의 단계적 프로세스 추천]

1) 데이터 기반의 멤버십 정책 개발

 - Customer Persona 분석을 통한 우리 고객의 강/약점 파악

 - 데이터 기반의 고객 등급 Segment 및 혜택 개발

2) 가입시스템 개발

 - Off-line 매장에서 20~30초 안에 정확한 고객데이터 획득을 위한 시스템 개발

 -‘마케팅 수신동의’ 고객 확보와 법적인증 절차를 위한 시스템 전략 개발

3) 오프라인 매장 위탁판매원의 변화 관리 교육

 - 고객 데이터 확보 사유. 데이터를 통해 달라지는 판매 활동 등의 인식전달 필수

 - 올바른 고객 데이터 획득의 방법 및 활용방법

4) 매장의 활동을 점검하는 활동 변수 개발

 - 매장의 고객데이터 획득의 정당성을 표현하는‘지수’를 통한 매장활동 관리

 - 매장 트래픽에 따른‘신규고객’ 획득의 데이터 기반 예측​

◆ D패션 기업 사례

매출획득의 예시로 특정 패션 기업은 퍼스트 파티 데이터를 활용한 CRM 마케팅 캠페인을 적극적으로 진행하여 오프라인 매출의 상승을 유도하고 있습니다. 

이 기업의 특징은 단순한 ‘문자(Text)’ 위주의 캠페인을 통해 혜택을 알리는 것이 아닌 고객과의 쌍방향 소통과 고객의 참여가 가능한 관여 콘텐츠(Engagement Contents)를 개발하여 오프라인 고객 대상이지만 잘 만들어진 콘텐츠 안에서 고객의 니즈를 파악하고 고객의 관심을 만들어 내는 캠페인을 진행하고 있습니다. 

◆ E패션 기업 사례

또 다른 기업에서는 떠나가는 고객(이탈)을 방어하기 위해 퍼스트 파티 데이터의 구매데이터를 활용한 분석을 진행 하였으며, 이에 따라 고객의 ‘개인화된 구매주기’ ‘개인화된 이탈 예측 등급’ 등의 변수를 개발하여 이탈 방어 캠페인을 자동화했습니다. 결론적으로 이 기업은 한 번의 세팅으로 약 10%의 이탈 고객을 줄이는 성과를 창출하였으며, 10%의 고객의 추가 구매를 만들었습니다.

결론적으로 대다수의 패션 기업의 퍼스트 파티 데이터를 통해 고객과 소통하고 알아가는 과정은 매우 중요할 수밖에 없습니다. 기업에서 지금 당장 실행할 수 있는 디지털 트랜스포메이션을 위한 활동이 퍼스트 파티 데이터 획득이라 생각 하며, 획득된 퍼스트 파티 데이터는 기업자산의 증식이라 생각 합니다.

⑤ 제로 파티 데이터(Zero party data)

최근 고객의 개인화 마케팅이 패션산업의 화두로 떠오르고 있으며, 그에 따른 ‘개인화’된 데이터의 획득이 더욱더 중요시되고 있습니다. 제로 파티 데이터(Zero party data)란 기업에서 힘겹게 획득한 퍼스트 파티 데이터로 부터 파생된 데이터입니다. 

우리 고객의 활동 하나하나에 의미를 부여하여 새로운 데이터를 창출해 나가는 과정이며, 고객의 개개인을 이해할 수 있는 데이터입니다.

제로 파티 데이터는 고객 대상 설문, 웹분석, 고객의 참여, 캠페인의 관심표현(캠페인 오픈율), 콘텐츠의 노출 횟수와 잔존 시간 등의 분석을 통해 획득할 수 있습니다. 이렇게 획득한 제로 파티 데이터는 고객을 이해하는 많은 요소들을 담을 수 있습니다.

◆ F패션 기업 사례

저희 고객 중 한 패션브랜드는 우리 브랜드를 구매하는 고객의 속성을 분석하고, 그에 따라 제품의 방향성을 설정하고자 하였습니다. 하여 특정 시즌성 제품을 구매한 고객을 대상으로 디테일한 설문을 진행하였습니다. 설문의 질문은 크게 (1) 브랜드의 선택 사유 (2) 제품의 선택 사유 (3)함께 고려한 경쟁브랜드 및 그 사유를 소통하였습니다.

캠페인의 결과는 놀랄만한 결과를 만들어 냈습니다. 설문을 통해 타깃 사용고객의 연령이 생각보다 다양함을 확인하였으며, 그에 따른 사용 용도도 또한 달라질 수 있음을 유추할 수 있었습니다. 또한 제품 기획과 마케팅의 셀링 포인트로 개발하였던 제품의 특장점 속성이 제품 구매 시에는 최우선 고려사항이 아님을 확인하였습니다. 

마지막으로 해당 브랜드에서 경쟁상대로 시장조사가 된 브랜드는 더 이상의 경쟁상대가 아니었으며 생각지 못한 브랜드가 1위로 나오는 결과를 만들어 냈습니다. 이 기업은 해당 제품의 향후 기획 방향성을 만들어 낼 수 있었으며 해당 제품군의 지속적인 선도 기업이 될 거라 예상 됩니다. 

이렇게 제로 파티 데이터를 통해 고객과의 소통은 무더운 여름을 에어컨 앞에서 지켜보는 것이 아닌 눈높이를 맞추어 여름의 무더움을 체험하는 과정입니다. 

저희가 컨설팅한 몇몇 기업은 제로 파티 데이터 수집의 어려움을 토로하는 경우도 있었습니다. 그럴 때 마다 저는 ‘새로운 시작은 어렵지만, 가능한 활동부터 시작해 보자.’ 라는 말씀을 전달 드립니다.

◆ G패션 기업 사례

제로 파티 데이터를 시작하기 가장 좋고 쓰임새가 많은 효과적인 데이터를 예로 들자면 캠페인 콘텐츠의 오픈 데이터입니다. 저희 고객사의 대부분은 제로 파티 데이터 획득을 위해 고객의 브랜드 또는 제품의 관심을 캠페인의 콘텐츠 오픈 데이터 기반으로 발전시켜 나갑니다. 이는 SNS상의 ‘좋아요’ 버튼과 동일한 효과를 측정할 수 있는 구조입니다. 

자세히 살펴보자면, 온라인에서는 자사몰의 캠페인 진행 시 이벤트 페이지로 이동시키는 URL을 문자내용에 사용합니다. 오프라인 캠페인 또한 텍스트 기반의 메시지가 아닌 오프라인 전용 랜딩페이지(콘텐츠)를 개발하여 제품의 이미지와 고객의 참여를 유도합니다.

‘오픈율’이라 함은 이때 고객에게 보내는 메시지에 담겨 있는 URL의 클릭을 의미합니다. 여기서 주어가 고객이 아닌 ‘나’라고 표현해 본다면, 우리는 하루에 수많은 메시지를 받고 있지만, 그 메시지에 담겨 있는 URL을 클릭하는 경험은 별로 없을 거라 생각됩니다. 

하지만 브랜드의 관심을 표시하는 충성 고객 또는 전달하는 캠페인 메시지의 혜택에 반응하는 고객은 URL을 ‘클릭’하여 브랜드에 ‘관심’을 표출합니다. 

이런 ‘URL오픈 고객 데이터’는 고객 개개인의 활동을 분석할 수 있는 획기적인 데이터이며, 이런 고객의 Segment를 활용 시 VIP고객에 버금가는 구매전환율을 만들어 낼 수 있습니다. 또한 관심 미표현(미클릭) 고객 대비 2.5배 높은 수치의 캠페인 당 구매전환율을 만들어내고 있습니다.

본 글을 통해서는 가장 기초가 되는 고객 데이터 종류와 패션산업에서 활용하고 있는 성공적인 사례를 안내해 보았습니다. 새로움은 ‘인지’와 ‘시작’이 중요합니다. 서두르지 않으셔도 됩니다. 천천히 한걸음씩 지금 당장 할 수 있는 것부터 시작하는 것이 데이터를 활용한 디지털 트랜스포메이션입니다. 

다만 장기적인 플랜으로 지금 당장 활용 가능한 데이터와 미래를 위해 인프라가 준비되어야 하는 장기 플랜을 세우고 근거 있는 데이터를 통한 성장을 만들어 가면 됩니다. 

미리 앞서가는 기업을 단시간에 따라 잡을 수는 없습니다만, 시작조차 안하면 격차는 더욱 벌어지게 됩니다. 그 기업을 따라잡기 위해서는 꼭 물리적 시간이 동반되고 시간이 경과할수록 그 격차는 명확해 질것입니다. 나이키의 광고 카피처럼 ‘Just do it’, 시작이 반입니다.  ​ 

글 : 백광민 피비스 대표 (back@pbees.net)

출처 : 패션포스트 fpost.co.kr

원문 : fpost.co.kr/board/bbs/board.php?bo_table=special&wr_id=1208