2018. 6. 4. 07:50ㆍUI 가벼운 이야기
2월 27일 IDG에서 주최한 8th Business Impact & Big Data 컨퍼런스가 양재역 엘타워에서 열렸습니다. pxd에서는 최신 산업 현황과 Big Data 트렌드를 보기 위해 참석하고 온 후기를 전합니다. 최근에 Big Data를 적용하여 성공적인 서비스를 하는 해외 사례와 다양한 산업에서 효과적으로 활용하는 사례를 볼 수 있는 좋은 컨퍼런스였습니다.
컨퍼런스에서 가장 인상 깊었던 두 강연을 소개하고자 합니다.
* IDG 컨퍼런스 소개 (http://www.itworld.co.kr/conference/)
CRM 관점에서 바라본 변화
오미현 팀장, 마켓분석팀, 이마트
들어가며
CRM(Customer Relationship Management)이란 고객 관계 유지에 대한 내용으로, 선별된 고객으로부터 수익을 내고, 장기적인 고객 관계를 유지함으로써 이익을 높일 수 있는 솔루션을 이야기합니다. 기존 회원들을 관리함과 새로운 회원들을 유치하는 데 있어서 빅데이터를 어떻게 활용하였는지 마켓 시장에서의 흥미로운 분석들을 들을 수 있었습니다.
1) 일반적인 CRM 구성요소
일반적인 CRM의 구성요소로는 하단에 나온 다이어그램처럼 구체적인 타겟, 채널, 시간, 제안, 제품 등으로 연결할 수 있는지에 대한 질문을 던져볼 수 있습니다. 예를 들면 어떠한 고객들을 마켓으로 연결할 것인가? 어떠한 제품으로 연결할 것인가? 어떠한 채널을 통해 연결할 것인가 등 구성요소들에 대한 질문들을 통해 고객 관계를 유지할 수 있을 답변을 얻어낼 수 있습니다.
2) CRM의 변화 : 우수고객 집중 관계 관리 > Micro Trend
고객 관계를 유지하기 위해 회원 등급에 따라 혜택이 나뉘는 사례들을 많이 접할 수 있었습니다. 등급에 따른 혜택 또한 매우 그 차이가 컸었죠. 우수고객에게만 노출되는 혜택을 위해 등급을 올리려는 고객들이 많이 있었습니다. 기업이나 마켓에서 또한 우수한 고객만을 관리하여 특별한 혜택을 누릴 수 있도록 하는 것이 대표적인 CRM 중 하나였습니다.
우수고객 집중 관리의 방법으로 기업에서는 ‘고객에게 집중하여 혜택을 줄 것인가?’ 혹은 ‘다양하게 혜택을 줄 것인가?’의 기준으로 우수고객 관리를 해 왔는데요. 이러한 노력에도 불구하고, 우수고객들의 이탈률이 굉장히 높아, 그 외 다른 고객을 잡기 위한 노력이 높아질 수밖에 없게 됐습니다.
우수고객에 대한 고객관리를 예를 들면, 우수고객의 장바구니를 확대하여 보면서 제품 및 마케팅에 대한 기획을 여러 가지 제안할 수 있었는데요. 고객들이 자주 찾는 상품들로 구성을 맞춰 프리미엄 구색 상품을 제작한다던가, 구매주기가 도래했는데 왜 사지 않는지를 파악해 2차 커뮤니케이션 툴을 제공하여 의견을 들어본다던가, 상권별 유지율에 따라 어느 지역에서 어느 제품이 잘 팔리는지 등등 우수고객에 집중한 여러 사례를 접할 수 있었습니다.
CJ 오쇼핑 마이크로 트렌드 : 효율과의 싸움에서 마이크로 트렌드는 우수고객 집중보다 더 효과적인 솔루션으로 떠오르고 있는데요. CJ오쇼핑에서 식품쇼핑에 대한 마켓을 처음 오픈했을 때를 예를 들겠습니다. 식품은 온라인에서 구매하기 힘들다는 인식이 팽배하던 시절에 ‘어떻게 하면 어느 시점에서 식품에 대한 장벽 없이 구매로 쉽게 이어지나?’ ‘몇 번의 구매와 경험을 통해 식품구매 경험이 유지가 될까?’ 등의 질문을 던지며 6개월 넘게 내부에서 설득의 과정이 있었습니다.
아직도 이 서비스가 유지되는 것을 보면 마이크로한 트렌드에 집중한 것이 오히려 소비자의 마음을 흔들었다고 생각됩니다.
3) 점점 더 치열해지는 환경
1인 체제 라이프 및 자기 주도적인 소비자들과 현재, 나의 일상에 집중하는 소비자들이 결국 다양한 나를 위한 소비를 해가며 트렌드는 만들어 나가게 됩니다. 이때 정보를 만들어 내는 대상도 소비자가 되면서 한정된 정보에서 점차 미디어를 활용해 끊임없이 정보들을 생성하게 됩니다.
1인 인구구조의 변화와 정보를 접하는 채널이 다양한 채널로 변화되면서, 고객은 한정되어 있고 모든 업태는 고객의 선택을 받기 위해 치열한 전쟁을 하게 됩니다.
모든 데이터를 우리가 분석할 수는 없기 때문에, 이때가 인공지능 기술로 데이터 분석의 지원이 필요한 때라고 생각합니다.
4) 현재에 대한 관심집중과 CRM의 기준
기존의 CRM은 고객의 과거 구매내역을 기반으로 상품과 서비스를 제공했다면, 현재의 CRM은 고객의 현재 관심사를 기반으로 새로운 상품과 서비스를 제안하는 것이 고객들의 반응을 끌어낼 수 있다고 생각합니다.
지금까지의 CRM의 기준이 바뀌어야 하는 것이 아닌가란 생각을 많이 하게 됩니다. ‘왜, 누가, 언제, 어떻게’에서 끝나는 것이 아니라 이것들을 가지고 무엇을 할 수 있는 소통의 공간을 만들어주는 것이 새로운 기준이 되지 않을까 생각합니다.
트렌드를 예측하는 것은 너무 어렵고 힘이 들지만, 융합된 트렌드를 예측하고 끊임없이 변화하는 소비자와 멀티 커뮤니케이션을 한다면 고객의 시간과 경험을 나누는 콘텐츠를 제공할 수 있으리라 생각합니다.
5) 사례 두 가지
고객이 선호하는 맛
: 매실 수확 철이어서 구매를 유도할 수 있는 프로모션을 준비하던 시기였습니다. 상권과 점포, 고객연령에 따라 구매 차이가 크게 나는데 프로모션을 위해 맛에 대한 데이터를 분석하던 중 맛의 시각이 연령대에 따라 다르다는 것이 인상적이었던 사례를 알게 되었습니다. 딸기의 맛이 20대에겐 새콤한 맛이지만 70대의 연령대에서는 달콤한 맛이었던 거죠. 맛에 대한 연령대의 시각이 달라 프로모션도 비슷한 연령대의 분포도가 높은 점포나 상권에 프로모션을 제공하게 되는 것이죠.
길고양이들을 위한 후드하우스
: 패딩에 달린 모자(후드)를 재활용해 길고양이에게 겨울철 쉼터를 제공하는 ‘후드하우스’캠페인입니다. 버려지는 옷들이 주는 환경문제와 길고양이들의 사회문제를 같이 해결하면서 고객들의 관심을 높였던 캠페인인데요. 동물보호와 환경문제에 대한 진정성이 고객에게 전달되면서 캠페인이 크게 확산이 되었었죠. 고객과의 소통이 매우 빨랐던 프로젝트로 소셜미디어를 통해 캠페인 확산에 매우 큰 도움이 되었던 프로젝트였습니다. 평소 동물보호에 관심 있는 일반인들과 유명인들까지 참여하며 다른 일반인들의 관심도까지 높였던 프로젝트였습니다.
넷플릭스의 개인화 알고리즘 혁신 전략과 사례
조슈아 팍스, 데이터 사이언스 매니저, 알고리즘 사이언스&애널리틱스 그룹, 넷플릭스
넷플릭스의 조슈아 팍스의 “넷플릭스의 개인화 알고리즘 혁신 전략과 사례(Innovating On Personalization Algorithms at Netflix)에서 넷플릭스가 얼마나 사용자 맞춤 추천을 위해 노력하는지 볼 수 있는 매우 흥미로운 강연이었습니다.
넷플릭스는 비디오 렌탈 사업으로 사업을 시작하였고, 2007년 스트리밍 서비스로 변경하고 현재 전 세계 1억 명 이상이 시청하고 있는 대표적인 OTT(Over-the-Top) 서비스를 하는 회사입니다. 현재는 오리지널 콘텐츠도 직접 만들어 제공하면서 세계 최대의 엔터테인먼트 기업으로 거듭나고 있습니다.
* OTT(Over-the-Top) 개방된 인터넷을 통하여 방송 프로그램, 영화 등 미디어 콘텐츠를 제공하는 서비스
넷플릭스 오리지널 콘텐츠인 봉준호 감독의 <옥자>, 2007
이번 강연에서는 넷플릭스의 개인화 알고리즘 혁신 전략과 사례를 볼 수 있었습니다.
넷플릭스 추천 엔진의 역사는 2007년 스트리밍 서비스로 변경하면서 본격적으로 발전하였다고 합니다. 기존에는 고객이 평가한 별점이 유일한 고객의 피드백이었는데, 스트리밍 서비스를 시작하면서 어떤 콘텐츠를 보았는지 알 수 있었다고 하였습니다. 현재는 머신러닝을 통해서 알고리즘을 지속해서 발전시키고 있었습니다.
메인화면에서는 사용자별 추천 콘텐츠를 제공하는데, 모든 사용자에게 다르게 추천이 된다고 합니다. 강연자인 조슈아 팍스는 1억 명의 넷플릭스 유저가 있다면, 1억 개의 각기 다른 넷플릭스 메인화면(추천화면)이 있다고 하였습니다.
넷플릭스 메인화면에서의 추천시스템 예시
넷플릭스의 추천시스템은 바둑판 형식으로 추천을 하고 있었습니다. 세로축은 사용자의 성향과 취향을 반영한 랭킹, 장르, 선호 배우 등 카테고리를 추천하고, 가로축은 해당 카테고리에 대한 랭킹 순으로 표시하고 있다고 합니다. 세로축은 머신러닝으로 분석된 수만 개 이상의 분류가 있다고 했습니다.
또한, 사용자들이 원하는 콘텐츠를 빠르게 발견하고 플레이할 수 있도록 여러 장치를 해놓았다고 합니다. 이 부분이 강연에서 가장 흥미로웠던 부분이었습니다.
첫 번째는 검색에 대한 내용입니다. 단순히 알파벳 한 글자를 입력하였을 때도, 해당 사용자가 원하는 콘텐츠가 상단에 표시되도록 검색 서비스 알고리즘을 사용하고 있었습니다. 예를 들어, 검색창에 M을 쳤을 때, 애니메이션을 좋아하는 사용자는 Moans, Mulan 의 포스터가 가장 상단에 있고, 액션을 좋아하는 사용자는 Matrix, Mummy 등 검색에 개인 성향이 반영된 검색결과를 보여주고 있었습니다.
두 번째는 콘텐츠의 이미지 선택에 대한 내용이었습니다. 콘텐츠의 이미지는 많은 콘텐츠 사이에서 빠르게 원하는 것 또는 보고 싶은 것을 선택하게 만들어야 하는 중요한 요소입니다. 우리는 넷플릭스에서 제공하는 포스터는 한 개라고 생각할 수도 있었습니다. 하지만 넷플릭스는 사용자별로 다른 이미지를 제공하고 있었습니다. 이미지선택은 대표적으로 장르 또는 배우로 나뉘어서 개인별 추천이 되고 있습니다.
Good Will Hunting을 추천한다는 예를 보였습니다.
로맨스를 좋아하는 사용자에게는 로맨스를 보여주는 상단의 포스터를 노출하고, 코미디를 좋아하는 사용자에게는 코미디 장르 영화를 많이 찍은 로빈 윌리엄스가 있는 포스터를 노출한다고 합니다. 이 점이 가장 흥미로웠습니다.
또한, 선호하는 배우에 따라서 다른 이미지를 보여준다고 합니다.
우마 서먼을 좋아하는 사용자에게는 펄프픽션 영화를 추천할 때 우마 서먼이 있는 이미지를 노출하고, 존 트라볼타를 좋아하는 사용자에게는 펄프픽션 영화를 추천할 때 존 트라볼타가 노출된 이미지를 노출하였다고 합니다.
사용자가 원하는 영화를 빠르게 선택할 수 있도록 머신러닝을 활용한 정교화된 추천 알고리즘으로 콘텐츠 종류와 이미지까지 각기 다르게 추천을 하고 있었습니다.
이번 강연을 통해서 많은 사용자와 많은 콘텐츠를 연결해줘야 하는 분야에서 머신러닝을 통해 최적화된 연결지점들을 찾아주는 것에서 매우 흥미를 느낄 수 있었습니다.
이상으로 8th Business Impact & Big Data의 참석 후기를 마칩니다.