올해 초, 몇몇 유명 의류 브랜드에서 상의의 매출이 범상치 않게 급증한 데 비해, 치마나 바지는 비슷한 상승을 보이지 않았던 적이 있다. 그 이유는 코로나바이러스가 한창인 상황에서 고객들이 업무용 복장을 사무실용 의상에서 줌(Zoom)과 같은 화상회의 플랫폼에서 보이는 모습으로 변화시키고 있었기 때문이었다.
이 일화는 코로나 사태 훨씬 이전에 시작되어 몇 년동안 급속히 진행돼 온 시장 변화 트렌드를 보여주는 한 가지 예에 불과하다. 고객 선호도가 빠르게 -거의 계속해서- 변화하고 있으며, 더욱 변덕스럽고, 가변적이며, 불확실해지고 있다. 또한, 트렌드를 추적하고, 예상하고 대응하는 기업의 전통적인 능력을 뛰어넘었다.
확실해진 ‘불확실성‘에 적응하기 위해, 기업들은 소비자들과 상호작용하고 이 불확실성에 대한 통찰력을 키울 수 있는 새로운 방식을 찾아야 한다. 이는 생각만큼 불가능한 일은 아니다. 새로운 ‘눈과 귀‘를 이용할 수 있다. 준실시간(near real time)으로 처리, 학습, 대응하는 인공지능과 같은 신기술을 이용한 새로운 역량 뿐 아니라 점점 더 다양한 출처를 통해 폭발적으로 가용하게 된 방대한 양의 데이터 덕분이다. 이 같은 기술발전으로 인해 기업과 소비자 간의 새로운 종류의 대화가 가능해져, 소비자들이 원하는 것에 대한 심층적인 분석이 가능해질 뿐 아니라 기업들이 소비자들의 니즈를 충족하기 위해 제공하는 상품과 서비스의 확대로 이어질 것이다. 우리는 이 새롭게 부상하는 모델을 ‘새로운 소비자 대화‘라고 칭한다.
새로운 소비자 대화는 소비자 상호작용의 핵심 성공요인을 재정의하고 상당한 경쟁우위를 창출할 것이다. 하지만 기업들은 발빠르게 움직여 선두그룹에 속해야 한다. 소비자들은 모든 기업들과 대화를 할 여유가 없고, 여유를 주지도 않을 것이기 때문이다.
확실한 불확실성을 해결하기 위한 전통적인 접근방법에서 발전하기
기업과 소비자 간의 전통적인 상호작용은 일반적으로 4단계 프로세스에 달려 있다:
- 데이터 취합. 우선, 소비자 데이터(브랜드와의 과거 거래나 상호작용을 기반으로 하며 소비자 설문조사로 보완된, 주로 사회인구통계 및 행동 데이터)를 축적한다.
- 세그멘테이션. 다변량 회귀분석과 같은 룰 기반 기법을 사용해 차별화된 소비자 세그멘테이션 모델을 구축한다. 종종, 이 세그멘테이션은 소비자 프로필과 선호도가 상대적으로 안정적인 구조를 따른다는 가정 하에 몇 년간 변화없이 유지된다.
- 의사결정. 세그멘테이션 모델을 기준으로, 마케터와 고객 전략팀은 선호 채널 선택에서 상품 추천, 메세지 맞춤화에 이르기까지 각 세그멘트 별로 맞춤화된 결정을 내린다.
- 실행. 마지막으로, 조정된 마케팅 예산이나 새로운 캠페인의 형태로 결정된 내용이 실행된다.
이 접근법은 소비자 선호도의 변동성이 더욱 커지고, 그 결과로 더욱 커지는 변화의 규모를 따라잡지 못하면서 점점 더 부적합해지고 있다.
면밀한 검토를 통해, 소비자 선호도를 이해하고자 하는 기업들이 현재 다음의 세 가지 측면에서 도전과제에 직면해 있음을 알 수 있다.
- 행동양식이 전례없이 빠르게 변화함에 따라 과거 데이터 만으로는 예측력이 약화되고 있다. 즉, 과거 데이터를 기반으로 한 예측모델을 준실시간 대안모델로 대체해, 변화를 인식하고 변화가 진행됨과 동시에 그에 따라 변화해야 한다.
- 불확실한 시대가 행동양식 변화의 속도와 규모의 예측을 더욱 어렵게 하고 있다. 과거가 좋은 예시가 된다. 그 예로, 2008년 글로벌 금융위기는 소비자 구매행동을 급속히 변화시켜 가격과 인지가치 간의 전통적인 균형을 하루아침에 무너뜨린 바 있다.
- 소비자 설문조사를 통해 확보한 데이터는 데이터 수집과 인사이트 도출 사이의 긴(필수적이기는 해도) 시차라는 복합효과와 위기상황에서 소비자들의 매우 반직관적인 행동- 종종 스스로 말한 것과 일치하지 않는 행동-으로 인해 그 가치가 약화됐다. 중국 럭셔리 산업 전문 매거진 징 데일리(Jing Daily)에 따르면, 코로나 19 위기가 절정이었을 때 실시된 한 소비자 설문조사에서 중국 소비자들의 56%는 럭셔리 물품에 대한 소비를 줄일 것이라고 말했지만, 한 달 후, 중국 소비자들의 럭셔리 크루즈 예약물량은 2019년에 비해 9% 상승했다. 새로운 AI 기술의 등장으로, 기업들은 현재 가중되는 한계를 극복하고 소비자 상호작용의 새로운 기회의 장을 열 수 있다. 불과 몇 년 전만 하더라도, 기업들은 시간과 비용을 이유로 어쩔 수 없이 도달 고객의 규모와 그 도달을 위해 필요한 상호작용의 다양성과 깊이 중 선택을 해야만 했다. 하지만, AI는 이 트레이드오프를 역동적인 피드백 순환으로 변화시켜 판도를 뒤집었다. AI를 활용하면, 지능형 프로세스가 빠르게, 대규모로, 한계비용으로 진행된다. 대규모 상호작용을 통해 얻은 교훈으로 기업들은 향후 상호작용의 다양성과 깊이를 역동적으로 업데이트할 수 있다. AI로 인해 개인맞춤형으로, 스스로 학습하고, 대응성이 높으며, 신속하게 확장가능한 새로운 소비자 상호작용 접근법이 가능해지고 있다.
소비자 대화 재구성
현재 기업들의 목표는 새로운 소비자 대화를 형성하는 끊임없이 진화하는, 양방향, 개인맞춤형, 대응성 높은 논의에 소비자를 참여시키는 것이다.
지속적 반복적 프로세스. 새로운 소비자 대화는 전통적인 상호작용을 반복적이고 상호적인 대안들로 대체한다. 상호작용을 대화로 취급하는 것의 가치는 이것이 기업의 궁극적인 목표-소비자 행동을 분석하고 행동변화에 대응하는 것-를 기업과 소비자의 지속적인 상호작용을 가능하게 하는 대화로서 다룬다는 점이다. 이 친밀하고 지속적인 연결은 소비자 행동양식이 매우 변덕스럽게 된 지금 더욱 중요하다.
이러한 지속적인 대화를 통해 소비자 행동에 대한 무수히 많은 새로운 데이터가 만들어진다. 이 인사이트와 거시트렌드에 대해 외부에서 확보한 데이터를 결합해, 기업들은 소비자 선호도에 대해 보다 전체적인 이해를 할 수 있고 소비자 기대치가 미묘하게 변화할 때 이를 알려주는 신호를 찾아낼 수 있다. 이로 인해 지속적인 학습을 통해 소비자 상호작용에 대한 거의 실시간 자체 업데이트가 가능하다. 그 후 기업들은 기존 상호작용을 더욱 완벽하게 수정하거나 신호들이 제시하는 새로운 대화주제와 방법을 시험해 볼 수 있다.
스포티파이(Spotify)의 새로운 숏컷(Shortcuts)기능은 지속적인 소비자 대화가 어떻게 결실을 맺을 수 있는지 보여주는 좋은 예이다. 스포티파이는 청취습관, 신규출시 음악, 거시적인 음악 트렌드에 대한 방대한 양의 데이터를 활용하고 휴리스틱(heuristics) 및 머신러닝 모델을 이용해 사용자 경험을 업그레이드했다. 그 결과 개인이 가장 많이 사용하는 콘텐츠에 대해 더 쉽게 접근하고 새로운 음악 탐색의 맞춤형 선곡이 가능해졌다. 잦은 피드백 순환을 통해 이 경험을 지속적으로 개선할 수 있는데, 예를 들어 하루 중 다른 여러 시간 대의 소비자의 청취습관을 반영해 음악추천기능을 진화시킬 수 있다.
새로운 데이터를 이용해 기업들은 소비자 행동변화의 작은 신호도 파악할 수 있다.
양방향 연결. 일방적 접근과 달리, 새로운 소비자 대화 접근법은 소비자들이 피드백, 콘텐츠, 의견을 공유할 수 있을 뿐 아니라 그들의 의견이 진정으로 필요하고 고려됨을 보여줌으로써 소비자들의 기여도를 상승시켜주는 새로운 상호작용방식을 소비자들에게 제시한다.
화장품 브랜드 기업인 글로시에(Glossier)는 이 역학을 실험했다. 이 회사는 다양한 플랫폼에 대해 소비자 참여와 의견을 자세히 모니터하고 이 인사이트를 기준으로 소비자들과 끊임없이 반복 상호작용한다. 이 프로세스는 다음처럼 진행된다. 구매습관에서부터 탐색, 의견제시에 이르기까지 다양한 플랫폼에서의 소비자 행동을 살펴봄으로써, 글로시에는 직접 표현된 것이건 보다 미묘하게 신호를 보이는 것이건 간에 소비자들의 관심사를 파악한다. 글로시에 팀들은 이 인사이트를 기반으로 새로운 콘텐츠를 제작한다. 소비자들은 사진이나 동영상 등 관련 자체제작 콘텐츠로 이에 반응하는 것이 독려된다. 그 후 글로시에 팀은 소비자들의 반응을 활용해 콘텐츠를 한층 더 수정하고 개인맞춤화한다. 진정한 양방향 대화인 것이다.
개인맞춤형 대응형 논의. 정적이고 이미 정립된 규칙이 한 때 기업과 소비자들의 상호작용을 정의했지만, 새로운 소비자 대화는 이 모든 것을 소비자 개개인이 원하는 것과 필요로 하는 것에 중점을 두는 개인맞춤화를 통해 변화시킨다. 이 개인맞춤화는 메세지의 맞춤화, 대화 톤의 선택, 서비스 푸시, 특정 상품이나 서비스 및 프로모션의 추천 등으로 구체화된다.
한 글로벌 음료회사가 개인맞춤화를 어떻게 자판기에 적용했는지 살펴보자. 이 회사는 소셜 미디어를 통해 모은 데이터를 포함해 어마어마한 양의 데이터 세트를 수집 및 분석해 소비자들이 자사 제품을 언제, 어디서, 어떻게 소비하는지에 대해 세밀한 수준까지 이해하고 있다. 그 후, 개별 소비자의 현재 지역에 따라 적절하게 광고와 제품 제공을 맞춤화한다. 또한 자판기를 회사의 스마트폰 앱과 디지털로 연결해 소비자들은 디지털로 음료를 구매하고 로열티 프로그램 리워드 포인트를 이용해 구매를 하며, 자판기에 도착하기 전에 사전주문도 할 수 있다.
성공요인 재정의
새로운 소비자 대화를 실행하기 위해서는 ‘새로운 데이터, 새로운 프로세스, 새로운 의사결정’ 이라는 세 가지 근본적인 차원에서의 패러다임 전환이 필수적이다. (보기 참조.) 이 같은 전환은 소비자 상호작용의 핵심 성공요인을 재정의하며 정적인 소통에서 동적인 대화로의 전환의 시급성을 강조해 준다.
새로운 데이터. 새로운 소비자 대화에 연료가 되는 새로운 데이터는 보통 비정형적이며, 어느 때보다 광범위한 출처에서 엄청난 양의 데이터가 가능한 한 자주 업데이트된다. 결과적으로, 핵심 성공요인은 데이터 품질에서 데이터 양과 신선도로 변화하고 있다.
이 새로운 데이터는 알고리즘에 공급될 필수적인 내용을 제공한다. 소비자행동변화의 미약한 신호까지 파악하고 빠른 데이터 노후화에 대처할 수 있다. 예를 들어, 벤앤제리(Ben&Jerry)의 시장 조사 이니셔티브는 AI와 머신러닝 역량을 활용해 노래 가사 및 다른 콘텐츠에서 데이터를 추출했다. 이를 통해 새로운 소비자 트렌드를 찾아냈는데, 바로 아침식사로의 아이스크림이었다. 이 인사이트를 기반으로 벤앤제리는 경쟁업체들보다 2년 먼저 아침식사 맛 아이스크림을 빠르게 출시했다.
새로운 데이터를 수용하는 과정에서, 기업들은 우선 관련 데이터 제공업체의 자격에 대한 이해를 확대하고 새로운 데이터 출처가 풍부한 생태계를 구성해야 한다. 즉, 기업들이 디지털 소매업체를 넘어 더욱 광범위한 출처의 데이터에 접근해야 함을 의미한다. 예를 들어, 기업들은 날씨, 뉴스, 공공 행사, 검색주제의 발전 등 공개적으로 가용한 데이터를 활용할 수 있다. 이 약한 신호들을 모두 모으면 귀중한 자산이 되어 기업들이 세분화된 단계로 강력한 트렌드를 파악해, 소비자 습관, 선호도, 니즈에 대해 보다 전체적이고 종합적인 견해를 만드는 데 도움이 될 수 있다.
기업들은 데이터 신선도를 보장해야 하는데, 이는 데이터 접근방법과 관련이 있다. 즉 기업들은 생태계 파트너사들과 거의 실시간으로 데이터를 공유할 수 있는 적절한 데이터 인프라를 구축해야 한다. 적절합 파트너사들로 이루어진 생태계를 찾는 것은 상호작용 빈도가 낮은 산업(자동차나 부동산업 등)에서 특히 중요한데 데이터 수집의 기회가 상대적으로 드물기 때문이다.
새로운 프로세스. 다양한 가용데이터를 고려하고, 새로운 패턴을 찾아내고, 각각의 소비자들에 대해 즉각적인 대응을 역동적으로 개인맞춤화하면서, AI기반, 준 실시간, 적응성 반응에 집중하기 위해 새로운 주요 프로세스가 필요하다.
새로운 프로세스의 중심에 있는 머신러닝과 딥러닝 방법은 분석과 대책의 지속적인 순환을 만들어 준다. 매 순환은 새로운 소비자 반응을 생성해, 소비자 행동에 대한 새로운 데이터를 도출한다. 이 시스템이 이 결과 데이터를 통해 학습하면, 이 새로운 인사이트는 그 다음 순환의 대책과 대응을 만들어낸다. 간단한 예는 페이스북(Facebook)의 텍스트 이해 엔진인 딥텍스(DeepText)이다. 수 천개 포스팅의 콘텐츠 뿐 아니라 감정적인 정서까지 문맥적으로 이해해 새로운 인기 주제를 추적하고, 주제에 대한 견해를 변화시키며, 불만에 대한 초기징후를 파악하는 기능이 있다. 그 이후 이 엔진은 관련대책을 제안하며 끊임없이 이전의 상호작용을 통해 계속해서 학습한다.
이 새로운 프로세스가 정착하면, 핵심 성공요인들은 분석의 정확성에서 반응과 학습의 속도로 진화한다. 소비자 인사이트의 유효기간이 어느 때보다 짧아지면서, 성공은 기업들이 새로운 인사이트를 도출하고 그에 따라 행동하는 속도의 함수가 될 것이다.
따라서 기업들은 AI에 적극적으로, 기술과 인적인 측면 모두에, 투자해야 한다. 기업들은 빠르게 움직이는 기술 진보에 뒤쳐지지 않아야 한다. 끊김없는 분석과 대책의 순환을 계속해서 정제하는 시스템의 능력은 훨씬 더 강력해 질 것이다. 강화학습이 좋은 예이다. 딥러닝에서 한 발 더 나아가, 비정형 데이터를 통해 인사이트를 도출하는 것 뿐 아니라 이전 인사이트의 효과를 테스트해 그 정확도와 품질을 자율적으로 개선한다. 그리고 인적인 관점에서는 숙련된 인재가 기업이 AI의 역량을 마스터하고 그 잠재력을 활용하는데 필수적이다.
새로운 의사결정방식. 새로운 소비자 대화에서, 의사결정은 AI가 거의 실시간으로 움직일 수 있는 도처에 존재하고 포괄적인 환경이 되기 위해, 전통적 순차적 방식의 마지막 단계에서 상호작용으로 변화하고 있다. 이 새로운 의사결정 접근법은 핵심 성공요인을 사례별 의사결정에서 AI역량과 인간의 창의적 지능이 어우러져 ‘게임의 법칙’을 설정하는 신중하게 고려된 글로벌 프레임으로 변화시키고 있다.
AI가 새로운 소비자 대화에 중요한 것처럼, 그 한계를 염두에 두는 것 역시 중요하다. 첫째, 알고리즘은 입력데이터에 이미 존재하는 편견을 강화시킴으로써 소비자 행동분석에 편견을 심을 수도 있다. 둘째, AI기반 시스템은 소비자 스스로도 인식하지 못한 니즈를 예측하는 능력 때문에 꺼림직한 것으로 인식될 수도 있다. 마지막으로, 창의성은 현재 AI가 할 수 있는 것의 영역을 넘어서는 것이다. 창의성은 기존 데이터와 프레임 워크를 넘어 가정법적 사고에 의존하는데, 이는 인간이 가장 뛰어난 분야이다. 따라서, 창의성을 모색할 때는 인간의 개입과 함께 AI가 사용되어야 한다.
기업들은 AI시스템의 발전을 인간의 주의와 개입으로 면밀히 관찰하면서, 책임있는 AI 실행을 보장해야 한다. 기업들은 소비자들이 개인맞춤화를 침범 혹은 사생활 침해로 경험하지 않기 위해 필수적인 투명성과 ‘전술’을 실행해야 한다. 예를 들어, 이동통신업체가 어떤 소비자가 경쟁업체와 상호작용하는 것을 발견한다 하더라도, 당장 접촉을 시도하는 것은 자제해야 한다. 그 대신, 며칠 기다린 후, 새로운 홍보제안으로 소비자들에게 은근히 접근해야 할 것이다.
새로운 경쟁우위 창출
새로운 소비자대화를 도입하는 것은 비용과 연결성 사이의 전통적인 타협을 깨뜨리고, 불확실한 상황에서도 초 대응성(hyperresponsiveness)과 탄력성을 촉진하며, (두말할 것도 없이) 소비자들의 소속감, 친화력, 몰입도를 만들어냄으로써 기업들에게 상당한 경쟁우위가 된다.
AI를 이용하면 기업은 상호작용에 대한 비용과 연결성 간의 전통적인 트레이드 오프를 깨뜨릴 수 있다.
비용과 연결성 모두 추구. 전통적인 접근법에서는, 주로 비용문제로 인해, 표준 메세지로 많은 소비자들에 접근하는 것과 개인맞춤화된 메세지로 소수의 소비자들에게 접근하는 것 사이에 선택을 할 수 밖에 없었다. 하지만 AI가 새로운 소비자 대화의 핵심이 되면서, 기업들은 상호작용에 대한 비용과 연결성 간의 전통적인 트레이드오프를 깨뜨릴 수 있다. AI는 상호작용의 도달범위와 풍부함 중 선택을 해야만 하는 필요성을 없앤다. 한편으로는 새로운 패턴의 소비자 행동을 유례없는 규모와 정확도로 파악하고, 다른 한편으로 이 패턴에 실시간으로 대응할 수 있다. 게다가 이 두 가지가 모두 제한적인 한계비용으로 가능하다.
예를 들어, 전자상거래 플랫폼인 이베이(eBay)는 AI기반 카피라이팅의 선구업체인 프라시(Phrasee)와 제휴해 수십만 건의 마케팅 카피를 단 몇 번의 클릭으로 대규모로 창출해 낸다. 자연언어생성 및 딥러닝 모델을 이용한 프라시의 기술은 사람처럼 들리는 언어를 만들어 내며, 이는 이베이의 브랜드음성에 맞춤화되고 이 플랫폼을 사용하는 1억 명의 이메일 가입자들의 끊임없이 변화하는 행동양식과 선호도에 따라 수정된다. 또한, 대규모로 운영되는 프라시의 기술을 통해 마케팅 캠페인 하나를 설정하는데 단지 5분이면 충분해, 효율성 개선과 비용절감을 실현한다. 미국에서만, 이 이니셔티브를 통해 평균 오픈률이 약 16% 상승하고 평균 클릭률은 31% 이상 증가해 모든 캠페인에 대해 일관된 ROI를 달성했다.
불확실한 상황에서도 초대응력 및 회복력 확보. AI를 중심에 둔 새로운 소비자 대화는 초 대응성 학습 순환을 가능하게 한다. 이를 통해 이 루프를 도입한 기업들은 소비자행동을 거의 실시간으로 파악하고 이해할 수 있다. 또한 기업들은 이 변화에 대해 신속할 뿐 아니라 적절하게 대응하면서, 새로운 니즈와 기대를 충족하는데 가장 적절한 방식으로 움직일 수 있다. 이같은 거의 실시간 대응력의 결과로, 기업들은 더 큰 관련성과 신뢰성을 확보하게 되어 예측불가능한 시기에 회복력을 강화시킬 수 있다.
2020년 5월 엔진 최적화 업데이트를 실시한 구글은 코로나19 위기와 관련된 높은 불확실성의 상황에서 초 대응력의 가치를 입증했다. 지속적인 기간동안 단일 주제에 대한 검색이 전에 없이 상승함에 따라, 이 디지털 대기업은 검색순위 기준을 관련 내용에 대한 사용자의 새로운 정의, 즉 특히 코로나 상황 업데이트나 코로나 진단검사에 대한 최신정보 등 현지 특화 정보를 반영해 업데이트했다.
소비자 소속감, 친밀감, 몰입도 향상. 소비자들의 의견을 진지하게 요청하고, 그들의 니즈와 선호도를 철저히 고려하며, 거래 이외에 관심사에 해당하는 영역으로 대화주제가 확대됨에 따라, 소비자들은 ‘관계 투자에 대한 수익’을 경험하게 된다. 따라서 소비자들은 새로운 소비자대화를 도입해 이같은 혜택을 제공하는 브랜드들을 더 선호하고 더욱 적극적으로 상호작용하게 될 것이다.
예를 들어, 영국에 본사를 둔 의류소매업체 아소스(Asos)는 소비자들이 입고 싶은 옷을 입은 인기 유명인사의 사진을 업로드할 수 있는 앱을 출시했다. AI로 구동되는 이 앱은 사진에 찍힌 옷과 비교해 아소스 의류 데이터베이스를 스캔해 비슷하거나 더 저렴한 상품을 제안할 수 있다. 이 같은 소비자와 기업간의 대화의 결과 상품 리뷰는 약 50% 증가했고 방문자들의 재방문률은 약 75% 상승했다.
전반적으로, 소비자들은 이해받았다고 느낄 때 참여할 가능성이 더 높고, 기업들은 소비자들의 변화하는 선호도에 주의깊게 귀기울이고 적절히 대응할 때 성공할 가능성이 높다. 이런 역학구조로 인해 새로운 종류의 관계, 상호작용들이 각 상호작용을 개선시키는 발전적인 관계가 생성된다. 이런 식으로 기업들은 소비자 요구의 변화를 따라잡을 수 있다.
하지만, 소비자들은 한 번에 너무 많은 양방향 대화에 투자할 수 없고 하지도 않을 것이다. 이를 고려할 때, 새로운 소비자 대화를 빠르게 도입하는 기업들은 상당한 시장선도자(first-mover) 우위를 확보할 수 있을 것이다.
새로운 경쟁 우위를 확보하기 위해, 기업들은 새로운 소비자 대화의 성공적 실행을 위해 필수적인 패러다임 전환의 세 가지 요소에 따라 지금 당장 움직여야 한다. 이 같은 소비자 상호작용의 변혁을 통해 기업들은 다른 경쟁업체들보다 먼저 새로운 중대한 경쟁우위를 점할 수 있을 것이다. 중요한 것은 이것이 기존 기업들이 소비자 상호작용을 최첨단 수준으로 업그레이드할 수 있는 기회가 되며, 더 이상 디지털 선도기업들만의 전유물이 아닐 것이라는 점이다.
