AI, 미래 리테일 시장의 ‘록스타' 될 것

애피어 최고 머신러닝(ML) 과학자 슈드 린 (SD Lin)
애피어 최고 인공지능(AI) 과학자 민 선(Min Sun) 

바야흐로 소비자는 가장 다이나믹하고 흥미로운 시대를 겪고 있다. 2년 이상 이어져온 코로나19 대유행으로 온라인 쇼핑은 그야말로 폭발적인 성장기를 거쳤다. 현재는 자택 격리 및 거리두기 등 코로나 관련 제한이 세계적으로 서서히 완화되면서 오프라인 스토어의 화려한 부활이 점쳐지고 있다. 

소비자는 온라인과 오프라인 쇼핑 중 선택해야 하는 기로점에 놓여 있기보다는 리테일 시장이 진화하는데 중요한 ‘피버팅(pivoting)’과정에 놓여 있다. 지금은 브랜드가 온라인 및 오프라인 고객 경험을 통합해 쇼핑객들에게 한 단계 나아간 쇼핑 경험을 제공해야 할 때이다. 브랜드들은 이제 오프라인 스토어를 온라인 스토어만큼 편리한 공간으로 만들어야 하는 과제에 직면해 있다. 이제 리테일 산업은 쇼핑을 넘어서 리테일-엔터테인먼트로 진화했기에, 개인화된 쇼핑 경험 및 맞춤형 추천을 갖춰야 하는 것은 덤이며 재미까지 선사해야 한다.

이러한 리테일 대 전환의 기로에, AI는 어떤 역할을 할 수 있을까? 애피어는 AI가 쇼핑에 몰입과 직관을 더해, 미래 리테일 산업에 ‘록스타'가 될 것으로 보고 있다. 

AI, 진정한 OMO 리테일 경험을 선사하다 

오프라인 스토어를 구축하는데 디지털화는 가장 먼저 거쳐야 할 관문이다. 매장 곳곳에 붙여놓은 QR 코드로 쇼핑객이 제품에 대한 정보를 손쉽게 얻고, 스마트 거울과 AR/VR로 가상 시착 같은 것들이 이에 포함된다. 하지만, 그러나 이런 디지털화는 오프라인 및 온라인 채널간 통합이나 오프라인 및 온라인의 데이터 통합 없이 실제 매장 단순한 재미만 제공하는 것에 그치고 만다.

AI는  온라인 및 오프라인 스토어 데이터를 통합해 마치 하나의 쇼핑 경험처럼 연결해, 기업이 다음 단계의 쇼핑 경험을 제공 할 수 있도록 도와 줄 수 있다. 애피어의 AI 기반 솔루션들은 여러 채널에 걸쳐 산재되어 있는 소비자의 관심도, 선호, 구매 이력과 같은 기업이 가지고 있는 퍼스트-파티 데이터들을 통합해 실시간으로 소비자 개개인에 맞는 콘텐츠를 개인화 해준다. 예를 들어, 나와 잘 어울릴법한 디자인과 핏을 가진 셔츠가 매장 어디에 있을지 찾아 헤매던 경험이 한 번 쯤은 있을 것이다. AI를 이용하면, 쇼핑객들은 스마트폰 하나만으로 놀라울 정도로 편리하고 빠르게 찾아낼 수 있다. 매장 곳곳에 놓인 QR 코드를 스캔하면 매장이 나에게 잘 맞을 법한 셔츠의 정보를 곧바로 제공  해준다던가, 심지어 매장에 들어설 때 스마트폰으로 체크인 하는 과정만으로도 이러한 정보를 제공받을 수 있다. 

좀 더 진화한 OMO 접근을 살펴보자. 진화된 OMO 접근과 함께라면 온라인 및 오프라인 세계의 경계를 완전히 허물고 심지어 물리적으로 존재하지 않는 옷을 가상으로 입어볼 수도 있다. 키, 체형, 사이즈 등 자신과 똑같은 정보를 가진 가상 아바타를 하나 만들고, 이 아바타에게 옷을 입혀 실제 내가 입었을 때 어떻게 보일지, 핏은 어떨지 대략적으로 파악이 가능하다. 이러한 경험은 2D가 아닌 3D로 가능한 경험이며, 아이템을 여러 사진으로 찍어 3D 가상 표현을 만든 다음, AI 알고리즘과 센서로써 이를 가능하게 만들 것으로 기대된다.

AI, 매장 직원보다 더 나은 추천 해준다

쇼핑은 즐거운 활동이지만 어디서부터 시작해야 할지 감이 잡히지 않는다면 이는 스트레스다. 이는 이커머스 사이트 내 추천 엔진이 해결할 수 있는 부분이다. 하지만 AI 없이 추천 엔진은 단순히 “가장 많이 본/가장 많이 구매한 아이템"이나 “이 아이템을 보거나/산 사람들이 이런 아이템들도 보거나/샀어요"와 같은 항목들만 보여주는데 그친다.이러한 추천은 소비자와 관련성이 높은 제품을 보여주지도 못하고 소비자의 선택 장애에 큰 도움도 되지 못한다. 대체적으로 소비자는 '블랙 라이더 재킷'과 같이 자신이 원하는 상품에 대해서 대략적으로는 알고 있지만 매장에서 판매하는 모든 상품을 파악하기 어렵고 여유도 없다. 매장이 보유하고 있는 모든 아이템들은 파악하기 어렵고 파악할 시간도 부족하며 특히 봐야할 상품이 실제 매장에도 있고 온라인에도 있을 때 선택은 더 어려워지며, 너무 많은 선택권이 앞에 산재해 있으면 우리는 결국 장바구니 이탈을 하고 만다. 다시 말해, 우리는 무엇을 모르는지 모르며, 너무 많은 선택권 앞에 놓여 있으며, 이는 궁극적으로 아이템들의 장바구니 유기로 이어진다 

AI 기반 추천 엔진은 이와는 차원이 다른, 사이트 내에서 쇼핑객이 무엇을 좋아하고 싫어하는지를 추적하여 쇼핑객 한 사람 한 사람에게 맞춘 내밀한 맞춤형 추천을 제공합니다.. 조금 전 이야기한 블랙 라이더 자켓을 예로 들어보자. AI 추천 엔진을 사용하는 매장은 일반적으로 인기 상품을 보여주거나 보유한 모든 상품을 보여주는 대신, 쇼핑객이 보여준 관심사나 행동에 기반해 해당 쇼핑객에게 가장 어필 할만한 블랙 라이더 재킷을 먼저 추천할 수 있다. 

스마트폰, 태블릿, 스마트 스크린 등이 있으면 오프라인 매장에서도 동일하게 경험할 수 있다. (매장이라는) 하드웨어는 변하지 않지만, 매장이 겪는 한계는 AI로 충분히 해결 가능하다. 매장 점원은 가방 하나를 들고 “잘 어울리실 것 같아요"고 추천해줄 수 있지만, AI는 “이 파란색 클러치가 당신 마음에 쏙 들 것”이라고 추천해 줄 수 있다. 온라인이든 오프라인이든 AI 기반 추천 모델을 더 잘 활용할수록, 더 정확해진 추천을 제공해 줄 수 있다. 아마 머지않아, AI는 당신보다 더 당신의 마음을 잘 알지도 모른다. 

OMO 모델은 쇼핑객들에게 더 많은 제품을 보여주고, AI 기반 추천 엔진은 단시간 내에 알맞은 제품을 알맞은 이들에게 연결해주는 매우 중요한 역할을 할 것이다. 

AI, 미래 리테일 경험의 기반

궁극적으로 AI가 지니는 힘은 학습하고, 예측하고, 실행 가능한 인사이트를 제공한다는 점이다. AI 보편화라는 미션을 지속 실생활에 반영해가고자 노력하고 있는 애피어는, AI 기술이 미래 리테일 경험의 주요한 기반이 될 것이라고 확신한다. AI 분석 툴을 이용한 기업은 어떠한 프로모션 활동이 쇼핑객을 이끄는지 파악할 수 있다. 또한 AI 인게이지먼트 툴을 이용한 브랜드는 쇼핑객과의 인터랙티브 활동을 자동화하고 새로운 모델을 보다 효율적으로 창조해낼 수 있다. 

기술과 리테일은 이제 서로에게 필수 불가결한 존재가 되었다. AI는 이제 기업들이 리테일 경험을 제공할 때 어떤 요소가 효과가 있는지, 또 없는지 알게 만들어주고, 어떤 것이 또 효과가 크고 좋은지도 알게 만드는 역할을 할 것이다. AR, VR, 심지어 메타버스 내 까지, 어느 형태로든 AI는 리테일 경험의 현시점에 핵심 역할을 하리라 기대된다. 

# # #