오늘날 기업들은 캠페인 및 광고에 대한 투자의 정당성을 입증하기 위해 다양한 지표를 사용한다. 그러한 지표 중에서도 특히 가장 중요한 것이 바로 고객생애가치(LTV)이다. 하지만, 전세계 광고주의 3분의 1만이 LTV의 중요성을 인지하고 있다. LTV는 한 명의 쇼핑객이 브랜드와의 전체 상호작용에서 얼마 만큼의 금전적 가치를 갖는지를 수치로 평가한 것이다. LTV를 높이는 것은 기업이 고객의 구매 전환을 유도하고 높은 충성도를 구축하기 위해 반드시 필요하다. 가령 유저가 특정 전자상거래 앱을 의식적으로 찾아 설치까지 할 경우, 이 유저는 광고를 통해 설치에 이른 유저에 비해 훨씬 더 높은 가치를 지닌다. 앱스플라이어(AppsFlyer)에 따르면 전세계 10.9%의 유기적(organic) 앱 유저가 앱 설치 후 3개월 이내에 1회 구매함으로써 미화 U$ 20.63 달러의 LTV를 보였다. 반면 8.9%의 비유기적 유저의 경우 LTV는 미화 U$ 7.10 달러에 그치는 것으로 나타났다. 기업이 LTV 향상을 위해 채택할 수 있는 중요한 전략 중 하나가 바로 개인맞춤화(personalization)이다. 고객들이 자신에게 가장 알맞게 다듬어진 컨텐츠, 상품, 브랜드 경험을 발견할 경우 재방문 가능성은 높아지고, 이탈 가능성은 낮아진다. 이는 브랜드에 대해 처음 알게 되는 시점에서 브랜드의 컨텐츠에 몰입하게 되는 과정, 그리고 구매 결정을 내리고 충성 고객으로 변화될 때까지 고객생애의 전 단계에 걸쳐 유효하게 적용된다. 브랜드 경험을 개인화 하는 여러 방법이 있지만, 요즘은 그 중에서도 인공지능(AI) 기반 솔루션들이 개인화를 한 단계 높은 경지로 끌어올리고 있다. 마케터가 인공지능을 활용하여 구매자 여정 (buyer journey) 전반에 걸쳐 LTV를 높일 수 있는 몇 가지 방법을 아래에 소개한다.
가능성 높은 잠재고객 중심으로 인지도 구축
브랜드 인지도 구축의 초기 단계에서 과거 마케터들은 누구를 타겟팅할 것인가를 파악하기 위해 고객 설문 조사와 패널 데이터를 이용했다. 하지만 이 방법은 상당한 시간이 걸리는 경우가 대부분이며, 외부의 제3자 데이터에 의존해야 했다. 이 보다 더 큰 문제는 이러한 데이터의 범위가 충분치 않아 정확한 고객 집단을 찾은 것인지 보장하기가 어렵다는 것이다. 요즘은 애피어의 AIXON 데이터 사이언스 플랫폼과 같은 인공지능 기반 툴을 사용하면 고객의 행태와 관심사에 따라 고객을 분류할 수 있는 예측적 고객 세분화를 구현할 수 있다. 자사의 사이트 뿐만 아니라 외부 사이트에서 발생한 고객의 브라우징 및 구매 활동 관련 데이터를 모두 분석하여 인공지능(AI) 시스템이 관심사에 따라 고객 집단을 분류한 다음 각 고객 집단의 특성을 파악해 프로필을 작성하고, 이들 고객의 향후 행동도 예측할 수 있으며 개인맞춤형 캠페인을 통해 이러한 고객 공략에 필요한 인사이트도 제공할 수 있다. 뿐만 아니라 인공지능은 기존 고객의 행태를 외부 데이터베이스의 고객 특성과 비교해 유사한 고객 집단을 찾아 낼 수도 있다. 이를 통해 마케터가 손을 뻗을 수 있는 타겟 공략 범위를 극대화할 수 있으며 타겟팅 고객 집단 내에서의 인지도를 강화할 수 있다. 그 결과 더 많은 고객이 브랜드에 관심을 보이고 브랜드와의 상호작용을 지속하고 궁극적으로 구매 전환으로 이어질 가능성이 높아진다. 일본 최대의 수공예품 C2C 마켓플레이스인 민네(Minne)는 AIXON의 전환 예측 지능(brain) 기술을 사용하여 구매 이력이 없는 앱 유저를 식별한 다음 이들에게 푸시 알림 캠페인을 통해 특정 상품 카테고리를 소개했다. AIXON은 또한 구매 의도가 높은 고객을 식별해 내고, 신규 앱 유저를 유입하기 위해 페이스북에서 민네의 광고를 배포할 고객 집단을 생성하기도 했다. 그 결과, 민네의 앱 푸시 알림 개봉률(open rate)은 무작위 선정 고객 집단과 비교할 때 약 2.8배 상승했으며, 구매 전환율은 약 3배 더 높아졌다. AIXON을 사용하기 전과 비교할 때 설치 1건당 비용은 거의 동일하게 유지되었지만, 설치 건 수는 3배, 매출은 2.4 배 증가했다.
인공지능 기반 개인화를 통한 고객의 구매 고려 확대
브랜드 인지도 캠페인을 통해 최적의 고객 집단을 웹사이트나 앱으로 유입시켜도 다시 방문할 만큼의 가치가 있는 적절하고 맞춤화된 컨텐츠가 없으면 결국 이탈할 가능성이 높다. 최근 진행된 한 연구에 따르면, 전체 구매 전환 중 84%가 유저의 최초 방문 시에 발생한다고 한다. 여기서 문제는 단순한 위치 기반 필터 및 시간대별 프로모션 이벤트 이외에는 처음으로 웹사이트나 앱을 방문하는 유저에게 개인맞춤형 컨텐츠를 제공할 방법이 없다는 점이다. 바로 이 문제 해결에 인공지능이 도움을 줄 수 있다. 인공지능은 방문자가 해당 사이트 이외의 다른 곳에서 보인 관심사를 분석하고 최초 방문 시 이들 고객의 반응을 이끌어 낼 수 있는 컨텐츠가 무엇인지를 예측해 낸다. 예를 들어, 여행 사이트의 경우 유저가 케냐에서의 사파리 여행이나 투스카니의 와인 여행 관련 기사를 검색한 이력에 근거하여 최초로 방문하는 유저를 이미 “아웃도어 활동가” 또는 “와인 애호가” 등으로 분류할 수 있다. 그리고 이러한 분류를 통해 최초로 사이트에 접속하는 이에게 도 개인맞춤형 컨텐츠를 제공할 수 있다.
구매 고려 단계에서 실제 구매 전환으로 유도
노련한 고객이라면 마음에 드는 특정 제품을 발견할 경우 여러 사이트를 조사하고 가격을 비교한 다음 구매하기 마련이다. 보통 이 과정에서 노트북, 태블릿, 휴대폰 등 다양한 기기를 옮겨 다니며 조사를 진행한다. 이렇게 복잡한 구매자 여정 때문에 마케터는 고객의 활동 전반을 종합적으로 파악하기 어렵다. 고객에 대한 종합적인 이해야 말로 가장 적절한 시기에 적절한 화면을 제공하여 고객의 실제 구매를 유도하는 필수 요소임에도 말이다. 인공지능 기반 능동적 마케팅 자동화 툴을 사용하면 여러 기기를 사용하는 유저를 하나로 연결하여 통합고객관점(SCV)을 제공함으로써 개인맞춤화를 실현하여 복잡한 구매 여정과 관련된 이 문제를 극복할 수 있다. 따라서 고객이 아침에 휴대폰으로 가정용 가구 상품을 조사한 뒤, 낮에 노트북에서 가격을 비교하고, 밤에 태블릿을 통해 선호하는 상품을 장바구니에 추가할 경우, 다음날 아침 출근 시간대에 휴대폰으로 푸시 알림을 제공하여 장바구니에 담긴 상품을 결제하도록 유도할 수 있다.
스마트 리마케팅(Remarketing) 을 통한 고객 충성도와 고객 유지 제고
마케터들에 따르면 기존 고객을 대상으로 한 리 마케팅이 신규 고객 유치에 비해 비용대비 효과가 더 높다고 한다. 하지만 모든 방문 고객을 리타겟팅할 필요는 없다. 인공지능은 데이터 분석을 통해 리타겟팅 과정에서 투입 금액 대비 가장 높은 효과를 가져올 수 있는 고객 그룹을 찾아낸다. 즉, 지난 5일 간 2회 이상 방문한 사람, 또는 지난 10일 이내 구매 이력이 있는 사람 등이 여기에 해당된다. 그리고 앞으로의 예상되는 행동에 근거하여 이러한 고객들의 우선순위를 매긴다. 이는 전자상거래에서 특히 유용한 기술이다. 인공지능이 자주 방문하는 사용자 및 구매자의 행태를 분석하고, 이에 근거하여 다음 방문 시에는 최선의 상품 추천을 제안할 수 있다. 또한 앱 사용량이 크게 줄어든 유저를 찾아 마케터에게 이탈 가능성이 높은 앱 유저를 알려주기도 한다. 그러면 개인맞춤형 메시지를 보내 이러한 유저의 이탈을 막고 그로 인한 손실도 줄일 수 있다. 마케터는 번잡한 온라인 세계에서 유효 고객의 눈길을 사로잡기 위해 끊임 없이 노력해야 한다. 인공지능을 활용함으로써 고객 생애 전 단계에 걸쳐 개인맞춤형 경험을 제공하고 이를 통해 고객생애가치(LTV)를 향상시킴으로써 경쟁에서 한 발 앞서 나갈 수 있을 것이다.
