4 min read
소비자가 특정 브랜드 웹사이트를 처음 방문해서 느낄 수 있는 당혹감이 있다. 모든 것이 새롭고 낯설거나, 찾고자 하는 것을 바로 찾을 수 없을 때 그렇다. 하지만 요즘은 인공지능(AI) 기술의 도움으로 그런 당혹감을 줄일 수 있다. 웹 개인화를 통해 특정 고객의 요구 사항이나 관심사를 토대로 웹사이트 콘텐츠와 환경을 맞춤 조정하면 가능하다. 고객 데이터 인프라스트럭처 기업 세그먼트(Segment)의 2017년 개인화 현황 보고서에 따르면, 전체 소비자의 44%가 개인화된 쇼핑 환경을 경험하고 난 후 재구매할 가능성이 높고, 39%는 친구나 가족에게 그 경험에 대해 공유할 가능성이 높은 것으로 나타났다. 그러나 대다수의 마케터가 여전히 웹사이트 개인화 실행에 어려움을 겪고 있으며, 이와 관련해서 잘못 알고 있는 사실이 많다는 점도 상황 해결에 도움이 되지 않고 있다. 웹사이트 개인화와 관련한 일반적인 오해 중에서 가장 흔한 다섯 가지를 짚어 봄으로써 사실과 허구를 구분해 인지할 필요가 있다.
- 콘텐츠만 개인화하면 된다고 생각하는 오해
모든 기업은 자사 콘텐츠에 나름의 자부심을 가지고 있다. 하지만 콘텐츠의 힘만으로 사용자들의 참여를 좌우할 수 있는 것은 아니다. 전반적인 사용자 경험이 그보다 훨씬 중요하고, 그 사용자 경험의 핵심에 개인화가 있다. 아마존(Amazon)을 예로 들어보자. 흔히 아마존에서는 하늘 아래 존재하는 모든 것을 판매한다는 말이 있을 정도로 없는 것이 없다. 따라서 아마존의 콘텐츠는 가히 비견할 데가 없다고 할 수 있다. 그러나 아마존이 콘텐츠에만 의존했다면 지금과 같은 큰 성공은 이루지 못했을 것이다. 사용자가 구매할 만한 다른 품목 제안, 원클릭 구매와 같은 간소화된 거래 옵션, 묶음 상품 할인 판매 등을 제공할 뿐만 아니라, 아마존은 이 모든 부가 서비스를 각 고객에게 맞추어 개인화된 형태로 제공한다. 아마존이 최강의 콘텐츠를 보유한 웹사이트로서 그 지위에만 안주했다면 지금과 같은 전자상거래 분야의 거대 기업으로 거듭나지는 못했을 것이다.
- 재방문 고객에게만 영향을 미친다고 생각하는 오해
위에서 살펴본 아마존에서 제공하고 있는 서비스의 예시는 모두 재방문 고객으로부터 얻은 데이터에 의존하지만, 사실 개인화는 웹사이트를 처음 방문하는 사용자에게도 적용할 수 있다. 인공지능(AI)은 제삼자(3 rd party) 데이터를 활용하여 앱, CRM, 그리고 다른 웹사이트에서 추출한 쿠키 등 다양한 소스로부터 데이터를 통합하고 분석하여 잠재고객의 관심사, 행동 방식, 인구 통계학적 정보, 지리적 위치 등 다양한 정보를 알아낼 수 있다. 이 정보를 토대로 타겟 프로필을 구축하면 사이트를 처음 방문하는 사용자도 마치 오래된 친구처럼 친근한 콘텐츠로 맞이할 수 있다.
- 철저한 타겟 분류가 선행되어야 한다고 생각하는 오류
개인화를 위해 타겟 고객들을 정확한 구성요소로 분류하려면 잠재고객에 대한 세심한 이해가 선행되어야 한다는 것으로 생각하겠지만, 꼭 그렇지는 않다. 예측적 사용자 세그먼테이션은 사용자가 향후 취할 수 있는 액션을 토대로 효과적인 사용자 세그먼트를 자동으로 파악하고 생성하는 데 중점을 둔다. 그러기 위해 사용자 행동과 관심사를 중심으로 데이터를 분석하는 데 인공지능(AI)을 사용한다. 하지만 AI는 고객의 과거 행동을 보고 앞으로도 똑같이 행동할 것이라는 근거로 삼는 대신, 고객이 어떤 사람인지 전체적인 그림을 그리고 다양한 변수에 따라 어떤 식으로 행동에 변화를 줄지를 예측한다. 인공지능 기술은 규범적이기보다는 예측적이기 때문에 향후 행동을 좀 더 정확히 예측할 수 있다. - 사용자 지정이나 개인화나 마찬가지라고 생각하는 오류
이 두 용어는 종종 같은 의미로 사용되지만, 사실 둘은 완전히 다른 의미를 가지고 있다. 사용자 지정이란 방문자가 여러 가지 미리 설정된 옵션 중에서 자신이 경험하고자 하는 환경을 스스로 고르는 것을 의미한다. 반면 개인화란 웹사이트 운영자가 그 실행 주체로써, 방문자의 요구 사항에 따라 그 경험 환경을 바꾸는 것을 의미한다. 사용자 지정은 방문자가 웹사이트 측에서 제시하는 선택지(웹사이트 레이아웃, 피드 순서, 글꼴 크기 등)에 반응하는 것이기 때문에 반응형이라고 할 수 있다. 반대로 개인화는 선제 대응형이다. 왜냐하면 웹사이트 운영 기업에서 방문자에 관해 미리 예측하고 그 예측에 기반하여 사용자 경험을 조정하기 때문이다. 이 또한 데이터 기반 작업이긴 하지만, 자사 데이터 뿐 아니라 타사 데이터에도 의존하는 점이 다르다. - 반드시 기술적, 공학적 전문 지식을 가지고 있어야 한다고 생각하는 오류
최근 서비스형 AI(AI-as-a-Service, AIaaS)를 제공하는 기업들이 많다. 이들은 개인화에 도움되는 AI 솔루션을 즉시 사용할 수 있는 상용 서비스 형태로 제공하기 때문에, 기업에서 비용과 시간을 들여 사내 데이터 사이언스 팀을 따로 꾸리지 않아도 된다. 그렇다면 좋은 AI 파트너를 찾기 위해 고려해야 할 점에는 무엇이 있을까? 최근 애피어의 의뢰로 포레스터(Forrester)가 진행한 연구에 따르면 설문에 참여한 기업의 절반 이상이 마케팅부터 서비스까지 전체 라이프사이클을 아우르는 종합적인 AI 솔루션의 제공 여부를 가장 중요한 기준으로 꼽았다. 또한 파트너 후보로 고려 중인 업체에서 실용적인 데이터 엔지니어링 역량과 데이터 관리 역량을 포함한 상용 솔루션을 제공하는지 여부도 살펴봐야 한다. 웹사이트 개인화를 실현하기가 쉬운 것은 아니지만 대부분의 마케터가 잘못 이해하고 있는 내용도 많다. 방문자를 고객으로 전환하고 훨씬 원활한 사용자 경험을 제공할 수 있다는 장점을 고려하면 마케터가 따로 시간을 내어 심층적으로 이해해 볼 가치가 있는 개념임에 틀림 없다.
