지난 몇 년 사이에 인공지능(AI)은 전망이 밝아 보이는 하나의 기술 유행어에서 주류 기술로 부상했다. 금융, 통신, 헬스케어, 보험에 이르기까지 거의 모든 산업에서 인공지능을 활용한 다양한 실험이 진행중이며, 여기에는 유통 업계도 포함된다. 최근 진행된 한 조사에 따르면, 유통 업계에서의 인공지능에 대한 투자금액은 2025년까지 미화 272억 3천8백6십만 달러에 달해, 2016년의 7억 1천2백6십만 달러에 비해 38배 상승할 것으로 전망된다. 이와 같은 비약적인 상승은 다양한 방식으로 유통 업계에 혁신을 가져오고 있는 인공지능의 엄청난 영향력과 더불어 소비자 쇼핑 방식에 있어서의 변화, 유통 업계의 치열한 영업 활동 등을 고려할 때 충분히 이해할 만하다.
상품 공급 체인 전체를 뒤흔들고 있는 인공지능
금융 서비스, 보험 등의 산업과 비교해 볼 때 유통 부문은 인공지능 도입에 한층 앞서 있다. 시장조사 전문기관 포레스터(Forrester)가 애피어(Appier)의 의뢰를 받아 수행한 최신 실태조사에 따르면, 아태지역(APAC) 유통 부문 응답자들의 56%가 인공지능을 이미 도입했거나 도입 범위를 확대하고 있다고 밝혔다. 인공지능 도입은 제조 단계의 초입에서부터 확인할 수 있다. 아디다스와 나이키 같은 브랜드는 인공지능 기반 로봇과 컴퓨터 비전을 통해 여러 비용이 발생하게 될 수작업을 자동화하고 있다. 아마존의 자동화된 창고에서는 공간 깊이 감지와 사물 인식 기능을 갖춘 로봇을 활용해 재고를 분류, 저장 및 관리하는 데 뿐 아니라 무거운 짐을 옮기는 데도 도움을 받고 있다. 일단 상품이 슈퍼마켓과 유통 채널에 도착하면 유통 업체와 브랜드 모두 인공지능 툴에 의존하여 판매 현황을 파악한다. 기존에는 판매 현황은 계산대와 가끔 진행하는 수동 감사를 통해 취합된 POS 데이터를 통해서만 확인할 수 있었다. 그러나 오늘날 코카콜라와 같은 일부 소비재 브랜드들은 이미지 인식 및 증강 현실 솔루션을 도입하여 상품의 판매 속도, 인기 상품의 보충, 가장 잘 팔리는 상품이나 효과적인 프로모션 이벤트 등에 대한 현황을 파악하고 있다. 오프라인 매장은 줄어들고 브랜드와 유통업체들 모두 온라인 매장으로 옮겨가게 되면서, 인공지능은 온라인 소비자들이 원하는 상품을 바로 눈 앞에 가져다 보여줄 수 있는 강력한 무기가 되고 있다. 이것은 여러 기기 상에서의 소비자 행태를 이해함으로써 기기별 맞춤 메시지로 해당 소비자를 공략할 수 있음을 의미한다. 일본의 가구 유통업체인 오츠카 카구(Otsuka Kagu)는 인공지능을 통해 새로운 고객을 확보하고 자체 캠페인 기간 중 클릭 수가 가장 높은 시점을 파악할 수 있었다. 그 결과, 단일 스크린 캠페인 대비 크로스 스크린 클릭율을 55% 높게 달성했다. 인공지능이 유통 업계에 기여하고 있는 또 다른 분야는 더 많은 소비자가 유통 업체의 자체 앱을 이용하도록 하고 있다는 점이다. 일본 최대의 수공예품 거래 사이트인 민네(Minne)는 인공지능을 활용하여 자사의 앱을 다운로드 할 가능성이 높은 핵심 고객층을 파악하고 이들을 대상으로 캠페인 최적화를 실시하여 앱을 통한 추가 구매를 상승시킬 수 있었다. 유통 공급망의 마지막 단계인 물류에도 인공지능이 도입되고 있다. 머신러닝 알고리즘으로 선적 데이터, 기상 패턴 및 환율 변동 상황 등을 분석하여 선적 패턴을 예측하고 상품의 운송 상황에 대해 더 잘 파악할 수 있게 됐다.
인공지능으로 구현된 리테일 마케팅 르네상스
유통 업계에서도 마케팅이 인공지능으로부터 가장 큰 도움을 받는 분야일 것이다. 포레스터의 실태조사에 따르면, 소매업체의 60%가 마케팅에서의 생산성 강화와 개선을 인공지능 툴 도입으로 얻을 수 있는 핵심 혜택으로 꼽았다. 마케터들은 고객의 성향을 파악하기 위해 기존에는 연령, 성별 및 위치 등과 같은 일반적인 인구통계학적 데이터에 의존해왔다. 하지만 오늘날에는 고객의 관심사에 대한 더 깊은 인사이트를 확보하고 더 정밀한 프로파일링이 요구된다. 유통업체는 인공지능 기반 마케팅 자동화 툴을 통해 사용자들의 온라인 활동 시간과 사용 기기를 포함한 온라인 활동 패턴을 분석하고 사용자별 관심사 및 행태를 기반으로 타겟 고객 그룹을 지정할 수 있다. 그러면 보다 심도 있는 고객 인사이트로 마케팅 캠페인을 개인맞춤화하고 확장하는 등 훨씬 수월하게 관리할 수 있게 된다. 리테일 마케터들의 핵심 목표는 구매 과정에서 여러 기기를 사용하는 고객에 대한 통합고객관점(SCV)을 확보하는 것이다. 애피어의 CrossX와 같은 인공지능 솔루션은 여러 기기를 사용하는 동일 유저를 판별해 낼 수 있다. 하이퍼마켓 체인인 까르푸(Carrefour)는 크로스 스크린 추적을 통해 월간 페이지 뷰 60% 상승, 매출 25% 신장이라는 결과를 달성하면서 그 효과를 실감했다. 까르푸의 전자상거래 사업개발 매니저인 길 프레스콧(Gil Prescot)은 “인공지능은 까르푸가 나아갈 방향을 설정하는 데 결정적인 역할을 했다. 사업 성공에 도움되는 인사이트를 제시했을 뿐 아니라 옴니 채널을 개발할 수 있는 길을 열어주었다”고 말한다.
인공지능 도입을 위한 해결 과제
인공지능이 보장하는 모든 성공 가능성에도 불구하고 여전히 해결해야 할 과제들도 남아 있다. 우선, 데이터 수집과 통합이 문제다. 포레스터 조사에서 58%의 응답자가 빅 데이터 수집과 통합을 가장 큰 도전과제로 꼽았으며, 52%가 다양해진 채널에서의 데이터 소싱을 해결해야 할 과제로 응답했다. 마케팅 데이터는 매출 기록, 소비자 수요 데이터, 소셜 미디어 채팅, 고객 문의 및 피드백, 고객로열티프로그램을 통해 수집한 온라인 행태 및 관련 데이터 등 다양한 형태로 존재한다. 이렇게 다양한 형태의 데이터에 접근하는 것은 아마존과 같은 대기업에게는 손쉬운 일이지만 그보다 작은 기업의 경우에는 결코 쉽지 않다. 두 번째로, 머신러닝 모델이 제 기능을 발휘하고 결과를 정확하게 예측하려면, 이처럼 다양한 출처에서 수집한 데이터를 변환하고 정리해야 하는 문제가 있다. 인공지능 솔루션을 채택할 때의 일반적인 접근 방법은 데이터 과학자 팀과 함께 작업을 시작하는 것이다. 하지만 유통업체 내부에도 기능에 따라 부서별로 데이터에 대한 서로 다른 니즈를 가지고 있다. 마케팅팀은 웹사이트 상에서 이루어지는 유저의 행태 관련 인사이트가 필요하고, 영업팀은 가격 결정 및 머천다이징 관련 데이터에 의존하는 반면, 고객관리팀은 실시간 피드백을 필요로 할 수 있다. 기업 내부에 데이터 사이언스 전문가를 보유할 수도 있겠지만, 그 소수의 데이터 과학자들이 부서별로 요구되는 서로 다른 데이터의 다양한 본질을 이해하고 분석할 수 있는 광범위한 기술을 가지고 있을 가능성은 높지 않다. 뿐만 아니라, 데이터 사이언스 분야 자체가 진화하면서 일부 보유 중인 기술이 더 이상 쓸모 없게 될 수도 있다. 보다 현실적이고 타당한 해결책은 서비스로서의 인공지능(AI-as-a-Service)을 제공하는 외부의 전문 서비스 프로바이더로부터 도움을 받는 것이다. 유통 전문 기업들은 인공지능 도입율에 있어서 앞서가는 수준에 있다는 사실에 위안을 얻을 수도 있다. 상품 공급 체인상의 거의 모든 단계에서 이미 인공지능이 활용되고 있지만, 인공지능이 향후 구현할 무한한 잠재력 기준에서 보면 아직도 빙산의 일각에 불과한 수준이다. 인공지능이 가진 잠재력을 모두 실현하기 위해서는 데이터 수집, 통합, 분석이라는 과제를 해결하고, 여러 기능을 수행하는 복합 기능팀을 구축해야 할 것이다. * 산업별 인공지능 도입 현황에 대한 보다 상세한 조사결과는 애피어의 산업별 인포그래픽과 포레스터 보고서를 확인하시기 바랍니다.
